如下圖 5.1 所示，總模式為兩點平均速率=70.609-0.392*(兩點旅行時間-155.505)，該總 模式又依旅行時間、時段、星期(平日與假日)各自分為 25 條節點迴歸方程式(如下表 5.1)，
1 總模式 兩點平均速率=70.609-0.392*(兩點旅行時間-155.505) 2 兩點旅行時間>=202.200
及<214.800
兩點平均速率=51.919-0.290*(兩點旅行時間-208.364)
3 兩點旅行時間>=177 及
<179.520 及星期(假日)
兩點平均速率=60.281-0.330*(兩點旅行時間-178.333)
4 兩點旅行時間>=177 及
<179.520 及星期(平日)
兩點平均速率=60.649-0.355*(兩點旅行時間-178.000)
5 兩點旅行時間>=179.520 及<202.200
兩點平均速率=57.725-0.299*(兩點旅行時間-186.848)
6 兩點旅行時間>=156.840 兩點平均速率=68.058-0.714*(兩點旅行時間-157.833)
及<158.100
7 兩點旅行時間>=161.880 及<164.400
兩點平均速率=66.221-0.335*(兩點旅行時間-162.773)
8 兩點旅行時間>=151.800 及<154.320
兩點平均速率=70.225-0.340*(兩點旅行時間-153.152)
9 兩點旅行時間>=142.980 及<146.760
兩點平均速率=74.325-0.660*(兩點旅行時間-144.429)
10 兩點旅行時間>=146.760 及<151.800
兩點平均速率=73.005-0.626*(兩點旅行時間-147.656)
11 兩點旅行時間>=146.760 及<151.800
兩點平均速率=73.005-0.626*(兩點旅行時間-147.656)
12 兩點旅行時間>=139.200 及<142.980 及時段=3
兩點平均速率=75.932-0.144*(兩點旅行時間-141.182)
13 兩點旅行時間>=139.200 及<142.980 及時段=4
兩點平均速率=76.157-0.460*(兩點旅行時間-141.000)
14 兩點旅行時間>=139.200 及<142.980 及時段 not=3 及時段 not=4
兩點平均速率=73.005-0.626*(兩點旅行時間-147.656)
15 兩點旅行時間<126.600 兩點平均速率=88.692-0.757*(兩點旅行時間-121.268) 16 兩點旅行時間>=134.160
及<137.940
兩點平均速率=79.661-0.776*(兩點旅行時間-135.409)
17 兩點旅行時間>=132.900 及<134.160
兩點平均速率=80.738-0.567*(兩點旅行時間-133.222)
18 兩點旅行時間>=137.940 及<139.200
兩點平均速率=77.571-0.694*(兩點旅行時間-138.704)
19 兩點旅行時間>=129.120 及 <132.900 及星期( 平 日)
兩點平均速率=82.015-0.586*(兩點旅行時間-131.000)
20 兩點旅行時間>=129.120 及 <132.900 及星期( 假 日)
兩點平均速率=81.963-0.387*(兩點旅行時間-131.286)
21 兩點旅行時間>=126.600 及<129.120
兩點平均速率=83.528-0.424*(兩點旅行時間-128.900)
22 兩點旅行時間>=171.960 及<177 及時段=4
兩點平均速率=61.828-0.416*(兩點旅行時間-175.000)
23 兩點旅行時間>=171.960 及<177 及時段 not=4
兩點平均速率=62.862-0.604*(兩點旅行時間-172.444)
24 兩點旅行時間>=164.400 兩點平均速率=64.030-0.387*(兩點旅行時間-168.404)
及<171.960
25 兩點旅行時間>=214.800 兩點平均速率=47.042-0.205*(兩點旅行時間-229.214)
資料來源：本研究整理
圖 5.1 道路服務水準之決策樹模式圖
圖 5.2 道路服務水準決策樹模式之相依程度圖
圖 5.3 道路服務水準決策樹模式之散佈圖
(2) 公車預估到站模式運用
比較驗證資料使用所構建出的迴歸式其產生的預測值與實際值做比較，除了使用 SQL SERVER 2005 所提供之散佈圖之外，另增加折線圖以做相互比對。
如圖 5.4，藉由資料探勘的散佈圖可以初步看出模式是否準確，藉由訓練資料產生 行駛區旅行時間迴歸模式之後，將驗證資料帶入所符合的迴歸式後之實際值與模式預測 值做相互比較，其中圖中四十五度線為預測線，故由圖中可知模式所建構出的決策樹在 實際值旅行時間為 127 秒以下時其模式所預測之預測值與實際值差異不大，在實際值超 過 127 秒時開始有微幅波動，然而在實際值到達 207 秒時其實際值與預測值間的差異波 動增加，當實際值接近 500 秒時其預測值與實際值差異最大，所以可以發現當行駛區旅 行時間越長時，模式所做出之預估可能會發生較大的差異，但整體上來說，本模式預估 能力之準確度應尚可接受。
再者續看圖 5.5，圖中藍色的線為行駛區實際旅行時間，粉紅色的線為迴歸式所預 測出來的旅行時間，其中若將箭頭符號使用相同樣式時則會發現其預測值與實際值非常 接近，然而為了能夠比較明顯看出差別，所以使用了不同的箭頭樣式。圖中可以發現當 旅行時間在 253 秒到 273 秒時有較大的差別，另外超過四百秒後的誤差值最大。以上符 合 SQL SERVER 2005 所提供之散佈圖結果。
圖 5.4 署立醫院到龍祥里間行駛路段散佈圖
0.00 100.00 200.00 300.00 400.00 500.00
1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301
旅行時間(秒) 行駛區旅行時間 迴歸式預測
圖 5.5 署立醫院到龍祥里間行駛路段折線圖 2.結論
配合 ITS 軟硬體建設與技術演進，目前使用車載即時交通資訊進行旅行時間與道路 服務水準評估之相關研究與日俱增，未來臺灣在全面推動 ETC 後，車載即時交通資料 更將會成倍速累積，如何在大量資料中透過空間資料探勘方法粹取時空知識，將成為重 要課題。且目前道路服務水準評估、旅行時間預估等相關研究，在行車速率推估上多以
路面上佈設之 VD 所蒐集之資訊為主，但 VD 之埋設需經路面挖掘、VD 佈設、重鋪柏 油等程序，佈設不容易且損壞率偏高，亦普遍存在維護困難的問題；因此若能透過車載 即時交通資訊提供交通管理上所需之相關數據，實為成本較低且應用性更廣之選擇。