本研究應用 k-NN 演算法預測公車到站時間，利用 7 條台北市區公車路線作 實例測試，並與現有預測系統作比較，由分析結果可知本研究所設計的演算法具 有良好表現績效，能夠提供使用者更精確的預測結果。
6.1 結論
(1) 本研究利用市區公車 GPS 資料，以 k-NN 方法預測公車到站時間，整體資料 之平均絕對誤差為 81.62 秒，相對於現有預測系統往下修正 30.8%的平均誤 差；且在各種情境下與現有系統比較皆有比較小的誤差，表示本研究所建構 的預測模式能夠適用於各種情境。
(2) 由各個屬性的資料分析，可知在站位數為少站位數、時段為下午尖峰的情境 下，本演算法有比較好的表現。
(3) 由運算時間結果可發現，當路線上的公車站數越多，其所需的運算時間越長，
此與演算法之延遲加總機制有關，但其平均運算時間皆在可接受範圍內。
(4) 在設定 k 值的實驗中，可發現 k>40 的誤差趨於平穩狀態，顯示 k-NN 依靠大 量歷史資料庫有穩定預測表現。
6.2 建議
(1) 研究在資料過濾的處理上，以簡單的判斷方法剔除不合理的資料點，未來研 究可針對搜集到交通資料特性，從現有的資料過濾演算法中找出有可有效過 濾不合理資料點的方法，以提高歷史資料的可靠度。
(2) 在建立路段歷史資料庫的時，因為以路線上五分鐘的車輛進離站資料得出路 段旅行時間，在班距較稀疏的路線，可能會因為只有一輛車的資料，而造成 許多路段出現空值的情形。未來若能藉由其他輔助資訊，得到路段的旅行時 間，減少空值的產生，則可獲得較多的比對資訊，增加預測的準確性。
(3) 在運算時間的結果分析中可發現，當站數越多所需的運算時間越長，若將來 欲應用此方法到站數較多的路線上，則可改善延遲加總的運算流程，以提高 運效率。
(4) 本研究以同一條路線的路段旅行時間當作比對向量，若公車路線有行駛相同 路段的部分，則可加入重疊路段的其他路線資料，減少路段資料缺漏的情形，
獲得較多的比對資訊，同時增加預測之準確性。
(5) 目前僅建立兩個月的歷史資料庫，並用一個星期的實際調查資料作實證。未 來研究能夠取得更多的歷史資料，如持續搜集一年以上的歷史資料，則能夠 反映更多樣的交通狀況，如季節變化、連續假期等；另外一方面若能蒐集較 長時間的實際調查資料，則能夠 k-NN 模式校估得更為準確，得出更好的預 測值。若建立更龐大的資料庫則需考慮到歷史資料搜尋的時間，可觀察資料
特性將其分類，例如星期別、特別假日等，只搜尋相似的歷史資料以減少運 算時間。
(6) 本研究未針對事件或事故發時進行預測分析，但此時為等車民眾最需要知道 到站時間的時機；未來若能取得市區交通事故資料，則可針對事故發生時，
公車到站時間的變化為何來調整預測演算法。
(7) 本研究在進行路段的延遲加總時，將全部的 k 筆旅行時間作加總平均，未來 可考慮路段的旅行時間的變異程度，剔除變異較大的資料，或是給予權重作 調整，以提高預測的精準性。
參考文獻
[1] L. Huang,and M.Barth,“A Novel Loglinear Model For Freeway Travel Time Prediction”,the 11th International IEEE Conference on Intelligent Transportation Systems,Beijing, China, October 12-15, 2008.
[2] J.Kwon and K.Petty,“A Travel Time Prediction Algorithm Scalable to Freeway Networks with Many Nodes with Arbitrary Travel Routes”,Presented at 84th TRB Annual Meeting at Washington D.C., Forthcoming in Transportation Research Record, 2005.
[3] X.Zhang and J.Rice,“Short-Term Travel Time Prediction”, Transprotation Reseaerch Part C,Vol.11,pp.187-210,2003 .
[4] H. Sun, H. Liu, H. Xiao, and B. Ran, “Short Term Traffic Forecasting Using the Local Linear Regression Model”, the 82nd Annual Meeting of the Transportation Research Board, Washington, DC, Jan. 2003.
[5] Y. Li,“Short Term Prediction of Motorway Travel Time Using ANPR and Loop Data”,Journal of Forecasting, Vol.27, pp.507-517,2008.
[6] J. Kwon, B. Coifman,and P. Bickel,“Day-to-Day Travel-Time Trends and
Travel-Time Prediction from Loop-Detector Data”, Journal of the Transportation Research Board,Vol.1717, pp. 120-129, 2000.
[7] L.Sun,J.Yang,H.Mahmassani,“Travel Time Estimation Based on Piecewise Truncated Quadratic Speed Trajectory”,Transportation Research Part A, Vol.42, pp.173-186,2008.
[8] G. L.Chang , N. Zou, and J. Wang, “Development and Field Evaluation of a Real-Time Travel Time Prediction System”, Maryland Department of Transportation State Highway Administration, Final Report, 2006.
[9] J.Yeon,L.Elefteriadou,and S.Lawphongpanich,“Travel Time Estimation on a Freeway Using Discrete Time Markov Chains”, Transportation Research Part B, Vol.42, pp.325-338,2008.
[10] C.E. Cortés, R.Lavanya, J.S. Oh, and R. Jayakrishnan1,“General Purpose Methodology for Estimating Link Travel Time with Multiple Point Detection of Traffic”,Transportation Research Record: Journal of the Transportation Research Board,Vol.1802,pp.181-189,2002.
[11] D.Paterson and G.Rose,“A Recurse, Cell Processing Model for Prediction Freeway Travel Times”, Transportation Research Part C,Vol.16, pp.432-453, 2008.
[12] B.Hellinga, G.Knapp,“Automatic Freeway Incident Detection using Travel Time Data from AVI Equipped Vehicles ”, 6th World Congress on Intelligent Transport Systems, Toronto, Canada, 1999.
[13] B. Hellinga, and R. Gudapati,“Estimating Link Travel Times For Advanced Traveler Information Systems”, the Canadian Society of Civil Engineers, 3rd Transportation Speciality Conference. London, Ontario, 2000.
[14] K.choi and Y.chung,“A Data Fusion Algorithm for Estimating Link Travel Time”,Intelligent Transportation Systems,Vol.7, pp.235-260,2002.
[15] F.Soriguera, D.Abeijón, L.Thorson,and F.Robuste, “Highway Travel Time Data Fusion”, the TRB 87th Annual Meeting. Washington, D.C., Transportation Research Board, 2008.
[16] N.Faouzi, L.Klein,O.Mouzon,“Improving Travel Time Estimates from Loop and
Toll Collection Data with Dempster-Shafer Data Fusion”,TRB Annual Meeting CD-ROM,2009.
[17] C.Nanthawichit,T.Nakatsuji,H.Suzuki,“Application of Probe Vehicle Data for Real-Time Traffic State Estimation and Short-Term Travel Time Prediction on a Freeway”, RB Annual Meeting CD-ROM,2003.
[18] B.L Smith, and M.J. Demetsky, “Traffic Flow Forecasting: Comparison of Modeling Approaches”, Journal of Transportation Engineering, Vol.123, pp.261-266, 1997.
[19] B.L Smith, B.M. Williams, and R.K Oswald, “Comparison of Parametric and Nonparametric Models for Traffic Flow Forecasting”, Transportation Research Part C, Vol.10, No.4, pp.303-321,2002.
[20] S. Clark, “Traffic Prediction Using Multivariate Nonparametric Regression ”, Journal of Transportation Engineering, Vol.129, No.2, pp.161-168, 2003.
[21] K.Choi, C.H.Shin, and I.Park, “An Algorithm for Calculating Dynamic Link Travel Times Using GPS and A Digital Road Map” 5th ITS World Congress,1998.
[22] S. Robinson , and J. Polak, “Modeling Urban Link Travel Time with Inductive Loop Detector Data by Using the K-NN Method”, Journal of the Transportation Research Board, Vol.1935, pp.47-56, 2005.
[23] A.Shalaby and A.Farhan, “Prediction Model of Bus Arrival and Departure Times Using AVL and APC Data”, Journal of Public Transportation, Vol.7,
No.1,pp.41-61, 2004.
[24] J.Patnaik, S.Chien, and A.Bladikas, “Estimation of Bus Arrival Times Using APC Data”, Journal of Public Transportation, Vol.7, No.1,pp.1-20, 2004.
[25] E.H. Chung, and A. Shalaby, “Expected Time of Arrival Model for School Bus Transit Using Real-Time Global Positioning System-Based Automatic Vehicle Location Data”, Journal of Intelligent Transportation Systems, Vol.11, No.4.
pp.157-167, 2007.
[26] 吳佳峰，「有 GPS 資訊提供下之車輛旅行時間預估模式之研究」，國立交通大 學運輸工程與管理系碩士論文，民國九十年。
[27] 陳建名，「有 GPS 資訊提供下之公車旅行時間之研究」，國立交通大學運輸科 技與管理系碩士論文，民國九十二年。
[28] J. Benedetti, “On the Nonparametric Estimation of Regression Functions”, Journal of the Royal Statistical Society, Series B, Vol. 39, pp. 248-253, 1977.
[29] C. Stone, “Consistent Nonparametric Regression”, The Annals of Statistics, Vol. 5, pp. 595-645, 1977.
[30] J.Tukey , “Exploratory Data Analysis”, Reading, MA: Addison Wesley, 1977.
[31] N.S. Altman, “An Introduction to Kernel and Nearest Neighbor Nonparametric Regression”, The American Statistician, Vol. 46, NO. 3, pp. 175-185, 1992.
簡 歷
姓名：何佳儒
籍貫：臺灣省南投縣
生日：民國 74 年 12 月 25 日
學歷：民國九十九年七月國立交通大學運輸科技與管理學系碩士班畢業 民國九十七年七月國立交通大學運輸科技與管理學系學士班畢業 電郵信箱：flora96321@gmail.com