本研究期望將準確度加入現有之團隊共識法中，用以整合交通資料，在偵測 器有誤差的狀況下提供一個修正的機制，以提供較可靠的交通資料。本研究所設 計的準確度參數能將有誤差的偵測器之權重降低，並得到較佳的融合結果，根據 測試的結果，本研究歸納出下列結論與建議。
5.1 結論
1. 加入準確度後的團隊共識法能以母體平均數為依據進行修正，得到較原始團 隊共識法更為準確的資料。
2. 當偵測器有所誤差時，加入準確度可以使有誤差的偵測器權重降低，以減少 誤差對融合結果的影響。
3. 若數個偵測器資料都有偏誤時，加入準確度仍可改善融合結果，但改善空間 有限。
4. 類神經網路學習過程需耗費大量時間及系統資源，本研究使用極短時間及系 統資源便可得到相差不多的結果，仍有其貢獻。
5.2 建議
1. 本研究融合公式中準確度參數的指數次方為三次方，可能會將準確度過度放 大，在兩偵測器時，若兩者都不準確，但其中一個偵測器平均數離母體平均 數距離較遠時，權重可能會大部份落在另一個偵測器，並造成誤差，此部份 可能因不同實驗對象而不同，因本研究實驗發現準確參數次方數表現最佳的 為 三次方，故所有的實驗都採用三次方，日後可以觀察不同情況，再訂出 各種可能情況最佳之搭配組合。
2. 本研究以模擬方式進行測試，未來可以實作方式進行測試並修正權重計算模 式，以適應現實生活的各種情況。
3. 本研究母體平均數 M 取得方式為以測速槍進行收集，未來可以考慮以更準
確之方式，如雷射測速器，進行資料收集工作。
參考文獻
[1] Daniel .J. Dailey, Patricia Harn, and Po-Jung Lin,”The Final Research Report of ITS Data Fusion”, Washington State Transportation Center and Washington State Department of Transportation, April 1996.
[2] Sarma, V.S. and S. Raju. “Multisensor Data Fusion and Decision Support for Airborne Target Identification. ” IEEE Transactions on Systems, Man and Cybernetics. Sept.-Oct. 1991, pp. 1224-1230
[3] Linn, R.J. and D.L. Hall. “A Survey of Multi-sensor Data Fusion Systems. ” Proceedings of the SPIE - The International Society for Optical Engineering. 1-2 April 1991: Orlando, FL. SPIE, 1991. Vol. 1470, pp. 13-29.
[4] Dempster, A.P. , ”A generalization of Bayesian Inference”, Journal of the Royal Statistical Society, Series B, 30, pp. 205-247
[5] Shafer. G. “A mathematical theory of evidence”, Princeton, NJ, Princeton University Press, 1976.
[6] Huadong Wu, Mel Siegel, Rainer Stiefelhagen, Jie Yang, “Sensor Fusion Using Dempster-Shafer Theory”, IEEE Instrumentation and Measurement Technology Conference, 2002.
[7] Huadong Wu, Mel Siegel, Sevim Ablay, “Sensor Fusion Using Dempster-Shafer Theory II: Static Weighting and Kalman Filter-like Dynamic Weighting” IEEE Instrumentation and Measurement Technology Conference, 2003.
[8] 曾治維，“Dempster-Shafer 理論於交通資料整合技術之應用＂，國立交通大 學碩士論文，民國 93 年
[9] R. Clausius, The Nature of the Motion we Call Heat, it Ann. Phys, 1865
[10] Shu-Cherng Fang, J.R. Rajasekera, H.S.J Tsao, “Entropy Optimaization and Mathematical Programming”, International Series in Operations Research &
Management Science, 1997.
[11] O.A BASIR, H.C.Shen, “ Modeling and Fusion Uncertain Multi-sensory Data＂, Journal of Robotic Systems, 1996, pp. 95 – 109.
[12] Albert C.S. Chung, Helen C. Shent, and Otman B. Basir, “A Decentralized Approach to Sensory Data Integration＂, IEEE ,1997, pp.1409-1414.
[13] Basir et al., “Drowsiness Detection System”, United State Patent No.:6822573.
B2, 2004
[14] 吳欣潔，“熵應用於交通資料融合之研究＂，國立交通大學碩士論文，民 國 93 年。
[15] 吳瑞豐，“最佳權重法應用於交通資料融合＂，國立交通大學碩士論文，
民國 94 年。
[16] RL Cheu, DH Lee, C Xie, “An Arterial Speed Estimation Model Fusing Data from Stationary and Mobile Sensors.” IEEE Intelligent Transportation Systems Conference Proceedings, 2001, pp.573-578.
[17] G. E. P. Box and Mervin E. Muller, “A Note on the Generation of Random Normal Deviates”, The Annals of Mathematical Statistics 1958, Vol. 29, No. 2 pp.
610-611