本研究旨在利用基因模糊邏輯控制(GFLC)建構一異常交通狀況下之高 速公路最佳速限控制模式，除能透過模糊理論處理資訊之不確定因素外，尚 可利用基因演算法採用反覆演化之方式，搜尋最佳之邏輯規則及隸屬函數參 數組合以建構本模式，期使速限控制績效達到最佳。其主要績效評估是利用 安全性與效率性指標，來評估模式應用於高速公路事故路段之績效。依據本 研究之研究成果得到以下幾點結論及建議。
7.1 結論
1. 本研究旨在以實際事故資料及偵測器測得之交通資料為基礎，利用基因模 糊邏輯控制(GFLC)建構一事故路段之最佳化速限控制模式，以避免以往依 據交通資料所進行模擬後之結果於實際應用時，可能產生落差之問題並且 能避免單純使用模糊邏輯控制(FLC)進行邏輯規則及隸屬函數選擇之主觀 設定問題。
2. 本研究使用之格位傳送模式(CTM)為符合實際事故路段車流行為，因應不 同事故嚴重程度修改模式內之β 值、Q 和 N，其模擬後之結果顯示各情境 下之MAPE 值皆在 13%以下，與國外相關研究相符。
3. 在建構GFLC 之事件模式上，由於潛在邏輯規則及隸屬函數校估參數之數 量會隨著狀態變數之增加而大幅提升。故一般在應用上，狀態變數之個數 大多限制在三個以下。本研究採用之三個狀態變數：事故嚴重性、主線流 量及主線速度皆為事故發生當下能最快速得到之資訊，因此能減少蒐集事 故資訊到研判速限控制程度間之處理時間。
4. 本研究依不同時段與事故嚴重程度設計六種不同事故情境，TCP 與 TP 改 善績效離峰-事故佔用 1 車道為 8.07%和-1.10%、離峰-事故佔用 2 車道為 5.17%和-0.95%、離峰-事故佔用 3 車道為 1.97%和 0.00%、尖峰-事故佔用 1 車道為 18.45%和-2.15%、尖峰-事故佔用 2 車道為 13.02%和-1.85%、尖 峰-事故佔用 3 車道為 1.07%和 0.00%，整體而言，顯示速限控制有益於改 善用路人之安全性，但在流量上有些許降低。
5. 於實例應用部份，結果顯示模擬後之 TCP 與 TP 改善績效分別為離峰-事故 佔用1 車道為 7.04%和-1.29%、離峰-事故佔用 2 車道為 5.36%和-0.91%、
離峰-事故佔用 3 車道為 1.57%和 0.00%、尖峰-事故佔用 1 車道為 14.49%
和-2.24%、尖峰-事故佔用 2 車道為 10.15%和-1.89%、尖峰-事故佔用 3 車 道為 1.02%和 0.00%，說明了本模式於真實高速公路應用方面，能有效改 善事故對用路人造成之影響，雖然有些許流量之下降，但增加安全性為本 研究較重視之目標。
56
6. 無論在簡例或實例應用中，速限控制對於六種事故情境之影響，結果都顯 示對於改善用路人安全性方面都有較佳之績效，雖然流量方面會有些許降 低，但由於重要性較低，因此整體而言對於改善用路人之行車績效是有幫 助的。
7. 經由權重值之敏感度分析後得知隨著權重值之不同，TCP 績效值有越來越 佳之趨勢，而TP 的績效值越來越差，其結果顯示本模式在 TCP 權重值設 定為1，TP 設定為 0 時在各情境中 TCP 皆為最佳之績效，代表 TCP 在本 研究中的重要性為最高，而TP 為最低。
8. 經由速限控制區間之敏感度分析後得知，最佳之速限控制區間為每一公里 設置一座速限號誌，共五座速限號誌，此為對於整體車流能有最佳安全性 績效之設置方法。
7.2 建議
1. 本研究所建構之車流模擬模式僅適用於三車道高速公路路段，後續研究可 將變換車道之駕駛行為對車流及安全性之影響考慮入內，或建構多車道高 速公路路段之車流模擬模式。
2. 在實務上目前尚未實施速限控制策略且速限號誌之設置並不多，因此速限 控制模式運用在實務上時需搭配法規或警察取締等強制力作為，強迫駕駛 者遵守路上之速限號誌，此外速限號誌座數之設置間距須盡量依理論上之 設計為依據，如此才能達到最佳之績效。
3. 本研究之GFLC模式，乃是採用反覆演化之方式得到最佳邏輯規則及最佳 隸屬函數參數，建議未來研究可建立同時尋優之GFLC 模式，以避免反覆 求解可能導致之狀況解問題。
4. 利用GAs建構FLC系統之績效已獲相當研究驗證，惟本研究利用GFLC所建 立之模式，主要是採用三個狀態變數及一個控制變數，所需尋優時間稍長，
建議後續研究可進ㄧ步研擬更有效率之編解碼方式或尋優技巧，以克服此 一問題。
5. 由於無論使用哪一種車流模式或車流模擬軟體，均需奠基於正確之交通資 訊，方能成功。惟目前所使用之車輛偵測器，無論是環狀線圈、紅外線、
微波或影像辨識，均存有相當程度之誤差，在無法克服此一技術問題前，
未來或可考慮建立一套交通偵測資料之調校模式，以產生更可信、精確之 交通資訊， 以利事件自動偵測系統之落實應用。
6. 本研究礙於模擬時間過長之問題在安全性之評估地點僅為事故點上一個 格位，未來在進行相關研究時可考慮加大事故上游之安全性評估範圍，或 在評估指標上考量其他如旅行時間或總延滯等效率性指標，對於整體路段 績效應有不同之影響存在。
參考文獻
1. 王雲慶(2005)，「應用基因模糊邏輯建構適應性匝道儀控系統」，私立逢甲 大學交通工程與管理學系碩士班碩士論文。
2. 李訓明(1995)，「高速公路主線車流控制策略之研究」，國立成功大學碩 士論文。
3. 邱裕鈞、藍武王(2001)，「應用遺傳演算法建構適應性模糊邏輯控制系統─
以跟車行為為例」，中華民國運輸學會第十六屆學術論文研討會，第 515-526 頁。
4. 吳健生(1996)，「高速公路行車速率控制初探」，運輸學刊第九卷第一期，
第1~22頁。
5. 馮正民、邱裕鈞(2004)，研究分析方法，建都文化事業股份有限公司。
6. 陳怡霖(2006)，「應用基因模糊邏輯控制建構事件偵測系統」，私立逢甲大 學交通工程與管理學系碩士班碩士論文。
7. 陳昭宏(1991)，「高速公路意外事故管制路段飽和車流特性及容量分析應 用」，國立成功大學碩士論文。
8. 張榮成（1994），「高速公路遞減速限控制之研究」，國立成功大學碩士論 文。
9. 賴建華(2003)，「適應性基因模糊邏輯號誌控制系統」，國立交通大學交通 運輸研究所碩士論文。
10. Abdey-Aty, M., Dilmore, J., Dhindsa, A.(2006),“Evaluation of variable speed-limits for real-time freeway safety improvement,” Accident Analysis and Prevention 38(2006) 335-345
11. Breton, P., Hegyi, A., De Schutter, B. and Hellendoorn, H.(2002),“Shock wave elimination/reduction by optimal coordination of variable speed-limits ,” The IEEE5th international conference on intelligent transportation systems.
12. Daganzo, C. F.(1994), “The cell transmission model：a dynamic representation of highway traffic consistent with the hydrodynamic theory,” Transportation Research 28B,269-287.
13. Daganzo, C. F.(1995),“The cell transmission model：network traffic,” Tra nsportation Research 29B,79-93.
14. Gürocak, H.B.(1999),“A genetic-algorithm-based method for tuning fuzzy logic controllers,” Fuzzy Sets and Systems, Vol.108, pp.39-47.
15. Homaifar, A. and McCormick, E. (1995),“Simultaneous design of membership functions and rule sets for fuzzy controllers using Genetic Algorithms,” EEE Transactions on Fuzzy Systems,Vol.3,No.2,pp.129-139.
16. Hwang H.S. (2002),“An improved model for vehicle routing problem with
58
time constraint based on genetic algorithm,” Computers & Industrial Engineering42 pp.361-369.
17. Hegyi, A., De Schutter, B. and Hellendoorn, J.(2005),“Model predictive control for optimal coordination of ramp metering and variable speed-limits,”
Transportation Research Part C 13(185-209).
18. Jun-Seok and Cheol(2005),“Dynamic speed control strategy for freeway traffic congestion management,” Journal of the Eastern Asia Society Transp.
Studies Vol.6，pp.595-607.
19. Lee, C., Hellinga, B. and Saccomanno, F.(2004),“Assessing safety benefits of variable speed-limits ,” The 83rd TRB Annual Meeting,(Paper No.04-4835) 20. Lighthill, M. J. and Whitham, G. B.(1955),“A theory of traffic flow on long
crowded road,” London , Proceedings Royal Society,A229,pp.317-345.
21. Lo, H. K. and Szeto, W. Y. （2002）, “A cell-based dynamic traffic assignment model: formulation and properties”, Mathematical and Computer Modelling, Vol35, pp.849-865.
22. Lo, H. K. and Szeto, W. Y. （2002）,“A cell-based variational inequality formulation of the dynamic user optimal assignment problem”, Transportation Research, Part B, Vol.36, pp.421-443.
23. Munoz, L., Sun X., Horowitz, R. and Alvarez L.(2003),“Traffic density estimation with the cell transmission model,” Proceeding of the American Control Conference, Denver Colorado, June, pp. 3750-3955.
24. Thrift, P.(1991), “Fuzzy logic synthesis with genetic algorithms,“Proceeding of the Fourth International Conference on Genetic Algorithms, pp.509-513.
25. Varaiya P.(2007),”Freeway congestion, ramp metering, and tools,” Proceeding of the 12th International Conference of Hong Kong Society for Transportation Studies, pp.7-16.
26. Wirasinghe, S.C.(1978),“Determination of traffic delays from shock wave analysis ,” Transportation Research Vol.12,pp.343-348.
27. Zhong, R. and Sumalee, A.(2007), “Stochastic cell transmission model：traffic state estimation and control under uncertainties,” Proceeding of the 12th International Conference of Hong Kong Society for Transportation Studies, pp.153-162.