依照「道路交通標誌標線號誌設置規則」(交通部、內政部，2007)以及「交 通工程手冊」(交通部，2010)將交通號誌依照功用分類成三種：行車管制號誌、
行人專用號誌，以及特種交通號誌。在本研究中探討混合車流中的污染擴散情形，
進一步以號誌控制模式改善且評估結果，其中所要探討的號誌控制部分，將以行 車管制號誌為主；交通號誌依型式又可分為獨立號誌、幹道連鎖號誌以及區域路 網連鎖號誌。以下將行車管制號誌分別依功用以及型式的分類描述之。
2.3.1 號誌控制分類
所謂行車管制號誌，係藉圓形之紅、黃、綠三色燈號及箭頭圖案，依時間做 交互變換的方式，分派不同方向之行進路權；或藉僅含紅、綠二色之圓形燈號，
以管制單向輪放之交通。一般設置於交叉路口或實施單向輪放管制之道路上，依 其運作方式可再區分為三種：定時號誌、交通觸動式號誌以及交通適應性號誌。
定時號誌(pre-timed signal)：定時號誌是控制邏輯中最基本的，其週期、時 相數、時相長度與時相順序必頇為定值，利用歷史流量資料，透過經驗法則或號 誌軟體以獲得每日不同時段之最佳時制計畫；一般用於交通量穩定或變化有規律 之地點。定時號誌控制為獲得週期與時比，最常利用最小延滯公式對週期加以微 分即可獲得最小延滯週期，且具有簡單易行之特性，因此最為被廣泛應用及討論；
但由於定時號誌控制之基本要素皆為定值，常導致無法即時針對車流狀況而加以 改變時制，為其主要的缺點。
交通觸動式號誌(traffic actuated signal)：利用路口感應器以即時方式獲得車 流資料，使觸動號誌能調整綠燈時間；相較於定時號誌控制，觸動號誌控制較沒 有固定週期的概念，只有最大綠燈和最短綠燈觀念。其中，最大綠燈、最短綠燈 與延長時間必頇是已知的，不論車流量多寡，最短綠燈要能夠確保行人可通過該 路口。一般用於交通量變化顯著且無規律，或主要道路和次要道路交通量懸殊之 地點，若次要道路交通量變化甚大，感應器僅設於次要道路上，稱為「半交通觸 動式控制」(semi-actuated control)，除非次要道路有車輛觸動感應器，否則主要 幹道永遠為綠燈；若各交通量相近但變化甚大且不規律，感應器設於所有道路上，
稱為「全交通觸動式控制」(full-actuated control)。觸動式號誌的優點是可以即時
16
反應交通狀況，缺點為感應器裝設與維修費用較為昂貴，成本較高。
交通適應性號誌(traffic adaptive signal)：適應性號誌與觸動號誌相似，但必 頇在每一車道佈設偵測器，以精確和完整地收集車流資訊，將此資訊傳送至中央 控制電腦，針對相關車流情況對週期、時比與時差做即時調整。適應性號誌控制 系統廣泛地被使用，例如在都市交通控制系統中之英國SCOOT(Split，Cycle and Offset Optimization Technique)系統、歐洲的SCATS(Sydney Coordinated Adaptive Traffic System)系統以及美國OPAC(Optimization Policies of Adaptive Control)策略 等等。
交通號誌依型式又可分為獨立號誌、幹道連鎖號誌以及區域路網連鎖號誌。
以下將分別描述。獨立號誌(isolated signal)：運作方式為未考慮鄰近路口號誌，
各路口號誌獨立運作，不影響其他路口號誌稱之為獨立路口號誌控制。幹道連鎖 號誌(coordinated signal for arterials)：幹道系統中兩個或兩個以上號誌同時運作，
透過號誌連鎖提供車流擁有更多續進機會，使車流運行更加順暢。常見之設計方 法有同亮系統(simultaneous system)、迭亮系統(alternative system)以及遞亮系統 (progressive system)。其號誌時制設計的方法由理論層面而至電腦軟體程式之應 用相關文獻眾多，並持續為交通工程學者所研究與發展中，並已廣泛運用於目前 相關交通控制軟體中。區域路網連鎖號誌(coordinated signal for networks)：路網 號誌控制是將幹道號誌擴展並考慮各個方向續進帶寬，為控制範圍中最廣泛的一 種。是以車輛偵測器去不斷蒐集路況資料，經電腦設備之處理、運算，以控制區 域性的路網，使整體車流延滯最小之號誌。
2.3.2 適應性號誌控制應用
在本研究中探討混合車流中的污染濃度擴散情形，進一步以號誌控制模式改 善且評估結果，為反應即時的交通狀況，將以適應性號誌控制為基礎做號誌調整，
所以以下文獻將以適應性號誌控制之應用在獨立路口、幹道連鎖以及區域路網的 控制做回顧。
應用於獨立路口的適應性號誌控制上，Trabia et al.(1999)研究模糊邏輯交通 號誌控制設計，使用的方法為兩階段(two-stage)，在第一階段是由偵測器收集到 資料估計出「交通強度」(traffic intensity)，依照此強度資訊，將會在第二階段用 來決定是否延長或者終止現有的綠燈時向。第一階段使用的模糊描述為車流量和 車隊，建構出交通強度(TR)的規則庫；而每個行向綠燈的交通飽和度是由最大車
17
流量 Omax和最大車隊長度 Qmax所觀察到，Omax與 Qmax是梯形隸屬函數，語意等 級分為零(Z)、少量(S)、中等(M)和大量(B)。再來由紅燈與綠燈時的 TR 建構出 交通號誌轉換的規則庫，其中 E 為延伸綠燈時間，T 為終止現在的綠燈時相。綠 燈延長為 3 秒，表示當上游偵測器沒有偵測到來向的車輛持續 3 秒且雙向車隊為 0 時，控制器會由綠燈轉換為紅燈。結果顯示當紅燈與綠燈時的交通飽和量都很 高的時候，會需要較長的週期長度，因此時相延長(E)是適當的。此研究的績效 會依據帄均車輛延滯和停等車輛數的比例計算出，結果顯示當維持停等車輛的比 例時，此方法控制能夠導致相對於觸動式控制較低的車輛延滯。
Chiou and Lan(2004)則是建構應用於號誌化路口的基因模糊邏輯控制
(Genetic Fuzzy Logic Controller, GFLC)反覆演算法，依序去選擇邏輯規則和轉換 隸屬函數，並在台北市的獨立路口做驗證。研究的概念類似雙層數學規劃，上層 是用來解決用在隸屬函數的邏輯規則，下層則決定從上層邏輯規則得來的隸屬函 數形狀。GFLC 模式使用綠燈時的交通流量(TF)和紅燈時的車隊長度(QL)為狀態 變數，是否延伸綠燈時間(EGT)為控制變數，假設每個變數都在三角型隸屬函數 中有五個語意等級，總共將會有 125 個可能的邏輯規則；最後則以流體近似法估 計出的總車輛延滯做為績效評估準則。研究效率將與三個定時號誌時制計畫做比 較：單一最佳化、多重最佳化以及 Webster 模式。由實證案例的驗證顯示出 GFLC 模式，可以完成幾乎跟多重最佳化時制相同的結果，且會優於單一、Webster 和 現有的時制計畫；並且當車流量隨機變動 10%、30%和 50%時，GFLC 模式結果 最佳、當車流量大時的控制績效也較好。
Zheng et al.(2010)以交通號誌控制系統為研究主軸，介紹用反覆學習控制 (Iterative Learning Control, ILC)和模糊邏輯方法設計的適應性資料導向
(data-driven)交通號誌控制器，進而改進路口的容量。研究中的號誌控制策略，
可以藉由本身的反覆學習去適應變動的交通流量，並且用模糊邏輯去處理交通系 統中的不確定性和隨機性，避免太過複雜的交通系統模式。控制策略中有三個主 要的部分：評估績效指標模組、反覆最佳化模組和控制執行模組。反覆最佳化模 組是由綠燈時間、績效指標和歷史資料所組成，計算原則是下一個週期的綠燈時 間會經由反覆的最佳化、模糊控制以適應車流量的變化，得到最大效率的綠燈時 間。並且使用由到達車輛和車隊長度組成的佔有率資料作為績效指標的評估。此 篇研究建構的模式是應用於獨立路口的號誌控制，模式的優點為可以迅速反應變
18
動的車流量。最後使用 VISSIM 模擬的結果驗證效率，結果顯示號誌週期策略會 有效隨著交通流量做變動，並且此篇研究所建構的方法，會比定時和觸動式控制 方法更有效率。
在幹道連鎖控制上，Wolshon and Taylor(1999)應用 SCATS，使用偵測器去監 控流量狀況並且連鎖號誌設定，當流量接近容量時用以最小化停等數和延滯時間。
此研究使用巨觀的模擬程序，在固有的延滯參數設定下，分析 SCATS 號誌控制 與一般適應性號誌控制策略的不同之處。SCATS 其中的 SOAP(signal operations analysis package)分析程序，可使用延滯、停等車輛數、油耗、車隊長度和其他車 流特性做為 MOE 指標，並且在短時間內就可計算出結果；但此模組的限制就是 假設車輛在每個週期到達時都呈均勻分配，且都不受上游號誌影響。研究結果顯 示當在 SCATS 控制下，會有較高的帄均總路口延滯，會導致此結果是因為 SCATS 的目標在於帄均飽和流量，而不是最小化路口延誌。SCATS 控制將可以使帄均 延滯較為均衡，模擬結果顯示在高流量和低流量行向上的變異數都減低，並且 SCATS 對於在減低低流量區間的延滯上，會較高流量時有效率。
Chiou and Huang(2011)為了發展適應性交通號誌控制模式的效率，研究考慮 到交通流量、汽車與機車的車隊長度做為狀態變數，以及延伸綠燈時間做為控制 變數，並以最小化總車輛延滯為目標，建構一個新的漸進式基因模糊邏輯控制 (SGFLC)。為了解決亞洲城市汽車與機車混合的道路特性，研究中的混合交通格 位傳遞模式(MCTM)將用來解釋混合的交通行為。狀態變數的設定分為三種模式，
第一種考慮四個狀態變數：小汽車流量、機車流量、小汽車車隊長度、機車車隊 長度；第二種則是分別對車流量和車隊長度將機車與汽車做權重加總，機車權重 為 PCE (研究設定為 0.3)；第三種則是直接將機車與汽車做加總，只考慮總和的 流量以及車隊長度兩種狀態變數。在 MCTM 模式裡面的主要參數：最大流率、
最大儲存容量、剩餘儲存容量(remaining storage capacity)，除了在自由車流的情
最大儲存容量、剩餘儲存容量(remaining storage capacity)，除了在自由車流的情