第三章 影片收集與資料庫建立
3.3 重要變數擷取
3.3.1 判斷車輛相對位置
變換車道行為相較於跟車行為複雜之因素是由於本車行駛時需要考量的影響 車輛不單單為與前車之相關影響變數，更需考量左右兩側以及後方車輛行為對於 變換車道時所造成之影響。因此於建置數據庫完成並進行資料分析前，首先需將 不同車輛資料依每秒之相對座標位置，分別判斷本車之前車、左前車、右前車、
後車、左後車、右後車的六種影響車輛的原始資料關係，再透過這些車輛原始資 料擷取相關變數。
由於資料筆數龐大，擷取資料的方式無法單純透過人工方式直接判斷，為此 本研究將原始資料庫透過 Excel 內 VBA 撰寫簡單的篩選程式，依順序讀取所有資 料並自動化找出每一筆資料的各方向之影響車輛相關變數，作為後續分析及建立 模式的基礎。此外，不同車種間車輛特性與影響變數有其差異，因此針對分析不 同車種之車輛判斷鄰車的方式不可沿用單一標準做篩選，判斷變數的規則也有所 不同。
根據座標做為六種方向的鄰車判斷，首先須定義相關變數。其中，車輛之行 車方向為 X 軸，車道間之變換方向則為 Y 軸：
i = 本車
j = 鄰車車輛編號 t = 時間(秒) xit
, yit
= 車輛 i 於時間 t 的車頭中點 X、Y 座標位置 最後可得六向影響鄰車定義：
Fit
, LFit
, RFit
, Bit
, LBit , RBit
分別表示本車車輛 i 於時間 t 之前車、左前車、右 前車、後車、左後車以及右後車。
18
圖 3.3-1 本車與前車、後車之相對位置示意圖
令圖 3.3-1 中紅色車輛 i 為本車，橘色線條表示距離本車車頭中點座標左右 兩側Δy 小於 1.5 公尺的距離區間，令此區間之內的車輛中距離本車前方最近之車 輛則為前車( Fit
)，而相對離本車後方最近者則即為後車( Bit
)。
圖 3.3-2 本車與左前車、左後車相對位置示意圖
令圖 3.3-2 中紅色車輛 i 為本車，橘色線條表示距離本車車頭中點之左側 1.5 到 3 公尺的距離區間，令此區間之內的車輛中距離本車左前方最近之車輛則為左 前車( LFit
)，同樣地離本車左後方最近者則即為左後車( LBit
)；而判斷右前車( RFit
) 與右後車( RBit )的方式亦然。
總結六種方向鄰車之判斷篩選方式如下：
小汽車前(後)車：Δy 在 1.5m 以內，與本車 Δx 值最小的車輛 小汽車前(後)車：Δy 在 1.5m 以內，與本車 Δx 值最小的車輛 機車前(後)車：Δy 在 0.6m 以內，與本車 Δx 值最小的車輛
小汽車左(右)前(後)車：Δy 在 1.5m～3m 之間，與本車 Δx 值最小的車輛 機車左(右)前(後)車：Δy 在 0.6m～1.2m 之間，與本車 Δx 值最小的車輛
19
透過程式自動化篩選六向車輛，後續研究可依不同車種分別選定分析時所需 之鄰車相關變數資料，做為模式分析與發展之解釋變數。
使用程式自動化擷取拍攝影片之變數，跟過去相關文獻比較(表 2.5-1)可有效 計算出大部分之變數，然而接受間距期望最大效用以及前車速度-期望(平均)速度 2 項變數屬於更複雜之研究問題且車流影片無法捕捉駕駛人心理行為，因此於本 研究中暫不允以考量。此外，變換兩車道以上之變數由於小汽車於市區道路鮮少 出現變換兩車道以上之行為，因此在模式中也不納入考量。而本研究的小汽車變 換車道模式將針對表內納入考量之變數構建微觀車流行為模式。
20 選擇行為，將直行車輛的選擇設為 Choice=1，向左變換車道為 Choice=2，向右變換車道 則為 Choice=3。此三類選擇行為則為未來發展變換車道模式及地區行為差異性比較之主 要分析基礎。
同樣以尖鋒時段台北市忠孝東路四段車道 30 分鐘以片為例，判斷選擇種類後，原
21
始資料可依車種大小和特性分為機車、小汽車、計程車、小巴士以及公車共五類，而計 程車資料部分由於較多車輛於路邊停靠狀態，因此需獨立於一般小汽車之外做討論，不 在本研究目前之討論範圍。