離峰時段模式分析

新竹地區離峰時段車流資料構建小汽車變換車道模式部分，同樣比照尖峰時段車流 資料進行本研究之小汽車四種類型變換車道行為模式分析。經過校估後之模式同樣顯示 鄰後車之相對距離、相對速度、鄰後車車種等校估的結果不顯著，顯示新竹地區無論尖 峰或離峰時段，鄰後車的相關解釋變數對於車輛產生變換車道行為皆無顯著影響力，其 Model A3校估結果如表 5.3-1：

45

Init log-likelihood：-205.751 Final log-likelihood：-129.917 Likelihood ratio test：151.669 Rho-square：0.369

Adjusted rho-square：0.349

由上表可知，Model A₃對於離峰時段車流資料校估之結果參數皆為顯著(表 5.3-1)，

Init log-likelihood：-205.751 Final log-likelihood：-121.821 Likelihood ratio test：167.861 Rho-square：0.408

Adjusted rho-square：0.379

46

經測試結果後發現，以新竹尖峰時段所使用之四種模式並採用離峰時段資料進行校 估，僅 Model A 產生顯著，其他模式校估之結果皆不顯著。考量新竹地區離峰時段車流 量及車流密度低，且經校估之結果顯示其向左或向右變換車道之行為與車輛選擇直行前 進兩類行為方案對於離峰時段駕駛人而言並無較大之差異，因此本研究於新竹離峰時段 資料修正小汽車變換車道選擇行為模式，將向左與向右變換車道方案認定為同屬性並給 予相同之參數值，修正後之變換車道行為模式如下：

1. Model A3

此種模式近似於李健豪 (2012) 所構建小汽車變換車道模式，將前車及鄰前車的相 對速度與相對距離視為同屬性的共生變數，意即駕駛人視向左與向右變換車道和選擇繼 續直行前進之行為認定為相同屬性之方案。由於新竹地區資料於校估時顯示鄰後車之相 關變數校估結果皆顯示對於駕駛人變換車道影響不大且不顯著，因此於模式使用時暫不 考慮鄰後車之相關解釋變數。

而本研究所提出之 Model B 在合併向左及向右變換車道方案後，在模式使用之參數 則與 Model A3之型式相同，意即修正後之 Model B3模式等同於 Model A3。

同樣考量變換車道模式可能受本車自身之行駛速度變數影響並將向左及向右變換 車道行為與選擇直行前進視為同屬性方案，將 Model C 模式修改如下：

2. Model C3

𝑉₁ = 𝛽_𝐷𝑋× 𝐷𝑋_𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐹 (19) 𝑉₂ = 𝐴𝑆𝐶𝐿 + 𝛽_𝐷𝑋× 𝐷𝑋_𝐿𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐿𝐹 (20) 𝑉₃ = 𝐴𝑆𝐶𝑅 + 𝛽_𝐷𝑋× 𝐷𝑋_𝑅𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝑅𝐹 (21)

𝑉₁ = 𝛽_𝐷𝑋× 𝐷𝑋_𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐹 + 𝛽_𝑉× 𝑉 (22) 𝑉₂ = 𝐴𝑆𝐶𝐿 + 𝛽_𝐷𝑋× 𝐷𝑋_𝐿𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐿𝐹 (23) 𝑉₃ = 𝐴SC𝑅 + 𝛽_𝐷𝑋× 𝐷𝑋_𝑅𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝑅𝐹 (24)

47

最後同樣在向左、右變換車道及直行前進屬同屬性方案之準則下，另外考量本車行 駛時之變換車道決策行為可能受到鄰車車種影響，將鄰車車種變數給予相通之參數，修 正 Model D 模式並構建選擇模式效用函數如下：

3. Model D3

新竹地區離峰時段資料同樣透過選擇變數組合的不同，以及新竹地區小汽車車輛變 換車道行為較不受鄰後車相關解釋變數影響之條件下，修正原有之四種類型模式並構建 三種不同模式進行校估，其模式經參數校估後統整 Model C3及 Model D3結果如下表 5.3-3~5.3-4 所示：

表 5.3-3 變車道模式 Model C3校估結果(新竹地區離峰時段)

變數名稱 參數值 t 值

ASCC 0.00

ASCL -2.72 -3.28

ASCR -2.84 -3.46

𝛽_𝐷𝑉 (前車及左、右前車相對速度) 0.726 4.84 𝛽_𝐷𝑋 (前車及左、右前車相對距離) 4.64 5.61 𝛽_𝑉 (本車速度) -0.167 -1.01*

校估參數數目：5 分析資料筆數：236

Init log-likelihood：-205.751 Final log-likelihood：-129.397 Likelihood ratio test：152.709 Rho-square：0.371

Adjusted rho-square：0.347

𝑉₁ = 𝛽_𝐷𝑋× 𝐷𝑋_𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐹 + 𝛽_𝑀× 𝑀𝑜𝑑𝑒_𝐹 + 𝛽_𝑉× 𝑉 (25) 𝑉₂ = 𝐴𝑆𝐶𝐿 + 𝛽_𝐷𝑋× 𝐷𝑋_𝐿𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝐿𝐹 + 𝛽_𝑀× 𝑀𝑜𝑑𝑒_𝐿𝐹 (26) 𝑉₃ = 𝐴𝑆𝐶𝑅 + 𝛽_𝐷𝑋× 𝐷𝑋_𝑅𝐹 + 𝛽_𝐷𝑉× 𝐷𝑉_𝑅𝐹 + 𝛽_𝑀× 𝑀𝑜𝑑𝑒_𝑅𝐹 (27)

48

表 5.3-4 變車道模式 Model D₃校估結果(新竹地區離峰時段)

變數名稱 參數值 t 值

ASCC 0.00

ASCL -3.11 -3.58

ASCR -3.31 -3.77

𝛽_𝐷𝑉 (前車及左、右前車相對速度) 0.610 3.85 𝛽_𝐷𝑋 (前車及左、右前車相對距離) 3.46 3.64 𝛽_𝑀 (前車及左、右前車之車種) -0.408 -2.15 𝛽_𝑉 (本車速度) -0.232 -1.36*

校估參數數目：6 分析資料筆數：236

Init log-likelihood：-205.751 Final log-likelihood：-127.099 Likelihood ratio test：157.304 Rho-square：0.382

Adjusted rho-square：0.353

而修正後之新竹離峰時段變換車道模式同樣採概似比檢定統計方法比較三種類型

之羅吉特模式解釋能力，以找出最適當之選擇行為模式，其結果於表 18 並測試概似比 檢定結果如下：

Model A₃ vs. Model C₃

-2 (-129.917 + 129.397) = 1.04 < ²1,0.95 = 3.841

Model A₃ vs. Model D₃

-2 (-129.917 + 127.099) =5.636 < ²2,0.95 = 5.991

由統計檢定結果發現，由於新竹地區離峰時段之車輛數少且路段長度較短，於向左 或向右變換車道選擇時對於駕駛人而言屬於同屬性之方案，因此將解釋變數視為方案特 定變數並分別給予相同的參數值合併，所得到之校估結果較為合理且解釋能力較佳。

另外，透過概似比檢定統計比較結果可得知，其檢定統計量皆小於 ²值，顯示新 竹地區離峰時段模式使用 Model A₃之解釋能力較佳，其次為 Model C₃和 Model D₃。因 此新竹地區的離峰時段情景行為模式將採用 Model A₃作為小汽車變換車道行為模式進

49

Init log-likelihood：-271.357 Final log-likelihood：

-137.273

Adjusted rho-square：0.479

新竹離峰 Model A₃

Init log-likelihood：-205.751 Final log-likelihood：

-129.917

Adjusted rho-square：0.349

比較新竹地區尖峰時段與離峰時段之 Model A 模式後可發現其模式校估之參數正負