考量混合車流污染排放濃度影響之適應性號誌控制模式

國立交通大學

交通運輸研究所

碩士論文

考量混合車流污染排放濃度影響

之適應性號誌控制模式

Adaptive Signal Control Model with Consideration

of Emission Concentration under Mixed Traffic

Flow Conditions

研 究 生： 吳怡潔

指導教授： 邱裕鈞 教授

考量混合車流污染排放濃度影響之適應性號誌控制模式

Adaptive Signal Control Model with Consideration of Emission

Concentration under Mixed Traffic Flow Conditions

研 究 生：吳怡潔 Student：Yi-Jie Wu

指導教授：邱裕鈞 Advisor：Yu-Chiun Chiou

國 立 交 通 大 學

交 通 運 輸 研 究 所

碩 士 論 文

A Thesis

Submitted to Institute of Traffic and Transportation College of Management

National Chiao Tung University in partial Fulfillment of the Requirements

for the Degree of Master

in

Traffic and Transportation June 2012

Taipei, Taiwan, Republic of China

i

考量混合車流污染排放濃度影響之適應性號誌控制模式

學生：吳怡潔

指導教授：邱裕鈞 博士

國立交通大學交通運輸研究所碩士班

摘要

由於交通排放為能源消耗以及空氣污染主要來源，因此，建構一個可以有效 模擬車輛污染的模式有其必要性。本研究建構一考量混合車流污染排放濃度影響 之適應性號誌控制模式，此模式可即時偵測路側地區之污染值，甚至在敏感區域 (例如醫院、學校)的偵測，其控制結果能使污染值在某一門檻之下，以降低污染 濃度對於路側地區的影響。本研究將以污染排放做為績效值，並著重討論污染排 放經由大氣擴散後成污染濃度對於路側地區之影響。 本研究模式建構包含四大模式：車流模式、車輛排放推估模式、污染擴散模 式、適應性號誌控制模式。然而為了因應國內的機、汽車混合車流運作特性，本 研究將使用混合車流格位傳遞模式(mixed traffic cell transmission models, MCTM) 做為車流背景運作；並以環保署的 TEDS 7.0 線源排放資料庫做為車輛排放量推 估依據；在計算污染濃度值上則選用高斯煙陣模式(Gaussian puff dispersion model) 進行空間與時間上的推估；最後以基因模糊邏輯控制模式(Genetic fuzzy logic controller, GFLC)建構即時號誌控制系統，並以車輛到達率以及車輛等候長度作 為狀態變數、綠燈延長秒數為控制變數、車輛排放量為控制績效指標。 本研究模式應用之 GFLC 控制結果將與定時號制做比較，在模擬時間兩小時 中，GFLC 皆比定時號制有效降低 0.3%到 25.3%的濃度值，表示路側受體感受到 的污染濃度值整體都降低。確認 GFLC 模式後，本研究進一步設定污染濃度門檻 限制模式，並研擬三種獨立路口號誌控制策略：1.固定號誌周期變動紅綠燈，2. 固定綠燈變動號誌周期，3.固定綠燈時比變動號誌周期；而得到當幹道綠燈越長， 以及週期越短的號誌設定，其路側污染較受到控制的結論。在連續路段情境中， 本研究設定五路口路段，並將敏感區域設於下游路口 4 與路口 5 之間，擬定五路 口全連鎖、下游三路口(靠近敏感區域)連鎖、以及全部獨立不連鎖三種號誌策略； 策略結果顯示全連鎖設定為最佳，可將路側敏感區域濃度值降至最低。 關鍵字：適應性號誌控制、基因模糊邏輯控制、混合車流格位傳遞模式、污染排 放、污染擴散濃度

ii

Adaptive Signal Control Model with Consideration of Emission

Concentration Under Mixed Traffic Flow Conditions

Student: Yi-Jie Wu Advisor：Dr. Yu-Chiun Chiou Institute of Traffic and Transportation

National Chiao Tung University

Abstract

Since road traffic is one of major sources of air pollution, a model which can replicate traffic behaviors, traffic emissions, emission dispersion so as to serve as the platform for evaluating or optimizing traffic control strategies deems necessary. Based on this, this study develops and optimizes an adaptive signal control model which can minimize the total traffic emissions and control the pollution concentration at road-side environmental sensitive areas (such as hospitals or schools) under a certain preset threshold in order to reduce the environmental impact of road traffic.

The proposed model comprising four key sub-models: traffic flow model, traffic emission model, emission dispersion model, and adaptive traffic control model. To acknowledge the prevalence of mixed traffic conditions in unban streets in Taiwan, the mixed traffic cell-transmission model (MCTM) is adopted. Additionally, this study uses the TEDS 7.0 line source emissions database as the basis of emission estimation and the Gaussian puff dispersion model to simulate the pollution dispersion and to predict the concentration temporally and spatially. The genetic fuzzy logic controller (GFLC) is used for real-time signal control by using the arrival rate and queue lengths as the state variables and the extension of green time as the control variables towards the minimization of traffic emissions.

This study compares the performances of the GFLC model and pre-timed signal control system. With two-hour simulation, the results show that the GFLC model can effectively curtail the spatiotemporal concentration values of the pre-timed signal control system by 0.3% to 25.3%. As to the control logics for concentration control, three strategies for isolated intersection are compared: 1. Vary green split by fixing cycle length, 2. Vary cycle length by fixing green time, and 3. Vary the cycle length by fixing green spilt. The comparing results show that as the green time is longer or the cycle length is shorter, the concentration of road-side sensitive area becomes less severe. For the consecutive intersections (a case study on five intersections), three strategies for arterial signal control are compared: 1. Coordinated signal for all intersections, 2. Coordinated the signal of downstream three intersections (close to sensitive areas), and 3. Without coordination. The results show that the coordinated signal for all intersections perform best. The applicability of the proposed model has been proven.

Keywords: Adaptive signal control, genetic fuzzy logic controller(GFLC), mixed

iii

誌謝

時光飛逝，兩年的研究所生活轉眼間就要畫下句點，在這看似短暫的過程中， 有著許多的波折與歡笑，回憶滿滿，感謝這兩年的緣分豐富了我的人生。 首先，感謝指導教授邱裕鈞老師，在這近兩年的時光中對學生細心指導，讓 我得以順利完成碩士學業，獲益良多；感謝藍武王老師與曾帄毅老師在口詴時的 寶貴建議與指教，使得本論文更加完善；感謝所上馮正民老師、汪進財老師以及 許鉅秉老師在論文研討課期間針對本論文提供諸多建議，特此深表感謝。感謝所 上辦公室職員栁姊、陳姊、何姐、楊姊、鄭姊、管理員先生與打掃阿姨的熱心服 務，幫我們解決不論是學業中或生活上的大小困難。 在論文寫作的過程中，特別感謝彥斐學長非常有耐心的跟我討論模式內容以 及程式碼的撰寫，在我有任何困難時撥冗提供協助、感謝志偉學長對於我論文提 供許多想法與建議、感謝煜勝學長在當兵期間還能撥空為我解惑、感謝科技新貴 林先生在我家打麻將時順便幫我想 code，感謝你們在關鍵時刻伸出援手，讓我 得以順利完成論文。感謝邱家夥伴：纖細敏感體貼但又愛貣肖的正妹韋穎、老愛 耍帅稚的重光、常互相勉勵的阿盲、總是過去串門子閒聊的彎彎、工作與學業要 兼顧的辰瀅、會不小心惹火人的小楊；我們每在咪聽前夕共體時艱提供彼此對於 論文的建議，很榮幸有緣分與你們一同完成論文。感謝查理不論在論文過程中或 日常生活上的相助，雖然我們常互婊但真的很高興能跟你當六年的同學；感謝玩 樂夥伴臭大熊讓每次活動都不會流團；感謝天使哲綾總是有貼心小舉動溫暖我的 心；感謝理性幽默兼具的歐弟、會跳舞又搞笑的孛孛以女、超白目將大家醜照 zoom in 的昶律、常失控讓我們崩潰的德坤、精明聰慧的楊老師金剛、打工時和 FB 上都愛鬧我的大頭、總是故意叫錯我名字的彥廷、講話依舊很慢的可愛亞慢、 全身都有攻擊性的小萱、有點慵懶但才貌兼具的美女禮卉、總是冷靜看待我們瘋 狂舉動的 Daisy、seven 公主雲嘉地區好朋友林 vi，還有其他 ITT 的快樂夥伴們， 因為有你們，讓我這兩年的研究所生活充滿了美好回憶。感謝泰山、阿男、皓呆、 小帽、賴妙，在台北的我們還可以時常相聚玩樂，我很珍惜這些緣分；感謝丹丹、 想紅、小多、小杰你們這些女人一直丟我網拍，讓我在苦悶論文中增添許多色彩； 感謝雯君、藝文適時的關心與鼓勵，我們十幾年的友情永不滅；感謝 LEO 在當 兵收假的前一刻特地打電話對我說口詴加油就甘心；感謝半夜不睡覺的那位不管 什麼時候總會陪我聊天打屁，聽我瑣碎的生活與心情記事。是你們讓我感到不孤 單，是你們豐富了我這兩年在台北的研究所時光，我衷心感謝與珍惜。 最後感謝一路辛勤栽培我的父母親，有你們的支持與關心做後盾，我才能無 後顧之憂的完成碩士學業；也感謝我的哥哥莫名與我研究所同學相處愉快，帶給 我許多歡笑。如今順利從交研所畢業，希望將這份喜悅與我最親愛的家人分享。 吳怡潔 謹誌於 國立交通大學 交通運輸研究所 中華民國一○一年 六月

iv

目錄

摘要... i Abstract ... ii 誌謝... iii 目錄... iv 表目錄... vi 圖目錄... vii 一、緒論... 1 1.1 研究背景與動機... 1 1.2 研究目的... 3 1.3 研究內容... 3 1.4 研究流程... 4 二、文獻回顧... 6 2.1 車流模式... 6 2.2 污染模式... 10 2.3 號誌控制模式... 15 2.3.1 號誌控制分類... 15 2.3.2 適應性號誌控制應用... 16 2.3.3 小結... 19 2.4 結合污染排放指標的號誌控制模式... 20 2.4.1 車輛運行與車速控制策略... 20 2.4.2 最佳化時制計畫... 22 2.4.3 小結... 23 三、研究方法... 25 3.1 格位傳遞模式... 25 3.2 污染排放與擴散模式... 30 3.3 基因模糊邏輯控制... 33 3.3.1 模糊邏輯控制... 34 3.3.2 逐步基因模糊邏輯控制... 35 3.4 小結... 37 四、模式應用... 39

v 4.1 情境設定... 39 4.2 應用結果... 42 4.2.1 GFLC 應用 ... 42 4.2.2 比較定時號誌... 50 4.3 考量污染濃度門檻之號誌設定... 58 4.3.1 考量獨立路口污染濃度門檻... 58 4.3.2 考量連續路段污染濃度門檻... 63 4.4 小結... 66 五、結論與建議... 68 5.1 結論... 68 5.2 建議... 69 參考資料... 70

vi

表目錄

表 2-1 中觀車流模式整理 ... 10 表 2-2 高斯擴散模式特性 ... 14 表 2-3 適應性號誌模式整理 ... 20 表 2-4 污染排放結合號誌交控策略模式整理 ... 24 表 3-1 CO 污染排放係數(克/公里.輛) ... 31 表 4-1 道路環境參數設定 ... 39 表 4-2 定時號制與 GFLC 號誌策略周期比較 ... 51 表 4-3 不同交通量之定時號制控制與 GFLC 控制車輛污染濃度比較 ... 55 表 4-4 獨立路口號誌策略一窮舉情形 ... 59 表 4-5 獨立路口號誌策略二窮舉情形 ... 60 表 4-6 獨立路口號誌策略三窮舉情形 ... 62 表 4-7 獨立路口限制濃度之號誌控制搜尋策略 ... 62

vii

圖目錄

圖 1-1 研究流程圖 ... 5 圖 2-1 簡單連續流模式流量密度關係圖 ... 7 圖 2-2 格位傳遞模式 流量－密度關係圖 ... 8 圖 2-3 格位傳遞模式格位示意圖 ... 9 圖 3-1 格位上下游劃分示意圖 ... 25 圖 3-2 單一車流格位傳遞變數示意圖 ... 26 圖 3-3 混合車流格位傳遞示意圖 ... 27 圖 3-4 車種比例示意圖 ... 29 圖 3-5 車輛車速與 CO 排放量之關係 ... 32 圖 3-6 線源與風向座標系示意圖 ... 32 圖 3-7 模糊邏輯控制架構 ... 34 圖 3-8 原始問題與 GAs 的關係 ... 35 圖 3-9 隸屬函數與邏輯規則編解碼方式示意圖 ... 36 圖 4-1 道路格位示意圖 ... 40 圖 4-2 偵測污染受體與路口位置示意圖 ... 40 圖 4-3 車流量示意圖 ... 41 圖 4-4 GFLC 之收斂 ... 42 圖 4-5 GFLC 邏輯規則 ... 43 圖 4-6 GFLC 格位排放量 ... 44 圖 4-7 GFLC 車輛總排放量 ... 45 圖 4-8 GFLC 格位 11 之第一種交通量車輛總排放量情形 ... 45 圖 4-9 GFLC 格位 11 之第二種交通量車輛總排放量情形 ... 46 圖 4-10 GFLC 格位 11 之第三種交通量車輛總排放量情形 ... 46 圖 4-11 GFLC 格位 11 之第四種交通量車輛總排放量情形 ... 47 圖 4-12 GFLC 車輛污染總濃度 ... 48 圖 4-13 不同風速狀態下之 GFLC 濃度結果 ... 49 圖 4-14 GFLC 汽車格位濃度 ... 49 圖 4-15 GFLC 機車格位濃度 ... 50 圖 4-16 GFLC 與定時號誌控制之車輛總排放量 ... 51 圖 4-17 定時號誌控制與 GFLC 在格位 11 之第一種交通量車輛總排放量 ... 52

viii 圖 4-18 定時號誌控制與 GFLC 在格位 11 之第二種交通量車輛總排放量 ... 52 圖 4-19 定時號誌控制與 GFLC 在格位 11 之第三種交通量車輛總排放量 ... 53 圖 4-20 定時號誌控制與 GFLC 在格位 11 之第四種交通量車輛總排放量 ... 54 圖 4-21 定時號制控制與 GFLC 控制車輛污染總濃度 ... 54 圖 4-22 定時號制與 GFLC 控制之四方向格位濃度 ... 56 圖 4-23 定時號制與 GFLC 控制之東向格位濃度 ... 56 圖 4-24 定時號制與 GFLC 控制之西向格位濃度 ... 57 圖 4-25 定時號制與 GFLC 控制之南向格位濃度 ... 57 圖 4-26 定時號制與 GFLC 控制之北向格位濃度 ... 58 圖 4-27 獨立路口號誌策略一情形 ... 59 圖 4-28 獨立路口號誌策略二情形 ... 61 圖 4-29 獨立路口號誌策略三情形 ... 61 圖 4-30 連續路段與路側敏感地區設定 ... 63 圖 4-31 連續路段車流量示意圖 ... 63 圖 4-32 連鎖策略污染濃度結果 ... 64 圖 4-33 連鎖五路口策略之幹道污染濃度結果 ... 65 圖 4-34 連鎖策略之幹道上游污染比較 ... 65

1

一、

緒論

1.1 研究背景與動機 隨著運輸系統日趨進步，在人類享受科技帶來生活便利的同時，環保問題也 日漸浮現。根據民國 99 年出版之能源統計年報指出，公路運輸能源總消費為 12,263 千公秉油當量，占所有運輸部門的 82%為最高，此外，公路運輸亦為空氣 污染以及溫室氣體排放的主要來源。關於過去的流行病學研究中，針對道路空氣 污染源不論是氣體或者顆粒狀污染物，當濃度太高、毒性太強時，均足以使呼吸 器官內正常防禦功能與清除功能喪失，進而引貣一連串對人體的危害。而交通運 輸污染源所排放之污染物大致有一氧化碳(CO)、碳氫化合物(HC)、氮氧化合物 (NOX)、二氧化硫(SO2)、鉛(Pb)及煙煤等，均會對人體造成不小的影響。有鑒於 此，由運輸行為排放的污染必頇受到重視，各種車輛污染物的來源、控制策略以 及環境影響評估等皆為重要課題，進而探究造成國內運輸污染問題嚴重的主因有 二：首先為我國地狹人稠，機車使用率較西方國家頻繁，且根據相關研究指出， 機車氣體的排放遠較汽車嚴重；其次為我國都會區道路建設已趨飽和，在原有的 道路幾何設計之下難以再增加其道路容量，此現象將使得環境污染問題日益嚴重， 也導致用路人所花費的時間成本與外部性難以估計。 要評估國內車輛使用所造成的油耗以及污染排放前，必頇先根據國內運輸特 性建立適當之模式背景。然而，國內運輸特性最明顯的就是大量的機車使用率， 由於一般道路在相同的空間和時間下，機車與汽車之容量、密度與流量皆不同， 機車車型小且機動性較大，汽車則反之，當汽車密度達飽和時機車仍可能穿梭運 行在道路之中。傳統的車流理論模式鮮少考慮到機車的運行，以往在評估汽機車 混合車流行為時，多使用小客車當量數之轉換，但此方法容易忽略機車車流行為 之特性。此外，車流模擬的運作效率以及與現實相符的程度亦為考量的因素，微 觀車流模式可詳細描述個別的車輛行為，但當路網龐大且流量大時會使模擬時間 過長；而巨觀車流模式可模擬整體的車流行為，但對於較細微的車流行為模擬結 果會較為粗略。Daganzo(1994; 1995)提出的格位傳遞模式(cell transmission model， CTM)，為一結合巨觀與微觀車流方法的中觀車流模式，將道路劃分為數個格位， 藉由車輛在格位間的互動關係模擬車隊運行。使用此 CTM 方法不僅可考量整體 的車流行為，又可觀察車隊在格位間的微觀轉換行為，可降低模擬模式所需時間 以及提升模擬細膩度，更可即時及獲得相關動態車流資訊。在許多研究中顯示，

2

格位傳遞模式只考慮單一車種，但為了因應國內的機、汽車混合車流運作特性， 本研究將會使用混合車流格位傳遞模式(mixed traffic cell transmission models, MCTM)做為交通車流背景運作，使研究更趨實用性。 其次，對於車輛的移動污染排放量的計算方式，多以利用實際車流變化情況 推估移動源排放量，對於因交通控制策略影響車流運行狀態，難以分析其車輛排 放量之推估。因此，本研究希望藉由上述之混合車流模式模擬道路車流運行行為， 用以推估移動源的排放量，並藉由空氣擴散預測模式分析在各種情境下之污染物 擴散情形，進行車輛污染之相關研究。以往評估污染單純以車輛排放為主，但若 僅考量排放量，對於人體影響程度將不直接相關，排放量為一純量且會累加的概 念，若以排放量為指標將會無法有效得知其控制後的成果，因為累積的排放量仍 然存在。若以污染擴散的概念進行控制，車輛排放經由擴散模式轉換後成為空氣 中的污染濃度，濃度為一流動量的概念，以濃度做為控制指標，才能有效得知在 門檻濃度值之前進行控制的成效，將路側敏感地區偵測濃度控制在一門檻值之下， 以減低對人體的危害；且污染物經由大氣擴散、空氣流動等因素轉換成濃度之後， 對人體才可看出直接影響，濃度將會擴散且依據不同地區有不同濃度值，對於控 制上才能有直接性的成果。 最後，對於交通策略的擬定上，一般遵循運輸系統管理(TSM)以及運輸需求 管理(TDM)的方針，所謂運輸系統管理是應用傳統的交通工程方法來解決交通擁 擠問題；而運輸需求管理則是運用經濟和法規等手段，對交通需求量進行控制與 調節，進而使供需達到相對帄衡，兩者皆旨在緩解交通擁擠且改善城市生態環境。 在運輸系統管理的應用上已相當多年，且多為交通權責單位應用的基本交通控制 策略，本研究將以 TSM 導向的控制策略加以延伸探討。交通控制策略的制定， 最直觀的方式是利用改變號誌時制進而影響車流運行，進一步針對不同目標做調 整，其目標指標通常有以總延滯最小、通過車輛數最多或綠燈寬帶最大為依據， 其他也有最小負效用，例如污染排放最小化，但仍然以總延滯最小化的控制為主； 有鑒於此，本研究將以車輛污染做為控制指標，進而進行號誌控制模式的建構。 談到號誌控制的方法有許多種，理論面上大致可分為離線(off-line)控制與線 上(on-line)控制，離線控制主要是事先經由調查各時段之車流資料，經由相關軟 體運算求得最適當之號誌時制加以執行運作，但此控制方式難以因應變動的車流 狀況，其中定時號誌控制(pretimed signal control)就屬此類。至於線上控制方式也

3 就是考慮動態的觀念，利用偵測器(detector)即時傳回的各種車流資料，再經由軟 體運算後得到一新時制計畫，再迅速回傳予路口控制器加以執行，故此方式無固 定之號誌週期及時間轉換問題，觸動式號誌(actuated signal)控制、適應性號誌 (adaptive signal)控制即為此種線上控制的發展。然而，其中以適應性號誌控制方 式更具有彈性、可靠性且符合即時性，因而在學術中被大量研究探討。本研究對 於號誌控制策略時，將以應用適應性號誌控制做為方法，目標以車輛污染物排放 及車輛污染物擴散最適為指標，建立一考量混合車流及污染濃度之適應性號誌控 制模式。 1.2 研究目的 歸納上述研究動機，可將本研究之研究目的分述為以下四點： 1. 應用混合車流格位傳遞模式(MCTM)，探討國內汽車與機車之運行特性，進 而模擬混合車流於市區道路之運行行為。 2. 應用可反映混合車流運行特性之車輛污染排放推估模式，並經由大氣擴散模 式轉換成污染濃度單位。 3. 依據車輛污染濃度進行號誌控制設計，進一步對於敏感地區例如學校、醫院、 住家等地區設計濃度門檻限制情境，以減低對人體的危害。 4. 進行適應性號誌控制模式之訓練與驗證，得到以污染濃度做為指標的號誌控 制設計最佳結果，可提供未來做號誌時制策略時的參考依據。 1.3 研究內容 本研究旨在考量混合車流的交通狀況下，受車輛污染排放濃度影響之號誌控 制模式，以提供相關以控制污染排放做為目標的號誌時制策略參考，茲將本研究 之研究內容分述如下： 1. 確立研究目的與研究範圍之界定 本研究依照國內現況問題，進而探討適合之模式發展，了解研究課題之重要 性以及研究動機，希望透過模式之建構，達到本研究擬定之目的。 2. 文獻回顧相關研究 為達成本研究之目的，使模式之建構與應用更為準確，本研究之文獻回顧分 別針對混合車流運行理論基礎、車輛之污染排放與擴散濃度轉換運算、以及適應 性號誌控制模式制定等部分進行探討，甚至進而細部探討以車輛污染做為控制指 標的交通控制策略研究進行回顧。

4 3. 號誌控制模式之建構與確認 此部分因應國內汽、機車混合車流的特性，結合車流模式中的混合車流格位 傳遞模式車流背景，進行台灣道路交通環境下車輛運行之模擬。並使用車輛污染 為號誌控制指標，並藉由大氣擴散運算後的污染濃度值進行調整運算，做為適應 性號誌控制模式中的績效指標。並在適應性號誌控制模式中使用基因模糊邏輯控 制方法調控，以基因演算法結合隸屬函數與模糊邏輯規則的號誌應用，建構出最 適合之號誌模式。 4. 號誌模式之訓練與驗證 藉由建構之適應性號誌控制模式，本研究將以擬定之簡單案例進行運作，藉 以做模式之訓練；並針對不同情境設定之污染濃度門檻濃度值做分析，以調控出 不同地區與狀況下最佳的適應性號誌結果。 5. 結論與建議 根據本研究之模式結果進行歸納分析，並依據研究過程總結本研究之結論， 並對於建立模式的困難處與後續可能發展之研究進行建議，藉此達成研究之最終 完整性。 1.4 研究流程 本研究流程圖繪製如圖 1-1。

5 圖1-1 研究流程圖 研究動機與目的 文獻回顧 號誌模式建構 模式訓練 結論與建議 混合車流模式 污染排放與 污染擴散模式 號誌控制結合 污染績效指標 混合車流 適應性號誌控制 污染擴散 基因模糊邏輯控 制 模式驗證 情境分析

6

二、

文獻回顧

本研究旨在考量混合車流的交通狀況下，受車輛污染排放濃度影響之號誌控 制模式，因此，文獻回顧將分為四個部份：車流模式、污染模式、號誌控制模式， 以及結合污染排放指標的號誌控制模式做探討。 2.1 車流模式 交通車流理論旨在探討、分析以及模擬車流運行的行為。車流理論根據對車 輛 行 為 特性 之 觀 察以及 模 擬 的細 緻 程 度，可 分 為 巨觀 (Macroscopic) 、 中 觀 (Mesoscopic)及微觀(Microscopic)等三種類別。巨觀模式著重在於描述車流的三大 特性參數：流量(q)、密度(k)以及速率(u)之間的關係，係以某段時間內整體路網 車流狀況為觀測重點，而不強調單一車輛或某一車隊的運行行為；其優點為資料 統計方便，可透過交通調查技術搜集到車流資料，但較難反映交通組成及車輛運 行間的關係。反之，微觀車流模式則著重強調時間－空間下，個別駕駛者因應前 方車輛狀況之反應行為，係以探討車輛之間彼此的互動關係，例如跟車行為、車 道變換或者超車等駕駛特性；但微觀車流模式需要觀察每一部車的行為，其觀測 的變數包括個別車輛之加減速率及速率、前後兩車的時間車間距，以及前後車在 於速度上的差異等資料，因此在蒐集資料上會耗費較多成本，且由於每輛車運行 行為均以函數方式加以推導及預測，因此在模式操作上也會較為繁雜與耗時。而 中觀車流理論則是介於巨觀以及微觀車流之間，又稱為介觀車流，主要利用巨觀 的車流模式及流量孚恆法則，描述車輛在時空上運行之行為及軌跡。 本研究針對市區道路於路側污染濃度之計算，並藉由適應性號誌控制之方法， 分析並探討不同情境下污染濃度的改善情況。為了使研究更趨於現實，選擇適當 之車流模式為第一要務。巨觀車流理論雖可以得知路段上之流量、密度以及其速 率，但是缺乏車輛運行間之相互關係，雖然每輛車輛都為一獨立個體，彼此間並 不連續。而在微觀車流理論中，其假設利用期望速率、相對速率以及駕駛者反映 時間等參數與變數，來模化單一車輛的駕駛行為分析基礎，若欲以微觀方法建構 一道路在連續時間下的多車輛行為，則資料會過於龐大且運算上也相當複雜。中 觀車流模式旨在描述一群車的運行行為，不像微觀車流模式關注個別車輛駕駛行 為，但並非巨觀車流模式只探討某一地點的車流總體行為，算是結合巨觀與微觀 特性的一種車流方法，較貼近本研究所要考量的車流背景。因此本研究以下將針 對中觀車流進行重點回顧。

7

基本上，中觀車流理論係利用巨觀車流模式中的速率、密度以及流量三者的 關係函數，來描述時空中車輛運行行為，可以有效分析在交通環境變化對於車流 所產生的影響。中觀車流模式甚多，其中以簡單連續流模式(simple continuum model, SCM)、高階連續流模式(high order model, HOM)，以及格位傳遞模式(cell transmission model, CTM)較為著名，以下文獻回顧將依序做介紹。 簡單連續流模式最早由 Lighthill 及 Whitham (1955)提出，將車流視為一度空 間的可壓縮流體，並以流量孚恆方程式推導出動力學方程式，Richard(1956)提出 類似的車流理論，因此又被合稱為 LWR 模式。即以車流理論流量(q)及密度(k) 之關係為基礎，並令速率與密度具有一對一之關係，在模式中反映出流量及密度 的變化會彼此影響，當流量到達最大流量密度(kmax)時車流量將會開始減少，直 到飽和密度(kj)時流量為 0，示意如圖 2-1。 圖2-1 簡單連續流模式流量密度關係圖 LWR 模式主要概念來自於流量孚恆方程式，以密度(k)對時間微分以及流量 (q)對路段長度(x)微分之關係，表示上游車流最終會通往下游路段，又稱為一階 連續流模式。簡單連續流模式係以車隊形式，透過流量孚恆及密度流量之關係， 探討因車隊行為改變所形成之衝擊波，並藉此描述車流行為。此種方式擁有巨觀 蒐集資料之方便性，透過密度、流量與衝擊波間之關係了解車隊運行的變化，亦 兼具微觀之特性。 由於簡單連續流模式中「速率與密度為一對一關係」之假設與實際車流有幾 點不合理之處；首先，流量－密度關係圖僅存在於車流達穩定狀態時的情形，但 根據跟車理論，車流運行過程中會有有相當大之比例是處於不穩定狀態。其次是 由於駕駛人反應時間之關係，速率並無法因應密度的改變而作立即的改變，才會

q

k

qmax kmax kj 0

8 有延滯現象之產生。第三，簡單連續流模式假設車流為連續性，因此當流量不高 時應用上會發生錯誤之情況。 因此，為解決上述情況，Whitham(1974)和 Payne(1979)則以動量方程式 (momentum equation)取代簡單連續流模式所引用的車流模式，並推導車隊中加減 速之關係，以模擬出行駛速率會受到駕駛人反應時間之影響。藉由動量方程式以 及流量孚恆方程式之結合，發展高階連續流模式(HOM)。高階連續流模式會較簡 單連續流模式更接近實際車流行為，但其求解過程則更為複雜。

Daganzo(1994)提出格位傳遞模式(cell transmission model, CTM)便是以離散 的方式來推估車流，此模式主要是透過車流流體理論之概念引伸而來，用以預測 車流在空間、時間上之流動情形。格位傳遞模式假設在一均質的系統中，將道路 分割成多個格位(Cell)，每個格位特性皆為獨立且具有同質性，而其所推估之車 流運行結果與 LWR 模式之流量與密度圖類似，以梯形表示如圖 2-2。結合 Newell(1991)提出預測單一車道路段之進出口車流行為模式，但此模式未推估路 段中的車流行為，因此，Daganzo 提出格位傳遞模式推估路段中的車流行為，以 時間與空間的關係，構建在單車道、單一出入口及單車種等均質狀態下推估車輛 在路段中的行為。 圖2-2 格位傳遞模式 流量－密度關係圖 格位傳遞模式利用格位間的轉換，推估車隊由上游到下游之行為，示意如圖 2-3 所示。圖中可了解車隊在時間變化下之空間變化，其格位長度係以設定時間 間隔內，自由車流速度可行駛之距離，車隊在格位內轉換係依據格位內之車輛數、 最大流量及可容納之空間等因子，透過這些因子，模式在應用上可得到自由速率、 最大流量、飽和密度及衝擊波波速等參數；這些參數在交通工程上可應用在複雜

q

k

vkj/2 ka kj 0 _k b qm v -w

9 的路網上，評估總延滯時間以及旅行時間等績效指標。詳細之模式推估與計算將 於第三章研究方法做詳細介紹。 圖2-3 格位傳遞模式格位示意圖 市區道路包含不同類型之交通運具，以我國市區道路而言，以汽車以及機車 為主要之交通工具，不同類型之運具其運行特性均有差異。由於這兩種運具除了 在相同時間、空間上所能承受之密度以及容量皆有所不同，對於機車之使用行為 也與汽車有著相當大的差異，例如當汽車密度達飽和時，機車仍然能穿梭在汽車 間的縫隙；在評估汽機車混合車流行為時，以往僅將機車換算成小客車當量，卻 忽略了機車運行特性，容易影響相關交通工程方案結果。因此，在探討國內市區 道路交通狀況時，考量汽車與機車之混合車流模式將有其必要性。 邱裕鈞和謝志偉(民 100)以格位傳遞模式為基礎，加入格位傳遞模式未考慮 之混合車流特性，建構混合車流格位傳遞模式(mixed traffic cell transmission models, MCTM)。研究中建構混合車流格位傳遞模式係考慮多車流行為，探討汽 車與機車之混合車流行為，格位車種由單一車種改變成汽車與機車兩種車種，並 且在兩種車種進行格位傳遞時，將產生競爭的現象分為三種型態：無競爭關係、 最大流量競爭以及剩餘儲車空間競爭。其研究係透過汽、機車兩種車種之競爭關 係來建立混合車流之模式，並藉由蒐集實際道路資料進行模式驗證，以比較實際 值、模擬值與修正推估之參數，以絕對誤差百分比(MAPE)與均方根誤差法(RMSE) 評估模式模擬之績效。 綜觀以上所述中觀車流模式，可整理如表 2-1。 1 2 3 t-1 t t+1

10 表2-1 中觀車流模式整理 模式名稱 作者 年份 應用理論 車種 車流變數 簡單連續流模式 (LWR模式) Lighthill, Whitham and Richard 1955 1956 流量孚恆方程式 汽車 流量、密度 高階連續流模式 Whitham and Payne 1974 1979 動量方程式 汽車 流量、密度、反應時間 格位傳遞模式 Daganzo 1994 車流流體理論 汽車 流量、密度、容量、格位 混合車流格位傳遞 模式 邱裕鈞、 謝志偉 民100 格位傳遞模式、 熵值(Entropy) 汽車、 機車 流量、密度、容量、格位 、小汽車當量 資料來源：陳惠國等(民 100)、謝志偉(民 100) 總結車流運行模式，其巨觀、微觀以及中觀車流三大方法並不能比較其優缺 點，各有優劣且都有他們適合的應用之處，而本研究主軸以適應性號誌控制方法 做號誌調整，探討的車流背景將以中觀的格位傳遞模式結合混合車流的交通環境 為主，如果使用微觀的方法進行模擬，對於做適應性號誌控制最佳化時，所需要 的運算時間會過於繁瑣將會有失研究的效率，所以本研究擬以 CTM 方法進行運 算，可以快速的運算出混合車流中的結果，並且提升做號誌控制時的效率。 2.2 污染模式 車輛所排放出的廢氣，其推估的模式可分為直接推估道路上污染物的污染排 放模式，以及經過空氣擴散到鄰近區域，污染擴散模式的探討。 根據行政院環保署「台灣地區空氣污染排放量推估手冊 TEDS 7.0 版」(民 91)，空氣污染排放量的推估可有以下幾種方法：直接推估方法、質量帄衡法、 工程計算法與間接推估方法。其中，直接推估方法是較為可靠的方法，但惟獨成 本較高，故僅能夠針對部分重要地點進行有限的實測；而最方便及最常使用的方 法係利用間接推估法，亦即排放係數法進行推估。以排放係數法進行排放量推估 之基本公式如下： 排放量= 排放係數 × 活動強度 × 控制因子 「排放係數(或稱排放因子，Emission Factor)」之定義為每單位生產量(能源

11 消耗或服務量)所排放之空氣污染物量；「活動強度(Activity Intensity)」是指一段 時間內之生產量(或能源消耗量或服務量)大小，主要配合排放係數之單位項目代 入推估；「控制因子」係指污染源受到控制後與控制前之排放量比值。然而針對 本研究要探討的車輛排放量，亦稱為移動污染源排放量，其計算方法可改寫為： 排放量= 排放係數 × 車輛行駛里程 × 車輛數 用以評估移動污染源排放係數主要有兩種模式：COPERT 排放模式與 Mobile 排放模式。COPERT(Computer Programme to calculate Emissions from Road Traffic) 係由歐盟環保署(EEA)所資助發展而成的車輛污染推估模式，該模式將污染物分 成四大類：第一類包括 CO、NOX、VOC(揮發性有機化合物)、PM(懸浮微粒)等； 第二類包括 CO2、Pb 等重金屬污染物；第三類包括 NH3、N2O 等；第四類將非 甲烷揮發性有機物(NMVOC)細分成烷類、烯類、炔類等。但其中僅第一類污染 物是以車輛實際測詴的方式建立其相關資料，其餘三種污染物類別之排放推估則 是以其他污染源模式做為其主要之推估依據。在車種方面，COPERT 推估模式所 能包含之車種主要包含以下幾種車型：Passenger cars、Light-duty vehicles(<3.5t)、 heavy-duty vehicles(>3.5t)、Bus、Mopeds 與 Motorcycles。每種車種再依據使用之 燃料、排氣量大小等特性分類。 Mobile 模式係由美國環境保護署(US-EPA)所發展，針對八種不同車型種類 進行排放係數之推估。藉由不同車種的基本排放係數、車輛組成特性、車輛啟動 特性、燃料特性等因素，以及五種不同的排放型態，估算 CO、HC 以及 NOX之 帄均排放係數。目前此模式發展至今經多次修正後發展至 Mobile 6.2，對於過去 之模式已有大幅度的修正。而目前台灣主要在排放係數的推估上，是使用中鼎顧 問公司的 Mobile-Taiwan 2.0，主要是將美國之 Mobile 模式中部分參數本土化。 Marmur and Mamane(2003)利用上述兩種資料庫以推估移動污染源之排放因 子，分別為排放模型以及實際排放資料，並以 FTP 的行駛型態作為排放模型的 基本設定，而實際之排放因子是來自隧道實際行駛條件下所蒐集建立。文中是以 以色列三條快速道路作為研究之地點，主要排放模式採用 COPERT 與 Mobile 來 推估 NOX排放係數並與實際排放資料相互比較，結果發現因不同車種組成比例 對於整體排放係數之推估也會有所差異，Mobile5b 的推估適用於柴油車輛比例 較高的情況，而綜觀而言 COPERT3 是以色列地區較為適用的模式。

12 藉由排放係數的計算可以得知污染物在空氣中的排放總量，但是由於不同的 氣象條件以及地形因子等條件，會使得污染物在空氣中有著不同的傳輸情況，而 僅計算污染總量並無法得知污染物在空氣中之擴散情形；因此擴散模型主要是利 用數理方程式描述大氣、擴散、煙流的過程，以計算不同地點之濃度。為了瞭解 各種污染物在空氣中的擴散情況，近年來發展了許多污染擴散模型，而各種模型 均有其特性、限制以及適用範圍，主要可分為四大類型分別為：箱型模式(Box Model)、高斯模式(Gaussian model)、Lagrangian model 以及計算流體力學模式 (Computational fluid dynamic models，CFD)，較為常見的污染擴散模式為高斯擴 散模式，以下將針對此模式做詳細介紹與文獻探討。 高斯模式中主要共可兩種預測方法，煙流(Plume)以及煙陣(Puff)，兩者皆是 以高斯分佈作為煙流或者煙陣之分佈假設。高斯煙流模式是目前運用最廣泛的大 氣擴散模式型態，其原理是煙流垂直與水帄擴散方向在穩定狀態下呈高斯分配， Pasquill(1961)與 Gifford(1976)指出煙流寬與高之氣象穩定度設定由σy與σz來決 定 。 目 前 發 展 許 多 以 高 斯 方 程 為 架 構 之 擴 散 模 式 ， 如 CALINE(California Department of Transportation)、HIWAY(US EPA)、CAR-FMI(Finish Meteorological Intitute)、GFLSM、IITLS 等。其中，GFLSM 以及 IITLS 模型是較為方便運用之 數值模型。

Goyal and Rama Krishna (1999)針對印度德里地區之 NO2濃度進行分析，文

中以 CALINE3 以及印度理工學院(IIT)所發展之線源模式「IITLSM」與實際觀測 的空氣品質相互比較，藉以檢驗兩種模式模擬之績效。結果發現，在帄行風的情 況下 CALINE3 之濃度模擬結果會有高估的情況，在斜風以及側風的情況下模擬 結果會有低估的情況。兩種模式皆能夠有效的預測道路之 NO2 濃度，其中又以 IITLSM 模式與觀測值具有較為顯著的相關性。 Wang et al. (2006)探討香港地區之都市路側區域因交通而引貣的氣體以及粒 子排放擴散特性。研究中選定三段市區道路進行實地量測，同時並以 GFLSM 推 估其路側污染物 CO 與 PM2.5之濃度，結果顯示該模型能夠準確的預測污染濃度 的分佈情形，因此 GFLSM 為評估香港城市內空氣品質的適當模式。 Lin and Ge (2006)利用格位傳遞模式(CTM)模擬車流的運行行為，並且利用 高斯擴散模型 CALINE4 來估計一道路之交通排放以及路邊空氣品質。根據 CTM 之特性，以格位為單位進行污染排放之計算以模擬污染物之擴散情形，並假設號

13 誌、相關之車流變數以及設定相關大氣環境變數以模擬實際之道路交通情況，並 將道路分割成十個格位，以距離路緣 3 公尺做為擴散預測的地點，分散於道路的 四個位置。污染排放係數以 MOBILE6 進行推估，結果發現，車流模式可以充份 模擬車輛在尖峰以及離峰之行為，在污染物方面發現越接近路口 CO 之濃度變化 比上游路段有更大的變化，污染程度也以靠近路口處較為嚴重。 煙陣模式係在煙源不斷連續排放，而將排放體以短時間切割，短時間之排放 體 為 一 煙 陣 之 擴 散 ， 煙 陣 之 分 佈 情 形 亦 假 設 為 高 斯 分 佈 。 Thomson and Manning(2001)針對於低風速狀態下穩態之高斯煙陣模式，提出一新的求解方法。 作者將煙陣模式擴散行為分為小型時間以及大型時間尺度，並以拉式積分時間尺 度(Lagrangian integral time scale)做為擴散時間長短分隔之準則。此種方式之用意 在於整合在不同時間下之煙陣，並且假設在短時間下煙陣成長會與時間成正比， 在長時間下會與時間的均方根成正比。文章中並以此模式與高斯煙流模式相互比 較，並發現此模式有著良好的擴散推估能力，此模式也有效的說明在低風速下煙 陣的變化情形。 邱煜勝(民 100)結合混合車流模式模擬道路車流運行行為，以推估移動源排 放量，並藉由空氣擴散推估模式分析在各種不同交控策略情境下之污染物擴散情 形。進行混合車流格位傳遞模式與污染排放、高斯煙陣擴散模式之整合，提供一 動態道路交通污染濃度推估模式。研究中探討一號誌化交叉路口，透過不同的號 誌時制控制方案，進行區域內一氧化碳(CO)之排放與不同距離下污染物擴散影響 的比較。結果顯示污染濃度之推估，會受到排放源強度、風速、受體與排放源點 之距離等相關環境因素影響，且隨著距離的增加，帄均污染濃度會有逐漸下降的 趨勢。另外，延滯的增加雖然對於污染排放有明顯增加的情況，但對路口污染的 濃度則沒有增加的趨勢。 污染排放必頇根據預測地區環境的不同，應擇一合適之擴散模式，關於高斯 煙流模式與煙陣模式之比較如表 3-2。經由文獻回顧發現高斯煙流模式是較常被 使用之擴散模式，其原因在於能夠計算方便，能計算長時間下之濃度分佈情形， 並且此類型之模式也有較為簡便之軟體可做應用。然而，本研究之目的在於號誌 控制下之污染擴散影響，由於需要瞭解在短時間下的濃度分佈情形，由表 2-2 中 綜合比較，煙陣模式能計算短時間內都市污染物濃度的分佈，與本研究之目的較 為符合，因此，本研究對於計算車輛排放濃度的計算將會以高斯煙陣擴散模式做

14 發展。 表2-2 高斯擴散模式特性 預測 模式 高斯煙流模式 高斯煙陣模式 概要 煙 流 (Plume) 之 分 佈 假 設 為 高 斯 分 佈，用以處理污染源的連續排放以及 均勻之流場 煙陣(Puff)之分佈假設為高斯分佈， 用以處理污染源的瞬間排放以及非 均勻流場 適用 範圍 1. 距煙源 20 公里內且地形帄坦之濃 度推定 2. 中小尺度的長期帄均濃度推定 短時間內都市之污染物濃度分佈 輸入 參數 1. 帄均風速、風向 2. 大氣穩定度 3. 污染源之分佈 4. 煙囪煙道資料 1. 風速、風向之水帄變化 2. 大氣穩定度 3. 污染源分佈 4. 排放量時間變化 5. 煙囪煙道資料 優點 1. 計算容易且理論符合亂流之不規 則性 2. 適合長期帄均濃度之預測 3. 適合帄坦地形，固定煙源之濃度 預測 1. 能配合氣象條件隨時空之變化 2. 適合無風狀況之濃度預測 缺點 1. 難以配合風系變化 2. 無法處理複雜地形之環境 3. 無法做無風狀態之解析 1. 煙陣之間隔大時始能應用 2. 不易考慮垂直風切及煙源間相互 之影響 資料來源：邱煜勝(民 100) 進行車輛污染排放之相關研究，以往單純以車輛排放為主，但若僅考量排放 量將對於人體影響程度將不直接相關，排放量為一純量且會累加的概念，若指標 為排放量將會無法得知控制後的成果，因為累積的排放量仍然存在。若以污染擴 散的概念進行控制，車輛排放經由擴散模式轉換後成為空氣中的污染濃度，濃度 即為一流動量的概念，若以濃度做為控制指標，才能有效得知在門檻濃度值之前 進行控制的成效。因此，本研究以車輛排放濃度的概念進行號誌控制，擬探討在

15 不同路側區域，甚至敏感地區例如學校、醫院等地方做情境分析，訂定不同的濃 度敏感值進行控制，評估其績效。 2.3 號誌控制模式 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 況下，小汽車與機車將會互相競爭。為了驗證 SGFLC 模式的控制績效，會與兩 種定時時制計畫和兩種適應性號誌時制模式做比較，結果顯示 SGFLC 模式是最 好的，並且在交通流量變動大時，SGFLC 模式甚至會有更好的績效，所以 SGFLC 為一個有效率、健全且具應用性的號誌控制模式。 對於市區路網的適應性號誌控制上，Stevanovic et al.(2008)結合VISSIM微觀 模擬程式，並使用GA的方法去同時最佳化大眾運輸和私人運具的交通號誌時制，

19

稱為VISGAOST(VISSIM-based Genetic Algorithm Optimization of Signal Timings)。 隨著交通議題日趨重要，運輸號誌優先(Transit Signal Priority, TSP)的概念是使用 交通控制的方法讓車輛在號誌化路口得到優先權，使運輸服務更可靠、快速、具 有效率。研究中的績效指標(PI)為總延滯和停等車輛數的加權總和，此PI值越小 越好。在基因演算法的運算中，VIAGAOST使用轉盤式(roulette wheel)選擇進入 到下個世代的時制計畫，並對每個時制計畫使用單點交配(single point crossover)。 對於最佳化的效率評估，使用四種GA參數：交配率、突變率、GA裡的號誌時制 計畫數，以及GA的世代數。此篇研究在驗證VIAGAOST的使用分為兩種，第一 個為VISSIM的基本號誌時制參數，設定在美國猶他州的Park City，為有12個號 誌化路口的郊區路網；另一個評估基本以及TSP號誌時制設定的最佳化，則是在 紐約的Albany7個號誌化路口的市區走廊。其結果顯示兩種情境使用VIAGAOST 模擬，相較於SYNCHRO的模擬都有更良好的績效，可以改善整體交通狀況且減 少行人的延滯。 2.3.3 小結 本節依以上回顧之適應性號誌控制模式做整理如表 2-3。適應性號誌控制之 方法甚多，近年來的研究也指出應用基因演算法於模糊邏輯控制的基因模糊邏輯 控制方法(GFLC)，對於市區道路以及高速公路匝道儀控都有顯著的成效，可得 知此方法將會適用於號誌控制的應用，因此，本研究擬以基因模糊邏輯控制做為 適應性號誌控制模式的研究方法，進而結合污染濃度的概念進行最佳化。

20 表2-3 適應性號誌模式整理 作者 年份 應用模式 號誌地區 內容 Trabia et al. 1999 模糊邏輯控 制 獨立路口 使用兩階段(two-stage)方法，以交通強度 規則庫判定是否增加綠燈長度。 Chiou and Lan 2004 基因模糊邏 輯控制 獨立路口 依序選擇邏輯規則和轉換隸屬函數，以流 體近似法估計總車輛延滯做為績效評估。 Zheng et al. 2010 反覆學習控 制模糊邏輯 方法 獨立路口 由反覆學習和模糊邏輯處理交通特性。包 含評估績效指標模組、反覆最佳化模組和 控制執行模組。 Wolshon and Taylor 1999 SCATS 模擬 連續路口 用偵測器監控流量並連鎖號誌設定；使用 SOAP 程序，以延滯、停等車輛數、油耗、 車隊長度做為指標。 Chiou and Huang 2011 漸進式基因 模糊邏輯控 制 連續路口 考慮交通量、汽、機車車隊長度為狀態變 數，延伸綠燈時間為控制變數，以最小化 總車輛延滯為目標。 Stevanovic et al. 2008 VISGAOST 區域路網 使用 GA 最佳化大眾和私人運具的號誌時 制，並運用運輸號誌優先的概念。 2.4 結合污染排放指標的號誌控制模式 在此章節整理出有關號誌控制模式，且結合污染排放做為績效指標或者改善 對策的方法，可得知在目前關於污染排放的應用，在污染物的製造上，多會探討 車輛的運行模式、而在交通控制策上多為車速限制、調整時制計畫、或者設置優 先規則例如公車專用道等方法。歸納以上應用，以下文獻回顧將針對車輛運行與 車速控制策略，以及對於號誌時制計畫策略的應用做探討。 2.4.1 車輛運行與車速控制策略 Li et al.(2011)指出車輛運行的減速、停等、加速都會造成市區路口的高污染 排放，研究上通常會使用兩階段(two-stage)方法評估其效用。首先由微觀車流模 擬軟體收集資料，再者建構車輛排放模式。模式建構分別為Model A最小化延滯、 Model B最小化車輛停等數、Model C則是在停等數受限於UBS個時的最小化延滯 計算；Model A和Model B的最佳解將決定UBS的上下界，Model C使用不同的UBS 值來調查延滯和停等數之間的損益權衡。此研究使用動態規劃處理第一階段的最

21

佳化模式，再來由第一階段的結果進而使用VSP(vehicle specific power)模式去估 計路口的排放量。研究結果指出當0<VSP<1時四種污染物(CO2、CO、NOX、HC) 為最低排放量，且車輛加速和減速時比怠速產生更多的排放；當車輛停等數減低 時延滯會提高，減低停等數可能導致CO排放量降低、CO2和HC排放量提升，NOX 排放量輕微影響；但當有大數量的停等數減少時，四種污染量都提升。 若交控策略上使用車速控制的方法，Coelho et al.(2005)指出高速公路上設置 有車速減速裝置，可以控制車流速度和減少意外發生，但也因此造成過多的延滯、 車輛排隊情形，導致污染排放量增加。此篇研究以中觀的交通模式，和車速控制 號誌排放績效的方法，呈現號誌控制變數(例如最小時制設定、車速門檻設定、 最小綠燈情境)和環境與交通績效變數(例如碳化物、氮化物、氫化物的排放與延 滯)間的交互作用，並使用攝影機錄影取得這些模式中需要拿來驗證的實證性資 料。此篇研究的重要性分析是基於執法程度(駕駛者對於限速的容忍度)與增加的 車輛排放量之間相權衡。分析中的輸入資料是交通流量和車道容量的比例(V/C)， 此比例會影響交通控制和車輛排放的參數，控制比例的最大值為0.7，當數值大 於0.7時的大量延滯數和排放量，將會是因為本身的擁擠導致而不是交通號誌控 制車速的影響。模式結果顯示超速者受到車速減速裝置影響而成功停止的數量越 大，會導致較高的污染排放量，與車隊受到號誌影響而停止造成延滯增加的結果 相符合。 Kidane et al.(2009)則是呈現一個以模式為基礎(model-based)的交通控制方法， 目的去改善路網中的交通流量和車輛污染排放量。建置的MPC(model predictive control)模式，使用跟車車流模式和以帄均車速為基礎(average-speed-based)的排 放模式。MPC的概念是以預測和移動水帄面方法(moving horizon approaches)為基 礎的最佳化控制。MPC會基於現有以及未來預測的系統狀態，做線上(on-line)最 佳化控制；控制策略中以減低總時間花費(TTS)和總排放量(TE)做為績效指標。 改善交通流量並不會降低污染的排放程度，且經由研究模擬結果指出，目標若僅 著重減低旅行時間，將會有增加車輛污染排放的情形；同時考量旅行時間花費和 車輛排放量兩者的減低，可在目標式中做出適當定義，且得到降低了37.53%的總 排放量和11.23%總時間花費的結果。 而Madireddy et al.(2011)在比利時的Antwerp地區，不僅使用車速限制，同時 探討關於號誌時制的控制探討污染排放的影響。其研究的量測指標有二：降低速

22 限以及交通號誌連鎖。研究中提到微觀交通模式考慮到個體車輛行為例如跟車、 變換車道和超車行為等，所以會考量到許多細節的指標，例如煞車和加速度。計 算現實中車輛停等啟動的污染排放尚不可得，此研究使用的Quadstone Paramics 是最先進且結合微觀車流和排放模式VERSIT+的污染模式。VERSIT+中計算即 時的CO2和NOX的排放是根據交通模式中的車速和加速度資料，使用複迴歸去計 算不同車輛等級(包含輕型和重型車輛)的排放因素。模擬結果得到當號誌不連鎖 時，輕型和重型車輛排放的污染分別增加9.5%和8.7%，原因是交通流受到許多 干擾；且當住孛區速限由50KPH降低至30KPH時會減少25%的CO2和NOX排放； 另一方面，建置市區幹道綠燈帶的號誌連鎖計畫，可得到依序降低10%排放量的 預期結果。 2.4.2 最佳化時制計畫 對於污染排放在交控策略上的應用，Li et al.(2004)研究對於最佳化號誌時制 的績效指標，主要改進交通品質、減低排放和車輛的油耗。目標式中三個不同的 指標：延滯(D)、油耗(F)、以及污染排放(E)會使用不同的權重。其中油耗(F)需 要考慮車輛加速、怠速以及減速時的情況，污染排放量(E)也被分為車輛行駛時 的排放以及車輛怠速排放兩個部份；可由最小的績效指標(PI)值追求最佳的號誌 周期長度C。案例探討一南京市的獨立路口，以交通流率V和1.2V做比較，將號 誌周期從20秒增加至200秒逐一找最佳解，得到當交通流量越大時，最佳的號誌 周期長度也需要增加的結論。

調整幹道連鎖號誌時制計畫的部分，Zhang et al.(2009)利用 PEMS(portable emission measurement system)系統，收集並且比較現實中北京有號誌連鎖以及無 號誌連鎖路段的車輛污染排放結果，並且分析污染程度在駕駛行為循環和不同車 速間的排放特性。利用微觀的交通模擬軟體 VISSIM 和以 VSP(vehicle specific power)層面為基礎的污染排放模式，建構整合一個交通污染排放的微觀模擬帄台， 並且用以評估號誌時階和交通流量的兩種交控策略的排放影響。污染特性分析結 果得到使用號誌同步策略可有效減低 HC 和 CO 排放，但卻會增加 NOX的污染； 駕駛循環中的加速期間污染排放都很高，還有 NOX在減速期間的排放也不可忽 視；在車速方面，HC 和 CO 在時速高於 20KPH 的污染都降至很低，顯示此兩種 物質必頇在低速時受到控制。研究結論得知最佳化號誌控制規畫，可以有效的增 進作業效率和減低車輛排放污染；且當交通需求量增加時，旅行時間會增加、帄

23

均車速降低、污染排放因素會顯著上升，因此，降低交通需求為可以有效降低車 輛排放和達到最佳化的作業。

對於在路網上的應用，Chen and Yu(2007) 建構一個整合交通模擬模式 VISSIM和排放模式CMEM的微觀交通排放模擬帄台。研究中依序描述兩大模式： VISSIM可以獲得車輛跟車以及車道變換行為的資料；CMEM模式計算排放量做 為考慮車輛運作模式的函數，包含車輛加速度、怠速等。實例驗證北京市的路網， 並對小汽車、輕型貨車(LGV)以及公車三類車型做污染排放研究，提出改善交控 策略並進一步分析其優劣。其中一策略分析設置公車專用道的效用，結果顯示設 置專用道將會改善交通作業，減少帄均旅行時間和帄均停等延滯時間，且設置公 車專用道可對公車減少了2.58%,、5.02%、2.67%的CO、HC和NOX排放；但此策 略會提升小汽車和輕型貨車的污染排放，結果顯示設置公車專用道可以提升交通 作業，但卻會增加總污染排放量。另一交控策略為最佳化號誌計畫，研究中增加 5%的綠燈比，但保持號誌周期、全紅以及黃燈時間不變；結果顯示最佳化時制 相對於現有時制將會減少17.9%的車輛排隊情形和減少25.4%的停等時間，且可 以得到CO、HC和NOX排放量都大幅減少的結果。

Ishaque and Noland(2008)則特別分析行人受到車輛排放和號誌時制的影響。

由微觀模擬模式 VISSIM 編碼出一個複雜的路網，他可以追蹤車輛和行人的動向 並與污染排放資料做連結；關於行人路徑上和交叉路口上的污染排放量是使用空 氣擴散模式做估計。在此研究中也討論了變動的交通號誌時制和 CO 與 PM 污染 排放對於行人影響的適當性。以微觀模擬軟體 VISSIM 與 CMEM 排放模式進行 倫敦的馬里波恩路(Marylebone Road)實證模擬，號誌周期使用 66、81、96、111 秒四種控制情境。結果大致顯示越長的號誌周期將會導致較少的總車輛排放量， 這對於在行人道上的行人是較好的現象；但對於在穿越馬路的行人，較短的週期 才能使他們暴露在污染物中的時間較短。在交通管理策略的制定上，必頇要在車 輛旅行時間以及行人受到污染排放的暴露影響中做權衡。 2.4.3 小結 總觀結合車輛污染與交控方法的文獻，本節依以上回顧之污染排放結合號誌 交控策略模式做整理，表格如表 2-4。可將其分為探討車輛運行方式、進行車速 控管、以及號誌時制改變這三大類，其中在探討車輛運行方式的文獻上，多得到 車輛的加速度會與污染排放最相關，當加速度越大時所排放的污染將會越大，得

24 知若要控制車輛加速度，將可以著眼於會影響車輛加速度的號誌時制以及車速限 制上。所以本研究擬以適應性號誌控制做車輛運行的控制，進而改善空氣中的污 染物濃度情形。 表2-4 污染排放結合號誌交控策略模式整理 作者 年份 應用方法 污染物 研究目標 Li et al. 2011 VSP CO2、CO、 NOX、HC 評估最小化延滯、最小化 車輛停等數、停等數受限 時的污染情形 Coelho et al. 2005 中觀車流模擬 碳化物、氮化 物、氫化物 以車速控制探討車輛污染 排放情形 Kidane et al. 2009 MPC 模式 - 以減低總時間花費和總排 放量做為績效指標 Madireddy et al. 2011 Quadstone Paramics CO2 和 NOX 降低速限以及交通號誌連 鎖方法控制排放 Li et al. 2004 數學規劃 -最佳化號誌時制，目標為 改進交通品質、減低排放 和車輛油耗

Zhang et al. 2009 PEMS、 VISSIM、VSP

HC、CO、NOX

評估號誌時階和改變交通 流量這兩種交控策略評估

Chen and Yu 2007 VISSIM、 CMEM CO、HC、NOX 設置公車專用道和最佳化 號誌計畫對於實證路網的 影響評估 Ishaque and Noland 2008 VISSIM、 CMEM CO 和 PM 行人受到車輛排放和號誌 時制的影響

25

三、

研究方法

本研究旨在考量混合車流的交通狀況下，受車輛污染排放濃度影響之號誌控 制模式，因此本研究之研究方法第一步將先針對所使用之車流方法：格位傳遞模 式其基本內容進行介紹，進一步介紹格位傳遞模式結合混合車流之建構方式。第 二，將利用混合車流格位傳遞模式之模擬結果，推估移動污染源之排放量，並利 用所推估之排放總量進行污染物擴散之轉換計算，得到車輛污染濃度之結果。最 後，將經推估轉換得到之污染濃度結合號誌控制設計，以基因模糊邏輯控制之方 法做適應性號誌控制，將調整其週期、綠燈比、清道時間等號誌時制參數，與未 調整前之資料做相互比較，得到最佳化之結果，其相關內容介紹依序如下： 3.1 格位傳遞模式 本研究於文獻回顧已介紹多種中觀車流模式，其中以格位傳遞模式的運算時 間較少，以及運算方式更為簡便，因此本研究擬採用此模式進行混合車流行為之 模擬。於此，本小節將針對格位傳遞模式之建構與基本假設進行探討，再進行混 合車流模式構建之說明。 Daganzo(1994; 1995)為了能夠即時反應車流行為之模式而提出格位傳遞模 式(CTM)，主要是將中觀車流中之簡單連續模式以離散化的方式加以推導，用以 分析單一方向及單一出入口道路的密度變化。由於格位傳遞模式源自於簡單連續 流模式(LWR 模式)，因此是從中觀之角度來描述車流運行行為，故忽略了車輛在 格位中的相對位置。格位傳遞模式主要是將道路劃分成數個具有同質性之格位 (Cell)，將各個格位從 1 至 i 依序編號，如圖 3-1 所示。 圖3-1 格位上下游劃分示意圖 而格位之長度取決於該道路上車輛在單位時間(t)所行走之距離，模式中假設 車輛運行皆是以一格位為單位，因此忽略車輛在格位中的位置，關係式如式(3-1)， 此式說明假設在無車隊的情況下，車輛不受到前方擁塞的影響，格位中的車輛在 下一個時階可以順利抵達下游之格位。





 

i 1 i n_ t1 n t t 0,1,2...I (3-1)

n

i

n

i+1

n

i+2

n

i+3

n

i+I

上游 下游