國
立
交
通
大
學
運 輸 科 技 與 管 理 學 系 碩 士 班
碩 士 論 文
以數位式行車記錄器資料分析公路客運駕駛行為之
研究
Analysis of intercity bus drivers’ driving behaviors
using data from digital trip recorders
研 究 生：籃士勛
指導教授：王晉元
以數位式行車記錄器資料分析公路客運駕駛行為之研究
Analysis of intercity bus drivers’ driving behaviors using data from digital trip
recorders
研 究 生：籃士勛
Student : Shih-Shiun Lan
指導教授：王晉元
Advisors : Jin-Yuan Wang
國立交通大學
運輸科技與管理學系 碩士班
碩士論文
A Thesis
Submitted to Department of Transportation Technology and Management
College of Management
National Chiao Tung University
in partial Fulfillment of the Requirements
for the Degree of
Master
in
Transportation Technology and Management
July 2010
Hsinchu, Taiwan, Republic of China
以數位式行車記錄器資料分析公路客運駕駛行為之研究
學生：籃士勛
指導教授：王晉元 副教授
國立交通大學
運輸科技與管理學系 碩士班
摘
摘
摘
摘 要
要
要
要
對於客運業者而言，燃油成本占營運總成本的比例甚高。駕駛行為好壞與否，對 於行車油耗有顯著的影響。若是找出駕駛行為有所偏差的駕駛員，對於燃油成本以及 駕駛員管理將會有所助益。為衡量駕駛行為，本研究參酌相關文獻訂定轉速類與車速 類兩大類指標，將取得之車速與轉速資料代入指標運算，得到各駕駛員之行車型態 (driving pattern )後進行 k-means 分群。將駕駛員分為兩群後，對兩集群之各項指標進 行顯著性分析，找出兩群集間明顯有差異的指標，要求駕駛行為較差之集群駕駛員優 先進行改善。本研究亦對轉速類指標所需之 R_diff 門檻值以及 k-means 分群法初始集 群中心進行敏感度分析。 本研究蒐集某客運公司之數位式行車記錄器資料後，進行實例驗證。經測試後結 果發現，本研究提出之方法可有效辨別出駕駛行為較差之駕駛員，R_diff 門檻值以及 k-means 分群法初始集群中心兩者之敏感度均偏低。 關鍵詞 關鍵詞 關鍵詞 關鍵詞：駕駛行為、數位式行車記錄器、公路客運Analysis of intercity bus drivers’ driving behaviors using data from digital trip
recorders
Student: Shih-Shiun Lan Advisor: Jin-Yuan Wang
Department of Transportation Technology and Management
National Chiao Tung University
Abstract
Fuel consumption plays a major part in operating cost in any intercity-bus companies and it is easily affected by drivers’ driving behaviors. To find out drivers with aberrant behaviors and measure the aberrant level, the thesis defines two groups of indicators: revolution per minute (RPM) and speed. After analyzing driving records, drivers’ driving patterns are then obtained, and drivers who have improvable factors are also identified through k-means method. Test of significance is applied to prioritize which indicator should be improved.The sensitivity of the threshold of R_diff belonging to revolution per minute indicators is analyzed in this thesis, and so is the sensitivity of the initial centers in k-means method.
After finishing the job of collecting data from digital trip recorders, the data was testing by processing all the above steps. The results indicate that the proposed method can identify which members’ driving behaviors is worse effectively. The sensitivity of the threshold of R_diff is low, and so is that of the initial centers in k-means method.
誌
誌
誌
誌 謝
謝
謝
謝
時光荏苒，兩年的碩士班研究生活終將劃上句點。論文能夠順利完成，首先要感謝 的是指導教授 王晉元老師。老師的指導以及帶領，彷彿是黑夜中的一座燈塔，讓學生 得以在學術研究的汪洋中找到正確的方向。除了學業以及研究，老師在生活上也非常照 顧學生，讓學生得以在無後顧之憂的情況下進行研究，並且隨時關心學生的近況。能在 交大遇到王老師真是何其幸運，在此要向老師致上萬分的感激以及敬意。 感謝中華大學運輸科技與物流管理學系 蘇昭銘老師以及系主任 吳宗修老師兩位 口試委員，在論文口試期間惠賜許多寶貴的建議以及指正，使本論文可以更臻於完善。 感謝博士班東凌學長的協助，讓我可以順利取得論文所需之相關資料；感謝銓鼎科技的 工程師，Herry 大哥，對於行車記錄器以及班表等資料的處理幫了我非常大的忙，並且 詳細解說資料欄位以及分享相關知識、經驗，讓我獲益匪淺，由衷感激。 身為研究生，最常出現的地方就是學校實驗室了，在這裡我認識了很多學長姐、同 學還有學弟妹。感謝 hoho、彥佑兩位學長，熱忱的指導我程式語言、資料庫軟體以及電 腦軟、硬體相關知識，順利完成論文核心的部份，並且帶給我許多有趣、難忘的回憶； 感謝思文、小松兩位學長，讓我對部份課程以及程式語言有更深入的認識；感謝芬傑、 建旻以及聰儒三位學長，有你們的陪伴，為我的研究生活增色不少，藉由你們的介紹也 認識如玄、嘉盈、佩萱等有趣的新朋友，增添更多的人脈基礎；感謝宇凡、佳儒、怡如 以及小惠四位同學，每次跟你們一起完成計劃案還有討論課程、研究相關議題時都讓我 有許多的收穫；感謝程詠、忠憲、逢新、國凱、怡樺、岱暘等學弟妹，有了你們整個 11 樓的氣氛活絡許多。感謝同學靖喬、學弟威呈，陪我還有大學部系壘的學弟們參加交通 盃，為我的學生球員生涯劃下一個完美的句點。 最後，要感謝默默在背後支持我的家人們。他們的鼓勵，是支持我完成碩士學位的 主要動力。回到台南，邊與家人閒聊邊喝下招牌的冬瓜鮮奶，總是可以感受到家庭的溫 暖，一掃舟車疲頓之感。如果說完成論文是一份榮耀，那這份榮耀將要獻給我的家人， 報答父母對我的栽培以及所有家人的支持。 要感謝的人還有很多，在此僅將本文獻給大家，祝福大家未來可以順心如意。 籃士勛 謹誌 風城交大 2010.07.28目錄
中文摘要 ... i 英文摘要 ...ii 誌 謝 ...iii 表目錄 ... vi 圖目錄 ...viii 第一章 緒論 ... 1 1.1 研究動機 ... 1 1.2 研究目的 ... 1 1.3 研究範圍 ... 2 1.4 研究流程 ... 2 第二章 文獻回顧 ... 4 2.1 車輛油耗因素之相關研究 ... 4 2.2 客運駕駛行為之相關研究 ... 5 2.3 小結 ... 6 第三章 指標訂定 ... 7 3.1 車速類指標訂定 ... 7 3.2 轉速類指標訂定 ... 10 3.3 小結 ... 12 第四章 資料分類與駕駛員分群判別 ... 13 4.1 資料處理 ... 13 4.2 駕駛員行車型態定義與群集分析方法 ... 16 4.3 k-means 分群法以及資料正規化... 16 4.4 分群結果顯著性分析 ... 18 4.5 小結 ... 19 第五章 實例分析 ... 21 5.1 資料蒐集 ... 21 5.2 6505 路線測試分析 ... 23 5.3 6541 路線測試分析 ... 26第六章 相關參數敏感度分析 ... 30 6.1 6505 路線測試分析 ... 30 6.2 6541 路線測試分析 ... 34 6.3 k-means 分群法起始中心敏感度分析... 36 6.4 小結 ... 37 第七章 結論與建議 ... 38 7.1 結論 ... 38 7.2 建議 ... 38 參考文獻 ... 40
表目錄
表目錄
表目錄
表目錄
表 1 加、減速度及正、負衝度計算範例 ... 9 表 2 行車紀錄器連續資料範例 ... 14 表 3 各車單一班次R_diff 值累積統計表 ... 14 表 4 資料點分群範例 ... 18 表 5 資料點 Z 分數標準化分群範例... 18 表 6 資料點 Z 分數標準化分群範例... 19 表 7 行車紀錄器資料格式範例 ... 21 表 8 車輛基本資料格式範例 ... 22 表 9 車輛排班格式範例 ... 22 表 10 各車單一班次 R_diff 值累積統計表 ... 23 表 11 6505 路駕駛員行車型態 ... 23 表 12 6505 路駕駛員行車型態(精簡後) ... 24 表 13 6505 路駕駛員行車型態(Z 分數) ... 24 表 14 6505 路駕駛員 k-means 分群法初始集群中心點... 25 表 15 6505 路駕駛員 k-means 分群法最後集群中心點... 25 表 16 6505 路駕駛員 k-means 分群法集群成員... 25 表 17 6505 路駕駛員 k-means 分群法集群顯著性檢定... 26 表 18 6541 路駕駛員行車型態 ... 27 表 19 6541 路駕駛員行車型態(精簡後) ... 27 表 20 6541 路駕駛員行車型態(Z 分數) ... 27 表 21 6541 路駕駛員 k-means 分群法初始集群中心點... 28 表 22 6541 路駕駛員 k-means 分群法最後集群中心點... 28 表 23 6541 路駕駛員 k-means 分群法集群成員... 28 表 24 6541 路駕駛員 k-means 分群法集群顯著性檢定... 29表 25 駕駛員 0600 轉速類指標與分群結果 ... 30 表 26 駕駛員 0480 轉速類指標與分群結果 ... 31 表 27 駕駛員 1132 轉速類指標與分群結果 ... 31 表 28 駕駛員 0556 轉速類指標與分群結果 ... 32 表 29 駕駛員 0263 轉速類指標與分群結果 ... 32 表 30 駕駛員 0877 轉速類指標與分群結果 ... 33 表 31 駕駛員 0672 轉速類指標與分群結果 ... 33 表 32 駕駛員 0300 轉速類指標與分群結果 ... 34 表 33 駕駛員 0309 轉速類指標與分群結果 ... 34 表 34 駕駛員 0756 轉速類指標與分群結果 ... 35 表 35 駕駛員 0307 轉速類指標與分群結果 ... 35 表 36 駕駛員 0725 轉速類指標與分群結果 ... 36 表 37 不同集群資料點為初始中心之分析結果 ... 37 表 38 相同集群資料點為初始中心之分析結果 ... 37
圖目錄
圖目錄
圖目錄
圖目錄
圖 1 研究流程圖 ... 3 圖 2 轉速-車速關係圖... 10 圖 3 行駛檔位點分佈圖 ... 11 圖 4 行車紀錄器連續怠速資料範例 ... 14 圖 5 資料點分類流程圖 ... 15 圖 6 資料處理流程圖 ... 20第一章
第一章
第一章
第一章
緒論
緒論
緒論
緒論
1.1
研究動機
研究動機
研究動機
研究動機
駕駛行為好壞與否，對於車輛機件耗損、乘客搭乘舒適度以及行車油耗有顯著 的影響[15]。在交通部運輸研究所於89年1月出版之「公路車輛行車成本調查」中， 以燃油以及駕駛薪資兩項成本所占的比例為高。因此若是找出駕駛行為有所偏差的 駕駛員，對於客運業者之燃油成本以及駕駛員管理將會有所助益。 駕駛行為優劣將會反應在行車速度以及車輛轉速資料上[6]。然而，綜觀國內外 對於駕駛行為相關研究的文獻，如賴明堂[13]、張季倫[16]、高啟涵[17]等， 所訂 定之指標如速度梯度不穩、衝度異常、急加減速等，大多是以行車速度做為分析主 軸。然而，根據Hooker[2]，車輛換檔時機以及各檔位使用比例亦會影響車輛燃油消 耗。 另一方面，使用較高檔位行駛的情況下，可使車輛以較低的引擎轉速維持所要 的行車速度，可節省燃料，減少引擎磨損[21]。部份駕駛員慣用低速檔開高速，對 於燃油成本不啻是一大負擔[5]。若是未能藉由引擎轉速資料判讀，僅僅藉由車速資 料，將無法看出此偏差駕駛行為，因此本研究將會對於車輛轉速著手進行研究，從 另一角度探討車輛轉速與司機員駕駛行為的關係。隨著科技日新月異，國內智慧型運輸系統(Intelligent Transportation System, ITS) 的應用及發展日漸蓬勃，客運業者多已開始採用數位式行車紀錄器，即是希望能在 車輛行駛過程中對駕駛行為做詳細的紀錄，也為運輸安全以及司機員駕駛行為等相 關研究奠定研究基礎。 此外，國內相關文獻如張季倫[16]、高啟涵[17]等，多是以國道客運車輛於國道 上行駛之行車資料進行研究，甚少提及公路客運以及市區客運之範疇。不同於國道 的行車環境，公路以及市區客運營運路線上有號誌、站牌等需要停等的情況，換檔 頻率較國道客運路線頻繁許多。因此，本研究將會採用公路客運以及市區客運路線 的行車資料，對於特定單一車型營運車輛所行駛之特定路線之駕駛員進行駕駛行為 相關研究。
1.2
研究目的
研究目的
研究目的
研究目的
本研究之目的為藉由數位式行車記錄器之車速與轉速資料，定義車輛油耗相關 指標，藉以量化分析公路客運駕駛員之駕駛行為，並將駕駛員加以分群，以幫助業 者進行駕駛員管理以及行車燃油、機件耗損等營運成本之節省。1.3
研究範圍
研究範圍
研究範圍
研究範圍
根據上述研究動機，本研究將著墨於公路客運以及市區客運路線，研究所選用 之車型為國瑞2008年出廠之RK8JRSA，排氣量7684CC等營運公車。1.4
研究流程
研究流程
研究流程
研究流程
本研究流程如圖1所示，依照流程圖各項工作項目說明如下：確認研究問題
確認研究問題
確認研究問題
確認研究問題
將此研究問題作明確的界定，包括研究目的、範圍，並瞭解外在限制與可收集 到之資料，以清楚描述研究問題。相
相
相
相關文獻回顧
關文獻回顧
關文獻回顧
關文獻回顧
蒐集國內外相關之研究文獻，分析其研究重點，建立本研究之基礎。蒐集相關資料
蒐集相關資料
蒐集相關資料
蒐集相關資料
蒐集行車紀錄器回傳之資料，車輛基本資料以及車輛排班表，用以作為後續資 料測試與結果分析之研究。指標訂定
指標訂定
指標訂定
指標訂定
根據所蒐集之文獻找尋適合評估駕駛行為的指標，並加以修正或沿用。資料測試與結果分析
資料測試與結果分析
資料測試與結果分析
資料測試與結果分析
利用所蒐集之資料，進行指標之計算，並根據結果定義每位駕駛之行車型態 (driving pattern)。依行車型態進行分群，衡量同一路線之駕駛員其駕駛行為優劣。結論與建議
結論與建議
結論與建議
結論與建議
對本研究之過程與結果作一結論並對後續研究提出建議。確認研究問題 相關文獻回顧 指標訂定 蒐集相關資料 資料測試與結果分析 結論與建議 圖 1 研究流程圖
第二章
第二章
第二章
第二章
文獻回顧
文獻回顧
文獻回顧
文獻回顧
本研究之目的為分析公路客運駕駛員之駕駛行為，以利車輛燃油成本之節省。 然而，除了駕駛行為外，影響車輛燃油成本之因素甚多，因此進行以下之回顧。本 章將對於車輛油耗因素與客運駕駛行為兩部份之相關文獻進行探討。2.1小節主要介 紹國內外對於車輛油耗因素之研究，2.2小節則是對駕駛行為進行探討，以及介紹相 關研究使用指標。2.1
車輛油耗因素之相關研究
車輛油耗因素之相關研究
車輛油耗因素之相關研究
車輛油耗因素之相關研究
Ericsson[4]為找出車輛駕駛行為與車輛廢氣排放以及油耗之間的關聯性，將影 響駕駛行為及車輛廢氣排放及油耗之外在因素分為駕駛人、車輛、氣候、車流特性、 街道設計以及路徑等六大類。研究結果發現，街道設計對於車輛駕駛行為以及車輛 廢氣排放與油耗之影響最大。 賴明堂[13]為分析影響市區車輛油耗因子，選定小客車於台北市道路進行測 試。研究結果發現，當車輛汽缸越大、車體越重、車齡越老、累積行駛里程數越長， 則行車油耗將會變多。 陳君杰[14]以台北都會區為例提出一套構建代表性行車型態之方法，進行汽機 車行車型態與其污染排放和油耗之研究。在此研究中，定義代表性行車型態為：「代 表性行車型態係一個描述行駛過程每一秒鐘行車速率的函數，用以代表某一特定時 段、地區或道路、駕駛人、車輛與天候環境時之行車特性，以作為評估車輛污染排 放、油耗或車流特性之依據。」而影響行車型態的因素有車輛特性、天候環境特性、 駕駛人特性、地區道路特性以及時間特性等。研究結果發現，影響車輛污染排放與 油耗的主要影響因素在於平均加速率。 林家聖[15]研究整理指出，影響車輛油耗之因素可概分為車輛特性、道路交通 特性、駕駛行為特性以及環境因素特性。 (1) 車輛特性：包括車齡、車重、累積行駛里程、暖車情形等。當車齡越老、 車重越重、累積行駛里程數越長時，車輛的燃油效率越低，污染排放越大； 當車輛啟動後不預熱便行駛，會使發動機內的混合氣霧燃燒不完全，浪費 油料。 (2) 道路交通特性：包括道路特性及車流特性，車輛行駛時若是加減速及停等 次數多，均較定速耗油。 (3) 駕駛行為特性：包括駕駛者性別、年齡、開車習性等。通常注重車輛保養 以及隨時注意車況者，可使燃油效率增加。 (4) 環境因素特性：包括大氣壓力、溫度、溼度、風速、風向等。其中以氣壓 和濕度對於燃油影響最為顯著。2.2
客運駕駛行為之相關研究
客運駕駛行為之相關研究
客運駕駛行為之相關研究
客運駕駛行為之相關研究
Waters[1]為觀察駕駛行為差異與車輛油耗之間的關係，以不同駕駛人作油耗試 驗。試驗方法為所有駕駛人先以自己習慣的開車方式繞過試驗場一週，再以建議的 溫和駕駛行為再次操作相同路徑，結果證明後者的駕駛行為可以較前者省下約15％ 的油耗。 Hooker[2]為找出最節省車輛油耗的行駛車速，其研究中發現對於單一車輛而 言，主要影響油料消耗的因素有換檔時機、車輛行駛速度以及車輛的加、減速度。 當車輛可以在引擎經濟轉速下行駛，駕駛避免急踩煞車或油門，對於車輛油耗的節 省會有顯著的幫助。 Decicco[3]在其對於最新車輛之油耗是否較節省的研究中發現，改善交通管理措 施及策略最多可節省5％的油耗，但是當駕駛行為改善後，最高可以節省49％的油 耗，可見改善駕駛行為在節省燃油消耗的效果遠高於改善交通管理措施及策略。 Voort[5]為節省車輛油耗，研發車輛油耗監控系統，研究過程中發現當車輛處 於低檔高速、高檔低速、速度離異過大以及急加、減速的狀況下，致使車輛引擎無 法在經濟轉速下運轉，造成異常油耗。 Lan [6]蒐集自 2001年11月16日至 2002年4月30日將近半年的國道客運駕駛行 車資料，並針對客運駕駛不當駕駛行為與油料保修費用影響進行研究。研究中採用 了引擎異常轉速、速度梯度不穩、衝度異常、不正常煞車、急加減速、引擎冷發動、 超速等七大指標，並設定指標門檻值。在此研究中，將資料來源輸入至後端資料管 理系統後，系統會進行各指標值運算，並計算駕駛行為各項指標之異常次數。經過 共線性檢驗 (collinearity test )以及迴歸聯立方程式 (simultaneous-equation regression) 檢驗之後，發現引擎異常轉速、速度梯度不穩、衝度異常以及超速等四項獨立指標 可以有效解釋不當駕駛行為對於車輛油料保修費用的影響。 張季倫[16]開發監控國道客運行車之資料庫管理系統，於該研究中定出燃油消 耗類、機件磨損類、行車安全類以及行車舒適類等四大類十一項指標，其中燃油消 耗類包括異常轉速指標、車速不穩指標、衝度異常指標等，以實車模擬方式蒐集決 定門檻值所需之行車資料，利用模糊德非法的概念，以資料之幾何平均數代表共識 值，做為指標門檻值。此研究定義出指標後，將指標及其門檻值之演算方法撰寫成 Delphi 程式語言，並與SQL-Server 2000整合研發出一套管理系統，最後對裝置數位 式行車紀錄器之國道客運車輛進行實例分析，發現異常轉速指標、車速不穩指標、 急加減速指標以及違規超速指標具顯著的獨立性。 高啟涵[17]則是參考張季倫[16]之構想，提出行車安全、燃油消耗、機件磨損及 行車品質等四大類十項指標，其中燃油消耗類包括異常轉速與檔位異常指標、急加 減速指標、怠速過久指標等，其門檻值之決定則是沿用張季倫[16]。在指標與門檻值定義明確後，對所蒐集的數位式行車紀錄器資料進行多元迴歸分析與群集分析。 經過上述分析後，研究結果發現影響油耗費用最顯著的獨立指標為急加速、怠速過 久以及引擎轉速異常等三項。群集分析將駕駛員分為一般、稍差、極差三等第。配 合教育訓練及相關管理方式，最後評估公司每個月可減少74,5480元額外油耗與保修 費用。 蔡永祥[18]為判斷駕駛員的駕駛行為是否不良，對其做事前防範管理措施，利 用集群分析對駕駛員進行分群與管理，並透過存活分析構建駕駛事故預測模式。研 究結果發現顯著影響行車故障的因子有冷卻水溫過高、踩離合器使車滑行、第七檔 檔位錯誤等三項。
2.3
小結
小結
小結
小結
在本章的回顧中可以發現，無論國內外文獻，探討影響車輛油耗的因素，多是 以車輛、道路環境、時間以及駕駛人作為考量。綜觀國內文獻，研究路線範圍都是 在國道，與本研究之路線性質大相逕庭。市區客運營運的路線性質與國道客運大不 相同，市區客運所設的停等站點多，停等號誌多，車流變化大，尖、離峰時段的行 車環境亦大不相同。本研究之因變數為駕駛行為，因此在蒐集資料時，除了車輛因 素之外，尚需考慮這些道路環境以及時間因素可能造成的影響，盡可能將這些因素 控制於同一水準再對駕駛人之駕駛行為進行比較。 另一方面，國內相關文獻所使用的指標大同小異，指標的設計多以車速變化量 以及加速度變化量為主，如速度梯度不穩、衝度異常、急加減速等，然而換檔時機 以及檔位使用比例亦是影響車輛油耗的主要原因[5]，換檔時機無法藉由車速變化而 得知，需由轉速之變化著手進行，檔位使用比例亦必須藉由車輛速度與引擎轉速獲 得，因此在本研究中將會訂定轉速類指標，以進行駕駛行為另一層面的研究。第三章
第三章
第三章
第三章
指標訂定
指標訂定
指標訂定
指標訂定
駕駛人的駕駛行為會反映在行駛車速以及引擎轉速上，分析駕駛行為優劣所使 用的資料多以車輛行駛的速度為主。為彌補車速資料無法找出換檔時機以及各檔位 使用比例的缺憾，本研究配合蒐集所得資料，參酌相關文獻訂定衡量司機駕駛行為 的指標，並將其分為車速類指標以及轉速類指標兩種型態。3.1
車速類指標訂定
車速類指標訂定
車速類指標訂定
車速類指標訂定
車輛於道路駕駛途中，主要可區分為行駛、怠速以及換檔等三種情形，茲說明 如下： (1)行駛：車輛於行駛途中以不換檔，使用相同檔位為前提之下，根據車輛機械 原理，引擎輸出軸的齒輪與中間軸的齒輪嚙合，輪軸檔位上的齒輪也會與中間軸的 齒輪嚙合，此時的引擎轉速將會正比於輪軸轉速(即車速)。不同檔位有不同的齒輪 數，與引擎轉速的比例關係亦不相同。正常情況下，檔位越高，車速與轉速的比值 越大，即相同速度下，一檔所使用的引擎轉速將會高於二檔。 (2)怠速：司機於駕駛途中循序減速，使車輛呈現一段時間靜止狀態的情形，最 常見的情況為行駛前的熱車、停等交通號誌以及上、下客等。 (3)換檔：當車輛行駛於道路上，必須將車速維持在最低速限與最高速限之間。 車輛於正常情況下是以一檔起步，當行駛一段時間後，在路況許可的情況下進行換 檔的動作，將檔位提高，可降低引擎轉速以減少油量消耗以及延長引擎零件的耗 損。然而，車輛在行駛的途中進行換檔時，輪軸上各檔位的齒輪無法與中間軸的齒 輪嚙合，此時的引擎轉速與輪軸轉速的比值將會有大幅度的變動。 因此綜合以上三種情況，本研究利用所蒐集得來的行車紀錄器資料，將車速與 轉速資料進行分類，共可分成行駛檔位點、換檔點以及怠速點三類。資料點之處理 及分類將於本研究第四章詳細闡述。 司機之駕駛行為是否偏差，車速變化是最明顯的表現。根據文獻，衡量駕駛行 為常見的指標，如林家聖[15]、張季倫[16]所使用的車速不穩指標、急加減速指標、 衝度指標等，都是以車速變化量以及加速度變化量作為衡量標準，分析結果均有合 理解釋。因此，本研究經參酌並考慮取得之行車紀錄器資料格式後，訂定平均加速 度、平均減速度、平均正衝度以及平均負衝度作為本研究分析使用之四項指標。 (1)平均加速度平均加速度平均加速度(平均加速度 + a )與平均減速度與平均減速度與平均減速度與平均減速度(a )：− ：：：根據Voort[5]、張季倫[16]，速率變動過 大是影響油耗的主因之一，因此本研究設平均加、減速度指標以偵測車輛行駛時的 速差大小。加速度之定義為單位時間內之速度變化量。因此，將時間 t 秒之車速資 料減去t−1秒之車速資料即為第 t 秒之加速度，如式(1)所示。若是加速度值大於零，
表示車輛處於加速狀態，等於零表示車輛處於等速行駛狀態，小於零則是車輛處於 減速狀態。 ) 1 ( ) ( ) ( = − − ∆ ∆ = v t v t t v t a (1) 為了衡量司機行車時加速以及減速的程度是否有所偏差，因此本研究將單一班 次之所有資料點扣除怠速點集合後，計算加速度為正之資料點(a+(t)
)
加速度之和以 及加速度為正之資料點個數( + a N )，兩者相除得平均加速度(a )，可用以衡量司機加+ 速時的速差程度。同理，計算加速度為負之資料點(a−(t))
減速度之和以及加速度為 負之資料點個數( − a N )，兩者相除得平均減速度(a )，可用以衡量司機減速時的速差− 程度。如式(2)與式(3)所示： + + +∑
= a N t a a ( ) (2) − − −∑
= a N t a a ( ) (3) (2)平均正衝度平均正衝度平均正衝度(平均正衝度 + j )與平均負衝度與平均負衝度與平均負衝度與平均負衝度( − j )：：：根據 Voort [5]、張季倫[16]，除了上述： 速率變動過大之外，車輛急加速以及急減速亦是影響油耗的主因之一，因此設衝度 指標衡量車輛急加、減速的狀況。衝度指標除了可衡量車輛急加、減速程度外，亦 可衡量駕駛是否有急踩油門或煞車的行為，造成車上乘客前後俯仰而不適的情況。 衝度之定義為單位時間內之加速度變化量，因此將時間t秒之加速度減去t-1秒之 加速度即為第t秒之衝度，如式(4)所示。若是衝度值大於零，表示車輛處於急加速 狀態，等於零表示車輛處於等加速行駛狀態，小於零則是車輛處於急減速狀態。 ) 1 ( ) ( ) ( = − − ∆ ∆ = a t a t t a t j (4) 為了衡量司機行車時急加速以及急減速的程度是否過大，因此將單一班次之所 有資料點扣除怠速點集合後，先行計算剩餘資料點之加速度值，然後再計算衝度為 正之資料點( j+(t))衝度之和以及衝度為正之資料點個數( + j N )，兩者相除得平均正衝 度( + j )，可用以衡量司機急加速程度。同理，計算衝度為負之資料點( j−(t))減速度 之和以及衝度為負之資料點個數( − j N )，兩者相除得平均負衝度( − j )，可用以衡量司 機急減速煞車程度。如式(5)與式(6)所示：+ + + =
∑
j N t j j ( ) (5) − − −∑
= j N t j j ( ) (6) 加、減速度與正、負衝度之計算範例如下表 1 所示，假設資料編號 1、2、3、4、5 之資料點為怠速點，因此其加、減速度與正、負衝度不予以計算。 表 1 加、減速度及正、負衝度計算範例 資料編號 轉速 車速 加速度 衝度 1 30 0 2 30 0 3 30 1 4 29 0 5 27 3 6 32 7 4 1 7 49 11 4 0 8 64 14 3 -1 9 78 18 4 1 10 95 21 3 -1 11 108 24 3 0 12 98 25 1 -2 13 67 24 -1 -2 14 63 22 -2 -1 15 75 27 5 7 由表1，依據式(2)、式(3)、式(5)以及式(6)之計算，可得以下各指標值： 375 . 3 8 5 1 3 3 4 3 4 4 ) ( = + + + + + + + = = + + +∑
a N t a a 5 . 1 2 ) 2 ( ) 1 ( ) ( − = − + − = = − − −∑
a N t a a3 3 7 1 1 ) ( = + + = = + + +
∑
j N t j j 4 . 1 5 ) 1 ( ) 2 ( ) 2 ( ) 1 ( ) 1 ( ) ( − = − + − + − + − + − = = − − −∑
j N t j j3.2
轉速類指標訂定
轉速類指標訂定
轉速類指標訂定
轉速類指標訂定
車輛行駛混合上述行駛、怠速以及換檔等三類情況，其分布如下圖2。下圖2中， 車速與轉速資料為車輛輪軸與引擎轉軸每秒轉動次數。將圖2之換檔點以及怠速點 經分類過濾後(分類過程見第四章)，行駛檔位點集合分布如下圖3。其餘的行駛檔位 點分佈可明顯看出有四個區域，代表之涵義為車輛行駛時所使用的四個檔位。根據 機械原理，當車輛行駛時，相同速度變化量的前提下，所使用的檔位越高，其轉速 變化越小。因此圖3中，可以判斷四個區域之分佈由下而上依序為一檔、二檔、三 檔以及四檔。 圖 2 轉速-車速關係圖圖 3 行駛檔位點分佈圖 由於車輛的引擎轉速與車輛油耗息息相關，且駕駛行為對於引擎轉速會有相當大的 影響，因此本研究提出以下轉速相關指標將司機駕駛行為予以量化，並與車速類指標相 互比較，期能找出之間的關連性。 (1)使用檔位比例：車輛行駛一段時間後，車速會逐漸提高，駕駛員可進行換檔。在 高速檔行駛的情況下，可使車輛以較低的引擎轉速維持所要的行車速度，可節省燃料， 減少引擎磨損[21]。因此，可推論得車輛使用各檔位的比例會影響油料的消耗。 如圖 3 所示，行駛檔位點分佈構成四個區段，即車輛行駛時所使用的四個檔位。令 ) (t R 值為車速v(t)與轉速rev(t)之比值，即 ) ( ) ( ) ( t rev t v t R = 。因此若是能夠將所有行駛檔位 點之 R 值進行統計，應有絕大多數之比例落在四個區間內，同時可得到各區間之行駛檔 位點個數。將各區間行駛檔位點個數(N1st,N2nd,N3rd,N4th)除以所有行駛檔位點個數 (Ngear)，即可得到各檔位的使用比例(P1st,P2nd,P3rd,P4th)，如式(7)所示： gear th th gear rd rd gear nd nd gear st st N N P N N P N N P N N P 4 4 3 3 2 2 1 1 = , = , = , = (7) (2)平均轉速差：根據郭守穗[20]，當車輛以同一檔位行駛時，若是轉速變化過大， 對於車輛的油耗影響相對較大，亦即較為耗油。 因此可將車輛於同一檔位行駛時，即 t 時間之資料點屬於行駛檔位點時，計算其相 鄰時間點之轉速變化量取絕對值計算，再將完整班次之所有轉速差變化量絕對值求出總 和後除以行駛檔位點的個數，即可得到平均轉速差指標，以衡量該駕駛之駕駛行為是否
耗費較多油料。平均轉速差之計算如式(8)、式(9)所示： ) 1 ( ) ( ) (
_diff t = rev t −rev t−
rev (8) gear N t diff rev diff rev _ =
∑
_ ( ) (9)3.3
小結
小結
小結
小結
將行車紀錄器之資料進行分類後，主要可分為換檔點、怠速點以及行駛檔位點三 類。本章目的在於將指標分為車速類以及轉速類兩大型態。參考相關文獻後，大部分的 指標多是以車速變化以及加速度變化作為判斷駕駛行為優劣以及是否會耗費較多油料 之依據，因此車速類指標採用平均加速度、平均減速度、平均正衝度以及平均負衝度四 項，以衡量駕駛員是否對於油門與煞車的控制是否得宜以及是否有急踩油門與重踩煞車 的傾向，用以計算之資料點包括換檔點以及行駛檔位點之集合。轉速類指標有使用檔位 比例以及平均轉速差兩項，亦是以油料耗費為考量，用以計算之資料點為行駛檔位點集 合。第四
第四
第四
第四章
章
章
章
資料分類與駕駛員分群判別
資料分類與駕駛員分群判別
資料分類與駕駛員分群判別
資料分類與駕駛員分群判別
本章主要介紹如何將行車紀錄器之資料進行分類，以及如何將駕駛員進行分群。在 第三章已定義各項指標之計算，因此本章 4.1 節將會介紹如何將資料點分為行駛檔位 點、怠速點以及換檔點，以供前述各項指標值之計算。駕駛員分群之目的在於找出駕駛 行為較差之駕駛員，進行進一步之教育訓練，以減少客運業者營運成本。單一班次之車 速與轉速資料經過處理分類以及指標計算後，可得到一位駕駛員於此班次的各項指標績 效。然而，該如何找出能夠代表該駕駛員之行車型態 (driving pattern)以及如何將同一路 線之駕駛員之駕駛行為進行分群，本章 4.2 節與 4.3 節將會進行更深入的探討。4.1
資料處理
資料處理
資料處理
資料處理
如 3.1 節所提，車輛於道路駕駛途中，主要可區分為行駛、怠速以及換檔等三種情 形。綜合以上三種情況，本研究利用所蒐集得來的行車紀錄器資料，提出以下方法將車 速與轉速資料進行分類，共可分成行駛檔位點、換檔點以及怠速點三類。 Step 1. 先行計算出每一班次行車紀錄器所紀錄之每秒車速與轉速資料之比值( R ) 以及相鄰兩秒之比值差絕對值(R_diff )。 Step 2. 車輛若是處於換檔的狀態，此時的R_diff 將有劇烈變化。因此，若相鄰 資料點之R_diff 值超過所設門檻值，則可將此資料點視為換檔點。 Step 3. 資料點不為換檔點時，判定資料點為行駛檔位點或是怠速點。 Step 4. 若資料點不為換檔點亦非怠速點，則可判定為行駛檔位點，紀錄於行駛檔 位點集合。 如下表 2 資料範例所示，先行計算出 R 值與R_diff 值後，再以R_diff 值進行資料 點是否為換檔點之判別。如下表 2 所示，當R_diff 值變大時，如第 2 筆以及第 3 筆資 料點，可視為換檔點。 R_diff 值之門檻訂定如下，自所選取車輛之行車紀錄器資料中各隨機選擇一個班 次，將此班次的行車記錄器資料進行R_diff 計算，假設所得之統計結果如下表 3。由表 3 可看出，約有 90%以上的R_diff 值落在 0 至 0.04 間，且大於 0.04 之 R_diff 資料點急 遽減少，與車輛行駛過程中換檔時間的比例低、換檔時 R_diff 變大之機械原理吻合，因 此可以R_diff 值 0.04 作為換擋點判斷之門檻。 如下圖 4 所示，車輛呈現靜止狀態期間，車速應為零，但是車輛仍有可能因為司機 腳踩煞車力道不足等因素而使車輛小幅滑動，造成輪軸轉速不為零的情況。因此統計夾 雜於靜止資料點中，車速非零之資料點之車速最大值，視為怠速資料之門檻值。以上將 原始資料點分類為換檔點、怠速點以及行駛檔位點之流程整理如下圖 5。表 2 行車紀錄器連續資料範例 資料編號 轉速 車速 R R_diff 1 29 0 0 0.033 2 27 3 0.111 0.111 3 32 7 0.219 0.108 4 49 11 0.224 0.005 5 64 14 0.219 0.005 6 78 18 0.231 0.012 表 3 各車單一班次R_diff 值累積統計表 0 - 0.02 0–0.04 0-0.06 0 - 0.08 0–0.10 A 0.786 0.915 0.947 0.976 1.000 B 0.806 0.922 0.951 0.981 1.000 C 0.798 0.919 0.949 0.980 1.000 D 0.816 0.930 0.964 0.988 1.000 E 0.847 0.944 0.967 0.987 1.000 0 5 10 15 20 25 30 35 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 轉速 車速 圖 4 行車紀錄器連續怠速資料範例 範 圍 車 號
t時間資料點之車速/ 轉速值(R) 計算t時間與t-1時間 之車速/轉速比值差 距絕對值(R_diff) t 時間資料點為檔位 點或是怠速點 t 時間資料點為行駛 檔位點並記錄於行駛 檔位點集合 t 時間資料點為換檔 點，記錄於換檔點集 合 檢查t 時間資料點 是否為怠速點? 是 超過門檻 未超過門檻 t 時間資料點為 怠速點並記錄 於怠速點集合 否 圖 5 資料點分類流程圖
4.2
駕駛員行車型態
駕駛員行車型態
駕駛員行車型態定義與群集分析方法
駕駛員行車型態
定義與群集分析方法
定義與群集分析方法
定義與群集分析方法
根據統計學之大數法則以及中央極限定理：「假設某一母體分配之母體平均數(µ) 與母體變異數(σ
2)均存在，由其中抽取樣本數為 n (n ≧30)之一組隨機樣本，令其樣本 平均數為 X ，則樣本平均數 X 將會近似母體平均數µ，且 X 的分配會近似常態分配， 即 X 30 ~ ≥ n N(µ, n 2σ
)」 因此若要衡量駕駛員之駕駛行為優劣，可由行車紀錄器資料庫中找出此駕駛員所負 責之至少 30 趟班次進行指標計算，所得之各項指標平均值即可視為該駕駛員之行車型 態 (driving pattern)。 群集分析主要的目的是將資料集合中的資料點加以分群成數個群集(cluster)，使得 每個群集中的資料點間相似程度高於與其他群集中資料點的相似程度，藉由分析的結果 推論出有用、隱含、令人感興趣的特性與現象[19]。因此定義駕駛員之行車型態後，本 研究將進行同一路線之所有駕駛員分群，以辨識此路線之駕駛員之駕駛行為孰優孰劣。 在群集分析的方法中，可分為分割式分群法(如 k-means)以及非分割式分群法(如階 層式分群法之聚合法以及分裂法)。 (1) 分割式分群法：將群集資料點歸屬到數個互不交集的群集中，使每一群集資料點與 該群集之群集中心之相似程度高於與其他群集中心之相似程度。 (2) 非分割式分群法：將彼此相似度高的較小群集合併成較大的群集，或者將較大的群 集進行合併的動作。 根據曾憲雄[19]，在低維度以及資料點數量較少的情況下，兩種類型的分群法皆可 以在短時間內得到分群結果。但是，隨著資料點的增加，分群法的效能將會開始出現差 異。考量企業管理所注重之效率與成本，因此本研究採用分群法中成本與效率表現較佳 之 k-means 分群法進行駕駛員分群的工作。4.3
k-means 分群法以及資料正規化
分群法以及資料正規化
分群法以及資料正規化
分群法以及資料正規化
k-means 分群法為分割式分群法中最為熟知，且發展最久的一種方法，且在處理上 所需時間與空間之成本低廉，因此廣為採用。其執行步驟如下： 輸入：包含 n 個資料點之資料集合，以及群集數量 k 輸出：k 個不相交集的群集 步驟 1：自資料點中隨機挑選 k 個當作起始 k 群的群集中心 步驟 2：利用相似度計算公式，將資料點分別歸類至距其最近的群集中心所屬群集，步驟 3：利用距離總偏移值公式，重新計算各群集之群集中心點 步驟 4：若是步驟 3 所得之群集中心點與之前所得之群集中心點相同，即距離總偏 移值不再變動，表示分群結果已穩定，可輸出各群結果，否則回到步驟 2 繼續執行。 步驟 2之相似度計算公式採用尤拉距離，計算公式如下： 2 / 1 1 2 ) , ( − =
∑
= k d jd id j i x x x x d (10) 其中xi,xj為資料集合中具有 k 個資料維度之兩個資料點。步驟 3 之距離總偏移值公 式如下： i S x i k i x S i S x m m x E i i∑
∑ ∑
∈ = ∈ = − = ; 1 2 (11) 其中x表示一資料點，m 表示群集i Si的質量中心，Si 表示群集Si中所涵蓋之資料點 數量。 依據先前所述，指標可分為轉速以及車速兩大類，其單位不盡相同。將各項指標視 為各個資料維度進行式(10)以及式(11)之計算。由式(10)可發現，各個資料維度之權重均 相同，相同的維度資料以不同的單位表示，將會有不同的數值差距。假設以某駕駛員之 平均加速度為 2 km/hour，其表示方式亦可為 2000 m/hour，然而，經過式(10)計算之後， 該維度之距離瞬間擴大，極容易造成分群結果錯誤。 換言之，各項指標值分佈之平均值以及標準差隨著單位之不同，數值之差異均有所 不同。為消弭單位不同所造成的差距影響分群結果，本研究對於各駕駛員之各項指標值 進一步作 Z-分數正規化。Z-分數正規化屬於資料正規化的其中一種方法，適合用在需 要了解數值與平均分布之間的關係。其作法為將欲分群之資料點求得平均值(x)以及標 準差(Sd)，再將任一資料點代入下列公式：{ }
, x x S x x Z i d i i ∈ − = (12) 則可求出該資料點所對應之 Z 分數。以下表 4 之資料點為例，C1、C2、C3 為群集 1， C4、C5、C6 為群集 2。欲判斷 A 點之群集所屬，可將 C1 至 C6 之所有點以及 A 點之各 項指標的平均值以及標準差求出，再代入式(12)求得 C1 至 C6 以及 A 點之 Z 分數，然 後進行分群法，即可求得 A 點之群集所屬。表 4 資料點分群範例 平均轉速差 一檔使用比例 二檔使用比例 三檔使用比例 四檔使用比例 C1 4.900 0.250 0.250 0.250 0.250 C2 5.700 0.250 0.250 0.250 0.250 C3 6.500 0.250 0.250 0.250 0.250 A 5.500 0.100 0.200 0.300 0.400 C4 4.100 0.150 0.190 0.280 0.380 C5 4.900 0.150 0.190 0.280 0.380 C6 5.700 0.150 0.190 0.280 0.380 平均值 5.329 0.186 0.217 0.270 0.327 標準差 0.770 0.063 0.031 0.020 0.073 表 5 資料點 Z 分數標準化分群範例 平均轉速差 一檔使用比例 二檔使用比例 三檔使用比例 四檔使用比例 群集 C1 -1.596 1.026 1.062 -1.000 -1.064 1 C2 -0.557 1.026 1.062 -1.000 -1.064 1 C3 0.483 1.026 1.062 -1.000 -1.064 1 A 0.223 -1.368 -0.554 1.500 1.005 2 C4 -0.557 -0.570 -0.877 0.500 0.729 2 C5 0.483 -0.570 -0.877 0.500 0.729 2 C6 1.522 -0.570 -0.877 0.500 0.729 2
4.4
分群結果顯著性分析
分群結果顯著性分析
分群結果顯著性分析
分群結果顯著性分析
將資料點進行標準化且分群之後，為了解分群結果是否良好，描述集群之間的差異 程度，需對分群結果進行顯著性分析。 根據吳姿瑤[22]，使用 k-means 分群法求得兩群集，且兩群集皆服從常態分配時， 可以使用獨立樣本 t 檢定、Mann-Whitney U 檢定等檢定方法檢視兩集群之平均數是否有 顯著差異。使用 t 檢定之先決條件為當兩集群皆服從常態分配，若是兩集群不服從常態 分配則是使用 Mann-Whitney U 檢定。 分群結果之資料點為各駕駛員之行車型態。如 4.2 節所述，行車型態為該駕駛員負 責班次所得之各項指標平均值，根據大數法則以及中央極限定理，行車型態之分配為常 態分配，符合獨立樣本 t 檢定資料點須符合常態分配的前提。因此，本研究將各駕駛之 行車型態進行分群之後，選擇以獨立樣本 t 檢定進行分群結果顯著性分析，顯著水準為 0.05。將表 5 之分群範例進行獨立樣本 t 檢定後得到如下表 6 之結果。由表 6 可以得知， 集群 1 與集群 2 兩者除平均轉速差指標並無顯著差異外，各檔位之使用比例皆有顯著差 異，即集群 1 之一檔使用比例與二檔使用比例明顯高於集群 2，三檔使用比例以及四檔 使用比例明顯低於集群 2。 表 6 資料點 Z 分數標準化分群範例 平均數相等的 t 檢定(顯著水準 = 0.05) t 值 顯著性(雙尾) 結果 平均轉速差 -1.364 .231 平均數無顯著差異 一檔使用比例 7.606 .001 平均數有顯著差異 二檔使用比例 19.449 .000 平均數有顯著差異 三檔使用比例 -5.916 .002 平均數有顯著差異 四檔使用比例 -22.807 .000 平均數有顯著差異
4.5
小結
小結
小結
小結
本章旨在介紹如何將蒐集得到之行車紀錄器資料點進行分類，進而進行指標運算得 到特定路線之駕駛員行車型態加以分群。 資料點可分為三類，換檔點、怠速點以及行駛檔位點。換檔點的分類主要依據為車 速與轉速資料之比值(R)以及相鄰兩秒之比值差絕對值(R_diff)，怠速點的分類則是以夾 雜於車輛靜止狀態時的資料點中，車速非零之資料點之車速最大值。 在本研究中，將欲分群之所有駕駛員之駕駛行為模式各項指標值求得後，考量分群 法所需成本以及效率，採用 k-means 分群法進行分群。然而，為了消弭單位間不同所造 成的差距影響結果，本研究進一步將各項行車型態進行正規化，則可得到各項指標值之 Z 分數，接著再進行分群法，則可得到更為精確的分群結果。 為了解分群結果是否良好，描述集群之間的差異程度，需對分群結果進行顯著性分 析。行車型態之分配為常態分配，符合獨立樣本 t 檢定資料點須符合常態分配的前提。 因此，本研究將各駕駛之行車型態進行分群之後，選擇以獨立樣本 t 檢定進行分群結果 顯著性分析，找出集群間有顯著差異的指標。 上述之資料處理流程如下圖 6 所示：特定路線所有駕駛員於 非尖峰時段行駛班次之 記錄器資料 行車記錄器資料 選取每位駕駛員至少30 趟班次進行指標運算 將每位駕駛員所得之駕 駛行為模式樣本取平均 值，求得每位駕駛員之 駕駛行為模式 將各駕駛員之駕駛行為 模式進行Z-分數標準化 以k-means分群法進行 駕駛員分群 集群顯著性差異分析 圖 6 資料處理流程圖
第五章
第五章
第五章
第五章
實例分析
實例分析
實例分析
實例分析
本章的主要目的為透過行車記錄器實際資料的蒐集，驗證本研究所提出之方法是否 可依據駕駛行為優劣，有效將客運駕駛進行分群。5.1 小節主要介紹本研究所蒐集之資 料及其格式，並且對於駕駛員駕駛班次取樣之條件加以說明，以及第四章所提之相關參 數設定。5.2 小節及 5.3 小節則是根據前述章節進行實際路線資料分析，將駕駛員依駕駛 行為進行分群，並對分群結果進行顯著性分析，找出集群間顯著差異的部份，作為未來 駕駛行為改善之重點。5.1
資料蒐集
資料蒐集
資料蒐集
資料蒐集
本研究蒐集之資料包括 2009 年 6、7 月份某客運營運車輛行車紀錄器之原始資料、 某客運車輛基本資料以及 2009 年 6、7 月份車輛排班表等。 表 7 為行車紀錄器格式範例，行車紀錄器所紀錄之資料內容包括車號(carid)、車輛 位置之經緯度(lng、lat)、資料回傳時間(GpsTime)、車輛每秒之引擎轉速記錄值與輪軸 轉動記錄值(Rpm)、行駛路線編號(routeno)、去回程(goBack)、路線起點(xFrom)以及路 線終點(xTo)等。 表 7 之 Rpm 欄位中，以第一列為例，第一個數字 192 為客運公司系統所需之序號， 第二個數字 18017 為車輛輪軸轉動的累計距離，之後每兩個數字為一組，分別代表該列 GpsTime 與下一列 GpsTime 之間每一秒之引擎轉速記錄值(92)與輪軸轉動記錄值(63)。 速度之定義為物體於每秒內所移動之位移，而車輛之位移與輪軸轉動數成正比，因此可 將車輛每秒的輪軸轉動記錄值(63)視為「車速資料」，引擎轉速記錄值(92)則視為「轉 速資料」。goBack 則是代表車輛去回程，「0」代表去程，「1」代表回程。該路線預 設之去程為東南站往台中站。 表 7 行車紀錄器資料格式範例carid Lng Lat GpsTime Rpm routeno goBack xFrom xTo 211-FM 120.813 24.262 2009/6/2 上午 06:10:20 192:18017,92,63,91,62,86,59; 6505 0 東南 台中 211-FM 120.812 24.262 2009/6/2 上午 06:10:35 192:18046,30,0,30,0,29,0; 6505 0 東南 台中 表 8 為車輛基本資料格式範例，由此資料可找出本研究所欲選用相同車型之車輛編 號，並配合車輛排班表找出駕駛該輛車的駕駛員。車輛基本資料內容包括場站編號 (DEPT)及車輛所屬場站(STATION)、車號(CAR_ID)、車輛廠牌(A)、車型編號(B)、引擎 號碼(C)、出廠年份(YEAR)以及排氣量(CC)。以表 3 第一列為例，車號 212-FM 的車輛 所屬場站為東勢站，東勢站之代號為 016，廠牌為國瑞，車型編號為 RK8JRSA，引擎號 碼為 JO8ETE167，出廠於 2008 年，排氣量 7684CC。
表 8 車輛基本資料格式範例
DEPT STATION CAR_ID A B C YEAR CC 016 東勢站 212-FM 國瑞 RK8JRSA JO8ETE167 2008 7684 016 東勢站 213-FM 國瑞 RK8JRSA JO8ETE168 2008 7684 016 東勢站 215-FM 國瑞 RK8JRSA JO8ETE168 2008 7684 016 東勢站 216-FM 國瑞 RK8JRSA JO8ETE168 2008 7684 表 9 為車輛排班資料格式之範例。以第一列資料為例，車輛排班資料內容包括車輛 行駛路線(6512)、司機編號(0963)、車號(220-FM)以及每一班次的發車日期(2009-07-17)、 發車時間(08:20:00)、完成時間(09:00:00)、起始站點(修平學院)等。配合車輛排班格式以 及行車紀錄器所紀錄的資料，可找出每位司機所負責的班次相關資訊，分析每位司機的 駕駛行為，進行相關研究。 表 9 車輛排班格式範例 路線 司機 車號 日期 發車時間 去回程 完成時間 起始地點 6512 0963 220-FM 2009-07-17 08:20:00 1 09:00:00 修平學院 6512 0963 220-FM 2009-07-17 09:55:00 1 10:35:00 修平學院 6512 0963 220-FM 2009-07-17 11:20:00 1 12:00:00 修平學院 由車輛基本資料可找出本研究所欲選用車型之車號，車輛排班表則是可以找出特定 路線所服務之駕駛員編號，配合行車紀錄器資料找出該路線之某駕駛員駕駛之班次。在 減少其他外在因素影響之前提下，本研究之範圍將針對同一車型、非尖峰時段之特定路 線不同駕駛人的行車紀錄進行分析。 本研究所選定觀察之車型國瑞 HINO RK8JRSA，為手動排檔。選定之駕駛班次須在 非尖峰時段，考量原因在於非尖峰時段之路況較為單純，可使駕駛員較能不受外在道路 環境的干擾，分辨其駕駛行為之優劣。在本研究中，根據調查，欲調查之特定路線其尖 峰時段之定義為早上 7 點 30 分至早上 9 點整以及下午 5 點整至下午 8 點整等兩個時段。 本研究所選定進行分析之路線為某客運 6505 路(台中-東勢)、6541 路(卓蘭-台中) 等兩條營運路線。6505 路線之營運車輛共計有 211-FM、212-FM 以及 213-FM 等三輛， 選定分析之駕駛員編號分別為 0480、0600、0556、0263、0672、0877 及 1132 等七位 駕駛員。6541 路線之營運車輛共計有 215-FM、216-FM 等兩輛，選定分析之駕駛員編 號分別為 0309、0300、0307、0725、0756 等五位駕駛員。班次時間範圍為 2009 年 6、 7 月份。 如第四章所述，欲將資料點進行分類，需找出 R_diff 值變化量門檻值以及怠速點之 速度門檻值。依 4.1 節所言，本研究將欲進行分析路線所使用之車輛各隨機取一班次進
在 0 至 0.04 間，且 R_diff 值大於 0.04 之後，其累積變化量劇烈減少，因此本研究以 R_diff 值 0.04 作為換擋點判斷之門檻。 怠速點速度門檻值經過本研究統計後，發現車輛呈現靜止狀態期間，車速資料最大 值為 5，因此本研究以車速資料 5 作為怠速點速度門檻值。 表 10 各車單一班次 R_diff 值累積統計表 0 - 0.01 0 - 0.02 0–0.04 0-0.06 0 - 0.08 0–0.10 0–0.20 0–0.30 211-FM 0.567 0.770 0.896 0.928 0.956 0.979 0.991 1.000 212-FM 0.553 0.793 0.907 0.936 0.965 0.984 0.993 1.000 213-FM 0.585 0.785 0.904 0.934 0.964 0.984 0.993 1.000 215-FM 0.614 0.811 0.923 0.957 0.981 0.993 0.998 1.000 216-FM 0.680 0.837 0.933 0.956 0.976 0.989 0.995 1.000
5.2
6505 路線測試分析
路線測試分析
路線測試分析
路線測試分析
如第三章所述，本研究所使用之指標分為轉速類以及車速類兩種，轉速類指標有平 均轉速差以及各檔位使用比例，車速類則有平均加、減速度以及正、負衝度等。經過圖 6 之流程後，可得到 0480、0600、0556、0263、0672、0877 及 1132 等七位駕駛員之行 車型態如下： 表 11 6505 路駕駛員行車型態 駕駛員 編號 平均轉 速差 一檔 比例 二檔 比例 三檔 比例 四檔 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 0600 5.055 0.092 0.148 0.299 0.461 2.736 -3.195 2.033 -2.015 0480 4.694 0.078 0.145 0.300 0.477 2.715 -3.180 2.021 -2.059 1132 3.857 0.045 0.112 0.364 0.479 2.550 -2.864 1.975 -1.979 0556 4.870 0.090 0.106 0.220 0.583 2.880 -3.047 2.069 -2.109 0263 3.973 0.070 0.134 0.366 0.429 2.538 -3.166 1.926 -1.946 0877 5.113 0.101 0.176 0.309 0.415 2.919 -3.405 2.194 -2.275 0672 4.879 0.074 0.204 0.366 0.356 2.850 -3.183 2.111 -2.180 在使用較高速檔位行駛的情況下，可使車輛以較低的引擎轉速維持所要的行車速 範 圍 車 號度，可節省燃料[21]。因此，若將一檔以及二檔歸類為低速檔位，三檔以及四檔歸類為 高速檔位，而各檔位使用比例有總和為 1 的關係，即高速檔位與低速檔位之和為 1。當 高速檔位比例高時，低速檔位比例則低，反之亦然。因此可以進一步將各檔位使用比例 簡化為高速檔位比例，以觀察該駕駛員之駕駛行為。簡化後如下表 12： 表 12 6505 路駕駛員行車型態(精簡後) 駕駛員 編號 平均轉 速差 高速檔位 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 0600 5.055 0.760 2.736 -3.195 2.033 -2.015 0480 4.694 0.777 2.715 -3.180 2.021 -2.059 1132 3.857 0.843 2.550 -2.864 1.975 -1.979 0556 4.870 0.803 2.880 -3.047 2.069 -2.109 0263 3.973 0.795 2.538 -3.166 1.926 -1.946 0877 5.113 0.723 2.919 -3.405 2.194 -2.275 0672 4.879 0.723 2.850 -3.183 2.111 -2.180 得到上表 12 之各駕駛員之行車型態後，接著進行正規化，可得到行車型態各項指 標值之 Z 分數，如下表 13 表 13 6505 路駕駛員行車型態(Z 分數) 駕駛員 編號 平均轉 速差 高速檔位 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 0600 0.822 -0.337 -0.035 -0.282 -0.156 0.564 0480 0.116 0.042 -0.170 -0.194 -0.296 0.181 1132 -1.521 1.558 -1.245 1.734 -0.817 0.868 0556 0.462 0.650 0.904 0.619 0.249 -0.245 0263 -1.295 0.463 -1.323 -0.105 -1.368 1.153 0877 0.937 -1.179 1.160 -1.561 1.660 -1.666 0672 0.478 -1.196 0.710 -0.212 0.729 -0.854 得到上表之各駕駛員行車型態 Z 分數後，即可進行 k-means 分群法。本研究採用統 計軟體 SPSS 12.0 版進行行車型態分群，可得到以下之分群結果：
表 14 6505 路駕駛員 k-means 分群法初始集群中心點 集群 1 2 平均轉速差 .937 -1.521 高速檔位比例 -1.179 1.558 平均加速度 1.160 -1.245 平均減速度 -1.561 1.734 平均正衝度 1.660 -.817 平均負衝度 -1.666 .868 表 15 6505 路駕駛員 k-means 分群法最後集群中心點 集群 1 2 平均轉速差 .563 -1.408 高速檔位比例 -.404 1.011 平均加速度 .514 -1.284 平均減速度 -.326 .815 平均正衝度 .437 -1.093 平均負衝度 -.404 1.011 表 16 6505 路駕駛員 k-means 分群法集群成員 觀察值號碼 司機 集群 距離 1 600 1 1.290 2 480 1 1.328 3 1132 2 1.121 4 556 1 1.492 5 263 2 1.121 6 877 1 2.402 7 672 1 .987
表 17 6505 路駕駛員 k-means 分群法集群顯著性檢定 平均數相等的 t 檢定(顯著水準 = 0.05) t 值 顯著性(雙尾) 結果 平均轉速差 7.855 .001 平均數有顯著差異 高速檔位比例 -2.133 .086 平均數無顯著差異 平均加速度 6.777 .002 平均數有顯著差異 平均減速度 -1.498 .194 平均數無顯著差異 平均正衝度 2.508 .054 平均數無顯著差異 平均負衝度 -2.133 .086 平均數無顯著差異 由上表 16 可知，經過 k-means 分群法將 6505 路駕駛員之行車型態進行分群後，最 終可得到集群 1 為 0600、0480、0556、0877 以及 0672，集群 2 為 1132 以及 0263 之結 果。將分群結果與表 12 以及表 13 之數據進行比對，發現集群 2 兩位駕駛員之各項指標 表現，除了高速檔位比例以及平均減速度外，其餘指標均低於集群 1 的所有駕駛員，表 示集群 2 駕駛員之駕駛行為在轉速變化、車速以及加速度的穩定度優於集群 1 的駕駛 員。因此集群 1 相對於集群 2 的駕駛員而言，可視為駕駛行為較差的一群。 將集群 1 與集群 2 之駕駛員行車型態進行 t 檢定後發現，雖然集群 2 之平均轉速差、 平均加速度、平均正衝度、平均負衝度指標均低於集群 1，但是真正具有顯著差異的指 標只有平均轉速差以及平均加速度，表示集群 1 與集群 2 駕駛員行車型態差距最大的是 平均轉速差以及平均加速度。因此客運公司可對集群 1 之司機進行後續之教育訓練，將 改善重點放在降低平均轉速差以及平均加速度上，並定期檢視其後續指標績效表現，以 收改正不良駕駛行為之效。
5.3
6541 路線測試分析
路線測試分析
路線測試分析
路線測試分析
在本研究蒐集的資料中，與 6505 路線使用相同車型的主要營運路線尚有 6541 路以 及 6555 路。然而，由於本研究可蒐集的數位式行車記錄器資料中，6555 路的部份遺漏 甚多，資料量不足以進行分析，因此本研究僅進行 6505 路以及 6541 路駕駛員之駕駛行 為。 同路線 6505，經過圖 6 之流程後，可得到 0300、0309、0756、0307 及 0725 等五位 駕駛員之行車型態如下：表 18 6541 路駕駛員行車型態 駕駛員 編號 平均轉 速差 一檔 比例 二檔 比例 三檔 比例 四檔 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 300 4.634 0.113 0.202 0.368 0.317 2.532 -2.836 1.964 -1.994 309 5.038 0.108 0.193 0.405 0.294 2.626 -3.347 2.044 -2.148 756 4.782 0.091 0.185 0.420 0.304 2.667 -3.202 2.001 -2.058 307 5.090 0.108 0.164 0.379 0.349 2.658 -3.328 1.959 -2.021 725 5.059 0.120 0.218 0.333 0.329 2.554 -3.271 1.969 -2.101 進一步將各檔位使用比例簡化為高速檔位比例，即三檔檔位比例與四檔檔位比例之 和。簡化後如下表 19： 表 19 6541 路駕駛員行車型態(精簡後) 駕駛員 編號 平均轉 速差 高速檔位 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 0300 4.634 0.685 2.532 -2.836 1.964 -1.994 0309 5.038 0.699 2.626 -3.347 2.044 -2.148 0756 4.782 0.725 2.667 -3.202 2.001 -2.058 0307 5.090 0.728 2.658 -3.328 1.959 -2.021 0725 5.059 0.662 2.554 -3.271 1.969 -2.101 得到上表 19 之各駕駛員之行車型態後，接著進行正規化，可得到行車型態各項指 標值之 Z 分數，如下表 20： 表 20 6541 路駕駛員行車型態(Z 分數) 駕駛員 編號 平均轉 速差 高速檔位 比例 平均加 速度 平均減 速度 平均正 衝度 平均負 衝度 0300 -1.418 -0.531 -1.230 1.722 -0.658 1.137 0309 0.582 -0.029 0.295 -0.717 1.585 -1.353 0756 -0.689 0.907 0.977 -0.025 0.389 0.106 0307 0.840 1.017 0.829 -0.627 -0.792 0.711 0725 0.685 -1.364 -0.871 -0.353 -0.524 -0.600 得到上表之各駕駛員行車型態 Z 分數後，即可進行 k-means 分群法。分群結果如下：
表 21 6541 路駕駛員 k-means 分群法初始集群中心點 集群 1 2 平均轉速差 -1.418 .582 高速檔位比例 -.531 -.029 平均加速度 -1.230 .295 平均減速度 1.722 -.717 平均正衝度 -.658 1.585 平均負衝度 1.137 -1.353 表 22 6541 路駕駛員 k-means 分群法最後集群中心點 集群 1 2 平均轉速差 -1.418 .355 高速檔位比例 -.531 .133 平均加速度 -1.230 .308 平均減速度 1.722 -.431 平均正衝度 -.658 .164 平均負衝度 1.137 -.284 表 23 6541 路駕駛員 k-means 分群法集群成員 觀察值號碼 司機 集群 距離 1 300 1 .000 2 309 2 1.822 3 756 2 1.582 4 307 2 1.798 5 725 2 2.078
表 24 6541 路駕駛員 k-means 分群法集群顯著性檢定 平均數相等的 t 檢定(顯著水準 = 0.05) t 值 顯著性(雙尾) 結果 平均轉速差 -2.253 .110 平均數無顯著差異 高速檔位比例 -.538 .628 平均數無顯著差異 平均加速度 -1.640 .200 平均數無顯著差異 平均減速度 6.180 .009 平均數有顯著差異 平均正衝度 -.685 .542 平均數無顯著差異 平均負衝度 1.426 .249 平均數無顯著差異 經過 k-means 分群法將 6541 路駕駛員之行車型態進行分群後，最終可得到集群 1 為 0300，集群 2 為 0309、0756、0307 以及 0725 之結果。將分群結果與表 19 以及表 20 之數據進行比對，發現集群 1 駕駛員之各項指標表現，除了高速檔位比例以及平均正衝 度外，均優於集群 2 的駕駛員。因此，集群 2 相對於集群 1 的駕駛員而言，可視為駕駛 行為較差的一群。 將集群 1 與集群 2 之駕駛員行車型態進行 t 檢定後發現，雖然集群 2 之平均轉速差、 平均加速度、平均減速度、平均負衝度指標均低於集群 1，但是真正具有顯著差異的指 標只有平均減速度，表示集群 1 與集群 2 駕駛員行車型態差距最大的是平均減速度。客 運公司可對集群 2 之司機進行後續之教育訓練，將改善重點著重於平均減速度，並定期 檢視其後續指標績效表現，以收改正不良駕駛行為之效。
5.4
小結
小結
小結
小結
實例驗證是以客運 6505 路(台中-東勢)、6541 路(卓蘭-台中)等兩條營運路線進行分 析。經過 SPSS 12.0 版進行駕駛員行車型態分群，可得到 6505 路編號 0600、0480、0556、 0877、0672 等五位駕駛，以及 6541 路編號 0309、0756、0307 以及 0725 等四位駕駛之 行車型態較差之分群結果。 透過該客運實地訪談，該客運公司管理階層指出，6505 路線駕駛行為表現較差者為 0600、0556 以及 0877 等三位。6541 路線駕駛行為表現較差者為 0309、0725 兩位，與 本研究提出之方法所得之結果雖然無法完全符合，仍可證明本研究之方法可有效分辨出 駕駛行為較差之駕駛員。 將 6505 路以及 6541 路駕駛員分群之結果進行顯著性檢定，發現 6505 路兩集群之 平均轉速差以及平均加速度有顯著差異，6541 路兩集群則是平均減速度有顯著差異。客 運公司管理階層可依此作為未來改善重點，改正駕駛員之不良駕駛行為。第六章
第六章
第六章
第六章
相關參數敏感度
相關參數敏感度
相關參數敏感度
相關參數敏感度分析
分析
分析
分析
本研究於 4.1 小節介紹如何將車速與轉速資料進行分類，其中判斷車輛是否進行換 檔的主要依據為 R_diff 值。因此，R_diff 值之大小對於車輛檔位的判斷有著非常關鍵的 影響，造成使用檔位比例的分佈有所變動，進而使最終駕駛員分群結果產生變化。本章 即是探討將 R_diff 值改變的情況下，高速檔位比例的分佈情況以及駕駛員分群結果是否 有所不同。另外，為瞭解分群法初始群集之選取是否會影響最後分群結果，6.3 節亦對 分群法之初始中心進行敏感度分析。6.1
6505 路線測試分析
路線測試分析
路線測試分析
路線測試分析
根據 4.2 小節，本研究所預設之 R_diff 門檻值為 0.04，因此本章節之測試以 0.01 為 單位進行。當 R_diff 增大時，將會使得部份靠近門檻值的換檔點被判定為行駛檔位點， 假設 A 點為原本換檔點的情況下，其轉速資料與前後相鄰資料點之轉速資料差距較大， 若是將 A 點納入行駛檔位點，則原本不被計算的轉速差將會納入平均轉速差的計算範圍 內，造成平均轉速差上升的現象。 再者，正常情況下，車輛起步行駛所使用的檔位是以一檔起步。隨著 R_diff 增大， 將會使得一檔檔位的使用比例逐步增加，二、三、四檔位的使用比例逐漸減少，連帶影 響高速檔位使用的比例。因此隨著平均轉速差以及高速檔位使用比例產生變化，最後的 分群結果也會有所改變。 測試過程中，由於車速類指標不受 R_diff 值變動影響，其值不變，在此不予列出。 測試結果如下表 22 至表 28 所示： (1) 駕駛員 0600 表 25 駕駛員 0600 轉速類指標與分群結果 R_diff 平均轉 速差 高速檔 位比例 一檔使 用比例 二檔使 用比例 三檔使 用比例 四檔使 用比例 同集群成員 0.01 5.682 0.713 0.099 0.189 0.368 0.345 0480, 1132, 0263 0.02 5.136 0.758 0.088 0.154 0.315 0.442 0480, 0556, 0877, 0672 0.03 5.076 0.761 0.090 0.149 0.306 0.455 0480, 0556, 0877, 0672 0.05 5.077 0.759 0.094 0.147 0.298 0.461 0480, 0556, 0877, 0672 0.12 5.580 0.745 0.177 0.078 0.302 0.442 0480, 0556, 0877, 0672 0.13 5.687 0.741 0.204 0.055 0.301 0.440 0877, 0672(2) 駕駛員 0480 表 26 駕駛員 0480 轉速類指標與分群結果 R_diff 平均轉 速差 高速檔 位比例 一檔使 用比例 二檔使 用比例 三檔使 用比例 四檔使 用比例 同集群成員 0.01 5.159 0.737 0.080 0.182 0.375 0.363 0600, 1132, 0263 0.02 4.777 0.776 0.073 0.150 0.318 0.458 0600, 0556, 0877, 0672 0.03 4.716 0.778 0.076 0.146 0.308 0.470 0600, 0556, 0877, 0672 0.05 4.724 0.773 0.080 0.147 0.298 0.475 0600, 0556, 0877, 0672 0.12 5.269 0.770 0.152 0.078 0.297 0.473 0600, 0556, 0877, 0672 0.13 5.380 0.768 0.169 0.065 0.295 0.473 1132, 0556, 0263 (3) 駕駛員 1132 表 27 駕駛員 1132 轉速類指標與分群結果 R_diff 平均轉 速差 高速檔 位比例 一檔使 用比例 二檔使 用比例 三檔使 用比例 四檔使 用比例 同集群成員 0.01 4.242 0.827 0.045 0.128 0.446 0.381 0600, 0480, 0263 0.02 3.917 0.848 0.041 0.112 0.383 0.464 0263 0.03 3.862 0.846 0.043 0.111 0.373 0.473 0263 0.05 3.872 0.839 0.047 0.114 0.361 0.478 0263 0.12 4.295 0.828 0.113 0.060 0.348 0.480 0263 0.13 4.348 0.826 0.123 0.051 0.340 0.487 0480, 0556,0263
(4) 駕駛員 0556 表 28 駕駛員 0556 轉速類指標與分群結果 R_diff 平均轉 速差 高速檔 位比例 一檔使 用比例 二檔使 用比例 三檔使 用比例 四檔使 用比例 同集群成員 0.01 5.961 0.744 0.109 0.147 0.266 0.478 0877, 0672 0.02 5.144 0.798 0.090 0.112 0.228 0.570 0600, 0480, 0877, 0672 0.03 4.990 0.801 0.091 0.108 0.226 0.575 0600, 0480, 0877, 0672 0.05 4.863 0.800 0.091 0.109 0.219 0.581 0600, 0480, 0877, 0672 0.12 5.393 0.795 0.151 0.054 0.221 0.574 0600, 0480, 0877, 0672 0.13 5.503 0.790 0.165 0.045 0.215 0.575 0480, 1132, 0263 (5) 駕駛員 0263 表 29 駕駛員 0263 轉速類指標與分群結果 R_diff 平均轉 速差 高速檔 位比例 一檔使 用比例 二檔使 用比例 三檔使 用比例 四檔使 用比例 同集群成員 0.01 4.137 0.777 0.065 0.157 0.442 0.335 0600, 0480, 1132 0.02 3.956 0.801 0.063 0.136 0.384 0.417 1132 0.03 3.987 0.798 0.068 0.135 0.377 0.421 1132 0.05 3.999 0.791 0.074 0.135 0.362 0.429 1132 0.12 4.366 0.800 0.091 0.109 0.354 0.446 1132 0.13 4.451 0.807 0.101 0.092 0.355 0.452 0480, 1132, 0556
![圖 3 行駛檔位點分佈圖 由於車輛的引擎轉速與車輛油耗息息相關，且駕駛行為對於引擎轉速會有相當大的 影響，因此本研究提出以下轉速相關指標將司機駕駛行為予以量化，並與車速類指標相 互比較，期能找出之間的關連性。 (1)使用檔位比例：車輛行駛一段時間後，車速會逐漸提高，駕駛員可進行換檔。在 高速檔行駛的情況下，可使車輛以較低的引擎轉速維持所要的行車速度，可節省燃料， 減少引擎磨損[21]。因此，可推論得車輛使用各檔位的比例會影響油料的消耗。 如圖 3 所示，行駛檔位點分佈構成四個區段，即車輛行駛時所使用的](https://thumb-ap.123doks.com/thumbv2/9libinfo/8118861.165814/21.892.173.763.115.503/由於車輛出之間使車輛以較低引擎轉速維持所要行車速度可節用的.webp)
