以車流模型為基礎之交通動態預測技術平台開發---子計畫三：微觀動態車流模型開發與驗證(II)

行政院國家科學委員會專題研究計畫 成果報告

子計畫三：微觀動態車流模型開發與驗證(II)

計畫類別： 整合型計畫 計畫編號： NSC94-2218-E-009-017- 執行期間： 94 年 08 月 01 日至 95 年 07 月 31 日 執行單位： 國立交通大學運輸科技與管理學系(所) 計畫主持人： 吳水威 計畫參與人員： 王郁凱、沈彥宏、張維翰 報告類型： 精簡報告 處理方式： 本計畫可公開查詢

中 華 民 國 95 年 7 月 18 日

行政院國家科學委員會專題研究計畫成果報告

子計畫三：微觀動態車流模型開發與驗證(II)

Development and Validation of Micro-Dynamic Traffic Flow Models(II)

計畫編號：NSC94－2218－E009－017

執行期限：94 年 8 月 1 日至 95 年 7 月 31 日

主持人：吳水威 國立交通大學運輸科技與管理學系

計畫參與人員:

王郁凱、沈彥宏、張維翰

國立交通大學運輸科技與管理學系

摘要 智 慧 型 運 輸 系 統 （ Intelligent Transportation Systems, ITS）乃為當前 世 界 各 國 對 改 善 交 通 問 題 之 有 效 措 施。ITS 發展影響所及非常廣，其中微 觀車流模式開發後有助於建立即時控 制策略，而跟車行為及變換車道行為 是微觀車流模式重要部份之一。本研 究基於跟車理論、微觀車流理論、運 動學原理、模糊理論、行為門檻等理 論基礎與文獻評析法、攝影調查法、 統計分析法、類神經網路、適應性類 神經模糊推論系統、遺傳式模糊推論 系統及模式參數校估法等研究方法， 構建郊區路段微觀車流模式(含快車道 與混合車道)與機車專用車道車流模 式。 跟車模式係利用攝影調查法與實 車測試法蒐集車輛之跟車行為，依車 種與車輛區位劃分型態，初步研析郊 區公路與機車專用車道車流特性、道 路幾何特性，以及駕駛行為等，以構 建郊區微觀車流跟車模式(含快車道與 混合車道)與機車專用道之機車車輛跟 車模式。變換車道模式則依車種及與 考量目標車道之狀況區分型態，進而 分別構建郊區快車道與混合車道變換 車道之行為準則與偏向角模式。本研 究所構建國內車流特性之交通車流模 式，其研究成果將可提供予智慧型運 輸系統，作為郊區路段混合車流號誌 控制與車流管理之應用。 ABSTRACT

The intelligent transportation system(ITS) is the countries all over the world to improving the problem effective measure of the traffic at present. ITS development is influenced very widely in one's power. The traffic flow model can be as the traffic administrator's decision and analysis tools and can offer the service of the traffic road conditions information immediately. Hence, the microscopic traffic flow model is importance of intelligent transportation system to contribute to setting up instant control strategy. The car following and lane changing are one of the important parts of microscopic traffic flow model.

This study is based on car-following theory, microscopic traffic

flow theory, kinematic theorems, fuzzy theory, and behavioral threshold model. Statistic analysis, neural networks, adaptive neuro-fuzzy inference systems, genetic fuzzy inference system was employed to analyze traffic flow. The data of car-following was collected by the video camera recorder and car following experiment method. Car-following models were built to simulate various flow conditions. Flow characteristic of traffic flow, road geometry and drivers’ behavior was analyzed. Separate models with adaptive neuro-fuzzy inference systems and genetic fuzzy inference system were constructed. Lane-changing behavior models were also calibrated to reflect different flow combinations. This study focus on rural highways and motorcycle exclusive lanes. The results of this study can be applied for ITS-oriented signal control and traffic management.

一、緒論 郊區公路為台灣地區主要道路系 統，所佔比例為各型公路之冠，且由 於郊區公路有不同形式車道、坡度、 線型等，駕駛行為之特性較為複雜， 因 此 對 於 郊 區 公 路 之 車 流 特 性 之 瞭 解，實乃所需之課題。此外，國內一 般道路上常常會見到汽機車於車流中 產生相互干擾及衝突的情形，因而影 響到整體道路容量、車流順暢與行車 安全性，使得機車成為台灣都市最嚴 重的交通問題。本研究於郊區快車道 跟車模式中，將以實車測試方式，分 別測得駕駛人冒險度，進行冒險度分 類，而依據不同冒險度構建郊區公路 GM 跟車門檻。變換車道藉由錄影觀察 方式，分析目前台灣郊區公路之車流 特性及駕駛者行為。郊區混合車流將 對我國郊區路段混合車流進行探討與 特性分析，並分別構建符合國內郊區 混 合 車 流 之 跟 車 模 式 與 變 換 車 道 模 式。機車專用道機車跟車模式係應用 模糊邏輯推論結合類神經網路與遺傳 演算法等二種人工智慧方式進行模式 構建；超車偏向角模式則係透過超車 偏向角的特性分析，而後利用統計迴 歸方程式的方式來建立模式。因此， 本研究結果將可提供改善交通工程與 設計的參考依據，以作為所需交通管 理車流研究的基礎。 二、文獻回顧 早期國內研究車流行為多延用國 外 純 小 汽 車 車 流 行 為 作 為 模 式 之 基 礎，而從五、六零年代開始，國內開 始發展符合台灣實際狀況之混合車流 模式，提供交通工程與交通設施設計 之應用。 跟車與變換車道行為方面，李樑 堅(1992)以動態安全間距反推動態加 減速率，建立機汽車混流推進理念。 何 佳 娟(2001) 區 分 當 前 車 為 不 同 車 種，並提出機車跟車時因前方車種之 不同而有所不同之動態縱向間距方程 式。汽機車特性方面，陳世泉(1992) 以個別機車車輛為研究觀點，著重機 車在混合車流中之互動決策行為，分 別將其推進邏輯模式化。在機車車流 模式方面，張瓊文與藍武王(2001)利用 逐步迴歸建立機車行駛速率及其影響 因素之關係式，來描述快慢分隔道路 段上機車行進行為。張瓊文(2004)構建 混合車流中機車 GM 及適應性類神經 模糊推論系統之跟車模式，並藉由細 胞自動機(CA)法則來描述車輛在離散 的時空環境中之車輛間互動行為。卓 訓榮與吳育婷(2005)納入橫向間距變

數，修正汽車跟車速度之數學模式， 提出微觀機車車流模式，其可用於描 述機車縱向與橫向推進行為，並透過 模擬方式測試其模式之可行性。 三、理論基礎與研究方法 本研究之理論基礎包括有跟車理 論、變換車道理論、模糊理論、微觀 車流理論與運動學原理。研究方法係 以文獻評析法、統計迴歸分析、攝影 調查法、適應性類神經模糊推論系統 與遺傳式模糊推論系統。本研究將採 上述之理論基礎與研究方法，用以構 建郊區車流與機車專用道機車之車流 模式。 四、車流資料調查蒐集與型態分析

本研究錄影觀察作業後分析架構 如圖4.1 所示，分析其變換車道偏向角 及加速度特性。 圖4.1 變換車道特性分析架構圖 混合車流跟車行為型態I~VI 如圖 4.2 所示。 圖4.2 跟車型態 I~VI 混合車流變換車道型態I~V 如圖 4.3。 圖4.3 變換車道型態 I~V 本研究藉由觀察實際車流影像資 料，將機車專用車道直線路段上的機 車行駛型態予以分類，就本車與鄰車 之相對位置為考量可分為五種情形， 如圖4.4。 圖4.4 機車五種行駛型態圖 五、郊區公路快車道 GM 跟車模式門 檻及變換車道模式之構建與驗證 5.1 郊區公路路段 GM 跟車模式門檻 本研究將受測者分為相對不具冒 險性及相對具有冒險性二種，使用線 性迴歸方法建立GM跟車模式門檻，結 果下式： (1) 相對不具冒險性 GM 模式門檻： r s V D =33.93+2.1 (R2=0.26) s D ：駕駛者GM跟車門檻值(公尺) r V ：相對車速(公尺/秒) (2) 相對具冒險性 GM 模式門檻： r s V D =23.89+1.62 (R2=0.14) s D ：駕駛者GM跟車門檻值(公尺) r V ：相對車速(公尺/秒)

5.2 變換車道模式構建 5.2.1 變換車道偏向角模式 表5.1 GM 跟車門檻值 a. 前方車種為小型車之偏向角模式 (1) 目標車道僅有前車與目標車道前 後均有車偏向角模式 VA XA XC ) 0.437 ( 103 . 0 353 . 12 − − − = θ （R2=0.656） (2) 目標車道僅有後車偏向角模式 VA 581 . 0 421 . 13 − = θ （R2=0.441） b. 前方車種為大型車之偏向角模式 (1) 目標車道僅有前車偏向角模式 ) ( 114 . 0 ) ( 204 . 0 575 . 13 − XC−XA − XB−XA = θ （R2=0.752） (2) 目標車道僅有後車偏向角模式 VA 043 . 1 772 . 19 − = θ （R2=0.568） (3) 目標車道前後均有車偏向角模式 VA XA XD ) 0.254 ( 18 . 0 186 . 7 − − − = θ （R2=0.684） 5.2.2 變換車道加速度模式 (1) 目標車道僅有前車加速度模式（無 目標車道後車） 經由變換車道特性分析，加速度 會受到本車車速、與目標車道前車相 對縱向距離所影響。因而縱向加速度 模式如下：

(

)

[

]

( )

( )

[

0

( )

0

]

0 0 0 0 ) ( ) ( V t V t t X t X t t V t t a X A C A C C x A ₋ − Δ + = Δ + α 藉由向量之分解： X A A a a ⋅cosθ = 故其目標車道僅有前車加速度為： ( ) [ ] ( ) ( ) [ ]

[

0 ( )0

]

0 0 0 0 0 ( ) cos cos ) ( ) ( V t V t t X t X t t V t t a t t a X A C A C C x A − − Δ + = Δ + = Δ + θ α θ 而駕駛人在變換車道時，會因為 前方車種的不同，因而會有不同的駕 駛人敏感度，故建構前方車種為小型 車時，其敏感度參數α 修正成為αc， 而前方車種為大型車時，修正為αb。 (2) 僅有目標車道後車之變換車道加 速度模式(無目標車道前車)： 由加速度特性得知，車輛在變換 車道時，會考慮目標車道後車與本車 之間的相對距離及本車速度。經由加 速度特性分析後，在距離越近的情況 下，其加速度則越快，並且相對距離 越遠，則刺激越小，故本研究構建在 僅有目標車道後車(無目標車道前車) 情況下變換車道加速度模式如下式： ( ) [ ] ( ) ( ) [ ] [ 0 ( )0] 0 0 0 0 0 0 _cos ( ) ) ( cos ) ( ) ( V t V t t X t X t t t a t V t t a t t a D X A D A x A X A x A A ₋ − Δ ⋅ Δ + + = Δ + = Δ + θ α θ 本 研 究 引 用 徐 立 新 所 加 入 之 參 數，將上增加參數λ，做為駕駛者對於 目標車道後車車速之感受調整因子， 因 此 駕 駛 者 變 換 車 道 加 速 度 修 正 如 下： a. 若V ( )t₀ − •λ V tD( )₀ ≤ Ｘ Ａ ０， ( )

[

]

( ) ( ) [ ]

[

0 ( )0

]

0 0 0 0 0 ( ) cos ) ( ) ( V t V t t X t X t t t a t V t t a D X A D A x A X A A ₋ − ⋅ Δ ⋅ Δ + + − = Δ + λ θ α b. 當V_ＡＸ( )t₀ − •λ V t_D( )₀ >０，則不考 慮目標車後車的影響。與(1)相同部 份，前方車種為小型車時，將駕駛人 敏感度修正為αc，前方車種為大型車 時，修正為αb。 (3) 有目標車道前、後車之加速度模式 在有目標車道前、後車之加速度模 式：當在有目標車道前、後車時，以 往文獻變換車道加速度特性，區分於 兩段加速度進行探討。故本研究將一 起考量，分為兩段加速度分別進行考 量，其中前段加速度受到後車相對距 離所影響，若： 0 0 ( ) D( ) VＡＸt − •λ V t ＞０：則表示本車不受目標 車道後車影響，加速度僅受目標車道

前車影響，加速度模式與僅有目標車 道前車加速度模式相同。 0 0 ( ) D( ) V_ＡＸ t − •λ V t ≤０，則前段加速度，如 下式： ( )

[

]

( ) ( ) [ ]

[

0 ( )0

]

0 0 0 0 0 1 ( ) cos ) ( ) ( V t V t t X t X t t t a t V t t a D X A D A x A X A A ₋ − ⋅ Δ ⋅ Δ + + − = Δ + λ θ α 後段加速度，如下式： ( ) [ ] ( ) ( ) [ ][ 1 ( )1] 1 1 1 1 1 2 ( ) cos cos ) ( ) ( V t V t t X t X t t V t t a t t a X A C A C C x A A ₋ − ′ Δ + = Δ + = ′ Δ + θ α θ 其中，a_A1：本車前段加速度 2 A a ：本車後段加速度 t0：本車開始變換車道之時間 t ：本車開始後段加速度之變₁ 換車道時間，t₁=t₀+Δt 與(1)相同部份，將駕駛人敏感度 修正為前方車種為小型車時，其敏感 度參數α 修正成為αc，而前方車種為 大型車時，修正為αb。 5.3 變換車道加速度模式參數校估 a. 敏感度αc及αb參數校估 本研究以最小平方法合併校估參 數α ，其校估之結果為 c α =0.367(t=6.52,p=0.00)， b α =1.854(t=6.299, p=0.00) 目標車道後車速度調整因子λ，帶 入其結果得到為λ 0.624。 = 5.4 變換車道模式驗證 5.4.1 本車前方為小型車之變換車道 行為模式驗證 本研究另外取出僅有目標車道前 車30 筆樣本、僅有目標車道後車及目 標車道前後均有車三種情況各15 筆變 換車道樣本，以做為驗證模式之用。 1. 僅有目標車道前車之變換車道模式 驗證：驗證結果顯示模式值與實際值 差 異 性 並 不 太 大 。 利 用 統 計 檢 定 方 法，其檢定結果模式預測值與實際值 亦無顯著差異。 2. 僅有目標車道後車之變換車道模式 驗證：驗證結果顯示模式值與實際值 差 異 性 並 不 太 大 。 利 用 統 計 檢 定 方 法，其檢定結果模式預測值與實際值 亦無顯著差異。 3.目標車道前後均有車之變換車道模 式驗證： (1) 前段加速度模式驗證 在偏向角模式之平均誤差百分比 為7.87%，而前段加速度平均誤差則為 36.99%，然而，有約 33%之樣本誤差 大幅超過平均值，顯示其模式與實際 值具有顯著的差異。 (2) 後段加速度模式驗證 驗證結果顯示模式值與實際值差 異性並不太大。利用統計檢定方法， 其檢定結果模式預測值與實際值亦無 顯著差異。 (3) 模式檢定： 本研究利用統計檢定方法，來檢 定模式所得之值與實際值差異性是否 顯著。統計檢定可得知，在顯著水準 0.05 下，偏向角模式、前段加速度模 式以及後段加速度模式皆與實際值差 異不明顯。但前段加速度雖經檢定並 不 顯 著 ， 然 而 實 際 值 誤 差 百 分 比 較 大，故在前段加速度方面有顯著差異。 5.4.2 本車前方為大型車之變換車道行 為模式驗證 1. 前方為大型車僅有目標車道前車之 變換車道模式驗證：驗證結果顯示模 式值與實際值差異性並不太大。利用 統計檢定方法，其檢定結果模式預測 值與實際值亦無顯著差異。 2.僅有目標車道後車之變換車道模式 驗證：驗證結果顯示模式值與實際值 差 異 性 並 不 太 大 。 利 用 統 計 檢 定 方 法，其檢定結果亦無顯著差異。

3 目標車道前、後均有車之變換車道 模式驗證 (1) 前段加速度模式驗證 在前方為大型車之偏向角與加速 度驗證方面，此前段加速度模式值與 實際值有較顯著之差異。 (2) 後段加速度模式驗證：驗證結果 顯示模式值與實際值差異性並不太 大。利用統計檢定方法，其檢定結果 模式預測值與實際值亦無顯著差異。 (3) 模式檢定：驗證結果顯示模式值 與實際值差異性並不太大。利用統計 檢定方法，其檢定結果模式預測值與 實際值亦無顯著差異。然而經由差異 百分比可知，其前段加速度與實際值 具有顯著之差異。 六、郊區微觀混合車流模式 6.1 郊區混合車流跟車模式架構 本研究係將錄影調查之混合車流 資料，進行跟車行為特性之研析，以 統計分析法篩選影響跟車行為之顯著 變數，再將蒐集而得之樣本數據，作 為ANFIS 之模式訓練與驗證資料。 6.2 郊區混合車流適應性模糊類神經模 式構建 應用 ANFIS 構建郊區混合車流模 式流程，主要分為輸入變數之篩選、 模糊語意設定與訂定模糊化介面、構 建模糊推論系統、確立解模糊化介 面、網路訓練測試與輸出模式等步驟。 6.2.1 輸入變數篩選分析 經研究得知將不同型態之跟車變 數經過統計分析，汽機跟車型態與本 車汽車加速度有顯著關係為本車車 速、相對速度與相對縱向距離。機汽 跟車型態與本車機車加速度有顯著關 係為相對速度與相對縱向距離。 6.2.2 語意變數模糊化 本研究將語意變數分為三個術語 與五個術語之等級，分別將輸出變數 與輸入變數進行語意模糊化，作為混 合車流模式構建之模糊模推論規則。 6.2.3 模糊化介面隸屬函數 本研究模糊化介面隸屬函數將以 常用隸屬函數：三角形、梯形、鐘型 高斯型作為變數模糊化之介面，在語 言變數都分為三個與五個等級語意。 6.2.4 模糊邏輯規則推論系統

本研究經分析得出汽機車跟車型 態輸入變數為相對距離、相對速度與 本車車速，機汽跟車型態輸入變數為 相對距離與相對速度，即模糊規則IF 前提部分分為三個變數與兩個變數， 再與不同語意等級結合而成多組模糊 邏輯規則，THEN 結論部分則為輸出變 數加速度。 6.3 混合車流跟車模式結果與驗證 6.3.1 模式學習訓練結果 分別對各類型的不同網路模式進 行訓練，得出最佳網路訓練組合如跟 車型態I 至跟車行態 VI 於不同訓練組 合下之RMSE，如表 6.1 與表 6.2 所示。 表6.1 機汽跟車行為網路訓練組合 6.3.2 模式驗證 1.本車為汽車前方為機車之跟車模式 在 30 筆驗證樣本中，透過統計 t 檢定，在95%信賴區間下，檢定結果 為t=1.652，df=29，p=0.109(P>0.05)， 檢定結果顯示為不顯著，表示模式與 實際沒有顯著之差異性。 表6.2 汽機跟車行為網路訓練組合

2.本車為機車前方為汽車之跟車模式 在 30 筆驗證樣本中，透過統計 t 檢定，在信心水準95%下，檢定結果 為t=0.427，df=29，p=0.672(P>0.05)， 檢定結果為不顯著，表示模式加速度 與實際加速度並沒有顯著之差異性。 6.4 郊區混合車流變換車道模式 6.4.1 變換車道決策架構 圖 6.1 變換車道決策架構圖 6.4.2 變換車道偏向角模式 表6.3 變換車道偏向角模式 6.4.3 變換車道偏向角模式驗證 利用多元迴歸所構建的變換車道偏向 角模式，顯示目標車道無鄰前鄰後 車、目標車道僅有鄰前車與機車變換 行向型態，其偏向角主要受到本車車 速的影響；目標車道僅有鄰後車型 態，偏向角主要受到本車與鄰後車相 對距離的影響；目標車道鄰前鄰後車 型態，偏向角主要受到本車車速與本 車與鄰後車相對距離的影響。模式在 顯著水準為0.05 下，經統計 t 檢定結 果除機車偏向角型態(型態 V)外，其於 顯示模式偏向角與實際偏向角並無顯 著之差異性。 七、機車車流模式構建與驗證 7.1 機車跟車模式 7.1.1 GM 跟車模式 本研究針對前述情形 2、3 與 4 等 三種跟車情形為對象，估計 GM 跟車 模式第一代到第五代之參數值，並以 迴 歸 判 定 係 數(R2) 作 為 模 式 評 定 標 準，皆顯示出以 GM 跟車模式無法適 當地反應機車的跟車行為。 7.1.2 跟車影響因素分析 由於 GM 跟車模式無法完整地描 述機車跟車行為，故需針對本研究所 探討之四種跟車情形進行影響因素分 析，以作為其後跟車模式構建之輸入 變數。針對四種跟車情形分別分析所 得之顯著影響因素 7.1.3 機車跟車模式構建 本研究於ANFIS 構建機車跟車模 式使用MATLAB 軟體工具中。遺傳演 算法係以以EXCEL@Risk 軟體工具來 進行遺傳演算法之運算部分。模式訓 練結果比較如表7.1。 7.1.4. ANFIS 跟車模式驗證 經由前述比較分析，以 ANFIS 所 建構機車跟車模式為最佳模式，另以

外30 筆車流數據進行跟車模式驗證， 表7.1 兩模式訓練結果比較表 針對三種跟車模式(正前方一機車、斜 前方一機車與前方二機車)，在顯著水 準α=0.05 之下，檢定跟車模式預測值 與實際值之差異性是否為顯著，均通 過假設檢定，證明本模式具有代表性。 7.2 機車超車模式 7.2.1 超車偏向角模式構建與驗證 7.2.1.1 超車偏向角特性分析 本研究利用攝影調查法蒐集所需 之超車資料，並應用汽車變換車道時 需考量到目標車道鄰前、後車的概 念，進而將機車超車時與鄰車間相對 位置的關係，細分成四種情況。 7.2.1.2 超車偏向角模式之構建 透過偏向角與可能的影響因素進 行相關性分析，得到各項迴歸式如下： (1) 超車方向前後無鄰車： θ ＝－0.387＋1.049DA (R2_{=0.384、F=44.244、p=.000)} 其中，θ：超車偏向角（度） DA：本車距車道緣距離（公尺） (2) 超車方向只有鄰前車： θ＝1.158－0.096VA＋0.986DA (R2_{=0.453、F=16.594、p=.000)} 其中，VA：本車車速（公尺／秒） (3) 超車方向只有鄰後車： θ＝－1.234＋2.055DA (R2_{=0.418、F=21.536、p=.000)} (4) 超車方向前後均有鄰車： θ＝－0.19－0.061VB＋1.68DA (R2_{=0.482、F=13.036、p=.000)} 其中，VＢ：前車車速（公尺／秒） 7.2.1.3 超車偏向角模式之驗證 以下針對本研究建立之超車偏向 角模式進行驗證，各10 筆超車數據進 行驗證之用，在顯著水準α=0.05 下進 行統計檢定，均通過檢設檢定，顯示 超車偏向角模式之預測值與實際值並 無顯著差異，本超車模式具有代表性。 7.2.2 超車準則之建立 本研究透過超車行為影響因素的 統計分析，並利用交通工程速限設計 以第15 與 85 百分位數作為門檻值的 概念，來訂定本研究超車行為準則之 門檻值。因此本研究所建立之機車超 車行為準則如下： 1.前車速度大於本車速度達 0.9 公尺/ 秒以上不易產生超車動機 2.前車與本車縱向間距在 14.7 公尺內 3.前車與本車橫向間距在 0.5 公尺以內 4.前車距車道緣距離至少為 1.2 公尺 5.本車與鄰前後車之縱向間距應大於 其相對速度差 八、結論與建議 8.1 結論 1. 本研究利用實車測試法分析並構 建GM 跟車模式門檻，以改善 GM 跟車模式無法確定跟車影響範圍 之缺失。經過不同分配嘗試，其配 適度亦不高。 2. 經由郊區公路快車道車流特性分 析，並構建偏向角模式，其模式由 驗證顯示平均誤差為6.4%，且與實 際值檢定結果並無顯著差異。 3. 本研究結果得知影響郊區混合車 流汽機車跟車行為之主要決策變 數為相對縱向距離、相對速度與汽 車本車車速，而影響機汽車跟車行 為主要決策變數為相對縱向距離 與相對速度。 4. 在網路訓練後的適應性類神經模 糊推論系統，汽機跟車行為之最佳 組合模式為5*5*5 模糊推論規則、 鐘形隸屬函數之線性 Sugeno 模

式，其 RMSE 為 0.069，驗證樣本 平均絕對誤差百分比為 15.472%， 模式在顯著水準為0.05 下，經檢定 結果表示模式加速度與實際加速 度並沒有顯著之差異性，證明模式 仍具有代表性。機汽跟車行為之最 佳組合模式為 5*5*5 模糊推論規 則、高斯形隸屬函數之線性Sugeno 模式，其 RMSE 為 0.427，驗證樣 本 平 均 絕 對 誤 差 百 分 比 為 25.021%，模式經檢定結果表示模 式加速度與實際加速度並沒有顯 著之差異性。 5. 本研究分析郊區路段混合車流汽 車變換車道之變換動機為本車車 速大於前車車速1.5m/sec 以上、本 車 與 前 車 相 對 距 離 小 於 15.6 公 尺，機車變換行向(本車為機車、前 車為汽車)之變換動機為本車車速 大於前車車速1.1m/sec 以上、本車 與前車相對距離小於14.1 公尺。 6. 機車在前方僅有一輛機車的跟車 情形下，跟車加速度的顯著影響因 素為前車加速度、相對速度與縱向 間距等三項；在前方有二輛機車跟 車情形下，則為前車速度與本車速 度兩項。當前方有二輛機車時，該 模式之預測能力較差。 7. 本研究應用 ANFIS 與 GFIS 等兩種 研 究 方 法 分 別 構 建 機 車 跟 車 模 式，結果發現以ANFIS 所建構的跟 車模式之訓練結果較佳；此外，針 對 ANFIS 所構建之三種跟車模 式，在顯著水準0.05 下，假設檢定 結果證實該模式具有代表性，能夠 反應真實的機車跟車行為。 8. 本研究建立四種機車超車偏向角 迴歸模式，其中以本車距車道緣距 離為各模式之主要影響因素。各模 式之判定係數(R2)僅介於 0.3~0.5， 表示本研究所構建偏向角模式之 解釋能力尚嫌不足。 9. 在機車超車準則方面，本研究係透 過實際車流數據進行統計分析，進 而建立超車行為準則及其門檻值。 8.2 建議 1. 建議未來研究可增加實車測試與 攝影調查的樣本數，並且增大抽樣 範圍，以增加樣本的可信度。 2. 駕駛人的駕駛行為對於相對速度 或相對距離的感受具有若干模糊 性，因此建議未來研究可結合模糊 理論，構建變換車道行為模式。 3. 建議後續研究可考慮更多的不同 類型之混合車流型態，發展更完整 之混合車流ANFIS模式。 4. 本研究於變換車道偏向角採多元 迴歸構建，R2均小於0.5，建請未來 可嘗試其他不同研究方法構建變 換車道偏向角模式以提升預測率。 5. 建議未來可針對不同地點與不同 車道寬度之機車專用車道進行比 較分析，以驗證本車流模式之代表 性與實用性。 九、計畫成果自評 本研究先構建與驗證郊區公路微 觀車流模式，跟車模式主要係利用實 車測試法蒐集駕駛者跟車資料，分析 快車道跟車行為特性，構建 GM 跟車 行為門檻模式，了解 GM 跟車模式之 影響範圍，改善GM 跟車模式之缺失。 同時，以攝影調查法蒐集郊區公路快 車道變換車道資料，分析前方不同車 種之變換車道行為特性，以構建變換 車 道 偏 向 角 模 式 與 加 速 度 模 式 。 此 外，亦利用ANFIS 來構建混合車流之

跟車模式，變換車道模式則是以多元 線性迴歸分析構建變換車道偏向角模 式，並建立變換車道決策模式。在機 車專用車道方面，則構建機車之跟車 模式與超車模式及決策準則，且透過 統 計 驗 證 模 式 具 有 代 表 性 。 由 此 可 知，本研究之理論基礎與研究方法係 屬可行。再者，本研究計畫已符合計 畫研究內容與預期目標，研究結果可 應用於國內郊區公路及機車專用道之 智慧型運輸系統中，以及控制與管理 所需之微觀車流模式。

參考文獻

1. 徐立新，「考量跟車及變換車道行 為之高快速道路微觀車流模式研 究」，交通大學運輸科技與管理研 究所，民國九十四年六月。 2. 曹壽民、蘇昭銘，「都市快速道路 下匝道車輛強迫性變換車道之特 性分析」，運輸計劃季刊，第二十 三卷 第一期，1-10 頁，民國八十 三年三月。 3. 陳世泉，「混合車流中機車駕駛行 為之分析」，國立臺灣大學土木工 程學研究所碩士論文，民國八十 二年六月。 4. 葉信宏，「適應性類神經模糊推論 系統於跟車模式之應用」，國立交 通 大 學 交 通 運 輸 研 究 所 碩 士 論 文，民國八十七年。 5. 劉英標，「汽車駕駛人換擋及跟車 間距指示系統之設計研究」，國立 成功大學交通運輸研究所博士論 文，民國八十四六月。 6. 鄧乃晨，「應用分類元方法於微觀 車流系統之模擬─以高速公路多 車道為例」，碩士論文，國立交通 大學運輸科技與管理學系，民國 九十四年。 7. 藍武王、張瓊文，「GM 與 ANFIS 機車跟車模式之比較」，運輸計劃 季刊，Vol.33, No.3, 民國九十三年 九月。 8. 張瓊文，「以模糊推論系統與細胞 自動機方法探討混合車流環境下 機車行進行為」，國立交通大學交 通運輸研究所碩士論文，民國九 十三年六月。 9. 李樑堅，「建立微觀車流模擬模式 以發展交通適應性號誌控制邏輯 之研究」，博士論文，國立成功大 學交通管理(科學)研究所，民國八 十一年。 10. 卓訓榮、吳育婷，「微觀機車車流 模式之建立與模擬」，第五屆機車 安全研討會，民國九十四年六月。 11. Jang,J. S. R, "ANFIS: Adaptive-Network-Based Fuzzy Inference System", IEEE Transactions on Systems, Man, and Cybernetics, 23(3), 1993, pp.665-685.

12. S. Peeta, P. Zhang, W. Zhou, Behavior-based analysis of freeway car-truck interactions and related mitigation strategies, TRB Vol. 39, pp.417-451, 2005.

13. Yoo, H., Green, P., Driver behavior while following cars, trucks, and buses. Project report prepared for University of Michigan

Transportation Research Institute, UMTRI-99-14, Ann Arbor, MI, 1999.