即時交通資訊攫取技術與融合演算(3/3)

(1)

行政院國家科學委員會專題研究計畫成果報告

即時交通資訊攫取技術與融合演算(3/3)

計畫類別：個別型計畫計畫編號： NSC93-2211-E-002-006- 執行期間： 93 年 08 月 01 日至 94 年 07 月 31 日執行單位：國立臺灣大學土木工程學系暨研究所計畫主持人：張堂賢計畫參與人員：黃琳桂黃宏仁許聿廷蔡宜樺等報告類型：完整報告報告附件：出席國際會議研究心得報告及發表論文處理方式：本計畫可公開查詢

中華民國 94 年 7 月 25 日

(2)

■ 成果報告

行政院國家科學委員會補助專題研究計畫

□期中進度報告

即時交通資訊攫取技術與融合演算(III)

Real-Time Traffic Data Acquisitions and Fusion Techniques (III)

計畫類別：■ 個別型計畫 □整合型計畫

計畫編號：NSC93－2211－E002－006

執行期間：九十一年八月一日至九十四年七月三十一日

計畫主持人：張堂賢教授

共同主持人：

計畫參與人員：黃琳桂、許聿廷、賈毓虎、蔡宜樺、黃宏仁等

成果報告類型(依經費核定清單規定繳交)：■完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

■出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究

計畫、列管計畫及下列情形者外，得立即公開查詢

執行單位：國立臺灣大學土木工程學系暨研究所

中華民國九十四年七月二十六日

(3)

摘要

即時之交通資料蒐集為一切運輸智慧化發展的核心與基礎，本研究為達到以點、線交通參數來進一步達到交通預測之目的，分三個單元進行研究。第一單元針對環路線圈式之佈設方式與交通估算參數進行檢討，並研究如何使環路線圈車輛偵測器發揮最大之效用，準確辨識不同車種並作計數。第二單元係運用交通探測車的觀念，利用 GPS 定位系統追蹤其所在道路區位之座標資料，進而轉換為預測道路車輛旅行時間等資料。研究之第三單元將透過主動及被動交通資訊之融合技術，發展出點線資料融合技術於旅次起迄倒推及旅行時間推估模式。本研究經由準確的交通資料蒐集、優質的分析技術與預測邏輯法則，將可有效作為交通改善之應用。本研究第一單元之研究內容回顧環路線圈偵測器原理，並探討目前實務上的應用問題，藉由實際觀察與模式推估的方式，研擬在不同交通資料蒐集目的下，偵測器之佈設方式與於路段中之位置、大小、形狀，並分析探討如何提升資料蒐集之準確率，以滿足交通控制的參數要求。本研究第二單元之目的為將VD 資料與 GPS 資料在經過資料融合後，建立在相同時間間隔的基準點上，建立兩者資料的關聯性，形成關聯式資料庫，提供路段速率資料，以建立本研究第三單元路段旅行時間及動態旅次起迄推估之資料分析基礎。研究內容首先探討VD 資料與 GPS 資料經過資料處理後的資料內容與特性，將資料內容與特性上的差異作一比較，其次針對GPS 資料進行路段速率運算的程序，取得兩者間的一制性，藉由探討即時資料融合的架構與程序，建立路段速率的關聯式資料庫。本研究第三單元為達到先進運輸管理系統之運作，本研究提出一即時交通資訊擷取系統，規劃以計程車車隊支援探測車系統之主體，結合路側

(4)

偵測系統，以對於都市地區路網系統進行廣泛而完整之交通資訊擷取，並研擬系統運作下之資料庫系統設計。根據此一資料系統架構之下，考量資料項目之取得，本研究分別建構「路段旅行時間預測」和「動態旅次 OD 推估」之數學模式，並以廣義最小平方法和推廣卡曼濾波器進行模式之演算，對於路網系統之車流狀態進行預測，藉以支援相關動態交通控制、管理之決策。在模式驗證部分，本研究係透過Paramics 軟體模擬一般化棋盤型路網系統下之交通車流，對路段旅行時間預測模式之預測結果進行分析，研究中主要藉由準確度、強健性和穩定性三個面向評估模式之預測能力。預測結果顯示，經由模式校估之過程並對於來源資料在演算前進行相關處理，可得到優良之預測結果表現。對於動態旅次 OD 推估模式則是同樣根據模擬結果進行一試算流程，將推估所得之旅次 OD 流量反應於路段流量上可得到良好之預測結果，是以評估模式之推估結果為合理根據預測誤差，探討探測車回傳資料之於整體車流之代表性在模式預測準確度之影響，分析結果顯示，在車流中探測車佔有率達到5%以上，本研究所提出之路段旅行時間預測模式即可反應良好之預測能力。

(5)

目錄

第 1 章環路線圈偵測器之佈設方式 1.1 環路線圈偵測器應用特性說明……….4 1.2 實驗設計案例……….8 1.3 測試結果評量……….16 第 2 章交通資訊擷取系統 2.1 交通資訊擷取系統架構……….22 2.2 交通資料分析與處理……….26 2.3 即時資料融合程序……….36 2.4 交通資料庫擷取系統實作……….42 第 3 章市區棋盤型路網環境下動態旅行時間預測與旅次 OD 推估模式之建立 3.1 動態旅行時間預測模式……….51 3.2 動態旅次 OD 推估模式………..56 第 4 章模式驗證與數值分析 4.1 動態路段旅行時間預測模式之校估與驗證……….63 4.2 動態旅次 OD 推估模式之數值演算………79 第 5 章結論與建議 5.1 結論……….86 5.2 建議……….90 參考文獻……….91

(6)

第

1 章環路線圈偵測器之佈設方式

1.1 環路線圈偵測器應用特性說明

環路線圈偵測器整個系統可分成三大部分 (ITE，1991)：控制箱內的電子單元、導入線，及埋在鋪面下之一圈或一圈以上的金屬絕緣線路，系統之示意圖如圖1-1 所示。圖1-1 環路線圈偵測系統示意圖偵測器上的電子單位透過頻率在 10kHz 至 200kHz 內的信號供給環路系統能量 (林豐福等，1996；ITE，1991)。當車輛通過或停留在線圈上時，將降低其電感量，使其送出一脈衝波至控制箱，以示偵得車輛的出現或通過，之後再藉由脈衝波形的不同來辨識經過車輛的種類，同時可利用車輛通過兩組環路線圈的時間差，求得車速或車長。線圈部分的設計有幾種選擇，一為將一圈或一圈以上的金屬線，置入由封膠劑填滿鋪面的切割鋸槽中，另一為在線圈置入鋪面上的切割鋸槽前，先將線圈置入塑膠筒中。環路線圈埋設於車道下，其大小、形狀及幾何佈設方式會隨著使用目的的不同而改變，多介於1.8 m×1.8 m 至 1.8 m×12-21 m 之間。正因其在設計上之彈性，故其在偵測車輛的適用範圍最廣，加上精確度高，是目前應用最廣泛的偵測器，但受道路鋪面施工，或路基移位等影響，該類偵測器常有維護不及之困擾，導致偵測系統功能之喪失。當偵測器成功辨識通過道路上某一點的移動車輛時，會將資料傳送到車輛經過之電流改變環路線圈感應手孔導入線控制箱電子單元處理輸出

(7)

環路線圈來量測車輛通過感測區與否，操作上利用車輛壓過線圈時，因車體引起磁其偵測方式可分為兩種，一為通過 (passage) 偵測，即利用兩個或兩個以上的環路線圈，量測車輛通過感測區的時間，可識別車輛行進的方向與通過數。但當車流可能出現緩慢移動或停等在觸動式號誌化交叉路口的情形時，則可使用出像 (presence) 偵測，利用單一通量變化而輸出不同強度之波形訊號後，計算車輛出現的次數。環路線圈偵測器在設置時，需先校估門檻值，而門檻值的訂定會隨區域性車輛組成的不同有所調整，即路段特性不同，偵測器的應用情形也不盡相同，應針對不同路段特性加以考量。為減少兩台以上的小型車同時壓佔同一偵測器，引起偵測時的誤差，建議將長型偵測器改為連續短線圈，且線圈長度應介於一般底盤長度(1.8 公尺)與低速時車輛所保持的最小間距之間。本研究定義車輛的低速為20km/hr，最小車輛間距則採用實地調查的量測值建議設置於路段的各車道皆埋設兩組偵測器，一組偵測器為單線圈偵測器，設置於停止線前，且與停止線間的距離不應大於平均車輛長度，如此可確保在車隊等候時，只有一台車輛壓佔於線圈之上；另一組偵測器則為雙線圈偵測器，建議放置於路段中之車流自由流區，避免車輛停等於偵測器上的時間過久，如此可收集得到更準確的交通資料。為減少大型車輛對鄰近車道的偵測產生影響，建議可在大型車輛較多的路段改採雙矩形線圈，如此一來中央部分之線圈將與車流方向相同，可增加對小型車輛的偵測能力，且兩側線圈的電流方向與中央方向不同，可能會產生對消現象，減少偵測得鄰近車道車輛的可能性。若採單一線圈計算速率，需預先假設車輛長度，將增加與現實情況間的差距。故當偵測的目的在進行交通控制策略的研擬時，建議採用雙線圈偵測，可較正確量測交通資料。若欲佈設雙線圈偵測器，則在決定線圈長度時，需先將車輛平均長度納入考量。一般車道均以小客車為主，建議線圈長度應以符合小客車底盤長度為最基本的考量。雙線圈偵測器可採用兩個不同長度的線圈，以單一車輛通過兩線圈時不同之時間差，推測目前車流情形，增加交通策略研擬的彈性。兩線圈之間的距離宜小於最小車輛長度，避免有兩部以上車輛同時離開第一個線圈卻未進入第二個線圈。目前市面上最小之車輛長度為2.5 公尺。

(8)

在交通控制應用上，時以車輛長度作為判定大型車或小型車的標準，若能提高車輛長度量測的精確度，將可輔助相關交通措施的訂定。本研究建議用車流量、速率等資料，配合佔有率與密度函數間的關係來推測車輛長度，因為車流量與佔有率資料皆為可偵測較準確的交通參數，速率則經由良好的演算邏輯校正，如此推估得的車長資料較為準確。環路線圈偵測得到的資料在反應真實車輛數上時有差距，除了偵測器本身發生故障或環路線圈不夠靈敏外，埋設地點不佳、車輛壓佔在偵測器上的時間過久、交通參數演算時的誤差，或是車輛等候線長度超過偵測器設立位置等，都會導致偵測器回傳的交通參數被低估或高估。在討論環路線圈於道路上的佈設位置時，可從兩個方面進行討論：若欲將交通資料運用於觸動式號誌或適應性號誌控制時，可在停止線附近佈設線圈，用以偵測車輛數、停等或起動時間；另一則建議設置在路段中，以取得車輛在行進中的車流資料，如流量、速率、佔有率與車輛長度等，為了交通資料偵測的正確性，本研究建議將偵測器置於車流之自由流區較為妥適。茲將偵測器建議佈設位置如圖 1.2 所示，圖中以矩形 1、2 和 3 表示擬放置環路線圈的位置，以Li( i = 1,2,3,4,5)表示特定距離或線圈長度。 2 L₁ L₂ L₄ 3 1 L₅ L₃ 停止線車流方向參數定義 L₁：線圈1前端與停止線間的距離 (m) L₂：線圈2前端與停止線間的距離 (m) L₃：線圈2的長度 (m) L₄：線圈2之後端與線圈3之前端間的距離 (m) L₅：線圈3的長度 (m) 圖1.2 環路線圈設置示意圖 L1、L3、L4與L5的長度已在第三章中詳盡探討；L1的長度不宜超過車輛平均長度，以確保只有一部車輛壓佔在線圈上；L3與L5則應隨著地區性車輛組成的不同妥善規劃，減少有兩部以上車輛同時壓佔的機會；而L4以不超過最小車輛長度為宜。以下段落將討論決定雙線圈偵測器的佈設位置，即圖 4.1 中 L2之長度決定，其中考量因素應與蒐集資料的準確度與本

(9)

1. 線圈設置不宜離上游路口過近，應盡量位於車流之自由流區車輛離開上游路段後多依路口長度進行車道變換，以進入下個路段，此時車流交織現象頻繁，故線圈不宜距上游路口過近。且當車輛停等時，壓佔在偵測器上的時間過久，將影響量測計算的準確性，故線圈置應設於自由流區。 2. 減少變換車道帶來的影響車輛轉換車道時，不會連續通過兩個環路線圈，造成行進軌跡無法被完整偵測，或由於車體偏離線圈，線圈感應的電感量變化將可能低於門檻值而造成流量低估，故選擇將線圈置於變換車道次數最少的路段。 3. 不同車道可能所需的長度不同各車道的車流特性皆不盡相同，如最內側車道由於車流組成較一致，故車流行為較穩定；越靠近外側車道的車流組成較複雜，可能受到機踏車變換車道、公車靠站、停車場出入口、加油站出入口或車輛進出巷弄等干擾而造成延滯，故應依車道別的不同來考量偵測器設置的位置。 4. 應考慮道路段長度的限制路段長度不同，可能會使得車輛所需之起動時間、加速或煞車所需距離也不盡相同，故應納入考量。 5. 考慮號誌週期及時制長度，尤其是紅燈時間號誌週期長度影響車輛通過路口的數量，在綠燈時相之車輛通過率小於紅燈時的車輛抵達率的情況下，將與車輛停等長度有直接的關係，故在考量線圈位置時也應考慮號誌時制週期，若號誌控制不當，則可能影響車輛之行進。

1.2 實驗設計案例

由於各路口的交通狀況迥異，因此L2的決定應因地制宜。在本研究將實地進行車流觀察，測量交通資料，並以數值分析與統計迴歸的方式，決定本研究所調查路段之 L2。本節將詳細介紹現場調查的方式，包括調查對象的選擇、調查地點現況簡介，與資料收集方法等，其次對就所收集的資料進行統計比較，最後是分析討論的結果。 1.2.1 現場調查與資料收集方式 1. 調查對象選擇原則

(10)

(1) 號誌化交叉路口如前所述，紅燈停等時將引起車輛等候，號誌化交叉路口的車輛受到號誌時相的控制，在路口停止線前方常有停等的現象。故在選擇號誌化路口進行調查，觀測由時制控制對車流造成的影響。 (2) 道路與車流型態完整調查路段應與一般道路狀況相符，故不應排除路旁設施所帶來的干擾，且應包含各式車流型態，如機車、汽車與大型車之車流行為。 2. 調查時間由於交通具有明顯的尖離峰特性，若欲使偵測器之佈設能滿足最嚴苛的交通狀況，則宜選擇一般上班日交通量較高之尖峰時段進行調查。爰此，選定以台北市辛亥路與和平東路間的新生南路北向路段為研究案例，並於民國91 年 4 月 23 日至 25 日(星期二至星期四)的上午 7:30 至 8:30 實地觀測。 3. 調查方式調查時於附近建築的頂樓架設攝影機拍攝車流畫面，再回實驗室以電視放映，採人工讀值的方式，進行觀測資料的取得。於高樓拍攝可減少因角度造成的誤差，但是由於樓高的限制，使得攝影畫面無法一次涵蓋較長之路段，需多部攝影機同步連續拍攝。調查前先在本路段安全島上之定點放置施工樁，以利未來在觀測時能有效確定參考位置。而在讀取資料時，應先找尋參考位置，並標記在透明投影片後，貼於電視螢幕上以進行觀測。 4. 調查資料車流量、車道轉換次數、車輛等候線長度為一般認為最可能影響偵測器準確率的因素，故本研究選擇於觀測時記錄的交通資料有： (1) 車流量。 (2) 各車道別之車輛變換車道數。 (3) 紅燈停止時之等候線長度。 5. 調查地點簡介 (1) 路段幾何概況本調查範圍為新生南路介於和平東路口與龍安國小前號誌之路段，總

(11)

道，最外外側車道為第四車道，餘類推)，並於距下游路口 50 公尺處增闢為五車道，此時最內側車道為左轉專用道(在此定義為左轉車道)，平均車道寬度約為 3 公尺。第二、三車道在停止線處設有機車停等區，路側共有三個巷弄出入口，(分別位於距離路口停止線 48 公尺、 98 公尺、149 公尺處)，一個國小出入口(約距路口停止線 200 公尺處)，一個加油站出入口(約距路口停止線 28 公尺)，以及公車站牌等候處(約距路口停止線68 至 82 公尺處)。本路段幾何型態如圖 1.3 所示。圖1.3 路口幾何型態示意圖 (2) 號誌時制設定在本調查時段之號誌週期長度為 200 秒，其綠燈開放時間分為兩階段：車輛直進(含右轉)時間為 75 秒(含黃燈 3 秒，全紅 2 秒)，左轉專用時相(含右轉)時間為 25 秒(含黃燈 3 秒，全紅 3 秒)。 (3) 尖峰時段的歷史交通量本路段之歷史交通量係參考中華顧問工程司於民國九十年所進行的調查，其上午尖峰時段的車流量如表1.1 所示。表1.1 尖峰時段歷史交通量車輛行為車種左轉直進右轉上午7:00-8:00 之車流量大型車 5 74 14 小型車 272 1034 74 機車 0 2055 85 市立龍安國小公車站牌等候處加油站出入口巷口巷口巷口車行方向 95 m 處 144 m 處 48 m 處 0 m 處與路口距離 210 m 處

(12)

上午8:00-9:00 之車流量大型車 7 73 16 小型車 359 1388 78 機車 0 4677 90 1.2.2 資料統計 1.2.1 節中提到，觀測時應量測車流量、各車道別之車輛變換車道數及紅燈停止時之車輛等候線長度。本節將介紹如何統計這些調查資料，以利進一步分析。依個別車道之觀測，將在實驗室讀值時所記錄的資料，轉換為以下兩種參數進行資料統計，參數之定義如下所示。 1. 偵測失敗率(以 f 表示) 由於雙線圈偵測器於佈設時之長度特性，因而選擇以10 公尺為一觀測單位，於實驗室讀值時對四個車道分別進行觀察，以每隔 10 公尺劃分一個區塊，此時各車道皆有 20 個區塊等待觀測。觀測的目的在分析了解各偵測區塊內車輛之車道變換情形。一般而言，同一車輛需連續通過兩個線圈，其車流行為始被完整記錄，得以推算車輛速率及長度等交通資料，若由於車輛的轉換車道行為，未通過兩個線圈而有漏失偵測的情況發生，將造成電感變化量的低估，影響偵測之準確率。因此，必須考量各偵測區塊受到鄰近車道車輛之進入與離開行為，所產生偵測時的失敗。本段所討論之偵測區塊和鄰近車道關係與應用參數如圖1.4 所示，在求取各偵測區塊因變換車道而引起的偵測失敗率(f)時，應先取得進入區塊車輛之偵測失敗率(f )與離開區塊車輛之偵測失敗率(' f )，茲說明如'' 下： (1) _{f 的計算：}' 在同一車道中，以離開偵測區塊進入鄰近車道之車輛數(n 、'o n )，''o 除以由前一區塊進入此偵測區塊之車輛數(N )求得，目的在了解已_i 進入偵測區塊的車輛，卻未被正確偵測到的比率有多少，故在觀測時須計算通過本偵測區塊上游測量線之車輛數，與由本偵測區塊轉入其他車道之車輛數。

(13)

亦以自鄰近車道進入偵測區塊之車輛數(n 、'i n )，除以由偵測區''i 塊進入下一區塊之車輛數(N )求得，目的在評估離開本偵測區塊o 的車輛，卻未在區塊內被正確偵測的車輛比率，故在觀測時須計算通過本偵測區塊下游測量線之車輛數，與其他車道轉入本偵測區塊的車輛數。得到f 與' f 值後，再求取兩者的平均值，即為欲求之 f，偵測失敗'' 率的公式見(式 1.1)至(式 1.3)所列。分別計算各個調查日的f 後，再除以調查天數，得到本路段中各分隔區塊之偵測失敗率的平均值，計算結果見表1.2。將各個車道偵測失敗率，依區塊分隔作一比較，如圖1.5 所示。圖1.4 偵測區塊與臨近車道關係圖計算： i '' o ' o ' N n n f = + (式 1.1) o '' i ' i '' N n n f = + (式 1.2) 得 2 f f f = '+ '' (式 1.3) 其中， f ：偵測失敗率 ' f ：進入區塊車輛之偵測失敗率 '' f ：離開區塊車輛之偵測失敗率 i N ：同一車道中，由前一區塊進入偵測區塊之車輛數 o N ：同一車道中，由偵測區塊進入下一區塊之車輛數 10 m Ni No n'_o n'_i n''_o n''_i 下游測量線上游測量線

(14)

o ' n 、n ：離開偵測區塊之車輛數 ''o i ' n 、n ：進入偵測區塊之車輛數 ''i 表1.2 偵測失敗率計算值(f) 車道區塊分隔 (與停止線距離) 第四車道第三車道第二車道第一車道 200-190 公尺 0.111 0.061 0.069 190-180 公尺 0.039 0.048 0.058 180-170 公尺 0.040 0.068 0.037 170-160 公尺 0.018 0.064 0.023 160-150 公尺 0.008 0.073 0.039 150-140 公尺 0.026 0.031 0.007 140-130 公尺 0.005 0.005 0.005 130-120 公尺 0.014 0.061 0.039 120-110 公尺 0.044 0.064 0.046 110-100 公尺 0.048 0.040 0.030 100-90 公尺 0.027 0.054 0.035 90-80 公尺 0.039 0.036 0.006 80-70 公尺 0.010 0.045 0.032 70-60 公尺 0.075 0.109 0.047 60-50 公尺 0.049 0.087 0.021 50-40 公尺 0.042 0.079 0.027 40-30 公尺 0.036 0.025 0.014 30-20 公尺 0.017 0.039 0.018 20-10 公尺 0.055 0.056 0.027 10-0 公尺 0.007 0.026 0.014

(15)

偵測失敗率 0.0000 0.0200 0.0400 0.0600 0.0800 0.1000 0.1200 200-190 190-180 180-170 170-160 160-150 150-140 140-130 130-120 120-110 110-100 100-90 90-80 80-70 70-60 60-50 50-40 40-30 30-20 20-10 10-0 與停止線之距離(m) 機率 lane4 lane3 lane2 lane1 圖1.5 各車道之偵測失敗率比較從圖1.4 中可以看到，各車道的偵測失敗率約有三個高峰區間，一為車輛初入調查路段時，二為距離路口停止線130 公尺至 100 公尺處，三為距離停止線70 公尺至 40 公尺處。而第一車道的圖形較為平緩，可能是由於多數進入內側車道的駕駛者在進入路段之時已決定行進方向，第二車道圖形的平緩度次之；雖然第四車道位於最外側，最容易受到路旁設施的干擾影響，但第三車道圖形的曲折程度較第四車道為大，可能原因是在第四車道距停止線56 至 82 公尺處設有公車站位，當有公車停靠上下乘客時，將使得跟隨在後的車輛停等，或是被迫轉換車道，因此第三車道受到車輛變換車道的影響程度反而較第三車道來得多。 2. 車輛等候線長度號誌化交叉路口的車輛，因受號誌分配路權和車輛起動延誤等影響，在路口停止線前方常有停等的現象，因而產生等候線長度。等候線的長短將影響路口的服務水準，若號誌控制不當，則可能影響到附近路口車輛之行進。在本研究中所定義的車輛等候線長度意指於某號誌化交叉路口中，於紅燈時相開始後，上游還未有車輛進入本路段的時間，於某一車道上最後一部靜止車輛距離路口停止線有多遠，即定義為等候線長度。

(16)

等候線長度可用公尺或車輛數來表示，本研究以長度單位來分析。因車輛等候線長度屬於延續性性質，舉例來說，於同一紅燈時相內，偵測之等候線長度為155 公尺，則由停止線至 155 公尺處所涵蓋的所有區塊皆發生車輛停等之行為，此時從160 公尺至停止線間每一區塊之車輛停等數皆計數為一次(若無車輛停等的區塊則計數為零)，如此可忠實記錄每一區塊發生車輛停等的次數。在計算上是以調查時段內，每一區塊的累計停等次數，除以總調查之紅燈週期數，即得到各偵測區塊之車輛等候發生機率。分別計算各個調查日道的車輛等候線長度後，再轉換為發生等候現象之機率值，除以調查天數，得到本路段中各分隔區塊的等候機率平均值，計算結果如表1.3 所示。將各個車道中，各偵測區塊的等候機率比較如圖1.5 所示。表1.3 車輛等候出現機率車道區塊分隔 (與停止線距離) 第四車道第三車道第二車道第一車道 200-190 公尺 0.000 0.000 0.000 0.000 190-180 公尺 0.000 0.000 0.000 0.039 180-170 公尺 0.000 0.000 0.020 0.078 170-160 公尺 0.000 0.039 0.118 0.157 160-150 公尺 0.000 0.118 0.176 0.275 150-140 公尺 0.039 0.118 0.216 0.392 140-130 公尺 0.098 0.157 0.333 0.490 130-120 公尺 0.176 0.176 0.529 0.667 120-110 公尺 0.314 0.294 0.647 0.765 110-100 公尺 0.431 0.471 0.745 0.804 100-90 公尺 0.608 0.784 0.843 0.824 90-80 公尺 0.706 0.843 0.961 0.961 80-70 公尺 0.922 0.961 1.000 1.000 70-60 公尺 0.941 0.980 1.000 1.000 60-50 公尺 1.000 1.000 1.000 1.000 50-40 公尺 1.000 1.000 1.000 1.000 40-30 公尺 1.000 1.000 1.000 1.000 30-20 公尺 1.000 1.000 1.000 1.000 20-10 公尺 1.000 1.000 1.000 1.000 10-0 公尺 1.000 1.000 1.000 1.000

(17)

等候線長度出現機率 0.000 0.200 0.400 0.600 0.800 1.000 200-190 190-180 180-170 170-160 160-150 150-140 140-130 130-120 120-110 110-100 100-90 90-80 80-70 70-60 60-50 50-40 40-30 30-20 20-10 10-0 距離停止線長度(m) 機率 Lane 1 Lane 2 Lane 3 Lane 4 圖1.6 車輛停等機率比較從圖1.6 中可見，較內側的車道之車輛等候線長度較長，較外側的車道之車輛等候線較短，這是由於已決定行進方向的駕駛者，在進入路段時會設法切入符合行進方向的車道中。在本調查路段中，左轉與直進的車輛佔所有車輛數的九成以上，如表1.1 所示，故於第一、第二車道有較長的車輛等候線長度。

1.3 測試結果評量

為使環路線圈有較高的準確率與偵測數，在分析時首先考慮因車輛轉換車道而對偵測造成的影響，這是因為當車輛有變換車道的行為時，雙環路線圈無法完整抓取其行進軌跡，將造成偵測上的誤判；其次，在考慮偵測失敗率的同時，也應減少車輛壓佔在線圈上時間過久的發生機率，故應考慮車輛等候線長度，推估車道中最少被車輛長時間壓佔的位置。因此，在分析時依偵測器佈設時的長度特性，於各車道以每 10 公尺為一分隔區塊，計算偵測失敗機率與車輛等候出現機率，再將兩者相加得另一機率值，稱為偵測失敗指標，表現偵測誤差發生的可能性。各區塊分隔之偵測失敗指標分佈圖形，見圖 1.7 至 1.10 所示。

(18)

第一車道 0 0.2 0.4 0.6 0.8 1 1.2 0 5 10 15 20 25 區塊分隔偵測失敗指標圖1.7 第一車道之偵測失敗指標第二車道 0.0 0.2 0.4 0.6 0.8 1.0 1.2 0 5 10 15 20 區塊分隔偵測失敗指標圖1.8 第二車道之偵測失敗指標第三車道 0 0.2 0.4 0.6 0.8 1 1.2 0 5 10 15 20 區塊分隔偵測失敗指標

(19)

第四車道 0 0.2 0.4 0.6 0.8 1 1.2 0 5 10 15 20 區塊分隔偵測失敗指標圖1.10 第四車道之偵測失敗指標從上列四個圖形中，可以看出第一車道的趨勢最為平緩，資料分佈情況為最小，第二車道次之，越外側車道的變動範圍越大，但第三車道又較第四車道有更多的變異性，理由如前所述，這是由於駕駛者在進入路段時會盡量靠往行進路線行駛，使得內側車道的車種組成較為一致，且不受到路側設施或機車的干擾，第三車道變異性較大的原因為第四車道設有公車等候站位，因此當公車靠站上下乘客時，跟隨在後的車輛會產生停等或變換車道的行為，故實際上第三車道的流動與轉換車輛較多。由此可以看出，在預測偵測器位置時，較內側車道的預測值將較為準確。在了解 F 的分佈趨勢後，對調查資料進行迴歸分析，分析時將區間分隔視為X，F 機率值作為 Y，由統計軟體 SPSS 逐步迴歸分析，找出最適迴歸方程式次數。下列各表即為各車道統計檢定的結果。表1.5 預測模式係數統計檢定表(第一車道) 未標準化係數模式估計值標準誤 t 值 α=0.05 臨界t 值 f 值 α=0.05 臨界f 值調整後 R2值常數 0.866 0.061 14.301 X1 1.256E-02 0.003 4.779 X2 -1.858E-04 0.000 -6.082 X3 5.071E-07 0.000 5.050 2.093 224.643 3.239 0.972 表2.5 為第一車道的係數統計檢定表。從表中可以看出，當 X 的指數達到三次方時，R2 值達到 0.972，顯示模式具有不錯的解釋能力。此時各係數之t 值皆大於α=0.05(信賴區間為 95%)時之臨界 t 值，代表拒絕 H0 假設，各變數之係數皆為顯著。

(20)

表1.6 預測模式係數統計檢定表(第二車道) 未標準化係數模式估計值標準誤 t 值 α=0.05 臨界t 值 f 值 α=0.05 臨界f 值調整後 R2值常數 0.866 0.061 14.299 X1 1.256E-02 0.003 4.780 X2 -1.857E-04 0.000 -6.083 X3 5.073E-07 0.000 5.051 2.093 224.534 3.239 0.971 表1.6 為第二車道的係數統計檢定表。從表中可以看出，當 X 的指數達到三次方時，R2 值達到 0.971，顯示模式具有不錯的解釋能力。此時各係數之t 值皆大於α=0.05(信賴區間為 95%)時之臨界 t 值，代表拒絕 H0 假設，各自變數的係數皆為顯著。表1.7 預測模式係數統計檢定表(第三車道) 未標準化係數模式估計值標準誤 t 值 α=0.05 臨界t 值 f 值 α=0.05 臨界f 值調整後 R2值常數 0.882 0.078 11.367 X1 1.524E-02 0.003 4.524 X2 -2.582E-04 0.000 -6.596 X3 8.191E-07 0.000 6.363 2.093 161.257 3.239 0.962 表1.7 為第三車道的係數統計檢定表。從表中可以看出，當 X 的指數達到三次方時，R2 值達到 0.718，雖然較前兩車道為小，但已在超過可接受的標準仍，具有不錯的解釋能力。此時各係數之t 值皆大於α=0.05(信賴區間為95%)時之臨界 t 值，代表拒絕 H0 假設，各自變數的係數皆為顯著。表1.8 預測模式係數統計檢定表(第四車道) 未標準化係數模式估計值標準誤 t 值 α=0.05 臨界t 值 f 值 α=0.05 臨界f 值調整後 R2值常數 0.878 0.045 19.353 X1 1.503E-02 0.002 7.631 X2 -2.738E-04 0.000 -11.961 X3 9.086E-07 0.000 12.072 2.093 489.942 3.239 0.987 表1.8 為第四車道的係數統計檢定表。從表中可以看出，當 X 的指數達到三次方時，R2 值達到 0.849，顯示模式具有不錯的解釋能力。此時各係數之t 值皆大於α=0.05(信賴區間為 95%)時之臨界 t 值，代表拒絕 H0 假

(21)

在得到各車道之迴歸式後將迴歸式微分，利用極值發生處切線斜率等於零的理論，找尋可能發生極值的區域，以評定於偵測器於路段中之最適佈設位置。故在數值分析時，選擇最接近於零的區位，數值分析結果見表 2.9。表 1.9 可看出在第一車道中，最小極值可能發生區位在距停止線 190-200 公尺之區塊；第二車道的最小值發生於距停止線180-190 公尺處；第三車道發生於距停止線170-180 公尺處；第四車道的發生於距停止線 170-180 公尺處。最後將建議佈設之線圈位置歸納如表 1.10。若依建議位置佈設，可由迴歸模式計算出此時第一車道的線圈偵測失敗率為14.14%，第二車道的失敗率為 12.70%，第三車道的失敗率為 15.85%，第四車道的失敗率為 16.76%，可見越內側車道於線圈偵測時的準確率越高。表1.9 數值分析結果車道區塊分隔 (距離停止線) 第一車道第二車道第三車道第四車道 200-190 公尺 0.000315 0.00379 0.007981 0.017324 190-180 公尺 -0.00205 0.001078 0.003807 0.011897 180-170 公尺 -0.00412 -0.00133 0.000125 0.007015 170-160 公尺 -0.00588 -0.00413 -0.00307 0.002678 160-150 公尺 -0.00734 -0.0059 -0.00577 -0.00111 150-140 公尺 -0.00849 -0.00736 -0.00797 -0.00436 140-130 公尺 -0.00934 -0.00852 -0.00969 -0.00706 130-120 公尺 -0.00988 -0.00938 -0.01091 -0.00922 120-110 公尺 -0.01012 -0.00993 -0.01165 -0.01083 110-100 公尺 -0.01005 -0.01019 -0.01189 -0.0119 100-90 公尺 -0.00969 -0.01014 -0.01164 -0.01242 90-80 公尺 -0.00901 -0.00978 -0.0109 -0.01239 80-70 公尺 -0.00803 -0.00913 -0.00967 -0.01182 70-60 公尺 -0.00675 -0.00817 -0.00794 -0.01071 60-50 公尺 -0.00517 -0.00691 -0.00573 -0.00905 50-40 公尺 -0.00328 -0.00535 -0.00302 -0.00684 40-30 公尺 -0.00108 -0.00348 0.000176 -0.00409 30-20 公尺 0.001418 -0.00132 0.003866 -0.0008 20-10 公尺 0.004221 0.001153 0.008047 0.003044 10-0 公尺 0.007328 0.003925 0.012719 0.007429 表1.10 建議佈設位置車道別建議佈設位置(與停止線距離) 失敗率第1 車道 190-200 公尺處 14.14% 第2 車道 180-190 公尺處 12.70%

(22)

第3 車道 170-180 公尺處 15.85% 第4 車道 160-170 公尺處 16.76%

(23)

第 2 章交通資訊擷取系統

2.1 交通資訊擷取系統架構

本研究交通資訊擷取系統的基本架構主要分為現場的資訊擷取系統與資訊中心的營運兩個部分，對前者而言並可再分為車載電腦、GPS 定位模組、無線通訊模組為主的車載單元，以及環狀偵測器為主的路側單元，經過車載電腦簡單的邏輯演算之後，透過GSM 或是 GPRS 的無線通訊模組將相關定位暨行車資訊回傳資訊中心；資訊中心則透過模式庫的演算進行旅行時間之預測，以及動態旅次OD、交通流參數之推估。其實體架構圖系如圖 2.1 所示：圖2.1 系統實體架構圖而考量現行台北市之路網系統，本研究主要將針對棋盤型 (Grid Network) 之路網形式進行模擬、測試，並以部份虛擬路網環境驗證模式之準確度與可用性。考量系統長期營運以及穩定之資料量蒐集，本系統規劃以大眾運輸系統作 Taxi & OBU

( Probe Vehicle )

GPS Positioning

Loop Detector

Wireless Communication Sation (GSM, GPRS or 3G)

Real Traffic Network TMIC or Dispatch Center

(24)

為主要之探測車輛來源，然而，以現行台北市之路網系統下，多數主要幹道皆規劃了公車專用道之佈設，兼以各站上下乘客之停等延滯、車速限制，其實際之駕駛行為與一般市區車輛相去甚鉅。因此，本系統亦將以計程車為探測車車隊之主要組成。本研究所規劃之實體架構之中，係擬以環狀線圈偵測器對於路口車流進行主動觀測，所蒐集的資料主要有各路段交通流量，並用於路口轉向流量推估。系統中將擬透過靜態之路口車流轉向資料調查，取得路口各車道車流左右轉及直行之車流比例。運作時則以路段各車道車流量乘上此一比例以求得各路口之轉向車流量。資料庫系統主要分為動態演算資料表和資料倉庫兩部分。動態演算資料表之內容係隨著每一時階系統所接收之即時車流資訊更新，並只保留最近一次遞迴演算所需之資料，依本研究所構建之模組功能又分為「路段旅行時間預測」和「動態旅次OD 推估」的相關所屬資料表，其欄位內容分別如圖 2.2、圖 2.3 所示圖 2.2 資料表命名為 TraveltimePredict，第一欄 ID 為資料表中每一筆資料的索引序號；NodeA 和 NodeB 分別為路段上下游路口節點之編號，透過這樣的資料欄位表示，演算中欲取得之於路段上游節點的相鄰路段資料，以表中AJKH-AJKM 路段為例，只需對於 NodeB 欄位搜尋欄位內容為 AJKH 的資料即可 (圖中路口節點編號暫以自行定義者代替)；Time n 欄位則是記錄了各路段從前N 個時階至當前時階所偵測探測車於各路段之平均旅行時間。

(25)

圖2.2 路段旅行時間預測表欄位內容

圖2.3 旅次 OD 推估分區流量表欄位內容 (左圖為路段流量；右圖則為路徑流量)

(26)

圖 2.3 左圖資料表命名為 ODCount，其中，ID 為資料表中每一筆資料的索引序號；Section 紀錄路網下為路網下每一對交通分區車流標號；Time n 則是儲存對應時間下之交通分區車流，可透過環狀偵測器求得，圖2.3 右圖則為預測時段之路徑車流量，如圖中所示第6 筆資料即為由交通分區編號 A 至 F 的 OD 對中的路徑 A-B-C-F 旅次在該預測時段之車流量。各車輛所與偵測器所回傳之即時交通流資料透過中心程式之匯整即以上述之格式匯入資料表，以進行後續功能模組之遞迴演算。相較於動態演算資料表中心接收資料覆蓋過舊有資料，資料倉庫中則是累積歷史資料之存入，俟一定的資料量累積之後，逕行較長期之分析。資料庫系統與模式演算之關係如圖2.4 所示。圖2.4 資料庫系統與模式演算架構圖即時交通流資料探測車環狀偵測器中心資料庫系統資料彙整單元動態演算資料表資料倉庫路段旅行時間預測資料表 OD 推估資料表後端演算模式庫路段旅行時間預測模組動態OD 推估模組其他長期分

(27)

2.2 交通資料分析與處理

由於資料收集的來源多元，資料形式與內容不一，造成在系統開法時將先面對的是處理各種差異性資料的問題，而在以往的研究中大多將此步驟忽略或是草率處理，若沒辦法將資料處理妥當，日後在系統開發或應用時將產生開發上的問題，例如功能開發時無法彈性新增修改，或是無法取出所要的資料，若是無法自動化的處理資料，當面對龐大的資料量湧入時，靠人工處理將花上大筆時間與人力，且較難維持系統營運的穩定性。尤其是現今透過網際網路公開化的資料日益增多，如機器端傳回的資料經由轉換過後成大量的格式化資料，或是各種資料庫軟體的格式，故如何妥善且自動化地處理大量資料，篩選出系統所需要的資料，將是本研究探討的重點。首先將定義VD 資料與 GPS 資料之資料結構，並探討其資料特性與內容，以作為資料處理的準備，接續探討正規化的步驟與定義，制定出資料處理的方法與程序，並建立在相同時間間隔的基準點上，進行即時資料融合程序，建立兩者資料的關聯性，形成關聯式資料庫。 2.2.1 資料來源與資料結構在處理資料之前必須先瞭解資料的結構，包括資料的特性、內容、記載項目、頻率與資料中出現特殊代號的意義等，而在制定ER Model 時已經將資料的實體與屬性記載清楚，在這裡要釐清的將是資料本身賦予的意義與內涵，對於系統應用上的關連性與限制等，所以在此將討論VD 資料與 GPS 資料的資料結構，作為資料處理與資料融合程序的準備。和以往研究所不同的是，本研究所取得的VD 資料是屬於格式化後的 XML 資料，並非直接由車輛偵測器之機器端傳回的資料，故在本研究中並不探討電腦化交通號誌控制系統通訊協定中的資料格式，而是探討純粹的XML 格式。而計

(28)

程車GPS 資料是屬於資料庫的格式，並非單純的（National Marine Electronics Association, NMEA）格式，如 NMEA-0180、0182、0183，而是關聯式資料庫（Relational Database, RDB）。故在本研究中，VD 資料是採 XML 格式，GPS 資料採關聯式資料庫之格式來進行研究的探討。 2.2.1.1 台北市交通控制中心 VD 資料結構本研究中所探討的車輛偵測器資料，是由台北市交通控制中心所提供，透過網際網路的方式放置在「台北市交通控制中心之資料交換中心」網站上開放給使用者使用，並沒有連線權限上的限制，在資料格式上是屬於XML 格式，在網頁上同時一次提供台北市交通控制中心所裝設之所有車輛偵測器的即時交通資料，若是與以往車輛偵測器直接接收的資料格式來看有相當大的不同，XML 提供的是一個標準化、精簡化的資料格式，伺服器同一時間更新網頁上所有車輛偵測器的資料，所以從XML 所擷取的資料之時間點視為相同。在資料內容上，為車輛偵測器傳回之應有的資料，其中包括資料來源、時間、路段編號、路段名稱、平均車速、平均佔有率、旅行時間與車流總量。在資料範圍上，車輛偵測器散佈在台北市當中，故地理區域範圍在台北市區的範圍以內。在資料更新時間上，「台北市交通控制中心之資料交換中心」網站約五分鐘更新一次網頁，所以資料更新頻率是五分鐘更新一次。在資料數量上，台北市交通控制中心總共有提供119 個車輛偵測器之 VD 資料，假設每五分鐘會更新一次，每一天一個車輛偵測器會有288 筆資料，一天全部119 個車輛偵測器共有 34272 筆資料。台北市交通控制中心之資料交換中心之網頁所提供之資料如圖2.5 所示。

(29)

圖2.5 台北市交通控制中心資料交換中心之 VD_XML 資料 2.2.1.2 計程車 GPS 資料結構本研究中所探討之計程車GPS 資料，係由衛星派遣計程車中心所提供之非公開資料，屬於有權限的資料，無法公開自由取得，透過資料庫與資料庫的連結來取得資料，故資料格式是資料庫的形式，衛星派遣中心所使用的資料庫為 Oracle Database，它與實際由 GPS 所傳回的資料有些許不同，一般 GPS 傳回的是字串格式，每次只有一筆資料，而本研究所取得的是衛星派遣計程車中心的車隊所有GPS 資料，所以在資料格式上與資料數量上明顯與一般 GPS 有所不同。在資料內容上，包括車輛編號、事件編號、時間、X 座標、Y 座標、任務編號。車輛編號為計程車的編號，而時間為資料存取的時間，X 座標為東經座標， Y 座標為北緯座標，而任務編號是當此計程車的客人為計程車中心所派遣的任務時，將會產生一個編號，作為派遣時所用。在事件編號的部份，此欄位所要記載的是車輛事件的狀態，其中的事件狀態

(30)

包括有開錶、閉錶、執行中心任務、啟動引擎、熄火、跨格等六種事件狀態，將事件狀態的說明由表2.1 所示。表2.1 車輛事件訊息表事件識別碼事件狀態說明營業用辨識 3230 跨格跨越一平方公里正方格時記錄 ○ 3233 開錶司機開錶時記錄 ○ 3234 閉錶司機閉錶時記錄 ○ 3235 啟動引擎汽車啟動引擎時記錄 3236 熄火汽車熄火時記錄 360 執行中心任務此任務為中心任務時記錄而其中對研究最重要的事件訊息就是開錶、閉錶與跨格，因為計程車司機在沒有載客的時候，將遇到一些狀況，例如會觀看路旁是否有乘客要搭車，常常會走走停停，或是接到載客的訊息將迅速前往載客處，往往速率較快，所以計程車司機在沒有營業的時候，其資料是較不穩定，比較不屬於正常的行車速率，所以研究中不採取非營業中的資料，只採用計程車營業中的資料作為我們研究的範圍。透過開錶與閉錶的記錄，兩者間的資料就是計程車營業時的資料，而跨格資料是可作為行駛軌跡的座標資料，將跨格的座標連接起來，就可視為計程車的行駛軌跡，而關於選取營業時資料的方法與程序，將在資料處理程序中做詳細的敘述。在資料範圍上，其計程車運行的區域大約為台北縣市都會區內，故地理區域範圍在台北縣市都會區內。在資料時間上，資料並沒有固定的更新時間，唯有當事件發生時，才會將資料傳回，所以並沒有固定的更新頻率。

(31)

在資料數量上，目前衛星派遣計程車車隊共有約1300 台的計程車，由於沒有固定的資料更新頻率，所以沒有固定的資料量，但是經由本研究統計一天約有 150000 筆資料。

衛星派遣計程車之GPS 資料之資料庫原始資料，如圖 2.6 所示。

(32)

2.2.2 資料處理程序（Data Process）由於研究的資料量龐大，VD 資料一天有 34272 筆資料，計程車 GPS 資料一天有150000 筆資料，故資料處理程序要透過系統來協助自動化且穩定地進行。為了要篩選出需要的資料，必須透過資料處理程序，包括資料擷取、資料轉換、資料清理、資料載入等這些步驟，將遠端的資料透過擷取後，經由轉換與清理的規則程序處理後，載入資料庫當中，成為可用的資料。故此節中將針對資料結構，進行正規化的步驟，配合研究的需求，制定資料處理程序的步驟與規則，篩選出研究所要的資料。 2.2.2.1 資料正規化（Normalization）資料庫的目的就是儲存資料，而且前提是要能夠自由取出資料，本研究認為這是資料庫最重要的一個特性，同時目前資訊科技變動萬千，資料來源與格式豐富多元，又經常發生系統需求不斷地改變的情況。所以在架構系統之前，在上一節已經介紹過的資料結構，基於系統穩定、開發富有彈性的考量下，資料要盡量的安定，便可以設計出自由度高的系統，而要達到這種理想的方法，就是透過資料結構的正規化，使用正規化後的資料結構來儲存資料，資料取出的自由度就會提高，也比較能彈性的增加系統功能。正規化的目的，重點就是要將資料的重複性降到最低，也就是減少資料重複的意思，而本研究的資料結構透過正規化的步驟讓資料的重複性降到最低，讓系統的穩定性提高，系統開發保有彈性。根據正規化的定義（E. F. Codd, 1970），在本研究中的VD 資料與 GPS 資料，兩者分別都進行到「第三正規化」的步驟，也就是包含了第一正規化、第二正規化與第三正規化的條件，其條件如表2.2 所示，透過正規化將實體的意義具體化，系統開發更明瞭。

(33)

表2.2 正規化的條件列表正規化條件第一正規化欄位中沒有重複項目第二正規化滿足第一正規化條件，並且所有的非識別鍵從屬於識別鍵第三正規化滿足第二正規化條件，並且所有的非識別鍵互為獨立存在 2.2.2.2 資料處理程序本研究的資料結構透過ER Model 的制定以及資料正規化處理後，將針對資料來源進行資料處理程序，將資料過濾成可用的資料，而資料處理的程序按照順序為資料擷取（Data Extraction）、資料轉換（Data Transformation）、資料清理（Data Cleaning）、資料載入（Data Load），而資料處理程序流程如圖 2.7 所示。

(34)

1.資料擷取

資料擷取的步驟，首先確定資料更新的頻率與資料內容，透過網際網路的方式連線遠端的伺服器或資料庫，將即時資料擷取。

2.資料轉換

此時系統將判斷是否為新的資料，若是新的資料，則存取資料，若非新的資料，則不存取資料。將資料丟入制定好的ER Model 當中，並建立好資料庫的 DB Schema，則可以將 VD 之 XML 資料轉換為 Microsoft SQL Server 的資料，而計程車GPS 之 Oracle 資料轉換為 Microsoft SQL Server 的資料，產生新的資料庫。

3.資料清理

依照制定好的DB Schema，將資料不吻合者刪除，留下吻合的資料。就VD 資料而言，依照 DB Schema 將內容與長度不吻合者、不該空白的欄位空白者全部都予以刪除。就計程車資料而言，依照DB Schema 將內容與長度不吻合、不該空白的刪除外，其次是檢查時間欄位VEHEVNTIME 中資料是否完整，完整的資料必須為「西元年/月/日上(下)午時/分/秒」，更重要的是挑選出營業中的行駛資料。而營業中的資料挑選條件，第一種是從事件編號欄位VEHEVNID 中選擇有資料開頭有開錶訊息（事件編號為3233）與資料結尾有閉錶訊息（事件編號為 3234），而兩者間的訊息就是營業中的資料，如圖 2.8 所示。

(35)

圖2.8 計程車營業中資料-開錶與閉錶第二種是從備註欄位VEHJOBNO 中選擇非空白欄位的資料，由於備註欄是紀錄由衛星派遣中心所派遣任務的任務編碼，所以當此備註欄有文字時，代表此資料為計程車正在執行派遣的任務，故屬於營業中的資料，如圖2.9 所示。圖2.9 計程車營業中資料-備註欄有文字依照上述說明將VD 資料與 GPS 資料作資料清理程序，清除不符合規定的資料，留下所需要的資料，而資料清理程序之流程圖如圖2.10 所示。

4.資料載入

依照資料轉換、資料清理的步驟後，將處理完成的資料載入資料庫當中。

(36)

(37)

2.3 即時資料融合程序

本研究的目的，試圖要讓VD 資料與 GPS 資料在經過資料融合後，建立在相同時間間隔的基準點上，建立兩者資料的關聯性，形成關聯式資料庫，提供路段速率資料，以供未來在研究上使用。在本節內容中，第一部分將探討VD 資料與GPS 資料經過資料處理後的資料內容與特性，將資料內容與特性上的差異作一比較，第二部份將針對GPS 資料進行路段速率運算的程序，來取得兩者間的一制性，最後將探討即時資料融合的架構與程序，建立路段速率的關聯式資料庫。

2.3.1 即時資料彙整與比較

根據VD 所收集的即時資料其內容包括時間、路段名稱、車流總量、平均車速、平均佔有率，而台北市交通控制中心再透過運算模式，將該路段的總長度除以平均車速來得到旅行時間，所以在台北市交通控制中心所提供的XML 資料除了包含車輛偵測器蒐集到的基本資料外，還有運算後的旅行時間。衛星派遣計程車中心所提供的計程車GPS 資料，其內容包括時間、X 座標、 Y 座標，以及作為辨識用的車輛編號、事件編號、備註。為了讓兩者資料作資料融合，將兩者即時資料的特性作一彙整與比較，如表2.3 所示。在即時資料擷取的頻率上，雖然兩者資料的更新頻率不同，但從中心伺服器去擷取資料的時間點來看，將設定同樣為五分鐘去擷取一次資料，讓兩者資料在同一個時間點上去做資料上的更新。在時間上，由於兩者伺服器主機端的時間有些微差異，又較難做到將兩者伺服器主機時間校正，故在本研究中將兩者伺服器主機的時間視為同步，以協助研究上的進行。

(38)

表2.3 即時資料彙整比較表種類 VD 資料 GPS 資料來源台北市交通控制中心衛星派遣計程車中心連線方式 Internet 連結網頁 DB to DB 格式 XML Oracle Database 更新頻率每五分鐘一次無固定時間事件發生時才更新中心伺服器擷取頻率每五分鐘一次每五分鐘一次內容時間路段名稱車流總量平均車速平均佔有率旅行時間時間 X 座標 Y 座標車輛編號事件編號任務編號

2.3.2 路段速率運算程序

本研究之即時資料融合程序將處理兩種不同型態之VD 與 GPS 資料，目的是建立共同基礎的即時資料之資料庫，而最重要的基礎就是路段速率。從VD 資料中可以直接取得該路段的平均車速，而計程車GPS 資料無法直接取得路段速率的資料，必須透過路段速率資料運算程序，才能計算出路段速率，而本研究將使用PaPaPaGo!電子地圖軟體與 PaPaGo!SDK 元件來協助進行與開發程式，將運用GPS 資料來運算出路段速率。

1.軟體與開發工具

為了進行GPS 資料的路段速率運算，將透過 GIS 軟體工具來協助進行，目

(39)

究選擇PaPaPaGo!作為本研究使用之 GIS 軟體。選用PaPaPaGo!的因素，首先 PaPaPaGo!是由台灣研勤科技股份有限公司設計，全部屬中文介面，使用上較為其他外文軟體方便許多；其次是PaPaPaGo! 軟體其中包含全台灣電子地圖與汽車導航之內部元件，不需花額外的費用去購買電子地圖，以及耗費其他的時間來匯入與校正電子地圖；此外PaPaPaGo!SDK 元件（Component），是以 PaPaPaGo!電子地圖為核心，可透過使用此開發元件以及COM 架構的程式語言，來建構 GIS 相關的應用程式與軟體。所以在此將使用PaPaPaGo!V5、PaPaPaGo!V7 之 GIS 軟體，以及

PaPaPaGo!SDK 之 GIS 軟體元件（Component），來協助研究進行路段速率運算之程序，其他詳細功能說明在文獻回顧中已有介紹。

2. 路段速率運算程序

第一步驟將運用資料處理完成後的GPS 資料載入，第二步驟為進行資料排序（Data Sorting），排序的規則第一是車號，將同一車號的資料排在一起，第二是中心任務編號，將同一任務的資料排在一起，第三是時間，依照時間順序先後排序。在此資料排序的意義，是要將所有的資料，依照車號排序以便找出同一輛車的資訊，在這輛車其中的一個任務，依照時間排序好，則完成資料排序。第三步驟是資料選擇（Data Select），此時將進行判斷，首先是判斷是否為同一車號的資料，接著是判斷是否為同一任務的資料，依照這些判斷方式將資料選擇出來。第四步驟是執行PaPaPaGo!SDK。第五步驟是PaPaPaGo!SDK 將輸出路徑運算的資料，其中包括行駛總距離、行駛路段名稱、行駛路段距離。第六步驟是運算路段之速率。透過輸出的資料，利用速率公式，也就是距離

(40)

除以時間等於速率，就可以求得路段速率。第七步驟是將求得的路段速率存進資料庫當中。路段速率運算程序如圖2.11 所示。 GPS資料 SQL DB 開始 1.資料載入 2.資料排序 a.車號 b.中心任務編號 c.時間 3.資料選擇 a.同一車號 b.同一中心任務編號 4.PaPaGo!SDK 5.輸出路徑資料檔 6.運算路段速率 7.存入資料庫

(41)

2.3.3 即時資料融合程序

本研究試圖把VD 與 GPS 資料，建立在相同時間間隔的基準點上，進行即時資料融合程序，找出資料間的關係，形成關聯式資料庫，提供路段速率資料。在2.3.1 節中已經將兩種資料作一特性的分析與比較，針對交通資訊資料庫而言，可以發現到VD 資料與 GPS 資料的相同點在於取得路段速率的資料，故在2.3.2 節中，將計程車 GPS 資料透過路段速率運算程序，可以獲得路段速率的資料。目前VD 資料的路段平均車速與 GPS 資料的路段速率資料已經接近達到同一個標準，接下來將要做的第一個步驟是，取得兩者資料的相同時間間隔。根據表3-3 即時資料彙整表中，可以發現 VD 資料的中心擷取頻率是每五分鐘一次，也就是說VD 資料的時間間隔為五分鐘，每五分鐘就有一筆資料會送到資料庫當中，同樣的GPS 資料也是中心伺服器每五分鐘會擷取一次資料，同理 GPS 資料的時間間隔也是五分鐘，而且中心伺服器同步擷取兩者資料，所以我們將兩者資料之時間間隔都設為五分鐘。第二個步驟是，取得兩者的相同路段資料。根據VD 資料而言，在台北市交通控制中心之資料交換中心XML 網頁上所提供的車輛偵測器數量，總共有 119 個車輛偵測器，而計程車因為跑遍大街小巷，沒有固定的行經路線，所以在此為了取得相同的基準點，本研究以VD 佈設的路段資料為基準，而 GPS 資料也以同樣的路段資料為基準，其餘行經的路線再做補充，故我們以VD 的路段資料為基準點，將兩者的路段資料都設為相同。第三個步驟是將兩者資料建立關聯性，將兩者之不同的資料表，形成關聯式資料庫，提供路段速率資料。透過即時資料融合程序，建立兩者資料的相同基準點，我們取得相同時間間

(42)

隔為五分鐘，而兩者路段資料都以VD 的路段資料為統一標準，即可將兩者的路段速率資料在相同的基準點上，建立兩者資料的關聯性，形成關聯式資料庫，提供路段速率資料，而即時資料融合程序流程圖如圖2.12 所示。建立資料相同基準點取得相同時間間格取得相同路段資料資料特性分析與比較關聯式資料庫路段速率資料 GPS路段速率運算 VD資料平均速率路段速率建立資料的關聯性圖2.12 即時資料融合程序流程圖

(43)

2.4 交通資料庫擷取系統實作

2.4.1 系統架構本系統架構圖如圖2.13 所示，從系統架構圖可以了解本系統是利用系統外部之資料來源，作為系統開發的基礎，透過管理中心伺服器來運作整個系統，並且連結系統內部所開發的系統模組以及系統資料庫。圖2.13 系統架構圖本系統模組架構包括資料處理模組、路段速率運算模組、即時資料融合模組，開發為Windows 服務應用程式。圖 2.14 為系統模組架構圖，透過區塊來表示程序包含的資料、模組、資料庫，分別以圖文說明每個程序的內涵與實作成果。

(44)

圖2.14 系統模組架構圖 2.4.2 資料處理模組資料處理模組將實作為Windows 服務應用程式，系統畫面如圖 2.15 所示，當Windows Server 系統啟動完成後，將自動化開始進行資料處理的程序。首先將自動開始擷取遠端的資料，進行資料轉換與資料清理，接著會判斷資料是否為新的資料，若是新資料，就繼續判斷是否為同一天的資料，若是同一天

(45)

新的資料時，會在系統紀錄檔中（log.txt）寫下重複的紀錄；若判斷不是同一天的資料時，就將資料寫另一天日期的資料表當中（yyyymmdd.mdf），如此一來每天的資料將會更改檔名為當天日期的資料表，畫面如圖2.16 所示；假如系統出現異常的狀況如系統中斷、登出、重開機等異常狀況時，會將此異常狀況寫在紀錄檔中（log.txt）畫面如圖 2.17 所示，而系統一旦又重新啟動完成時，資料處理程序又將自動開始運作。而資料處理模組實作的流程圖如圖2.18 所示。圖2.15 資料處理模組之 Windows 服務應用程式系統畫面

(46)

圖2.16 資料處理模組之資料庫畫面

(47)

(48)

2.4.3 路段速率運算模組路段速率運算模組主要就是為了處理GPS 的資料，將只有時間、X 座標、Y 座標等車輛的基本資料，運算出路段的速率。模組首先要先確認系統日期以及時間，其次將設定時間間隔參數，從資料表（GPS_daily.mdf）中撈出時間範圍內的資料，對此資料表作檢索。在這個過程中，會從同一車輛之同一次任務的資料中執行檢索，將連續的兩點起迄資料挑選出來，包括起點與迄點的時間、X 座標、 Y 座標資料，計算出起迄兩點間的旅行時間。但是還沒辦法得知兩點之間車輛行經那個路段，以及行經路段的距離，所以本模組將PaPaGo!SDK 元件加入當中，運用PaPaGo!SDK 的路徑規劃元件，並且在路徑規劃參數設定為「最佳路徑：將依每條道路的屬性及參考車速，選擇一條最佳的路徑」，PaPaGo!SDK 的路徑規劃元件可以推導運算出兩點間所行徑的路段名稱以及路段長度，其結果如圖2.19 所示。本模組經由程式上的開發，可一次運算龐大的資料，透過輸出的資料路段長度與路段旅行時間，利用速率公式，也就是距離除以時間等於速率，就可以求得路段速率。圖2.19 路徑規劃結果畫面

(49)

接著系統將判斷是否為同一天的資料，若是同一天的資料，就將資料存取在當天日期的資料表當中（ROADGPS_daily.mdf），若判斷不是同一天的資料時，就將資料寫另一天日期的資料表當中（ROADGPS_yyyymmdd.mdf），於是將路段資料的資料表完成，而路段速率運算模組實作的流程圖如圖2.20 所示。圖2.20 路段速率運算模組實作流程圖

(50)

2.4.4 即時資料融合模組即時資料融合模組，其目的是要尋求資料表間的關聯性，建立其資料關係，將多重資料融合進而建立出關聯式資料庫與關係代數。首先確認系統日期與時間，確認完成後將對VD 資料表（VD_yyyymmdd.mdf）與ROADGPS 資料表（ROADGPS_yyyymmdd.mdf）作檢索，取出路段名稱與路段速率的資料，接著設定時間間隔參數，在本研究中設為五分鐘為時間間隔，並且建立Section 資料表（Section.mdf）。新建立的Section 資料表，是為了從 VD 資料表（VD_yyyymmdd.mdf）與 ROADGPS 資料表（ROADGPS_yyyymmdd.mdf）中透過實體關係資料模型之資料模型化方法，找出實體與實體間的關係，並且建立出關係代數，故可建立出關聯式資料庫，即時資料融合模組實作流程如圖2.21 所示。

(51)

2.4.5 關聯式資料庫原本沒有相關聯性的兩種資料，經過資料處理模組、路段速率運算模組以及即時資料融合模組，一連串的模組運算進行後，連接起資料間的關聯性、實體與實體間的關係，建立出能夠作為交通研究資料基礎的關聯式資料庫。呈現出透過系統模組運作後的關聯式資料庫之實作成果如圖2.22、圖 2.23 及圖 2.24。

1.關聯式資料庫之 VD 即時資料表（vd_daily.mdf）

圖2.22 VD 即時資料表實作成果

(52)

2.關聯式資料庫之 ROADGPS 資料表（roadgps.mdf）

圖2.23 ROADGPS 資料表實作成果 3

.實體關係資料模型圖（ER Diagram）

(53)

第 3 章市區棋盤型路網環境下動態旅行時間預測

與旅次 OD 推估模式之建立

根據前章所規劃之資料擷取系統，基於相關資料內容，本章將擬構建一數學模式以對於此一市區棋盤型路網系統進行描述。第一小節為動態旅行時間預測模式之建構，主要係根據Jarjees & Drane (1997) 所提出之公車旅行時間預測方法再加入路口轉向車流之考量所得，並以最小平方遞迴估測方法進行系統狀態之推估、預測車輛於各路段之旅行時間。第二小節部分，則是假設可靠之動態流量指派模式存在，並以前一小節所求得之路段旅行時間作為指派模式中指派參數之成本項，將路網下之旅次推估系統以系統狀態方程式和觀測式表示，並以卡曼濾波器對於路徑選擇參數進行推估，進而求得動態旅次OD。 3.1 動態旅行時間預測模式對於旅行時間的預測，在ITS 的發展當中一直是為相當重要的研究重點，以往的研究之中，探測車技術普遍應用於高速公路系統之旅行時間預測。對於市區道路系統，相關研究則多限於單一路段或是通過數個號誌路口的單一幹道上旅行時間之預測、分析，實證測試之結果多呈現了顯著的成效。然而，對於都市地區複數道路之交織或是規模較大之路網系統則仍舊少有進一步之探討。是以，本研究將擬建構一數學模式和可行之演算流程，得以透過前一章所述資料擷取系統之資料蒐集，對於都市地區路網之下，各路段車流行為、延滯關係，進行廣泛之描述和預測。在 Jarjee ＆ Drane 的公車旅行時間預測模式中，主要透過時間序列與空間影響的概念，對於公車A 在某一站距 B 之旅行時間，係以前 N 班車輛通過站距B 之旅行時間以及公車 A 通過站距 B 之前 M 個路段的旅行時間為背景數

(54)

據，建立修正型之線性旅行時間預測模式 (式 3.1a)。 1 1 1 1 v i S d v i v v v i v i s d _{s d} _{s d} _s _s v v i N s s d M T α t β t e − + ₊ ₊ = − = − =

∑

( ) × +

∑

( ) × + ( ) ( ) ( ) ( ) _{( )} _{( )} ( ) ( ) (式 3.1a) 符號標示之內容如下表所列： v s T 車輛v 通過路段 s 的旅行時間預測值； v s T 車輛v 通過路段 s 的旅行時間；

N

模式演算中所採用之時間記憶長度；

M

模式演算中所採用之影響路段個數； , v v s s α β 模式參數； , ( ) v v i _{i 表車輛 v 之發車順序，v}_{(i-1)表示較 v(i)先前一班發出之車輛；} , ( ) s s d d 表公車路線上之路段編號順序；s(d-1)表示公車路線上在 s(d) 的前一個路段； e 系統殘差項；其中， v i v v s d s d v v i N T α = − ×

∑

( ) ( ) ( ) ( ) 係反應模式中對於所預測路段 s(d) 反應在平均旅 行時間之路段特性； 1 1 1 S d v i v i s s s s d M T β − + + = − ×

∑

( ) ( ) ( ) ( ) 項則是反應車輛v(i+1) 之車輛行駛通 過路段s(d) 至 s(d+1) 之駕駛特性。 s(d) s(d-1) s(d-2) s(d+1) s(d-M)….

v(i) v(i-1) ……v(i-M) 車輛行進方向

(55)

市區路網下之車流，基於車輛路徑選擇與路口轉向之隨機性，本研究對於路段旅行時間之預測係參酌Jarjee ＆ Drane 的預測方法，仍以前 N 個時階的 路段旅行時間歷史資料為背景數據；而相對於公車行駛於固定路線之上，前M 個站距的旅行時間的輸入因子部分則是改以路段上游路口的車流轉向分配和鄰近路段旅行時間取代，以表現為相鄰路段車流之影響值。依此，本研究所提出模式之數學意涵係同時根據「空間」、「時間」兩個向度的相關回歸。其數學表示寫成下式： ( ) ( ) 1 i z l m i _j _j _{z l m} _{z l m} j i N m M l z l m Z m z l m _{Z m} T T l a T l b p e T + = ∈ ∈ =

∑

× +

∑ ∑

× ( , ) × + ( , ) ( , ) - ( ) ( , ) ( , ) ( ) ( ) (式 3.1b) 符號標示中，符號下標為時階 (時間) 關係；括弧內則是標的路段 (空間) 向度之關係，個別內容如下表所列： ( ) i T l 車輛在第i時間，行駛於路段l的旅行時間預測值； ( ) i T l 車輛在第i時間，行駛於路段l的平均旅行時間值； N 模式演算中所採用之時間記憶長度； j a ,b_{z m}_{( )} 模式參數，以最小平方估測，使誤差項最小以進行推估求得； l 路段之標的記號，令路網中之所有路段集合為L，集合之內容

{

| 1 2 L

}

L= l l l _L l ； ( ) M l ,m l 路段上游路口鄰接路段集合，M l( )=

{

m m| 1 m2 L mM

}

； Z(m),z(l,m) Z(m)表示對於相鄰路段集合 M(l) ，在所量測時階內之路段旅行 時間子集，Z m( )=

{

z z l m| ( , ₁) z l m( , ₂) _L z l m( , _M)

}

； Y X Y 子集條件下 X 之期望值； ( , ) z l m p 所量測時段 z 之集合內，路段 m 對路段 l之車流匯入比例，亦即對於路段 l上游路口，匯入車流之轉向機率。 e 系統殘差項；

(56)

其中必須注意的，此處所謂路段旅行時間係涵蓋了車輛行駛於路段中所遭遇包含路口號誌延滯在內的所有延滯狀況。再者，路段旅行時間與號誌控制路口和鄰近路段車流的轉向行為之間存在高度相關。路段上游路口之車流轉向進入模式影響車輛進入路段之時間，間接影響車輛在路段下游受到路口號誌延滯之程度；路段下游路口之車流轉向行為則直接影響到號誌對於車輛之延滯，尤以左轉車流所受到的號誌延滯影響最為顯著。根據Hellinga & Fu (1999) 之研究，依車輛在下游路口的直行、左轉、右轉行為 (如圖 3.1 所示)，可將兩號誌控制路口間之路段旅行時間分佈區分為九個群組。圖 3.1 九種路口轉向模式示意圖 (T 表直行通過路口；L、R 分別為左右轉通過) 因此，在上述模式中，除路段上游路口的鄰近路段影響之外，本研究並同時在變數項中考量路段下游路口的車流轉向行為，以將Hellinga & Fu 之研究發現納入模式架構之中，以求算各段旅行時間期望值。將模式以矩陣表示可得到 (式 3.2) 之線性方程式： 1 i+ = i i+ T T A ε (式 3.2) 其中，個別矩陣T_i₊₁(L×1)、T_i[L×(N+1+M)]、A_i[(N+1+M)×1]、ε( L×1)， 其內容單元，如下所列 (L 為路網中之路段總數；M 為最大相鄰路口總數)： T-T T-L T-R L-T L-L L-R R-T R-L R-R

即時交通資訊攫取技術與融合演算(3/3)

行政院國家科學委員會專題研究計畫 成果報告