都会区旅行时间系统建置与应用

研究於都会区建构旅行时间系统,透过密集的车辆自动辨识系统设置,蒐集路段旅行时间资料,进行旅行时间预估之分析。由於在都会区进行旅行时间预估实属不易,论文介绍了旅行时间系统架构、车辆自动辨识系统车牌配对逻辑,并拟定资讯发布策略,最後以此系统运用於台中市之经验,归纳系统设备装设逻辑,并介绍旅行时间资料应用之方式。     

行人支援辅助系统研发

弱势用路人包括行人及脚踏车与机车骑士,而弱势用路人中之行人相对於其他用路人更为弱势,且行人中的高龄者与身心障碍者更由於生、心理状况有别於一般行人,因此实需要特别加以探讨并提供必要的保护与运输服务。本研究依据‘台湾地区智慧型运输系统纲要计画（2004年版）,中对於弱势用路人保护服务後续实施计画的规划,同时延续交通部运输研究所91年度‘智慧型运输系统技术於高龄化社会之应用研究’及交通部科技顾问室93—94年度‘先进弱势用路人支援辅助系统之建置与示范’之研究成果,本研究应用GPS及Zigbee接近侦测定位技术,完成无缝导引系统之开发,提供行前路径规划、节点资讯提供、上车导引、有声号志整合及目的地导引等功能。由实地测试评估成果发现,受测者对於系统功能均表满意,尤其可提升个人外出便利性。     

多元交通资料融合进行旅行时间预测——以台中港路为例

利用倒传递类神经网路,单以资料本身进行路段旅行时间预测,避免建立高复杂度的模式以及环境所产生的干扰下,建立不失精准度的预测模式。研究过程中发现：若仅考量路段中的车辆侦测器资料用以预测旅行时间,其预测精准度较劣於融合车辆侦测器资料及公车旅行时间资料之精准度,且发现预测精准度於尖峰时段较准确,故可推论使用一种以上的多元探测器所得之交通参数资料且於车流量较大之路段皆可提高路段旅行时间预测之精准度。     

不完整车辆侦测器数据推估旅行时间之研究

文中收集2007-07-12～2007-07-17日之"国道"1号北上路段111.3 K ～148.9 K之车辆侦测器数据及车牌自动辨识数据(AVI),藉由相关文献了解上下游路段之特性,利用多元线性回归方式进一步探讨上下游车辆侦测器数据推估中间车辆侦测器平均车速之关系,推估出平均车速后利用Oh模式推算推估模式之旅行时间并与AVI数据比较.结果显示,在国道1号北上路段111.3 K ～148.9 K上下游路段之平均车速约略存有线性关系,同时,藉由推估之旅行时间与AVI数据验证与比较,研究推估之旅行时间与完整旅行时间之平均误差百分比(MAPE)在6.874%以下,显示有良好预测;均方根误差(RMSE)在34.044以下,代表模式的可靠度尚可.     

《上海公路》投稿须知

1 文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码;必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

《上海公路》投稿须知

1 文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码；必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

《上海公路》投稿须知

1文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码；必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

《上海公路》投稿须知

1 文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码；必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

《上海公路》投稿须知

1文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码；必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

《上海公路》投稿须知

1文稿必须包括中英文题名、中英文作者姓名、中文作者单位名、中文单位所在城市名及邮政编码；必须包括中英文摘要、中英文关键词（3～5个）。英文内容单独放在正文末尾。中文题名一般不超过20个汉字。     

公车动态资讯系统关键绩效指标评估之研究

公车动态资讯系统能有效整合客运业者营运流程及资源,提供即时而正确的资讯,且能缩短营运需求的反应时间,提昇乘客满意度,因此有助於客运业在营运竞争上的优势,达成永续发展大众运输的目标。论文研究经由从文献理论的探讨,并进行专家访谈,同时依据客运产业特性、管理目标与企业愿景,分两阶段进行问卷调查,再运用层级分析法（AHP）进行问卷分析,期望能筛选出公车动态资讯系统关键绩效评估的重要指标。     

基于改进SWF神经网络多因素行程时间预测模型与算法

行程时间预测一直是交通领域研究的重点问题之一,道路系统的复杂性使预测工作变得困难。将影响路段行程时间的多种因素和改进后的样条权函数神经网络结合起来,根据机动车运行特点,建立行程时间预测模型,可以刻划道路运行的多种状态,能较准确的估计出路段的行程时间,也继承了样条权函数神经网络算法的各种优点。     

基于手机定位的交叉路口交通流数据采集方法

为了实现对城市道路交叉口交通流数据的全面采集、减少成本、提高效率,提出以手机为交叉口交通流信息获取源的思路。研究了将手机定位数据（运动速度、经纬度）转化为交通流数据的方法。通过检测空间和检测单元的确定,根据用户的运动速度和位置信息,按照步行、自行车、小汽车和公交车将不同手机用户的出行方式进行了准确判断,最终实现了交叉口交通量、车流流向和延误数据的自动采集。     

山区城市道路交通信息采集与交通评价方案研究

先进的交通管理系统可有效提高城市现代化交通的有效利用率和交通流量,减少道路的交通拥挤程度、交通事故的发生率以及由于交通拥挤、事故等造成的出行延误。城市智能交通管理系统正是通过对高科技、高水平技术的应用,来提高交通管理系统的工作效率,达到改变城市交通混乱局面的目的。针对重庆市城市智能交通管理系统的道路交通信息采集子系统及相关技术进行分析和研究,在城市智能交通管理系统研究基础上,结合重庆市交通现状和交通智能化水平,提出重庆市道路交通信息采集与交通信息数据处理的原则和方案。     

常州市综合交通模型在城市高架路规划中的应用

介绍了常州市综合交通模型的总体架构,包括总体目标、模型结构、以及模型应用平台等。结合常州市高架路的规划建设,应用模型对高架路各个建设阶段的流量进行预测,分析高架路建设及运营对周边道路的交通影响,并根据预测结果提出周边道路系统完善措施,以保证整个高架路系统的运营和使用。     

基于IPA的可变信息标志发布内容改善研究

可变信息标志是最具代表性的一种公共交通信息服务手段,它发布的信息具有公众性。但目前大多数可变信息标志针对不同的用户和环境提供相同的信息,这反映了对交通信息用户的偏好及道路状况等不同的交通环境考虑得不够。为了能在不同的交通环境下提供相应的信息,使用户在车辆行驶过程中由可变信息标志得到必要的交通信息,以问卷的形式调查了驾驶员对VMS提供信息的偏好度,利用IPA分析了VMS发布内容,并由分析结果提出了相应的改善方案。     

西部地区道路交通事故灰色模型GM（1，1）研究

为掌握西部事故高发地区的交通事故特征,在2008—2012年国道314、219,叶城县、塔县地区道路交通事故统计资料基础上,运用灰色原理建立一阶单变量GM（1,1）预测模型,对上述地区道路交通事故的事故数、死亡人数进行短期预测。经精度检验,灰色预测结果精度高,且与实际相符。与传统预测方法相比较其更科学、更合理。     

交通信息短信发布系统研发

为实现交通信息增值服务,提出了基于服务提供商（SP）的交通信息SMS发布系统。叙述了交通信息服务背景和交通信息发布的几种主要方式,并通过分析系统的总体框架,设计了交通信息服务的数据流程和系统的4个基本功能模块,分析了系统开发过程中的关键技术,并给出了1个系统应用实例。     

基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.      

多元交通信息于车速数据融合系统之节能减碳应用研究

提出了1个经济可运作的实时动态节能减碳计算模型,用KPI来评估节能减碳效果,运作方式如下:配备GPS装置之实验车,后端软件自动动态搭配Google Map与路径图资之起讫点(A→B)来回一趟,才量该车之耗油量,由行前预估值、旅行时间、动态交通事件与实际油耗值之误差分析,在实时交通信息协助下选定之KPI (key performance index)值(含油耗、CO2排放量、道路等级、旅行时间及ETC (electronic toll collection)费用等)做比较.搜集对应环保路径之路网交通信息数据及交通信息建立历史数据库,配合时速/油耗表完成油耗/碳排放系统数据库,得出实时交通信息占比与油耗预估误差率关系图.