排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
交控系统是利用各项侦测器或纵坐标名称、单位来进行交通特性搜集的,近年来由于在有线与无线传输的技术上日渐成熟,许多的信息都可以快速的传回至交控中心。但是目前车辆侦测器设置的位置会影响数据收集的准确度,且感应线圈车辆侦测器面临着经常发生数据遗漏。数据产生缺漏对于交通管理决策缺乏效率,而且无法彰显出投资车辆侦测器之价值。为了避免车辆侦测器数据遗漏、断线或数据异常不能使用之情形出现,利用自回归移动平均模型(ARIMA)来填补车辆侦测器所遗失的数据,其MAPE值小于20%,故ARIMA模式較平均法更优秀,其係以历史资料来建构,故有相当优良的填补绩效。 相似文献
2.
拥挤是国内外用来描述路况最通俗的代名词,主要在于简单易懂;目前以车速间距发布拥挤等级的方式常会发生与用路人主观之行车拥挤感知经验不符的现象。文中以路段固定侦测器之实时交通参数、CCTV信息画面,结合类神经网络理论,探究群体用路人于号志化干道上之拥挤感知。以台15线为例,进行主观拥挤指针之模式建构与评估。 相似文献
3.
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. 相似文献
1