旅次起迄(Trip Origin-Destination, OD)為影響交通狀況的重要因素之一，旅次起迄資料主要說明在特定區域內的旅行方向、運具移動型態、旅次長度等資訊，無論在運輸規劃、路網設計，以及場站選擇中，皆提供重要的資訊。

    旅次起迄量等資訊之獲得實屬不易，隨著路段車流資料蒐集技術的進步，多利用車輛偵測器蒐集路網相關交通流量資料，進一步利用於各項有用的交通相關資訊之推估，因此在兼顧獲得足夠且有效的交通資訊以及降低偵測器佈設成本之下，如何有效的將車輛偵測器適量、適所的佈設與使用，對於OD推估工作有很大的影響，因此本研究主要的目的在於探討如何在有限的資源下，進行偵測器佈設策略的擬定，進一步獲得較佳的交通參變數推估值，該議題亦為目前進行現代化交通管理工作中重要的一環。

    由於偵測器佈設之課題，較屬於長期運輸規劃之議題，因此，本研究擬以交通量指派理論為基礎，以適當的描述路網均衡下路徑選擇之情形，並進行旅次起迄與偵測器佈設問題之求解。在求解使用者均衡之交通量指派問題上，透過梯度投影法(Gradient projection, GP)求解，並獲得以路徑為基礎的相關資訊；在流量倒推旅次起迄量的課題上，由於真實OD量未知，故使用基本的最小平方估計量，進行旅次起迄需求涵蓋量的推估與檢驗。本研究針對上述議題，從靜態長期運輸規劃的觀點出發，構建相關的數學解析性模型，並進行數學規劃模式的求解與分析。

    在數值分析方面，本研究針對前述數學規劃模式以及線性獨立路段佈設策略進行小、中、大型路網，以及原始OD需求和兩倍OD需求的測試，根據模式測試結果顯示，透過有限數量及策略性的佈設車輛偵測器，即能夠獲得有效的路網旅次起迄資訊涵蓋，並且偵測器佈設數量隨著路網規模及路網運輸需求的提升，亦隨之增加；而在線性獨立佈設策略部份，在路段觀測流量未知之情形下，藉由歷史OD需求量，可以有效提供路網中偵測器佈設策略之擬定，在中、小型路網規模下，能夠獲得有效的資訊涵蓋量，並且在大型路網中，亦能夠獲得不錯的路網資訊量。

Trip origin-destination (OD) is one of the crucial factors that affect traffic state in a highway network.  Network OD data depict both the spatial and temporal distributions of corresponding trip demands, including travel direction, route choice, departure time, and trip length, etc.  Therefore, it is one of the key components in transportation planning, network design, and terminal selection.  

    However, in practice it is not easy to collect true OD trip demands.  As the development of traffic flow data collection technology, link traffic flows data are collected by vehicle detector and used to infer network OD trip demands.  Therefore, an effective vehicle detector deployment plan is one of the key issues in modern traffic control and management.
 
    The vehicle detector deployment configuration problem is essentially a long-term transportation planning issue.  The purpose of the present research is to conduct route choice behavior description and model solving by traffic assignment theorem.  Furthermore, we solve the user equilibrium (UE) problem by gradient projection method (GP) to obtain some additional path-based information.  Since true OD trip demands are unknown, we conduct OD demand estimation and OD demand covering rate verification by the least square estimator.  To summarize all of above, the present research is based on static transportation planning to construct mathematical analytical models and model solving and analysis.

    To demonstrate the feasibility of the proposed models, some simplified networks including small, middle, and large network sizes were employed to conduct the case study under original trip OD demands and twice of the OD demands.  The numerical results indicate that using finite quantity of vehicle detectors and deployed it strategically can obtain effective network trip OD information coverage.  Besides, the number of deployed vehicle detectors increase with the scale of network size and network OD demands.  The result of linearly independent deployment configuration strategies indicate that by only means of prior OD demands can find the relatively important links of all without link traffic flow measurements.  Moreover, linearly independent deployment configuration strategies can obtain excellent OD demand covering rate on the cases of small and middle network, and satisfactory results for the large network cases.

頁次
中文摘要
英文摘要
目錄	I
圖目錄	V
表目錄	VI

第一章	緒論
1.1	研究動機與背景                               	1
1.2	研究目的                              	3
1.3	研究範疇與假設                        	4
1.3.1	研究範疇                             	4
1.3.2	研究假設                             	4
1.4	研究流程                             	5
1.5	研究內容                   	                  7

第二章	問題描述與文獻回顧
2.1	問題描述                                	9
2.1.1	流量倒推旅次起迄與偵測器佈設問題        	9
2.1.2	旅次起迄涵蓋程度問題        	         11
2.2	旅次起迄推估模式文獻回顧         	         13
2.2.1	簡單線性模式與延伸性線性模式         	13
2.2.2	非線性模式	                           17
2.2.3	其他相關文獻回顧	                           18
2.2.4	小結	                                    19
2.3	偵測器佈設相關文獻回顧	                  20
2.3.1	偵測器佈設相關準則	                           20
2.3.2	以偵測器佈設為目標之相關文獻         	23
2.3.3	小結                                      	24
2.4	交通量指派相關文獻回顧                 	26
2.4.1	靜態交通量指派                           	26
2.4.2	動態交通量指派                        	27
2.4.3	交通量指派為基礎下之相關應用         	28
2.4.4	小結                                      	29
2.5	小結                                     	30
 
第三章	模式架構
3.1	使用者均衡之路徑選擇模型               	31
3.1.1	模型均衡條件                         	31
3.1.2	模式建立                             	32
3.2	考慮偵測器佈設位置數量下之旅次起迄推估模型	34
3.2.1	偵測器數量限制式	                           35
3.2.2	模式內容說明                         	37
3.3	旅次起迄需求量檢驗模型               	38
3.3.1	模式架構                               	38
3.3.2	模式內容說明                              	38
3.4	小結	                              	40

第四章	求解模式構建與說明
4.1	梯度投影法                             	42
4.1.1	梯度投影法求解靜態使用者均衡模式        	43
4.2	共軛梯度搜尋法	                           46
4.3	求解演算流程說明                        	50
4.4	考量獨立/相依路段下之偵測器佈設策略       	56

第五章	實驗設計與數值分析
5.1	實驗設計                                 	58
5.1.1	實驗路網基本資料                       	60
5.1.1.1 小型路網基本資料                        	60
5.1.1.2 中型路網基本資料                       	61
5.1.1.3 大型路網基本資料                         	64
5.1.2	實驗設計                               	70
5.1.3	評估準則                               	71
5.1.4	測試環境                              	72
5.2	模式測試與分析                             	74
5.2.1	小型路網測試結果                         	74
5.2.2	中型路網測試結果                         	76
5.2.3	大型路網測試結果                         	78
5.2.4	小結                                      	87
5.3	考量獨立/相依路段之偵測器佈設策略      	89
5.3.1	小型路網測試結果                       	89
5.3.2	中型路網測試結果                        	90
5.3.3	大型路網測試結果                     	91
5.3.4	小結                                   	92
5.5	模式測試結果綜合比較                     	93

第六章	結論與建議
6.1	結論                                    	96
6.2	建議                                  	98

參考文獻                                         	100
附錄一 小型路網不同模式/需求下之偵測器佈設情形	105
附錄二 中型路網兩倍需求/原模式下之偵測器佈設情形	106
附錄三 大型路網兩倍需求/原模式下之偵測器佈設情形	107
附錄四 程式演算流程圖                          	108
附錄五 線性獨立/相依路段佈設策略之程式演算流程圖	109
附錄六 求解偵測器佈設位置程式碼之部份內容	         110 

圖目錄
                                              	頁次
圖1.1 旅次起迄量推估議題的演進                        	2
圖1.2 研究流程圖                                 	6
圖2.1 動態旅次起迄示意圖                            	10
圖2.2 Bianco的SLP模式架構示意圖                    	23
圖3.1 交通量指派模式演算示意圖                  	33
圖3.2 模型間相互關係與解題初步構想圖           	40
圖4.1 非線性規劃函數示意圖                     	46
圖4.2 梯度法搜尋過程示意圖                     	47
圖4.3 階段一求解過程流程圖                        	50
圖4.4 階段二求解過程流程圖                        	52
圖4.5 完整求解過程流程圖                        	55
圖5.1 小型實驗路網圖                            	60
圖5.2 中型實驗路網圖                             	62
圖5.3 大型實驗路網圖                              	65
圖5.4 實驗設計示意圖                            	70
圖5.5 原始OD需求下偵測器佈設數量增加與整體績效之關係圖	87
圖5.6 兩倍OD需求下偵測器佈設數量增加與整體績效之關係圖	87
圖5.7 不同路網規模/需求下線性獨立偵測器佈設策略之平均績效圖                                            	92
圖5.8 不同路網規模/需求/模式下之偵測器佈設數量百分比圖	93
圖5.9 不同路網規模/需求/模式下之平均績效值綜合比較關係圖                                              	94
 
表目錄
                                              	頁次
表2-1 各路網型態之特性整理                        	9
表5-1 不同類型路段基本資料對照表                	59
表5-2 小型路網各路段基本資料表                   	60
表5-3 中型路網各路段基本資料表                 	63
表5-4 大型路網各路段基本資料表                  	66
表5-5  MAPE預測績效評估準則                     	72
表5-6 小型路網之歷史起迄需求與路網條件         	74
表5-7 小型路網原始OD需求量之評估結果           	74
表5-8 小型路網兩倍OD需求量之評估結果          	75
表5-9 中型路網之歷史起迄需求與路網條件         	76
表5-10 中型路網原始OD需求量之評估結果         	76
表5-11 中型路網兩倍OD需求量之評估結果         	77
表5-12 大型路網之歷史起迄需求與路網條件         	78
表5-13 大型路網原始OD需求量之評估結果          	78
表5-14 大型路網兩倍OD需求量之評估結果         	83
表5-15 小型路網原始OD需求量之評估結果         	89
表5-16 小型路網兩倍OD需求量之評估結果           	89
表5-17 中型路網原始OD需求量之評估結果           	90
表5-18 中型路網兩倍OD需求量之評估結果         	90
表5-19 大型路網原始OD需求量之評估結果         	91
表5-20 大型路網兩倍OD需求量之評估結果         	91
表5-21 線性獨立路段佈設策略下之平均績效表現         	92
表5-22 不同模式/需求下之平均績效值綜合比較表      	93

中文部分
1.卓訓榮，「以廣義反矩陣方法探討均衡路網流量的敏感度分析」，運輸計劃季刊，民國八十年。
2.卓訓榮，「最短距離與廣義反矩陣敏感性分析方法之比較」，運輸計劃季刊，民國八十一年。
3.張佳偉，「路徑變數產生法求解動態交通量指派模型之效率比較」，國立中央大學土木工程研究所碩士論文，民國八十六年。
4.李宗憶，「考慮動態OD推估之適應性整體匝道儀控模式研究」，淡江大學運輸科學研究所碩士論文，民國八十七年。
5.楊兆升，「都市交通流－誘導系統理論與模型」，人民交通出版社，民國八十九年。
6.廖珉鋒，「動態旅次起迄矩陣推估模型之研究」，國立中央大學土木工程研究所碩士論文，民國八十九年。
7.交通部運輸研究所，「臺灣地區先進交通管理系統(ATMS)中都市交通號誌控制邏輯標準化與系統建置標準作業程序之研究.(二)，定時式/動態式控制邏輯標準化：參考手冊」，民國九十年。
8.胡守任，「智慧型運輸系統基礎理論系列研究(一)─濾波理論應用於流量倒推旅次起迄量及車流密度之推估」，交通部運輸研究所，民國九十年。
9.黃琳桂，「環路線圈車輛偵測器之最佳佈設方式研究」,國立台灣大學土木工程學系碩士論文，民國九十年。
10.李治綱、王清湑，「靜態、對稱性交通量指派模式之研究」，運輸計劃季刊，民國九十二年。
11.陳韋廷，「路段容量限制交通量指派模型求解演算法之比較與分析」，國防大學國防管理學院國防決策科學研究所碩士論文，民國九十二年。
12.賀寶福，「災害緊急救難路網重建與設計之研究」，國防大學國防管理學院國防決策科學研究所碩士論文，民國九十二年。
13.交通部運輸研究所委託淡江大學辦理，「智慧型交通資訊蒐集、處理、傳播與旅行者行為之系列研究─號誌化道路路況資訊偵測方法與格式設定(二)」，民國九十三年。
14.郭永慧，「旅次分佈與交通量指派整合模型應用於災害疏散救援與緊急路網重建之研究」，國防大學國防管理學院國防決策科學研究所碩士論文，民國九十三年。
15.鄭正元，「高快速公路路網導引轉向點與導引比例之研究」，淡江大學運輸科學研究所碩士論文，民國九十三年。
16.王中允、胡守任，「集體式路徑導引系統最適導引資訊發佈位置及轉向設置點之研究」，中國土木水利工程學刊，民國九十四年。

英文部分
1.Ashok, K. and Ben-Akiva, M. E., “Estimation and Prediction of Time-Dependent Origin-Destination Flows with a Stochastic Mapping to Path Flows and Link Flows,” Transportation Science, Vol. 36, No. 2, 2002, pp.184-198.
2.Bianco, L., Confessore, G., and Reverberi, P., “A Network Based Model for Traffic Sensor Location with Implications on O/D Matrix Estimates,” Transportation Science, Vol. 35, Issue 1, 2001, pp. 50-60.
3.Cascetta, E. and Nguyen, S., “A Unified Framework for Estimating or Updating Origin-Destination Matrices from traffic Counts,” Transportation Research-B, Vol. 22B, 1988, pp.437-455.
4.Chan, K. S. and Lam, W. H.K. “Optimal Speed Detector Density for the Network with Travel Time Information,” Transportation Research-A, Vol. 36, 2002, pp.203-223.
5.Chang, G. L. and Wu, J., “Recursive Estimation of Time-Varying Origin-Destination Flows from Traffic Counts in Freeway Corridors,” Transportation Research-B, Vol. 28B, 1994, pp.141-160.
6.Chang G. L., and Tao X., “An Integrated Model for Estimating Time-Varying Network Origin-Destination Distributions,” Transportation Research-A, Vol. 33, pp. 381-399, 1999.
7.Cremer, M. and Keller, H., “A New Class of Dynamic Methods for the Identification of Origin-Destination Flows,” Transportation Research-B, Vol. 21B, 1987, pp.117-132.
8.Gan, L., Yang, H., and Wong, S. C., “Traffic Counting Location and Error Bound in Origin-Destination Matrix Estimation Problems,” Journal of Transportation Engineering, Vol. 131, No. 7, 2005, pp. 524-534.
9.Hellinga, B. and Van Aerde, M., “A Statistical Analysis of the Reliability of Using RGS Vehicle Probes as Estimators of Dynamic O-D Departure Rates,” IVHS Journal, Vol. 2(1), 1994, pp.21-44.
10.Horiguchi, R., Kuwahara, M., and Akahane, H., “The Optimal Arrangement of Infrared Beacons on A Road Network to Collect Vehicle Trajectories-Pattern Analysis Using Schema Theory,” Journal of Eastern Asia Society for Transportation Studies, Vol. 4, No. 4, 2001, pp. 219-228.
11.Kim, K., Chon, K. and Park, C., “An Algorithm for Estimation of Dynamic Origin-Destination Matrices Using Kalman Filtering,” Proceedings of the 5th Conference of Eastern Asia Society for Transportation Studies, 2003.
12.Li B., and De Moor B., “Dynamic Identification of Origin-Destination Matrices in the Presence of Incomplete Observations,” Transportation Research-B, Vol. 36, pp. 37-57, 2002.
13.Lo, H. P. and Chan, C. P., “Simultaneous Estimation of an Origin-Destination Matrix and Link Choice Proportions Using Traffic Counts,” Transportation Research-A, Vol. 37A, 2003.
14.Nihan, N. L. and Davis, G. A. “Recursive Estimation of Origin-Destination Matrices from Input/Output Counts,” Transportation Research-B, Vol. 21B, 1987, pp.149-163.
15.Nihan, N. L. and Hamed, M. M., “Mixed-Point Approach to Estimating Freeway Origin-Destination Matrices and the Effect of Erroneous Data on Estimate Precision,” Transportation Research Record 1357, 1992, pp. 18-28.
16.Oh, C. and Ritchie, S. G., “Development of Methodology to Design Advanced Traffic Surveillance Systems for Traffic Information Based on Origin-Destination,” Transportation Research Record 1935, 2005, pp. 37-46.
17.Sherali, H. D., Narayanan, A., and Sivanandan R., “Estimation of Origin-Destination Trip-Tables Based on A Partial Set of Traffic Link Volumes,” Transportation Research-B, Vol. 37, 2003, pp. 815-836.
18.Spiess, H., “A Maximum Likelihood Model for Estimating Origin-Destination Matrices,” Transportation Research-B, Vol. 21B, 1987, pp.395-412.
19.Suzuki, H., et al., “Dynamic Estimation of Origin-Destination Travel Time and Flow on a Long Freeway Corridor Neural Kalman Filter,” Transportation Research Record 1739, 2000.
20.van der Zijpp, N., “Dynamic OD-matrix Estimation from Traffic Counts and Automated Vehicle Identification Data,” Transportation Research Record 1907, 1997.
21.Wu J., and Chang G. L., “Estimation of Time-Varying Origin-Destination Distributions with Dynamic Screenline Flows,” Transportation Research-B, Vol. 30, No. 4, pp. 277-290, 1996.
22.Yang, H., Sasaki, T., Iida, Y., and Asakuba, Y., “Estimation of Origin-Destination Matrices from Link Traffic Counts on Congested Networks,” Transportation Research-B, Vol. 26B, No. 6, pp. 417-434, 1992.
23.Yang H., and Zhou J., “Optimal Traffic Counting Locations for Origin-Destination Matrix Estimation,” Transportation Research-B, Vol. 32, NO.2, 1998, pp. 109-126.
24.Yang, H., Yang, C., and Gan, L., “Models and Algorithms for the Screen line-based Traffic-counting Location Problems,” Computers and Operations Research, Vol. 33, 2006, pp. 836-858.