傳統之運輸規劃模型具有程序運作特質，稱之為四步驟模式（FSM），而此一傳統的運輸規劃模式也常受到評論與挑戰，其主要來自兩方面：其一為程序式操作之本質所導致之前後程序中數值(例如起迄間之旅行時間)兩者前後並不一致之矛盾現象。其二為傳統模式並未能討論動態之課題。在動態交通量指派之理論與應用日漸成熟後受到強烈之挑戰。因此，傳統四步驟之處理仍以長期觀測穩定狀態反應交通績效之表現，僅可大致顯示空間分佈之狀態，卻無法顯示依時間變化之反應。
本研究以傳統程序性總體程序運輸需求模式並結合動態交通量指派，透過回饋處理並探究其能否改善一致性之問題。測試兩種類型路網，其一為虛擬路網，目的為先行測試整體程序運作流程，針對單一及多路徑路網探討，以了解不同路網之差別；其二為近年可取得實際規劃資料之桃園實際路網，測試各種回饋方式，比較其結果分析。本研究所欲探討課題分為下列兩點：
1.探討回饋變數：處理交通量指派後所產生的績效變數與指標形成回饋變數。
2.探討回饋方式：將依時性的動態交通量指派回饋至運輸規劃程序中，藉此探討如何將回饋變數回饋到運輸規劃程序。
本研究經由文獻回顧歸納，挑選較佳之兩種回饋方法，分別為連續平均法(Method of Successive Averages)以及固定權重(Constant Weights)法，其中CW方法權重另設0.6及0.3。以旅次數及旅行時間RSE和RMSE數值來觀察整個程序並比較分析其結果。在虛擬以及實際路網數值分析之結果綜合如下：
1.觀察到計算過程中，各遞迴所推估的變動皆有收斂的趨勢，而MSA收斂降幅較緩，CW(0.6)及CW(0.3)收斂型態較類似，呈現持續下降趨勢。並以CW(0.3)方法之收斂幅度以及最終收斂位置皆較低，為較佳之回饋方法。
2.與Boyce(2007)文獻之靜態實際路網處理之最終結果相同，亦是CW(0.3)方法較佳，顯示在動態之情況結果亦同。
本研究與過去研究之差別為考量動態之情況，在動態交通量指派處理依時性、依路徑資料之結果。顯示在DTA輸出回饋結果，回饋程序確實可改善不一致性，且亦可保持旅次分佈之狀態。

Since its introduction in late fifties, traditional sequential urban planning model has been implemented in a four steps manner as called Four-Step Model, or FSM in short. Although it has been recognized and widely accepted among transportation engineers and planners, an inherent drawback is its inconsistency of travel time (impedance) utilized in its sequence, notably between the trip distribution and traffic assignment step. This particular issue has been addressed in academic field but less known in practice. Several approaches have been proposed to tackle this problem of which the introduction of “feedback” loop seems particular appealing due to its simplicity and performance. In addition, recent development of dynamic traffic assignment has demonstrate its power to describe more real-world like traffic performance in road network to reveal the traffic flow pattern in both time and space dimensions. The later development complicates the inconsistency issue by adding time-varying and route-dependent travel time between any fixed given O-D pairs.
In this study, various feedback approaches implemented in static planning model were examined and compared to be implemented under dynamic network context. A simulation-based dynamic traffic assignment model DynaTAIWAN was utilized to replace the usual traffic assignment procedure in FSM. Two particular problems will be addressed: (1) the representative travel times (indices) between given O-D pairs and (2) the feedback processes. The adequateness of these feedbacks introduced for the modified FSM was analyzed by two cases, one as a simple virtual network for primary diagnosis and the other a sized-down network form a selected city network (Tao-Yuan) for real-world operation exercise.
After applying the continuous average method (Method of Successive Averages, MSA) as well as fixed weight (Constant Weights, CW) method with two alternative weight ratios (of 0.6 and 0.3 respectively), it has been shown that CW (0.3) outperformed the other methods in terms of lowest convergence level and fewer number of iterations to reach convergence.  The results were generally in accordance with the previous related studies with static network cases, in particular the noted study by Boyce (2007).

目錄Ⅰ
表目錄Ⅲ
圖目錄Ⅳ
第一章 緒論1
1.1研究動機與背景1
1.2研究問題2
1.3研究目的4
1.4研究範圍5
1.5研究內容與流程6
第二章 文獻回顧9
2.1不一致性之問題及影響9
2.2解決不一致性之方法13
2.2.1同步聯立求解(Simultaneous Transportation Equilibrium Model, STEM) 13
2.2.2聯合模式(Combined Model)14
2.2.3回饋方法(Feedback)16
2.2.4小結	19
2.3動態交通量指派方法24
2.4模擬交通量指派25
2.4.1 DynaTAIWAN25
2.5小結27
第三章 研究方法28
3.1運輸規劃流程28
3.2動態交通指派之處理30
3.3回饋程序研議34
3.4回饋遞迴處理40
3.4.1連續平均法(Method of Successive Averages，MSA)41
3.4.2固定權重法(Constant Weights，CW)42
第四章 虛擬路網建構與分析43
4.1 虛擬路網之設定與建置43
4.1.1 虛擬路網之設定43
4.1.2 設定運輸規劃虛擬值以產生交通流量45
4.1.3 處理虛擬路網回饋研擬方法45
4.2 旅次分佈數值分析55
4.2.1路網一整體分析56
4.2.2路網一各起迄對分析62
4.2.3 路網二整體分析63
4.2.4 路網二各起迄對分析68
4.3 旅行時間數值分析69
4.3.1 路網一整體分析70
4.3.2 路網一各起迄對分析76
4.3.3 路網二整體分析77
4.3.4 路網二各起迄對分析82
4.4小結83
第五章 實際案例之建立與分析86
5.1 桃園地區背景介紹86
5.2 桃園運輸規劃資料整理與建立88
5.3 流程方法與資料	89
5.3.1 整體流程90
5.3.2 阻抗矩陣實際操作說明95
5.3.3 模式實際操作說明97
5.4 實際路網數值分析99
5.4.1旅行時間數值分析結果100
5.4.2旅次分佈數值分析結果103
5.5小結107
第六章 延伸討論110
6.1 直接數值比對各起迄對111
6.1.1虛擬路網分析111
6.1.2實際路網分析114
6.2 各起迄對流量及旅行時間特性之不一致差距115
6.2.1虛擬路網分析115
6.2.2實際路網分析116
6.3 各起迄對流量及旅行時間特性之不一致比值117
6.3.1虛擬路網分析117
6.3.2實際路網分析118
6.4 小結120
第七章 結論與建議121
7.1結論121
7.2建議122
參考文獻123
附錄一 桃園都會區交通分區對照表127
附錄二 虛擬路網之RSE數值表及實際路網之RMSE數值表135

表目錄
表2.1正式官方機構針對不一致性之研究10
表2.2 FHWA之九項計畫11
表2.2.4 歸納解決不一致問題之相關文獻	21
表3.2 DynaTAIWAN輸入之項目31
表4.1.1-1 路網一屬性概述44
表4.1.1-2 路網二屬性概述45
表4.1.3-1 路網一整合方式54
表4.1.3-2 路網二整合方式55
表4.2.1 路網一各整合程序結果比較表62
表4.2.2 路網一各起迄對最終遞迴最佳收斂方法比較表63
表4.2.3 路網二各整合程序結果比較表68
表4.2.4 路網二各起迄對最終遞迴最佳收斂方法比較表69
表4.3.1 路網一各整合程序結果比較表76
表4.3.2 路網一各起迄對最終遞迴最佳收斂方法比較表77
表4.3.3 路網二各整合程序結果比較表82
表4.3.4 路網二各起迄對最終遞迴最佳收斂方法比較表83
表5.1-1 桃園都會區全日各旅次目的與運具比例（單位：％）87
表5.1-2桃園規劃案總體程序性運輸需求模式處理程序88
表5.3.3 尖峰Gamma函數係數值98
表5.4.1 桃園路網旅行時間數值各方法結果比較表101
表5.4.2 桃園路網旅次分布數值各方法結果比較表105
表6.1.1-1 虛擬路網各起迄流量與對應之較佳回饋方法112
表6.1.1-2 虛擬路網各起迄對旅行時間與相對之較佳回饋方法113

圖目錄
圖1.1 運輸規劃四步驟中之矛盾2
圖1.2 靜態交通量指派路徑旅行時間與動態交通量指派之差異示意圖4
圖1.3 本研究研究流程圖8
圖2.2.2-1 聯合模式方法示意圖15
圖2.2.3-1 回饋方法示意圖16
圖2.2.3-2  Feedback Procedure for Averaging OD Matrices18
圖3.1 本研究研究方法示意圖28
圖3.2-1 動態交通量指派處理之架構圖31
圖3.2-2 需求型態分佈圖(均一分佈)33
圖3.2-3 需求型態分佈圖(尖峰分佈)33
圖3.3-1 方法一示意圖37
圖3.3-2 方法二示意圖37
圖3.3-3 方法三示意圖39
圖3.3-4 整體流程示意圖40
圖3.4.1 連續平均法示意圖41
圖3.4.2 固定權重法示意圖42
圖4.1.1-1 路網一示意圖43
圖4.1.1-2 路網二示意圖44
圖4.1.3-1 方法二A均一輸入47
圖4.1.3-2 方法二A尖峰輸入48
圖4.1.3-3 方法二B均一輸入50
圖4.1.3-4 方法二B尖峰輸入51
圖4.1.3-5 方法三輸入流程53
圖4.2.1-1 方法二A均一輸入旅次數RSE值趨勢圖56
圖4.2.1-2 方法二A尖峰輸入旅次數RSE值趨勢圖57
圖4.2.1-3 方法二B均一輸入旅次數RSE值趨勢圖58
圖4.2.1-4 方法二B尖峰輸入旅次數RSE值趨勢圖59
圖4.2.1-5 方法三均一輸入旅次數RSE值趨勢圖60
圖4.2.1-6 方法三尖峰輸入旅次數RSE值趨勢圖61
圖4.2.2 路網一各起迄對最終遞迴最佳收斂方法長條圖63
圖4.2.3-1 以流量加權處理均一輸入旅次數RSE值趨勢圖64
圖4.2.3-2 以流量加權處理尖峰輸入旅次數RSE值趨勢圖65
圖4.2.3-3 以直接路徑平均處理均一輸入旅次數RSE值趨勢圖66
圖4.2.3-4 以直接路徑平均處理均一輸入旅次數RSE值趨勢圖67
圖4.2.4 路網二各起迄對最終遞迴最佳收斂方法長條圖69
圖4.3.1-1 方法二A均一輸入旅行時間RSE值趨勢圖71
圖4.3.1-2 方法二A尖峰輸入旅行時間RSE值趨勢圖71
圖4.3.1-3 方法二B均一輸入旅行時間RSE值趨勢圖72
圖4.3.1-4 方法二B尖峰輸入旅行時間RSE值趨勢圖73
圖4.3.1-5 方法三均一輸入旅行時間RSE值趨勢圖74
圖4.3.1-6 方法三尖峰輸入旅行時間RSE值趨勢圖75
圖4.3.2 路網一各起迄對最終遞迴最佳收斂方法長條圖77
圖4.3.3-1 以流量加權處理均一輸入旅行時間RSE值趨勢圖78
圖4.3.3-2 以流量加權處理尖峰輸入旅行時間RSE值趨勢圖79
圖4.3.3-3 以直接平均處理均一輸入旅行時間RSE值趨勢圖80
圖4.3.3-4 以直接平均處理尖峰輸入旅行時間RSE值趨勢圖81
圖4.3.4 路網二各起迄對最終遞迴最佳收斂方法長條圖83
圖5.1 桃園地區主要道路路網圖87
圖5.2-1 桃園都會區路網圖89
圖5.2-2 DynaTAIWAN應用於桃園都會區路網圖89
圖5.3 本研究整體流程圖90
圖5.3.1-1 旅次分佈(界內)處理程序92
圖5.3.1-2 旅次分佈(界外)處理程序92
圖5.3.1-3 運具選擇(界內)處理程序93
圖5.3.1-4 運具選擇(界外)處理程序94
圖5.3.1-5 空間處理	95
圖5.3.2 分區間矩陣圖96
圖5.3.3-1 旅次分佈(界內)操作程序98
圖5.3.3-2 旅次分佈(界外)操作程序98
圖5.3.3-3 運具選擇操作程序99
圖5.4.1-1桃園路網旅行時間RSE趨勢圖101
圖5.4.1-2 MSA方法旅次分佈與交通量指派產出旅行時間之對照圖102
圖5.4.1-3 CW(0.6)方法旅次分佈與交通量指派產出旅行時間之對照圖102
圖5.4.1-4 CW(0.3)方法旅次分佈與交通量指派產出旅行時間之對照圖103
圖5.4.2-1桃園路網旅次分佈RMSE趨勢圖104
圖5.4.2-2桃園路網旅次分佈RMSE趨勢細部圖105
圖5.4.2-3 MSA方法與實際旅次數第二十次遞迴之對照圖106
圖5.4.2-4 CW(0.6)方法與實際旅次數第二十次遞迴之對照圖106
圖5.4.2-5 CW(0.3)方法與實際旅次數第二十次遞迴之對照圖107
圖6.1.1 虛擬路網較佳回饋方法與各起迄對流量及旅行時間特性之對應圖114
圖6.1.2 實際路網較佳回饋方法與各起迄對流量及旅行時間特性之對應圖114
圖6.2.1虛擬路網較佳回饋方法與各起迄對流量及旅行時間不一致差距116
圖6.2.2-1 實際路網三種較佳回饋方法與各起迄對流量及旅行時間不一致差距116
圖6.2.2-2 實際路網較佳回饋方法與各起迄對流量及旅行時間不一致差距疊圖117
圖6.3.1虛擬路網較佳回饋方法與各起迄對流量及旅行時間不一致比值118
圖6.3.2-1實際路網三種較佳回饋方法與各起迄對流量及旅行時間不一致比值119
圖6.3.2-2 實際路網較佳回饋方法與各起迄對流量及旅行時間不一致比值疊圖119

1.王慶瑞（1996），「運輸系統規劃」，亞聯工程顧問公司。
2.施鴻志、段良雄、凌瑞賢（1988）「都市交通計畫理論與實務」，茂昌圖書有限公司。
3.胡大瀛（2001），「模擬式動態交通指派模之研究」，運輸計劃季刊，第三十卷第一期，頁1-32。
4.胡大瀛等人（2004），「區域及智慧型運輸系統示範計劃-核心通分析與預測系統（第一年期）」，交通部運輸研究所。
5.胡大瀛等人（2005a），區域及智慧型運輸系統示範計劃-核心交通分析與預測系統（第二年期），交通部運輸研究所。
6.胡大瀛等人（2005b），「智慧型運輸系統下之核心交通分析與預測系統：即時性控制模組開發（1/2）」期末報告，交通部運輸研究所。
7.桃園縣政府（2005），「桃園都會區整體運輸系統分析及需求模式之建立與應用」。
8.胡大瀛等人（2006），「車流模擬DYNASMART-P與DYNASMART-X於台灣高速公路之應用與測試期末報告」，交通部運輸研究所。
9.胡大瀛等人（2007），「即時動態交通分析與預測模型（DynaTAIWAN）之實證分析與推廣（1/3）」，交通部運輸研究所。
10.Anderson M.D., Malave ,D N.,“Dynamic Trip Generation for a Medium-Sized Urban Community ”,Transportation Research Board of the National Academies Vol 1858,pp.118-123,2003.
11.Blue Ribbon Panel, Future Direction of Florida’s Transportation Models, Report of the Florida Statewide Model Task Force Blue Ribbon Panel, April 2002.
12.Boyce, D. E., Zhang, Y. F., Lupa, M. R., “Introducing ”Feedback” into Four-Step Travel Forecasting Procedure Versus Equilibrium Solution of Combined Model,” Transportation Research Record, No. 1443, pp. 65-74, 1994.
13.Boyce, D.E., “Is the Sequential Travel Forecasting Paradigm Counterproductive?” Journal of Urban Planning and Development, Volume128, pp169-183,2002
14.Boyce D.E., Williams HCWL , “Urban travel forecasting in the USA and UK.” In: Reggiani A, Schintler L (eds) Methods and models in transport and telecommunications: cross-atlantic perspectives. Springer, Berlin Heidelberg New York, pp 25–44,2005
15.Boyce et al., “New Results on Solving the Sequential Travel Forecasting Procedure with Feedback,” 17th PTV Vision User Group Meeting in Berlin, 2007.
16.Bar-Gera, H.et.al, “Solving the Sequential Procedure with Feedback,” Presented at the 6th International Conference of Chinese Transportation Professionals, Dalian,China, 2006.
17.Evans, S. P., “Derivation and Analysis of Some Models for Combining Trip Distribution and Assignment”, Transportation Research, Vol. 10, No. 1, pp. 37-57, 1976
18.Hasan,M.K.,Al-Gadhi,S.A.H.,“Application of Simultaneous and Sequential Transportation Network Equilibrium Model to Riyadh ,Saudi Arabia”,Transportation Research Board of the National Academies,Vol.1645,pp.127-132 ,1998.
19.Hasan, M. and Safwat, K., “Comparison of Two Transportation Network Equilibrium Modeling Approaches”, Journal of Transportation Engineering, Vol. 126, No. 1, pp. 35-40, 2000.
20.Hutchinson, B. G., Principles of urban transport systems planning, Scripta Book Co., 1974.
21.Jayakrishnan, R. et al., 2001, “Calibration and Path Dynamics Issues in Microscopic Simulation for Advanced Traffic Management and Information Systems”, Transportation Research Record, No 1771, pp. 9-17.
22.Loudon, W. R., Parameswaran, J., Gardner, B., “Incorporating Feedback in Travel Forecasting,” Transportation Research Record, No. 1607, pp. 185-195, 1997.
23.Li,Y.,Ziliaskopoulos,T.,Boyce,D.,“Combined Model for Time-Dependent Trip Distribution and Traffic Assignment ”,Transportation Research Board of the National Academies,Vol.1783,pp.98-109,2002.
24.Lan, C. J., M. Menendez, and A. Gan, “Incorporating Feedback Loop into FSUTMS for Model Consistency,” Final Report, Prepared for Florida DOT, September 2003.
25.Kitamura,R., Fujii,S., “Time-use Data, Analysis and Modeling ,Toward the Next Generation of Transportation Planning Methodologies”, Transportation Policy, Vol.14,No.4,pp.225-235,1997.
26.Kanafani, A. K., Transportation demand analysis, New York : McGraw-Hill, 1983.
27.Mahut., M., et al., “Application of a simulation based dynamic traffic assignment model”, Proceedings of the 5th International IEEE Confernce on ITS, 2002.
28.Meyer, M. D., Urban transportation planning : a decision-oriented approach, New York : McGraw-Hill, 1984.
29.Miller, H. J., Towards Consistent Travel Demand Estimation in Transportation Planning, Prepared for the Bureau of Transportation Statistics, U.S. Department of Transportation, November 1997.
30.Morlok, E. K., Introduction to transportation engineering and planning, New York : McGraw-Hill, 1978.
31.Ortuzar, J. D. and Willumsen, G.,1994, Modelling transport, 2nd Edition,John Wiley&Sons Ltd, England.
32.Procedures for Emission Inventory Preparation Volume IV: Mobile Sources, Environmental Protection Agency, Ann Arbor,Mich.,1992.
33.Ramadurai ,G., Srinivasan , K.K., “Dynamics and Variability in Within-Day Mode Choice Decision: Role of State Dependence ,Habit Persistence ,and Unobserved Heterogeneity”, Transportation  Research Board of the  National Academies,Vol.1977,pp.43-52,2006.
34.Rodier, C. and R. Johnston., Comments on the Final Environmental Impact Statement for the proposed construction of the Legacy Highway, Department of Environmental Science and Policy. University of California, California, 2000.
35.Sheffi, Y. 1985, “Urban Transportation Networks: Equilibrium Analysis with Mathematical Programming Methods,” Prentice Hall, Englewood Cliffs.
36.Siegel, J. D., De Cea, J., Ferna´ndez, J. E., Rodriguez, R.E., Boyce, D.,“Comparisons of Urban Travel Forecasts Prepared with the Sequential Procedure and a Combined Model,” Networks and Spatial Economics, Volume6, Issue2, pp135-148, 2006.
37.Spear,B.C., “New approaches to travel forecasting models :a synthesis of four proposals ”,U.S Department of Transportation , Federal Highway Administration  Federal Transit Administration Office of the Secretary , 1994
38.Tsekeris ,T., Stathopoulos ,A., “Gravity models for dynamic transport planning : Development and implementation in urban networks ”Journal of Transport Geography, Vol.14,pp.152-160, 2006
39.Vuchic, V. R., Urban transit systems and technology, Hoboken, N.J. : Wiley, 2007.
40.Wan., W., and Jayakrishnan, R., “Simulation-Based Performance Studies of Utilizing Network Programming Algorithm to a Network-Wide Traffic Control”. 2003.
41.Wen, Y. et al., 2006, “Online Deployment of Dynamic Traffic Assignment:Architecture and Run-Time Management”, Intelligent Transport Systems, IEE Proceedings, Volume153, Issue1, pp76-84.
42.Walker, W T, Peng, H ,Alternate Method to Iterate a Regional Travel Simulation Model：Computational Practicality and Accuracy. Transportation Research Record, pp. 21-28,1995
43.Winslow, A. Bladikas, K. Hausman, and L. Spasovic, “Introduction of Information Feedback Loop to Enhance Urban Transportation Modeling System”, Transportation Research Record 1493, National Academic Press, Washington, D.C., pp. 81-89, 1995.
44.Xu, M., Chen, A., Gao, Z., “An improved origin-based algorithm for solving the combined distribution and assignment problem”, European Journal Operational research, NO. 3. , 2007
45.Yun, I. and Park, B., “Development of ITS Evaluation Test-Bed Using Microscopic Simulation City of Hampton Case Study”, Research Report No. UVACTS-15-0-45, 2003.