在先進都市中需要許多的展覽場活動來促成商業活動，像是台北世貿中心舉辦的台北國際書展等活動，可讓民眾在假日閒暇時作為走訪之處。主辦單位為了使民眾在參訪展覽場之過程能夠便利，此時主辦單位可透過應用程式提供導覽服務並能夠協助訪客及時掌握展覽場內部的資訊。訪客在參觀展覽場時常會遇到過多的遊覽人潮造成的交通意外狀況，此時也帶給主辦單位艱困的挑戰。然而其中最根本原因為如何避免人潮擁塞情形，通常討論避免人潮擁塞策略分成兩項:「動線規劃設計」及「動態管控機制」等方式進行。因人潮擁擠情形亟待解決，此時主辦單位在可透過事先的動線規劃設計來避免人潮擁擠狀況，但是即使動線設計再好還是有可能會產生人潮擁擠的狀況，此時須配合著一套動態管控機制來做為輔助，因此本文提出動態人潮管控策略來協助主辦單位疏通展覽場內部大批人潮的流量，讓訪客能夠避開擁擠的區域，引導訪客先到人潮較不擁擠區域參觀，展覽場的動線能夠更加流暢並提供良好的服務品質。

Increased business activities require more exhibition place in a rapidly growing city. Some examples such as the Taipei International Book Exhibition and Taipei International Trade Center are used regularly. In those show places, some may provide the guide service through app to facilitate consumer, and the app can help people to get the exhibition information immediately. Keeping an exhibition is a great challenge to the organization in charge. Those challenges include traffic flow planning design and dynamic management mechanism to avoid congestion in certain area of the exhibition. A heavily congested area could result in disaster to attendants and consumers. This thesis proposes a method to alleviate traffic flow, and to help people avoid congestion. Consumers can reach their intended area more easily. This method can facilitate smooth traffic flow throughout the exhibition and provide good service quality.

目錄
第1章	緒論	1
1.1	前言	1
1.2	研究動機與目的	2
1.3	研究方法	3
1.4	論文架構	3
第2章	相關研究	4
2.1	QOS服務及網路協定	4
2.2	室內定位技術的應用	6
2.2.1 Wi-Fi技術	7
2.2.2 藍牙技術	7
2.2.3 紅外線技術	7
2.2.4 RFID技術	8
2.2.5 ZigBee技術	8
2.2.6 超聲波技術	8
2.3	群體智慧	9
2.4	擁擠環境中的人群偵測與追蹤	10
第3章 人潮管控	11
3.1	展覽場場景描述	12
3.2	訪客資料結構的建置	13
3.2.1 訪客編號(ID)	14
3.2.2 訪客對各區域興趣程度(Degree)	14
3.2.3 訪客目前位置(Current area)	15
3.2.4 訪客導覽路徑(Guide)	15
3.2.5 各區域拜訪次數(Record)	16
3.2.6 訪客停留時間(Stay)	16
3.3 訪客人數統計方式	17
3.4	訪客導覽方式	18
3.5 訪客配合度及介面設計描述	24
第4章 模擬及分析	26
4.1實驗場景及參數設定	26
4.2 實驗結果及分析	27
第五章 結論與未來展望	30
參考文獻	31
附錄一-中文版CONFERENCE	33
附錄二-英文版CONFERENCE	40

 
圖目錄 
圖 1: 展覽場混亂場面  2 
圖 2:封包碰撞  4 
圖 3:DCF避免封包撞機制  5 
圖 4:訊務區別競爭方式圖 6 
圖 5:單層神經元網路架構圖 9 
圖 6:自動化人潮監控系統架構圖  10 
圖 7:人潮管控整體系統架構示意圖  11 
圖 8:展覽場平面圖  12 
圖 9:區域聯通路徑圖  13 
圖 10:訪客導覽示意圖  15 
圖 11:訪客區域轉換示意圖(一) 18 
圖 12: 訪客區域轉換示意圖(二)18 
圖 13:門檻值顏色示意圖  20 
圖 14:SIGMOID函數範例圖(一)  22 
圖 15: SIGMOID函數範例圖(二)  23 
圖 16:應用程式欄位介紹  25 
圖 17:模擬1小時中1500位訪客在各區域出現擁擠區域次數之結果圖  27 
圖 18:模擬1小時中1500位訪客在各區域出現警戒區域次數之結果圖  28 
圖 19:模擬1小時中2000位訪客在各區域出現警戒區域次數之結果圖  28 
圖 20: 模擬1小時中2000位訪客在各區域出現擁擠區域次數之結果圖  29


 
表目錄
表 1:封包訊務優先順序	6
表 2:訪客資料結構欄位	14
表 3:訪客興趣欄位範例	15
表 4:訪客區域拜訪次數欄位範例	16
表 5:訪客區域停留時間欄位範例	17
表 6:訪客導覽演算法	24
表 7:實驗模擬參數	26

[1]	M. Okada, Y. Motegi, K. Yamamoto, “Human swarm modeling in exhibition space and space design,” in Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference , pp. 5021-5026, Sept. 2011.
[2]	E. Bonabeau, M. Dorigo, G. Theraulaz, “Swarm Intelligence: From Natural to Artificial Systems” Oxford university press, 1999.
[3]	M. Dorigo, L. M. Gambardella, “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem”, in IEEE Transactions Evolutionary Computation, pp. 53-66, Apr. 1997
[4]	J. Ferber,“Multi-Agent System: An Introduction to Distributed Artificial Intelligence,” published in Addison-Wesley, 1999
[5]	J. Fujimoto, S. Hotta, K. Sawada, Y. Hada, K. Hida, and S. Mori, “Hybrid positioning system combining spatially continuous and discrete information for indoor location-based service,” in Proc. of 13th International Conference on Control, Automation and Systems (ICCAS), pp. 1-6, Oct., 2012.
[6]	P. Lin, Q. Li, Q. Fan, X. Gao, and S. Hu, “A Real-Time Location-Based Services System Using WiFi Fingerprinting Algorithm for Safety Risk Assessment of Workers in Tunnels,” Mathematical Problems in Engineering, pp. 251-261, Aug., 2011.
[7]	K. Hakan and S. H. Yang, “A Survey of Indoor Positioning and Object Locating Systems,” International Journal of Computer Science and Network Security (IJCSNS), vol. 10, no. 5, pp. 121-128, 2010.
[8]	S. Manav and A. Shukla, “Implementation of Location based Services in Android using GPS and Web Services.” International Journal of Computer Science (IJCSI), vol. 9, no. 1, pp. 237-242, 2012.
[9]	N. Pritt, “Indoor Positioning with Maximum Likelihood Classification of Wi-Fi Signals,” in Proc. of IEEE Sensors, pp. 1-4, Nov., 2013.
[10]	C. Bisdikian, “An Overview of the Bluetooth Wireless Technology,” IEEE Commun Mag, vol. 39, no. 12, pp. 86-94, Dec., 2001.
[11]	室內定位技術，“http://www.ithome.com.tw/tech/86651”
[12]	陳建榮，“擁擠環境中的人群偵測與追蹤,” 國立交通大學資訊科學與工程研究所，2006
[13]	邱以強，“結合基因演算法與螞蟻演算法求解旅行銷售員問題”國立東華大學資訊工程學研究所，2012
[14]	人工神經網路中文維基百科，“https://zh.wikipedia.org/wiki/人工神經網絡”
[15]	人工神經網路MBA百科 ，“https://wiki.mbalib.com/zh-tw/人工神經網絡”