本研究係探討以探針車推估號誌化道路旅行時間時，所需探針車數量、其空間位置與旅行時間推估誤差間之關係。
    道路旅行時間的資料蒐集工具可分為固定式偵測器(Vehicle Detector)與移動式探針車(Probe Vehicle)兩種。因移動式探針車佈設成本較低，在台灣實際應用上逐漸廣泛。但是，目前探針車的研究中，多為針對高速公路等非號誌化道路的探討，市區道路之旅行時間因受號誌影響而較少討論。
    因此，本研究主要目的有二；一、在有限的探針車數量下，以探針車空間位置關係修正號誌化道路旅行時間推估誤差。第二，若未來探針車普及的情況，如何於有限的抽樣成本下，抽取適當位置的探針車資料降低號誌化道路旅行時間推估誤差。
    本研究以實驗設計與變異數分析(Analysis of Variance ,ANOVA)探討探針車分佈與空間平均速率(Space Mean Speed)之關係，並利用探針車空間分布位置做為類神經網路(Artificial Neural Network)輸入變數以修正推估誤差。研究發現，短路段時(200公尺以下) 探針車分布位置與空間平均速率之推估誤差關係較不明顯，而中長路段 (200公尺以上) 時，探針車分布位置與推估誤差有顯著關係。且若以探針車位置做為類神經網路輸入變數，可有效修正推估誤差，取得較為準確之號誌化道路旅行時間。

This research addresses the relationship between the needed amount and spatial distributions of Probe Vehicle, and the travel time estimation errors, when practically using Probe Vehicles on signalized arterials to estimate travel time.
  Tools of travel time’s data-collection can be categorized as Vehicle Detector and Probe Vehicle. Probe Vehicle is becoming widely used in Taiwan because of its lower setup cost. However, Probe Vehicle researches at present all focus on highway, non-signalized arterials, resulting in the lack of discussion in how traffic signals affect travel time in urban districts.
  Therefore, the purpose of this research contains two main points: first, under limited amount of probe vehicles, how to efficiently use their positions to correct estimation errors of travel time on signalized arterials; second, if the number of Probe Vehicle becomes very popular in the future, how to select Probe Vehicles’ data in which locations to narrow down the errors within limited sampling.
This research uses experimental design and ANOVA (Analysis of Variance) to explore the relationship between Probe Vehicles’ spatial distribution and Space Mean Speed, and furthermore, uses Probe Vehicles’ spatial distribution as Artificial Neural Network’s variables to correct estimation errors. The research results show that the relationship between Probe Vehicles’ spatial distribution and Space Mean Speed is not obvious for the short link under 200 meters, but it is significant for the link longer than 200 meters. When Probe Vehicles’ spatial distribution is used as variables in Artificial Neural Network, travel time estimation errors can be efficiently corrected and more accurate signalized arterials travel time can be obtained.

中文摘要
英文摘要
誌謝
目錄.................................................i
圖目錄.............................................iii
表目錄...............................................v
第一章 緒論..........................................1
1.1 研究背景與動機	...................................1
1.2 研究目的	...................................2
1.3 問題界定	...................................3
1.3.1 瞬時(Instantaneous)與真實(Actual)之旅行時間....3
1.3.2 推估與預測	...................................4
1.4 研究範圍	...................................4
1.5 研究內容與流程	...................................6
第二章 文獻回顧	...................................8
2.1 GPS探針車	...................................8
2.2 探針車推估旅行時間與探針車樣本數探討.............9
2.3 類神經網路	..................................17
2.3.1 類神經網路基本概念............................17
2.3.2 類神經網路於交通領域之應用....................19
2.4 小結  	..................................21
第三章 研究方法	..................................22
3.1 實驗設計	..................................23
3.2 資料蒐集與系統模擬..............................25
3.2.1 PARAMICS車流模擬軟體簡介......................26
3.2.2 GPS輸出資料與PARAMICS輸出資料比較.............33
3.3 變異數分析	..................................34
3.4 類神經網路	..................................38
第四章 實驗設計與資料蒐集...........................43
4.1 模擬實驗設計	..................................43
4.2 模擬路網構建	..................................49
4.3 資料蒐集	..................................53
第五章 探針車推估誤差分析...........................58
5.1 資料分析流程	..................................58
5.2 探針車數量與位置對推估誤差之分析................60
5.2.1 探針車數量探討................................60
5.2.2 探針車位置探討................................65
5.3 類神經網路資料分析結果..........................78
5.3.1 類神經網路推估績效............................78
5.3.2 類神經網路推估績效檢定........................83
第六章 結論與建議...................................85
6.1 結論............................................85
6.2 建議............................................87
參考文獻............................................88
附錄一 各情境探針車分佈位置推估誤差.................91
附錄二 各探針車分佈位置類神經網路推估誤差比較......107
附錄三 探針車抽樣程式碼............................123
附錄四 PARAMICS模擬軟體API程式碼...................132
圖目錄
圖1.2-1 探針車分佈位置示意圖...........................................................................2
圖1.3-1 瞬時與真實旅行時間關係圖....................................................................3
圖1.3-2 推估與預測關係圖...................................................................................4
圖1.4-1 研究範圍示意圖.......................................................................................5
圖1.5-1 研究流程圖................................................................................................7
圖3-1 分析架構流程圖........................................................................................22
圖3.1-1 實驗設計流程圖.....................................................................................25
圖3.2-1 變異數分析自變數與依變數關係圖.....................................................34
圖3.2-2 拒絕域示意圖.........................................................................................37
圖3.4-1 類神經網路輸入層與輸出層關係圖.....................................................40
圖3.4-2 倒傳遞網路訓練與測試流程.................................................................41
圖4.1-1 模擬環境需求量與速率關係圖.............................................................45
圖4.1-2 前後車速率差示意圖.............................................................................46
圖4.2-1 實驗設計節點位置設定圖.....................................................................50
圖4.2-2 路段條件設定.........................................................................................51
圖4.2-3 號誌設定圖.............................................................................................51
圖4.2-4 OD 起訖輸入示意圖............................................................................52
圖4.3-1 抽樣程式撰寫流程圖.............................................................................56
圖5.1-1 資料分析流程圖.....................................................................................59
圖5.2-1 短路段車輛數與平均絕對誤差值關係圖.............................................61
圖5.2-2 中路段車輛數與平均絕對誤差值關係圖.............................................61
圖5.2-3 長路段車輛數與平均絕對誤差值關係圖.............................................62
圖5.2-4 短路段探針車百分比與推估絕對誤差值.............................................64
圖5.2-5 中路段探車百分比與推估絕對誤差值.................................................64
圖5.2-6 長路段探針車百分比與推估絕對誤差值.............................................64
圖5.2-7 1 輛探針車分佈位置與誤差關係圖.......................................................69
圖5.2-8 2 輛探針車分佈位置與誤差關係圖.......................................................69
圖5.2-9 3 輛探針車分佈位置與誤差關係圖.......................................................69
圖5.2-10 4 輛探針車分佈位置與誤差關係圖.....................................................69
圖5.2-11 5 輛探針車分佈位置與誤差關係圖.....................................................70
圖5.2-12 6 輛探針車分佈位置與誤差關係圖.....................................................70
圖5.2-13 7 輛探針車分佈位置與誤差關係圖.....................................................70
圖5.2-14 8 輛探針車分佈位置與誤差關係圖.....................................................70
圖5.3-1 短路段低流量類神經網路推估績效圖.................................................80
圖5.3-2 短路段中流量類神經網路推估績效圖.................................................80
圖5.3-3 短路段高流量類神經網路推估績效圖.................................................80
圖5.3-4 中路段低流量類神經網路推估績效圖.................................................81
圖5.3-5 中路段中流量類神經網路推估績效圖.................................................81
圖5.3-6 中路段高流量類神經網路推估績效圖.................................................81
圖5.3-7 長路段低流量路段類神經網路推估績效圖.........................................82
圖5.3-8 長路段中流量路段類神經網路推估績效圖.........................................82
圖5.3-9 長路段高流量路段類神經網路推估績效圖.........................................82
表目錄
表1.4-1 台灣北部地區省道路段基本資料...........................................................5
表3.2-1 公路環境功能分類之模擬模式.............................................................27
表3.2-2 車流模擬軟體之相關功能比較.............................................................27
表3.2-3 PARAMICS 微觀車流模擬軟體子模組.................................................28
表3.2-4 PARAMICS 與NETSIM 模擬路網之限制............................................29
表3.2-5 PARAMICS 模擬器駕駛者相關參數說明.............................................30
表3.2-7 組間誤差與組內誤差表.........................................................................35
表3.2-8 ANOVA 分析表.......................................................................................36
表4.1-1 北部地區省道路段長度分類表.............................................................44
表4.1-2 流量等級因子設計.................................................................................45
表4.1-3 探針車數量與位置情境設計表.............................................................47
表4.3-1 PARAMICS 輸出資料範例.....................................................................53
表4.3-2 抽樣結果(變異數分析使用格式) ..........................................................57
表4.3-3 抽樣結果(類神經網路使用格式) ..........................................................57
表5.2-1 各模擬情境平均速率表.........................................................................60
表5.2-2 各情境車輛數與推估誤差表.................................................................61
表5.2-3 短路段探針車輛數百分比與推估絕對誤差值.....................................62
表5.2-3 中路段探針車輛數百分比與推估絕對誤差值.....................................63
表5.2-3 長路段探針車輛數百分比與推估絕對誤差值.....................................63
表5.2-4 不同探針車位置之誤差範例表.............................................................66
表5.2-5 短路段變異數分析結果.........................................................................67
表5.2-5 中路段變異數分析結果.........................................................................67
表5.2-5 長路段變異數分析結果.........................................................................67
表5.2-6 短路段推估誤差較小之探針車分佈位置.............................................72
表5.2-7 中路段推估誤差較小之探針車分佈位置.............................................73
表5.2-8 長路段推估誤差較小之探針車分佈位置.............................................74
表5.2-9 短路段推估誤差較大之探針車分佈位置.............................................75
表5.2-10 中路段推估誤差較大之探針車分佈位置...........................................76
表5.2-11 長路段推估誤差較大之探針車分佈位置...........................................77
表5.3-1 各情境類神經網路隱藏層數與單元數.................................................79
表5.3-2 類神經網路推估績效表.........................................................................79
表5.3-4 不同情境類神經網路推估績效顯著差異個數表.................................83
表6.1-1 建議探針車分佈位置.............................................................................86

1. 交通部運輸研究所，車用導航系統之初探，民國90年。
2. Sen, Ashish, Thkuriah, Piyushimita, Zhu, Xia-Quon, and Karr, Alan, “Frequency of Probe Reports and Variance of Travel Time Estimates. ” Journal of Transportation Engineering, Vol.123, No.4,pp.290-297, 1997. 
3. Kloot, G., “Melbourne’s Arterial Travel Time System,,” 5th ITS World Congress,1998.
4. Choi, K., Shin, C. H., and Park, I., “An Algorithm for Calculating Dynamic LinkTravel Times Using GPS and A Digital Road Map,” 5th ITS World Congress,1998.
5. Turner, S. M., and Holdener, D. j. “Probe Vehicle Sample Size for Real-Time Information: The Houston Experience.”Texas Transportation Institute Texas A&M University, 1995.
6. Karthik K. Srinivasan and Paul P. Jovanis, “Determination of Number of Probe Vehicles Required for Reliable Travel Time Measurement in Urban Network.” TRANSPORTATION RESEARCH RECORD 1537, 1996.
7. Quiroga, C.A. and Bullacok, D. “Determination of sample sizes for travel time studies”. ITE Journal 68(8), 1998, pp 92-98.
8. Helinga, B., Fu, L. “Assessing Expected Accuracy of Probe Vehicle Travel Time Reports.”Journal of transportation Engineering, 125(6), 524-530, 1999.
9. Takashi, Dynamic Estimation of Traffic States on Expressway for Advanced Traffic Surveillance Systems, 2000.
10. Chen,M, Chien, S.I.J. “Determining the number of probe vehicles for freeway travel time estimation using microscopic simulation.” Paper No.00-1334, Transportation Research Board 79th Annual Meeting, TRB, Washington.D.C. Jan., 2000.
11. Ruey Long Cheu, Chi Xie and Der -Horng Lee, “Probe Vehicle Population and Sample Size for Arterial Speed Estimation.” Computer-Aided Civil and Infrastructure Engineering 17 (2002) 53–60, 2002.
12. Cohen. S. “Probe Vehicle Sample Size for Travel Time Estimation on Equipped Motorways.”European Transport Conference, Cambridge(UK), 2002.
13. Shuo Li, Karen Zhu, B. H. W. Van Gelder, John Nagle, and Carl Tuttle,“Reconsideration of Sample Size Requirements for Field Traffic Data Collection with Global Positioning System Devices.” Transportation Research Record 1804, 2002.
14. WANG Li, WANG Chuanjiu, SHEN Xiaorong, FAN Yuezu, “Probe Vehicle Sampling for Real-Time Traffic Data Collection.” Manuscript received January 14, 2005.
15. Tetsuhiro Ishizaka, Atsuahi Fukuda and Sorawit Narupiti, “EVALUATION OF PROBE VEHICLE SYSTEM BY USING MICRO SIMULATION MODEL AND COST ANALYSIS”Journal of the Eastern Asia Society for Transportation Studies, Vol. 6, pp. 2502 - 2514, 2005.
16. Bae Sanghoon, “Probative Travel Time Predictions under Interrupted Flow Condition,” IEEE, 1997.
17. Y Son, J Oh “Estimating Arterial Link Travel Times Using Loop Detector Output” 5th ITS World Congress, Seoul, 1998.
18. 吳佳峰，有GPS資訊提供下之車輛旅行時間預估模式之研究，國立交通大學運輸工程與管理學系，民國90年。
19. 張惠汶，利用公車GPS定位資料推估路段行車速率之研究，國立交通大學運輸科技與管理學系，民國91年。
20. 黃惠隆，以車輛偵測器推估旅行時間之研究-以北二高為例，中華顧問工程司，民國91年。
21. 蔡百里，資料融合技術應用於旅行時間推估之研究，淡江大學運輸科學研究所，民國95年6月。
22. 葉怡成，類神經網路模式應用與實做，儒林圖書公司，民國89年4月。
23. 邱顯鳴，結合車道變換率之事件偵測新演算法研究，台灣大學土木工程學研究所，民國84年6月。
24. 林士傑，高速公路旅行時間預測模式之研究-類神經網路之應用，成功大學交通管理研究所，民國90年6月。
25. Dougherty, M., (1995), “A review of neural networks applied to transport,”Transportation Research C, Vol.3, No.4, pp247-260.
26. 魏健宏、陳奕志，民國90 年，「類神經網路模式在國內交通運輸研究之成果評析」，運輸計畫季刊，第 30 卷，第 2 期，頁323-348。
27. Suzuki, H. et al., ”A Neural-Kalman Filter for Dynamic Estimation of Origin-Destination (O-D) Travel Time and Flow on a Long Freeway Corridor,”Prepared for Presentation at the 79th Transportation Research Board Annual Meeting, Washington, D. C., 2000.
28. Zietsman, J. and Rilett, L. R., ”A Comparison of Aggregate and Disaggregate Based Travel Time Estimation for Sustainability and ATIS Systems Applications,” Prepared for Presentation at the 79th Transportation Research Board Annual Meeting, Washington, D. C., 2000.
29. Otokita, T., Oda, T., and Hashiba, K., “Travel Time Prediction Based on Pattern Extraction from Database,” 5th ITS World Congress, 1998.
30. Jasperse, D. and Toorenburg, J. V., “Real-Time Estimation of Travel-Times and Queue-Lengths A Practical Study,” 6th ITS World Congress, 1999.
31. 交通部運輸研究所，先進式微觀車流模擬器—PARAMICS模擬軟體應用於高速公路與市區道路交控系統整合策略研究，民國90年。
32. 交通部運輸研究所，先進式微觀車流模擬器—PARAMICS模擬軟體應用台灣地區發展ITS模擬路網之模式校估測試研究，民國九十年九月。
33. 林惠玲、陳正倉，統計學，雙葉出版社，民國91年。
34. 何志宏，市區全動態號誌控制系統中之最佳偵測器佈設區位之研究，中華民國運輸學會第20屆學術論文研討會，民國九十四年。
35. 交通部運輸研究所，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省道路段固定式偵測器佈設規劃，民國95年。