多元交通資料融合進行旅行時間预测——以臺中港路為例

摘要

利用倒傅(遁)類神經網路,單以資料本身進行路段旅行時間预测,避免建立高複(難)度的模式以及環境所産生的干擾下,建立不失精準度的预测模式.研究通程中發現:若僅考量路段中的車輛偵测器資料用以预测旅行時間,其预测精準度較劣於融合車輛偵测器資料及公車旅行時間資料之精準度,且發現预测精準度於尖峰時段較準確,故可推論使用一種以上的多元探测器所得之交通參數資料且於車流量較大之路段皆可提高路段旅行時間预测之精準度.%This paper utilizes Error Back-Propagation Neuro-network to develop a data-driven travel time forecastingmodel in order to address processing procedures of traffic congestion on a particular location-Taichung Port Road inTaichung City. The model avoids complex mode to consider traffic control and environmental noise. The findings show that multi-resource data fusion improves the validity of the forecast.