多元交通資料融合進行旅行時間預測——以臺中港路為例

The Fusion of Multiple Traffic Data for Travel Time Forecasting——A Case Study of Taichung Port Road

利用倒傳遞類神經網路,單以資料本身進行路段旅行時間預測,避免建立高複雜度的模式以及環境所產生的干擾下,建立不失精準度的預測模式。研究過程中發現:若僅考量路段中的車輛偵測器資料用以預測旅行時間,其預測精準度較劣於融合車輛偵測器資料及公車旅行時間資料之精準度,且發現預測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測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預測之精準度。

This paper utilizes Error Back-Propagation Neuro-network to develop a data-driven travel time forecasting model in order to address processing procedures of traffic congestion on a particular location-Taichung Port Road in Taichung 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.