頁籤選單縮合
| 題 名 | 高速公路短期車流量之預測--以LSTM-RNN深度學習方法 |
|---|---|
| 作 者 | 張軒慈; | 書刊名 | 陸軍後勤季刊 |
| 卷 期 | 113:3 2024.08[民113.08] |
| 頁 次 | 頁29-47 |
| 分類號 | 557.3 |
| 關鍵詞 | 交通流量預測; 電子收費系統; 深度學習; 長短期記憶模型; ETC; LSTM; |
| 語 文 | 中文(Chinese) |
| DOI | 10.53106/230674382024081133003 |
| 中文摘要 | 一、 伴隨國人車輛持有數及交通需求的增加,造成塞車問題日益加劇;另用路人 行駛時間增長,亦可能產生行車安全問題。交通部於國道設置電子收費系統 (Electronic Toll Collection, ETC),除可紓緩並降低人力成本外。並可透過「交 通資料庫」提供大量且完整的國道交通流量資訊。 二、 本研究蒐集平日上班尖峰時段,壅塞機率最高的國道1號「五股至圓山」路段 之車流ETC資料庫資料,運用深度學習中適合時間序列預測的長短期記憶演算 法(Long Short-Term Memory, LSTM)以建立車流預測模型,透過實驗超參數 調校(hyper-parameter turning)使模型優化,最後利用平均絕對百分比誤差 (MAPE)以評估模型的準確性。 三、 透過實驗調整超參數(hyper-parameter)優化模型後,預測5分鐘後之短期車流 量,預測結果MAPE值為6.96,可達到相當精確的結果,若將本模型套用至各單 位出勤路線之路段,可提供國軍單位派車及路線選擇決策,進而降低行車風險及 提高效率。 |
本系統中英文摘要資訊取自各篇刊載內容。