會議論文
| 學年 | 109 |
|---|---|
| 學期 | 1 |
| 發表日期 | 2020-12-03 |
| 作品名稱 | 卷積神經網路於擁擠指標之研究 |
| 作品名稱（其他語言） | |
| 著者 | 劉士仙; 陳瑋翔; 徐偉哲 |
| 作品所屬單位 | |
| 出版者 | |
| 會議名稱 | 中華民國運輸學會2020年會暨學術論文研討會 |
| 會議地點 | 台南市，台灣 |
| 摘要 | 以不同顏色提供道路交通擁擠（Congestion）資訊，是目前國內外常用來描述路況資訊最普遍的一種型式，主要在於簡單、畫面易懂；國內外的交通控制中心的路況擁擠程度，目前主要仍以道路速限為準，主觀地將速率高低分為幾種級距，以反應用路人對道路擁擠感知的等級，常會發生與用路人主觀之行車擁擠感知經驗不一致的現象。過去學術研究爰用進階之分類方法，雖有改善，仍有諸多改善空間。由於用路人係以視覺感知來判讀交通擁擠狀態，有鑑於此，本研究嘗試以圖像辨識之卷積神經網路技術，預測擁擠指標類別，並以路段固定偵測器之即時交通參數為基礎，比較過去使用轉換之判讀方法，以高速公路為例，比較分析，結果顯示，以卷積神經網路深度學習預測之模式績效，準確度之改善有大幅提升，準確率達82.9%。 |
| 關鍵字 | 擁擠指標;卷積神經網路 |
| 語言 | zh_TW |
| 收錄於 | |
| 會議性質 | 國內 |
| 校內研討會地點 | 無 |
| 研討會時間 | 20201203~20201204 |
| 通訊作者 | |
| 國別 | TWN |
| 公開徵稿 | |
| 出版型式 | |
| 出處 | 中華民國運輸學會2020年會暨學術論文研討會論文集 |
| 相關連結 |
機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/120746 ) |