完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 蘇怡瑄 | en_US |
dc.contributor.author | Su, Yi-Hsuan | en_US |
dc.contributor.author | 陳穆臻 | en_US |
dc.contributor.author | Chen, Mu-Chen | en_US |
dc.date.accessioned | 2014-12-12T01:41:59Z | - |
dc.date.available | 2014-12-12T01:41:59Z | - |
dc.date.issued | 2009 | en_US |
dc.identifier.uri | http://140.113.39.130/cdrfb3/record/nctu/#GT079736519 | en_US |
dc.identifier.uri | http://hdl.handle.net/11536/45546 | - |
dc.description.abstract | 在現今高油價和環保意識提高的時代,民眾紛紛選擇大眾運輸作為通勤之運具,捷運系統的便利與安全性,更使得台北捷運旅運量逐年的遞增,可想而知,當捷運路網陸續完工,所及範圍更加延伸,搭乘的人次勢必向上攀升,進而影響到各站之旅運量,造成車站人次發散或是集中到新的轉運站,因而需要作短期預測,適時地去注意旅運量之變動,才能即時反應場站設施的供需是否合宜,更精準的調配人員與排班。 類神經網路擁有彈性的參數設計、無統計假設限制、具有學習能力、能處理非線性和雜訊的資料,在足夠的訓練樣本以及適切的參數設計下,能捕捉時間序列趨勢,因此,近年來被廣泛應用在時間序列預測上,本研究選用類神經網路中最普及使用的倒傳遞網路,並和能改良倒傳遞出現局部解的缺點的支援向量迴歸方法進行預測模式比較。 本論文觀察捷運旅運人次之時間特性,建構以資料導向為主的類神經網路預測模式,將台北車站之出站人數作為實驗對象,觀察實驗結果,類神經網路能夠精準地預測捷運運量,此預測結果可望給與捷運公司進行營運管理的參考。 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 旅運需求 | zh_TW |
dc.subject | 捷運系統 | zh_TW |
dc.subject | 時間序列 | zh_TW |
dc.subject | 預測 | zh_TW |
dc.subject | 類神經網路 | zh_TW |
dc.subject | Passenger Demand | en_US |
dc.subject | Metro Systems | en_US |
dc.subject | Time Series | en_US |
dc.subject | Forecasting | en_US |
dc.subject | Artificial Neural Networks | en_US |
dc.title | 運用類神經網路預測捷運車站之運量 | zh_TW |
dc.title | Applying Artificial Neural Networks to Forecast Passenger Flows of Metro Station Exits | en_US |
dc.type | Thesis | en_US |
dc.contributor.department | 運輸與物流管理學系 | zh_TW |
顯示於類別: | 畢業論文 |