以車流模型為基礎之交通動態預測技術平台開發---子計畫一：動態旅次起訖推估與預測(III)

Abstract

早期的動態起迄研究大都只考慮在某一個時段內，推估起迄流量及所有相關變數的平均值。此類研究並沒有考慮交通流量會隨時間變化的特性，通常只用來應用在規劃方面。Jou (2001,2002,2003)曾經用時間序列中的狀態空間模式（State Space Modal），並且結合Gibbs抽樣計算方法去估計動態起迄型態（O-D Pattern），但是網路的旅行時間都是假設固定，應用在捷運系統等估計動態起迄型態（O-D Pattern）。 在本計畫第一年的工作中，已經發展高斯形狀態空間模式(Gaussian State Space Model)用以推估動態起迄矩陣。並將繼續發展非高斯形狀態空間模式(Non-Gaussian State Space Model)，使這個方法論更為一般化，其適用條件亦更為廣泛本計畫第二年發展一結合車流模擬(總計畫)以提供旅行時間方法去估計起迄型態（O-D Pattern）。我們使用時間序列中的狀態空間模式（State Space Modal），並且考慮在高斯形狀態空間模式(Gaussian State Space Model)的條件下去校估狀態空間模式的參數，結合車流模擬以提供旅行時間用於求解的疊代過程直到收斂。 本計畫第三年將將放鬆前期狀態轉移矩陣（Transition matrix）固定之假設，並使之隨時間以及觀察值改變。並且引進平行計算技巧，以發展平行演算法用以提升計算效能。本研究將把此平行演算法撰寫成程式並於叢集電腦（PC-Cluster）上執行以求算效率，並達到提供即時資訊之目標。