地方政府交通局

道路壅塞程度預測分析

專案目標

以市公車軌跡資料用於道路壅塞嚴重性的預測分析,並將結果以互動式地圖與資料視覺化儀表板(dashboard)型態呈現,以便輔助相關人員進行決策之用。

Government Transportation Department 1

為了解決路段壅塞預測的問題,解決方案如上圖所示。此架構中包括以下三個步驟:

(一) 資料前處理

(二) 預測模型建立

(三) 資料報表系統

(1)資料前處理

資料是來自地方政府交通局交控中心所提供之資料,使用的資料集共三個月。主要資料表如下 :

公車軌跡中的重要欄位如下:

Government Transportation Department 1

路段速度中的重要欄位如下:

Government Transportation Department 1

(2)預測模型建立

一個路段壅塞的預測模型,此預測模型包含兩個模組:路段速度預測模型、壅塞等級計算。

 

這個問題在資料分析的學門上為一個時間序列的預測問題。這種預測問題的解法有很多,常見的有 ARIMA、ETS、TBATS 等。這些方法有其既有的缺點,例如:ARIMA 無法較好的捕捉到時間序列的週期性、ETS 和 TBATS 則較無法捕捉到較長時間的週期性等。然而上述方式最大的缺點乃是在調整參數時,對於資料分析人員將造成很大的調整困擾。

因此,在本次研究中,我們採用時間序列分解和 Curve-Fitting 的方法來進行預測。也就是說,在時間 t 中的預測值可以分解成數個項相加所構成,然後求出一個函數 y(t)來預測時間序列在未來的值為何。首先,我們採用 generalized additive model 將預測速度值 y(t)分解成以下的公式:

Government Transportation Department 1

(3) 資料報表系統

以下為模型訓練後的視覺化:

Government Transportation Department 1

模型訓練與預測之視覺化

Government Transportation Department 1

趨勢性和週期性

Government Transportation Department 1

某路段的速度預測模型之平均誤差

預測視覺化之互動式地圖

在互動式地圖與資料視覺化儀表板(dashboard)的功能上,我們也提供多個面向的顯示方式可供使用者參考。資料總覽在建立預測模型前是一個重要的工作,尤其是在資料大批量輸入的時候,我們可以藉由這些圖表獲得資料大略的分佈以及樣貌和確認資料中是否存在著離異值等,對於了解資料會有非常大的幫助。

Government Transportation Department 1

預測視覺化之互動式地圖

結論與未來展望

基於公車路線固定以及具有週期性的特性,我們利用公車的軌跡資料建立每一個路段的公車速度預測模型,

以藉此預測模型標記路段壅塞狀況,並且建立一個視覺化介面的互動式地圖與資料儀表板(dashboard)服務。

對模型所預測出來的結果,我們除了進行量化分析亦同時進行了質性分析。

(1) 精準的道路壅塞預測可以提供給交通管理單位一個更好的資源配置指引

相較於依靠經驗來調配的情形下,預測系統的建立除了可以代替人類進行繁瑣的大量工作之外,也可以發現更多的盲點,並且做資源調配的優化。例如對於那些有可能會壅塞的路段,管理單位可以知道什麼時候要調派以及要調派多少人力到該路段進行指引。

(2) 利用壅塞預測的模型來進行調控號誌後的成效預估

因為路網的關係,一處交通號誌的改變會直接與間接的影響其往後數個路口的交通情形,因此造成調校不易,且調校效能除了不易量化的評估,也需要經歷很長的時間累積經驗才能達到理想效果。例如先在少數地方進行初步的燈號調整,並利用更改後的數據建立預估模型,獲得整體改動後的成效預判。

(3) 建立智慧號誌調控機制

在未來尚可利用預估模型來進行號誌指引,甚至藉由建立模擬環境,加上增強式學習,建置自動調整號誌之城市交通智慧號誌機制。