Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
การประมาณและคาดการณ์เวลาการเดินทางบนถนนในเขตเมือง
Year (A.D.)
2017
Document Type
Thesis
First Advisor
Sorawit Narupiti
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Department (if any)
Department of Civil Engineering (ภาควิชาวิศวกรรมโยธา)
Degree Name
Doctor of Philosophy
Degree Level
Doctoral Degree
Degree Discipline
Civil Engineering
DOI
10.58837/CHULA.THE.2017.152
Abstract
Travel time information has been accepted as the core of advanced traveler information systems (ATIS) and advanced traffic management systems (ATMS). Providing the accurate travel time information to traffic operators and travelers allows them to make informed decisions, leading to more advantage for individual road users and the entire transportation system. Most of the traffic information providers normally deliver the current traffic conditions or current travel times to public assuming the state of traffic remains constant in the near future. Aimed at the more effective applications, short-term future traffic conditions have been proposed as a valuable piece of information in ATIS and ATMS, apart from instantaneous or estimated travel time for representing current traffic conditions. This dissertation aims at formulating the approaches for travel time estimation and short-term travel time prediction using probe data. The urban roadways in CBD area of Bangkok metropolis with highly complex and nonlinear behaviors were selected as the study corridors for confirming the applicability of the proposed techniques. First, a modified algorithm for calculating travel time and travel speed on urban roadways from high-resolution GPS probe data called "Running Speed and Stopped Delay (RSSD) method" has been proposed. This technique was modified from the average speed method using the advantage of movable sensor in which the location and speed of the tracked vehicle could be automatically detected. Secondly, for the real world application, the new analytical algorithm for allocating travel time from low-resolution GPS probe data into individual road sections by integrating instantaneous speed together with tracked locations and time stamp has been proposed. The performance of the proposed model in travel time allocation was tested and compared with the widely used technique using real field data. Results indicated that the proposed technique provided a significant improvement in travel time allocation at both complete section and intersection levels compared to the baseline technique. Thirdly, a traffic data collection system from Bluetooth MAC Scanner (BMS) was developed and the framework for constructing link travel time information from Bluetooth probe data and the preliminary analysis was also provided. Next, the short-term travel time prediction model using multilayer feedforward neural networks with the information from both target section and neighboring sections as the candidates for model inputs has been proposed. The real Bluetooth dataset obtained from BMS systems installed on urban roadway networks in Bangkok CBD was used in verifying the applicability of the proposed technique. Results indicated the proposed forecast technique was superior in traffic condition with moderate and highly fluctuated travel time profiles (CV>0.4) which could be experienced on most urban road sections.
Other Abstract (Other language abstract of ETD)
เป็นที่ทราบกันดีว่าเวลาการเดินทางเป็นข้อมูลสำคัญในระบบสารสนเทศการจราจรและระบบบริหารจัดการจราจรอัจฉริยะ ข้อมูลเวลาการเดินทางที่ถูกต้องช่วยให้ผู้ควบคุมการจราจรและผู้ใช้ถนนสามารถตัดสินใจได้อย่างเหมาะสม อันก่อให้เกิดประโยชน์ทั้งแก่ผู้ใช้ถนนเองและระบบโดยรวม ผู้ให้บริการข้อมูลจราจรส่วนใหญ่มักให้ข้อมูลสภาพจราจรปัจจุบันแก่ผู้รับข้อมูลโดยมีสมมติฐานว่าสภาพจราจรยังคงไม่เปลี่ยนแปลงในอนาคตอันใกล้ หากพิจารณาในแง่ประสิทธิภาพการใช้ประโยชน์ข้อมูลแล้ว การให้ข้อมูลสภาพจราจรในอนาคตที่ได้จากการคาดการณ์อย่างเหมาะสมย่อมมีประโยชน์กับระบบสารสนเทศการจราจรและระบบบริหารจัดการจราจรอัจฉริยะกว่าการให้เพียงข้อมูลสภาพจราจรปัจจุบันแต่อย่างเดียว วิทยานิพนธ์นี้นำเสนอวิธีการประมาณเวลาการเดินทางและวิธีการทำนายเวลาการเดินทางในอนาคตระยะสั้นโดยใช้ข้อมูล Probe โดยเลือกถนนในเขตเมืองในพื้นที่ศูนย์กลางธุรกิจของกรุงเทพมหานครซึ่งมีพฤติกรรมที่ซับซ้อนและไม่เป็นเชิงเส้นเป็นพื้นที่ศึกษาเพื่อตรวจสอบการใช้งานได้ของเทคนิคการประมาณและการพยากรณ์ที่เสนอ เริ่มจากการนำเสนอวิธี "Running Speed and Stopped Delay (RSSD) method" เพื่อประมาณเวลาการเดินทางและความเร็วในการเดินทางบนถนนในเขตเมืองโดยใช้ข้อมูลเชิงตำแหน่งจากยานพาหนะติดตั้ง GPS ที่มีการเก็บข้อมูลความถี่สูง วิธีการดังกล่าวได้รับการปรับปรุงจากวิธีการพื้นฐานโดยใช้ข้อดีของข้อมูล GPS ซึ่งมีการเก็บทั้งค่าพิกัดและความเร็วของยานพาหนะ นอกจากนี้ได้แสดงการวิเคราะห์เปรียบเทียบข้อจำกัดของอุปกรณ์ที่ใช้เก็บข้อมูลเพื่อให้ผลการประมาณของวิธีการที่นำเสนอมีระดับความถูกต้องเท่ากับวิธีการพื้นฐาน ถัดมาได้นำเสนอวิธีการแจกแจงเวลาการเดินทางลงบนถนนช่วงต่างๆ จากข้อมูลเชิงตำแหน่งจากยานพาหนะติดตั้ง GPS ที่มีการเก็บข้อมูลความถี่ต่ำ โดยพิจารณาความเร็วขณะใดๆ ตำแหน่งและเวลา วิธีที่นำเสนอถูกนำมาตรวจสอบประสิทธิภาพเทียบกับวิธีการพื้นฐานที่ใช้กันโดยทั่วไป โดยใช้ข้อมูลที่สำรวจจริงบนถนนในเขตเมือง ผลการศึกษาแสดงให้เห็นว่าวิธีการที่นำเสนอให้ผลการประมาณเวลาการเดินทางแม่นยำกว่าวิธีการพื้นฐานอย่างมากทั้งในภาพรวมเมื่อพิจารณาทั้งช่วงถนนและเมื่อพิจารณาเฉพาะบริเวณทางแยก การศึกษาครั้งนี้พัฒนาระบบการเก็บข้อมูลการจราจรด้วยการตรวจจับสัญญาณบลูทูธ (Blue tooth MAC Scanner, BMS) เพื่อใช้สร้างกระบวนการสร้างเวลาในการเดินทางบนช่วงถนน และสร้างแบบจำลองการทำนายเวลาการเดินทางในอนาคตอันสั้นด้วยวิธี Multilayer feedforward neural network โดยใช้ข้อมูลนำเข้าจากช่วงถนนที่สนใจและช่วงถนนโดยรอบ ข้อมูลจราจรจากการรวบรวมด้วยการตรวจจับสัญญาณบลูทูธในกรุงเทพมหานคร ถูกนำมาใช้ในการตรวจสอบการใช้งานได้ของแบบจำลอง ผลการศึกษาพบว่าวิธีการทำนายที่ได้ให้ผลดีกว่าวิธีอื่นๆในสภาพการจราจรบนช่วงถนนที่มีการผันผวนของเวลาการเดินทางปานกลางถึงมาก (CV>0.4) ซึ่งเป็นสภาพที่พบบนช่วงถนนในเมืองส่วนใหญ่
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
Puangprakhon, Porntep, "TRAVEL TIME ESTIMATION AND PREDICTION FOR URBAN ARTERIAL ROADS" (2017). Chulalongkorn University Theses and Dissertations (Chula ETD). 642.
https://digital.car.chula.ac.th/chulaetd/642