應用車載資通訊技術於適應性號誌控制之研究

  • 呂 嘉文

Student thesis: Master's Thesis

Abstract

因由車載行動網路(Vehicular Ad-hoc Network VANET)技術車輛與車輛間(Vehicle-to-vehicle V2V)與車輛對基礎設施(Vehicle-to-infrastructure V2I)通信技術的出現,號控系統有新的發展空間。在近年研究中,Kartik Pandit et al 提出OAF演算法 (Pandit Ghosal Zhang & Chuah 2013),透過即時資料的適應性號誌控制號誌系統,並計算車道中車隊大小,以決定綠燈開放順序與開放時間長度。然而,OAF之研究架構中,因幾個重要的問題點如清道損失時間、車流特性、最小綠燈限制等未被考量到,而可能造成路口績效的降低及安全議題,加上車輛分群演算法的複雜度高,達複雜度O(N!),計算耗時,故本研究提出一改良的演算法,改進上述OAF方法的缺點,稱之為MOAF (Modified Oldest Arrival First)方法。並提出另一利用VANET技術,以窮舉方式找出即時最佳化號誌計畫之獨立路口號控演算法,稱之為TIE (Triple Iteration Enumeration)方法。 本論文應用系統模擬的方式,將所設計的模式模擬出來,並應用路口之績效評估指標車輛通過量(車輛數∕單一週期)為此獨立號誌化路口進行評估。在系統績效中將本研究之模擬實驗結果,與OAF進行結果比較,另外,將Webster’s 演算法進行應用VANET的即時資訊模擬的線上即時系統,稱呼VANET-based Online – Webster’s模型(後簡稱Online – Webster’s模型)進行比較。 為了實證演算法之效能,我們針對各實驗結果,以OAF模型輸出為基線,對各項路口績效指標進行評估分析,比較結果TIE模型與MOAF模型在平均每分鐘通過路口車流量中,分別改善29 72%與29 66%。在最大等候線長度中,TIE模型平均能改善70%,而MOAF模型平均能改善40%,但兩個模型在分布VIII中都改善較少,分別從9 52%到33 33%與0%到26 09%。在平均延滯時間中,TIE模型與MOAF模型都平均能改善30%以上的平均延滯時間,其中,最多分別達154 88%與141 93%。TIE模型在平均等候線長度中,平均都能改善30%以上的平均等候線長度,最多達87 74%;而MOAF模型則平均都能改善25%以上的平均等候線長度,最多達204 70%。最後在平均碳排放量改善績效中,TIE模型能有效減少碳排放的產生比率從5 62%到62 79%;MOAF模型為減少比率10%到59 17%。
Date of Award2017 Sep 4
Original languageChinese
SupervisorWei-Hsun Lee (Supervisor)

Cite this

應用車載資通訊技術於適應性號誌控制之研究
嘉文, 呂. (Author). 2017 Sep 4

Student thesis: Master's Thesis