29570895_l.jpg

建立開車族

共同合作疏運管理策略

解決連續假期的壅塞

整合旅運行為分析、動態交通量指派及手機信令資料分析技術

美創高旅運需求流動力管理

(Metropia Massive Mobility Management, M4)

以開車族共同合作疏運管理策略,制定高運量疏運解決方案

美創高旅運需求流動力管理 (Metropia Massive Mobility Management, M4) 系統的精神在於透過主動式的運輸管理,協助與鼓勵國道用路人協同合作,選擇對整體運輸系統最佳的出發時間,縮短所有開車民眾在國道上的旅行時間。


本研究以臺灣全國高速公路網為基礎,進行民國107年清明節36小時車流模擬分析。模擬結果顯示,美創的高旅運需求流動力管理策略可節省高速公路用路人,於連續假期間17%~29%的旅行時間。


此外與精準問卷調查結果顯示,有八成的受訪民眾 (都是107年清明節國道用路人) 願意參與協同合作機制,且不管在有無誘因的況下,超過一半的駕駛人願意提早或延後至多2個小時出發。

 

足見,交通管理當局若能透過M4,對有興趣的國道用路人提供出發時間的協同合作之策略與選項,配合國道用路人的高度參與協同合作意願,M4具有緩解連續假期國道嚴重壅塞問題之潛力。

連續假日國道壅塞解決方案

每逢連續假期或節日,大量的車流湧入高速公路,造成道路極度壅塞,衍生極長的旅行時間並造成沸騰的民怨。傳統的交通管理策略,藉由歷史車流資料預測壅塞時段,建議替代道路或改變出發時間,雖可以移轉部分旅運需求,但因假日屬性 (如天氣、連續假期天數或節日特性) 不同, 歷史資料都無法正確的預測當下的交通狀況。而露出過多的無差異交通預測發布也可能會造成群體 (一窩蜂) 效應, 也就是大部分的人湧入原本預測發佈中不會塞的時間與路段,而使得擁擠因資訊的發佈而更加集中與嚴重。


要真的能有效解決在極端旅運需求下的擁擠狀態,我們必須要重新徹底檢視交通管理的根本思路與策略。不要再著重於預測與發佈無差異的交通資訊,而是要優化總體旅運需求的時間與空間配置,並主動積極的與每個用路人溝通。 以此不僅可以達到將需求移峰填谷之效,也可以達到與用路人的期待管理。即使無法能夠有效的降低旅行時間 (屬因旅運需求遠大於道路供給),用路人也能有充分的心理準備減緩極端的負面情緒。


M4 有別於傳統交通工程或智慧運輸系統 ITS 的關鍵突破點在於:

  • 它提供了一個用路人在旅運上可以主動參與協同合作的平台。

  • 本研究證明協同合作可以達到17至近29%的旅行時間改善效益。這是交通工程與ITS一般無法達到的改善水準。

  • 在用戶體驗中,系統與用戶緊密保持溝通與聯繫,以充分達到期待管理,避免用戶在無預警的情況下受困於無止盡的車陣中。也就是說即便旅行時間無法有效降低,但用戶在出發前也可以對情況有所掌握。

 

M4 系統的核心技術包含交通狀態預測引擎與出發時間最佳化求解器。與用路人溝通則可以手機APP對接 (如 UMAJI+ MaaS 平台)。三個模組彼此互為循環關係。

  • 交通狀態模擬器以GIS 路網為基底,透過美創開發的DynusT軟體建立動態交通指派與中觀 (mesoscopic) 車流模擬模型(Dynamic Traffic Assignment, DTA),進而模擬用路人的決策對整體路網之影響。

  • 最佳化求解器則根據交通狀況模擬結果,在降低總體旅行時間目標下,求解用路人最佳的出發時間、路徑及投放的獎勵。

  • 在實作上求解結果及獎勵透過美創開發之APP提供給使用者,使用者可依據APP提案之內容,決定是否改變其出發時間 (或運具)。

滾動式調整運輸管理策略

M4 在實務上係透過滾動邊際 (Rolling Horizon) 概念來執行。 以下圖為例,說明實際操作流程。

首先,用路人在APP設定頁面裡告訴系統他可以接受的出發時間窗。在午夜時系統會對明天的交通狀況做一個整體的預測,並對於所有用路人請求的出發時間做整體的求解。每個用路人會在凌晨之前得到一個建議的出發時間。 在正常的狀況之下用路人只需要依照系統到的建議出發,他就可以享受比在大家不協調的情況下更短的旅行時間。


在每天即時情況下,系統會以每15分鐘更新對未來系統交通狀態的預測,並監測實際的道路狀況與之前預測的情況是否有明顯差異並導致建議的出發時間偏移最佳 (例如道路上發生了嚴重的交通事故)。每十五分鐘系統會重新的啟動交通預測與優化運算,檢視尚未出發的用戶的出發時間,必要時則更改建議之出發時間。


用戶的APP會利用導航功能確認用戶是否有依照建議的時間出發, 交通管理單位可依此對依照建議而出發的用路人提供獎勵。 這個獎勵可以提高用路人對於建議出發時間的遵從程度。. 

M4計劃執行方法

為了解M4系統可達成的系統效益 (平均旅行時間改善) 程度,以作為未來是否實務應用的決策依據,中華工程顧問司委託美創團隊以我國高速公路為實驗標的,進行M4於我國應用之初探,若M4之架構可改善17%~29%以上總體平均旅行時間,則M4具有其應用及實作價值。

中華工程顧問司 M4 計劃研究方法分為三階段,各階段說明如下。


第一階段,為了解國人對於協作式需求管理之意願,團隊成員遠傳電信透過遠傳高精度電信信令資料挑選目標用戶,並配合手機簡訊發送調查問卷。


此調查運用遠傳電信去識別化之信令資料(Signaling data)進行大數據演算法辨識出107年清明連續假期使用高速公路之用戶,再以簡訊(SMS)方式加上線上問卷 (Survey Cake) , 將問卷發送至目標用戶進行調查。為避免用戶誤認為廣告簡訊,團隊嘗試不同的溝通簡訊,以提高用戶的填答意願。此外,為了掌握用路人的參與意願,本調查設定以自用車駕駛人為填答對象。


調查結果顯示,有高達八成的問卷回覆者願意參與協作機制的運輸管理方式。不管在有無誘因的況下,超過一半的駕駛人表示願意提早最多2個小時出發。此外,經由問卷分析結果獲得之旅運行為改變資訊 (出發時間調整彈性、運具使用情形),可應用於各項情境模擬中,以了解M4系統可帶來之效益。
 

第二階段,美創以DynusT動態交通量指派軟體,建構我國高速公路交通狀態模擬器,以更廣泛的區域管理維度模擬交通壅塞狀況並提供涵蓋率高的交通績效指標,改善傳統小規模地域性的交通管理策略無法有效降低交通壅塞之問題。


為模擬特定節日或連續假日的交通狀況,團隊結合遠傳電信最新一代的行動信令資料轉換為反映特定事件旅運行為之旅次鏈,並將旅次鏈資訊萃取出符合動態交通量指派模式需求之依時性起迄旅次矩陣(time-dependent origin-destination matrices),模式模擬結果與高速公路電子收費系統蒐集之流量、速率及旅行時間進行校估與驗證,建立一個以臺灣高速公路為主的DTA 基礎模型。

點選圖片觀看模擬影片

M4_screenshot.png

第三階段以M4最佳化求解器求解最佳之出發時間、路徑及獎勵機制。根據精準行銷之問卷結果了解使用者在不同獎勵下改變出發時間之意願。


此結果結合交通狀態模擬器,依據參與比例,調整依時性起迄旅次矩陣,觀察移轉出發時間之用路人對整體運輸系統之影響。最佳化求解器以整體運輸系統最佳化(平均旅行時間)為目標,求解最適合的獎勵投放及出發時間改變幅度。

​研究結論

本計劃為我國首次結合手機信令資料與手機簡訊問卷,精準地投放調查問卷,提升全國問卷調查的信度與效度。此外,美創高旅運需求流動力管理平台建立我國高速公路動態交通量指派模式,並根據此模式求解最佳的用路人協同合作機制,分散連續假期的擁擠時段,減少用路人塞在高速公路的時間。本研究獲得結論如下:

  • 根據全國性的問卷調查,有超過一半的填答者願意於連續假日去程提早出發,而僅有31%受訪者願意延後出發時間;在回程旅次方面,願意延後出發時間的受訪者增加至34%,但是願意提早出發的受訪者則減少至41%。

  • 在所有的旅次目的中,有超過49%的人願意將出發時間提前,其中最高者為休閒旅次目的(61.5%),最低者為工作旅次目的(49%),而他們的共同特性就是,大家能接受延後出發的比例普遍較低。

  • 81.4%的受訪者表示有興趣參用路人協同合作機制,其中更有38.2%受訪者表示有著高度的興趣,此結果反映了用路者渴望得到解決辦法來改善連續假期使用高速公路面臨的壅塞。

  • M4以DynusT動態交通量指派模式建構臺灣高速公路路網,應用行動信令資料估算反映連續假期旅運需求,模擬清明假期之交通狀況,並與高速公路電子收費系統蒐集之流量、速率及旅行時間進行驗證比較,平均誤差約25%。

  • M4 系統根據DynusT動態交通量指派模式與M4最佳化求解器,設定不同的參與率及出發時間最大改變幅度 (4小時或8小時),在出發時間調整4小時以內,根據不同的參與率 (以20%為例),可改善平均旅行時間達 17%;若出發時間最大調整間距延長到8小時, 根據不同的參與率 (以20%為例),可改善平均旅行時間達 29%。

美創高旅運需求機動力管理(M4)系統為美創創新技術,此系統整合旅運行為分析、動態交通量指派及手機信令資料分析技術,不僅可應用於全國性疏運,亦可作為高旅運運輸需求事件(跨年晚會、大型燈會、球賽)之解決方案,藉由模擬及最佳化的交互分析及求解,運用手機APP建議參與者出發時間或離開時間以避免交通壅塞。

美創團隊運用各項先進技術解決傳統運輸問題,如想了解更多美創技術,請來信info@metropia.com,或上美創 (Metropia Inc.) 網站,以獲得更多資訊。

© Metropia, inc - 2019

1790 E. River Rd., Suite 140 Tucson, AZ 85718

About Us          |          Team