高速公路即時路況廣播電台的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

大數據分析於智慧運輸系統之應用與發展：以國道五號及蘇花公路為例

為了解決高速公路即時路況廣播電台的問題，作者郭嘉呈 這樣論述：

「一條安全回家的路」將隨著「臺9線蘇花公路山區路段改善計畫」於2020年的全線竣工及通車，進一步實現花蓮、臺東居民的交通保障與社會正義。此等發展，亦是繼2006年國道5號通車後，另一項大幅改善臺灣東部地區交通的重大公路建設。國道5號在「蘇花改」通車後，已有6家業者經營共32條客運路線。臺灣北部、宜蘭等地往返花蓮的公路交通便捷化，勢必為「國道5號」與「蘇花公路」帶來更大的車流量與艱難挑戰：「國道５號」在現有交通壅塞問題尚未解決，又面對用路需求大幅增加的挑戰；「蘇花公路」則是面臨道路容量不變，車流量卻大幅成長的窘境。民眾從臺北地區往返花蓮、臺東地區，更可能要連闖「國道5號」與「蘇花公路」兩大交通

壅塞關卡。顯而易見的，前述議題已成道路管理機關之重要課題，也為眾多平行機關間，政策制定之協調與整合帶來難題。　　本研究立基於「人工智慧」、「演算法」、「資料探勘」與「大數據」之電腦科學，發展「交通大數據」、「運輸與物流規劃及管理」及「交通政策決定與執行」之應用，利用現有「智慧化公路運輸系統」在硬體的建設上已近完備的優勢，提出透過Dijkstra演算法建構「即時決策執行成效回饋與即時決策調整架構」，以經由電腦科技的高速運算，來達到「交通政策決定與執行」之重要管理目的。換言之，本研究即是使用「交通資訊蒐集系統」取得即時且充分的交通數據，再經由「大數據分析及運算」輸出至「交通控制系統」，以有效利用道

路與管理車流，同時藉由「大量的數據收集」與「快速的資訊分析及決策執行」，達到減少決策時間與降低決策成本，用以整合分析與處理東部路廊的交通議題，並達成政策分析。　　本研究的貢獻在於建構出「即時決策執行成效回饋與即時決策調整架構」與「大數據分析之智慧運輸系統」，藉由「大數據」的基礎，應用Dijkstra演算法，發展「交通決策」之「智慧系統」設計與開發。基此，本研究所關切的課題，已能以「智慧運輸系統」獲得完整的交通資訊，再由其系統自動演算，提出即時且能確實執行的最佳解決方案，進言之，更可依循此等途徑，建構出「整合政策決定考量因素」並符合各方需求的「智慧化公路運輸系統」，以做成最適政策組合。

基於大數據的高速公路即時路況壅塞預測

為了解決高速公路即時路況廣播電台的問題，作者薛人豪 這樣論述：

隨著資訊科技的快速發展，數以萬計的資料在分秒中產生，如何應付這樣大量又迅速的資料即是大數據領域中研究的重點。在智慧型運輸系統中車輛提供了大量的資訊，若可以即時收集並分析車輛資訊並且避免掉塞車的路段便可以大大提升智慧型運輸系統的穩定性。本論文透過Apache Storm即時接收高速公路局提供的汽車偵測器資料進行即時運算，將路段時速、路段密度、路段車流量及目前路段的降雨量利用模糊理論進行評估，得出各個路段的用路等級。本論文也收集警察廣播電台的用路人及時回報資訊進行路段分析，透過用路人回報事件的位置對應高公局的車輛偵測器位置，取得事件發生時的道路資訊。另外採用支援向量機來進行下個時段的路段時速預測

，透過支援向量機可以將過去的路段時速當作訓練資料輸入並且得到訓練模型，預測出下個時間點的行車時速。本文基於Apache Storm的架構下，提出即時收集來自高公局、氣象局及警察廣播電台開放資料的方法，將不同來源及格式的開放資料進行整合。並且利用模糊理論來分析出目前高速公路壅塞的程度，再利用SVM進行下個時間點的時速預測。本文所提出的SRHTCP(SVM based Real-time Highway Traffic Congestion Prediction)預測方法在MARE的比較下比WEMA(Weighted Exponential Moving Average)提升了25.6%的準確度。