本研究參考交通部運輸研究所於民國99年出版之「公路路網交控及資訊系統架構設計與建置準則」中建立的「高快速公路旅行時間推估與預測資訊系統建置準則指引」為研究主軸，並依序執行旅行時間推估過程中的六大關鍵課題，包括資料蒐集過濾與處理步驟、交通狀態分類原則與方法、資料融合技術、旅行時間推估模式之建構、模式驗證作業與方式，以及模式應用與績效評估。
在初期階段，本研究整理與比對國道五號全線雙向之車輛偵測器(Vehicle Detector, VD)所收集的車流特性資料，並進行分析作業。考量「時間」、「空間」與「交通特性」之三維互動關係下，歸納出國道五號對旅行時間資訊需求較高之相對壅塞路段與時段。
為有效利用現有VD資料庫，本研究嘗試利用VD點速率資料為輸入值，在考量時間推移之概念下，將上、下游VD速率資料適當地加權整合，使得其值可近似於真實車流之空間平均速率(Space Mean Speed, SMS)，即可據SMS推估路段旅行時間。然後以VD推估得之旅行時間，與由首都客運提供之客運車GPS資料，當中擷取得出車輛真實旅行時間，建構兩者迴歸關係式。
研究證實本研究所提出之旅行時間推估模式，於穩定車流及不穩定車流之狀態下，皆能有效完成推估，且推估結果皆屬理想。模式上線運作時，只要經由現有VD系統即可估算出旅行時間，可應用於用路人資訊服務或交通管理等層面。研究成果可提供可靠的旅行時間推估資訊，有助於用路人與交通管理單位明確瞭解國道五號之交通狀況與調整旅行相關決策。

Referred to the Guidelines of Travel Time Estimation and Forecasting System Establishment published by Institute of Transportation (IOT), this study develops the travel time estimation models by the following five issues, data collection and screening, traffic condition classification, travel time estimation model establishment, model validation, as well as model application and performance evaluation.
The first step of this study is to collect and compare the traffic data from the vehicle detector (VD) and to generalize the traffic characteristic of National Freeway NO.5. The traffic flow between the Nan-gang and Tou-Cheng interchange is higher than other road sections, especially during the peak hours in the summer. Therefore, this study chooses this road section and time period to conduct travel time estimation model and display the estimated travel time.
Before information display, the outliers of estimated travel time which over one Standard Deviation are excluded. Model can result an estimated travel time every one minute. The displayed travel time updates every ten minutes and comes from the time-dependence average method to average the ten estimated travel time. This reliable and real time estimated travel time can help driver and traffic manager to realize the traffic condition, decrease the uncertainty, and make the related decision.

1. 李季森(民91)，應用探測車法預測高速公路旅行時間，中央大學土木工程學系碩士論文。
2. 何旺宗(民99)，資料融合技術結合類神經網路對高速公路事件延遲時間預測之研究，成功大學交通管理科學系碩士論文。
3. 何聰儒(民98)，利用群集分析與線性迴歸推估高速公路旅行時間之研究，交通大學運輸科技與管理學系碩士論文。
4. 吳佳峰(民 90)，有GPS資訊提供下之車輛旅行時間預估模式之研究，交通大學運輸工程與管理系碩士論文。
5. 胡大瀛等(民93)，「旅行時間預測之研究：模擬指派模式之應用」，運輸學刊，第二十三卷第四期，頁477-500。
6. 陳首源(民 96)，結合移動式與固定式偵測器資料以轉換函數推估旅行時間，淡江大學運輸管理學系碩士論文。
7. 陳盈呈(民96)，偵測器資訊不完整下之幹道動態路徑旅行時間預測，淡江大學運輸管理學系碩士論文。
8. 黃智建(民 96)，車輛偵測器不完整資訊推估旅行時間之研究，逢甲大學交通工程與管理學系研究所碩士論文。
9. 廖梓淋(民98)，利用資料填補概念探討車輛偵測器佈設間距，中央大學土木工程學系碩士論文。
10. 蔡百里(民 95)，資料融合技術應用於旅行時間推估之研究，淡江大學運輸管理學系碩士論文。
11. 簡益正等(民93)，「應用高速公路偵測器資料推估旅行時間之研究」，中華民國運輸學會第19屆論文研討會論文集，頁1-23。
12. Al-Deek, H. et al. (1999), “Travel Time Prediction for Freeway Corridors.” Prepared for Presentation at the 78th Transportation Research Board Annual Meeting, Washington, D. C.
13. Berka, S., Tarko, A., Rouphail, N., Sisiopiku, V. and Lee, D. (1995), “Data Fusion Algorithm for ADVANCE Release 1.5”, ADVANCE WORKING PAPER SERIES #37.
14. Chang, G. L. et al. (2007), “An Advanced Real-time travel Time Prediction system for I70: a system demonstration report”, Maryland State Highway Administration, Office of policy and Technology development.
15. Chang, G. L., Zou, N. and Wang, J. (2006), “Development and Field Evaluation of a Real-Time Travel Time Prediction System”, Maryland Department of Transportation State Highway Administration.
16. Kim, Y. C. (1998), “Estimation of Link Travel Time Using Vehicular Detection Devices in TRACS (Traffic Adaptive Control System). ”, Presented at the 5th World Congress on Intelligent Transport Systems, October 12-16, Seoul, Korea.
17. Lewis, C. D. (1982), “Industrial and business forecasting methods: a practical guide to exponential smoothing and curve fitting”, Butterworth Scientific, London.
18. Nam, D.H. and Drew, D.R.(1996), “Traffic dynamics: Methods for estimating freeway travel times in real time from flow measurements.” J. Transp. Eng., 122(3), 185-191.
19. Takashi, N. (2000), Dynamic Estimation of Traffic States on Expressway for Advanced Traffic Surveillance Systems.
20. Wu, C. H., Ho, J. M. and Lee, D. T. (2004), “Travel time prediction with support vector regression”, IEEE Transactions on Intelligent Transportation Systems, Vol.5, NO. 4, pp. 276- 281.
21. You, J. and Kim, T. J. (2000), ”Development and Evaluation of A Hybrid Travel Time Forecasting Model”, Transportation Research Part C, Isuue 8, pp. 231-256.