由理大設計的預測性數學模型支援實時、智能交通運輸管理系統的發展。

 

Agachai Sumalee博士

 

智能交通運輸系統可透過監測實時數據，
就交通情況進行預測。

很多亞太地區城市如泰國曼谷的交通擠塞甚為嚴重，因此，良好的交通幹線管理對這些地方尤其重要。為幫助道路管理人員預測交通情況並防止道路擠塞，理大土木及環境工程學系Agachai Sumalee博士研發了隨機胞傳輸模型。

這模型設有五個運作模式，對應路段不同程度的擠塞程度，各自形成離散時間雙線性隨機系統，各模式的出現概率則靠一組既定的條件來表示。聯合交通密度源自有限混合分佈理論，可估算五個模式的整體結果。隨機胞傳輸模型利用預測性數學，分析出可引致重大延誤的輕微事故，因應隨機供求而仿照出路段交通流密度。

在監管方面，這模型可利用過去及網上運輸需求和交通情況的數據，進行短期預測。此外，這模型可運用隨機延遲特性，有效進行長期交通預測。這模型已被泰國高速公路管理局所採用，以改善道路交通情況，並為逾一千四百萬人口的曼谷市改善每日的交通往來。

Sumalee博士指出，「我們是首支研究團隊成功開發一個數學模型，以創設實時、智能的交通運輸管理系統」。Agachai Sumalee博士憑藉他在交通運輸系統、模型及規劃上的傑出研究成就，早前獲頒2014亞太區經濟合作組織的科學創新、研究及教育獎。  ♦