Browsing by Author "蔡詠名"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    應用非監督式機器學習於多維度路網資料之探勘
    (2020) 蔡詠名; Tsai, Yung-Ming
    近年來由於智慧型運輸系統、物聯網科技以及無線網路科技的進步，加上政府機關對於資料開放的支持，目前可取得大量的交通資料。這些資料具有詳細的空間與時間資訊，甚至更複雜的資料維度。為了萃取隱藏在資料當中的重要資訊，勢必需要多維度的資料分析方法。 　　本研究提出多維度路網資料的非監督式機器學習方法，用以分析多維度的交通路網資料。演算法利用多維度路網加權矩陣，計算路網在多維度中的距離，並結合K-Medoids演算法適用於離散資料之特性，發展集群分析演算法。為解決K-Medoids集群分析演算法對於初始集群種子與K值的敏感性，演算法採用兩個解決方案。首先，演算法以系統性間距採樣產生初始種子，降低演算法的隨機因素。集群分析演算法中導入集群分割與集群合併的方法，用以彌補初始種子選擇不佳對於結果的影響力。 　　從高速公路車流量的集群分析中，可以發現演算法具有下列優勢。首先，演算法具有一致性與可靠性。由於系統性間距採樣降低了演算法的隨機要素，因此當給予相同的輸入資料與參數，可以預期演算法產出相同的集群結果。不同的K值對於結果的影響較低，但是適當的K值選擇對於演算法的效能有其助益。集群結果顯示演算法忠於路網的拓樸關係，距離相近但路網距離差距甚遠的資料不會被分配在同一個集群中。演算法也能成功辨識跨路網的交通樣態。集群結果也顯示演算法能分辨在時間與車流量維度的特徵的差異，將具有特殊時間或車流量樣態的資料具為一類。 　　本研究的結果可以提供運輸管理、物流、交通地理等領域一個系統性分析時空或多維度路網資料的取徑，從集群中心可得知資料樣態的規則，而集群也能做為可操作的單元，供進一步的決策使用。
  • No Thumbnail Available
    Item
    深度學習影像分類應用於福衛二號衛星影像之崩塌地自動判釋
    (地理學系, 2019-11-??) 蔡詠名; 張國楨; 陳俊愷; 周學政; Yung-Ming Tsai, Kuo-Chen Chang, Chun-Kai Chen, Hseuh-Cheng Chou
    臺灣易遭受各種自然災害侵襲，如地震或颱風。山區容易發生崩塌，造成生命財產安全的損害。使用遙測技術監測崩塌地的發生是政府機關的年度任務。然而，這個任務暨需求大量人力，且花費許多時間。為了解決這個問題，本研究提出應用深度學習進行全自動化衛星影像崩塌地分類的方法，以獲得更準確並可靠的分類結果。所採用之分類模型是基於U-Net 卷積類神經網路，以CNTK 深度學習工具進行開發。此模型以一對衛星影像與地真資料做為模型輸入，輸出預測的分類結果。使用多對福衛二號影像與地真資料進行模型訓練。地真資料共分五類：植被、河床、崩塌地、水體與其他地物類別。為了更準確分辨崩塌地與其他易混淆類別如河床與農地，衛星影像中加入坡度圖層做為分類資訊。本研究所產出的分類模型相當可靠，能夠清楚從衛星影像上判釋崩塌地。模型本身可以重複使用，而且過程完全自動化，並可改善崩塌地監測與繪製崩塌地目錄的工作流程，對環境災害監測與災害潛勢繪製將有所助益。