字型大小:
應用機器學習技術於環保車輛派遣決策之實證研究
最後修改日期: 2025-05-14
摘要
本研究旨在運用機器學習技術強化環保車輛派遣決策之準確性與準點率表現。研究資料整合車輛行駛軌跡、垃圾清運量、氣象變化、保養紀錄與駕駛行為等多維特徵，並透過嚴謹的資料前處理與特徵工程轉換，建構多分類模型進行準點狀態預測。初步導入十種監督式學習演算法進行訓練與比較，為防止模型過擬合與確保泛化能力，最終遴選表現最佳之五種模型進行五折交叉驗證與獨立測試評估。實驗結果顯示，XGBoost 模型於測試集上表現最佳，準確率達 99.64%，加權F1-score為0.9964，並於交叉驗證中展現極高穩定性，優於其他傳統與樹狀模型。此外研究設計紅黃綠燈等級提示機制，將模型預測結果轉化為可解釋之準點預測等級，協助管理者於出車前快速判讀與調度，展現機器學習於智慧派遣決策支援系統中之應用潛力。
關鍵字：機器學習、準點率預測、紅黃綠燈決策提示