| 論文名稱 | 以信令資料為基礎之旅運型態解析模式 |
| 學位 | 碩士 |
| 年別 | 109 |
| 學校系所 | 國立陽明交通大學 運輸與物流管理學系 |
| 作者 | 謝志偉 |
| 指導教授 | 邱裕鈞 |
| 論文摘要 | 近年來行動信令資料定位技術改善，行動信令資料成為運輸規劃及評估運輸需求可用資料之一。過去研究分析旅運型態係利用問卷調查，透過問卷調查可以獲得詳細的社會經濟特性資料，但受測者在填答旅運型態時，僅能依據過去習慣的旅運行為填答，導致問卷調查之旅運型態，大多為旅運者較常或最近發生的旅次，無法反映特殊假期或事件的旅運型態。透過行動信令資料解析旅運型態可分析長期且連續的旅運活動，提供更多的旅運行為資訊。行動信令資料具有高更新頻率、高效率、高涵蓋率及無須額外建置成本等優勢；但是，行動信令資料僅提供手機用戶移動的時間及空間資訊，礙於個資保護，行動信令資料無法提供社會經濟特性背景資料或旅運特性資料。行動信令資料無法精準定義旅次、旅次目的及運具使用情形，使得其可用性較低。因此，透過行動信令資料分析旅運型態需要解決若干問題，包含跳點、點位闕漏等問題。為了提升行動信令資料於運輸規劃之應用，本研究分析行動信令資料面臨的問題，並發展相關之分析模式。 本研究徵求30位自願者提供30天的全日的Google 時間軸資料及授權本研究向電信公司取得其行動信令資料，蒐集期間從2019年7月1日至2019年8月30日。本研究利用這些資料進行模式構建及驗證。本研究分析模式分為兩部分，第一部分為資料處理程序，此程序分析行動信令資料並建構跳點過濾、資料填補及移動或停留判斷等程序。第二部分則依據前述資料前處理之結果，進行家/工作地點判斷、旅次判斷、旅次路徑配適及運具判斷等程序。家/工作地點判斷係應用DBSCAN演算法以時空關係判斷家或工作地點；旅次判斷程序則續透過若干閥值之設定，建立規則判斷旅次斷點或旅次目的；本研究分別應用隨機森林數及XGBoost建立運具判別模式，並進行兩模式之比較。上述模式結果均與調查資料進行比較，其結果均顯示建構之模式有良好的估計或判別結果；最後，旅次路徑配適演算法則係利用最短路徑尋找可能路徑，並透過潛在類別變數模式(Latent Class Model, LCM)決定最佳配適路徑。 此外，本研究利用建構之模式分析旅運者停留時間之影響因素，藉由此研究分析旅運者當前的旅運行為是否會受到前面旅次的影響。此研究藉由行動信令資料估計停留時間及相關解釋變數。模式分析結果顯示，旅次鏈行為需要考量前後旅次的影響關係。最後，本研究建構之模式分析結果，顯示行動信令資料於運輸規劃的能力及展現行動信令資料應用於旅運行為分析的可行性。 |
| 附件下載 | (此全文2025年10月17日後開放外部瀏覽) |
| 張貼日 | 2020/10/08 |
| Hashtags |
查看次數:
107