在本節中擬以修正 Deming Stephan iteration proportional fitting procedure 模式(Jou,Y. J., et al.,2003；以 DS 簡稱)與本研究模式(以 GM 簡稱)作比較，結果如下表所示:
ERR I 樣本數樣本數樣本數樣本數
GM(2) 註註註註 1 24293.21 -0.1540% 20847
D S(2) 24330.67 --- 20847
GM(10) 註註註註 2 25747.04 -0.3760% 1588
D S(10) 25844.21 --- 1588
GM(20) 註註註註 3 29610.80 -38.2640% 470
D S(20) 47963.58 --- 470
GM(30) 註註註註 4 30300.76 -40.5299% 235
D S(30) 50951.27 --- 235
母體總數:44050
註 1: (2)表每 2 筆抽一筆的樣本 註 2: (10)表每 10 筆抽一筆的樣本 註 3: (20)表每 20 筆抽一筆的樣本 註 4: (30)表每 30 筆抽一筆的樣本
其中
由第五章可得引力模式在旅次分配推估上已有良好的表現，可知引力 模式對旅次資料有良好的解釋力，根據上述結果亦可得到引力模式可針對 本類型資料做不完整資料插補處理。
%
×100
= −
DS DS GM
ERR ERR I ERR
第七 第七
第七 第七章 章 章 結論與建議 章 結論與建議 結論與建議 結論與建議
7.1 結論 結論 結論 結論
本研究主要動機在於:希望提供旅次起迄分佈調查藉由可獲得且 有限的資料，推估有效的高速公路車輛起迄分佈調查資料。研究所得 的資訊歸納如下:
1. 根據理論基礎，將抽像的起迄點之間距離關係，利用校正因 子、參數來平衡、量化為具體的數學式，本研究提出引力模 式可作為高速公路交通旅次推估。
2. 在資源有限的情況下，若要進行旅次起迄分佈調查，可藉由 簡易可獲得的交通Oi,Dj的資訊進行，本研究證明提出的模 式確實能有良好的旅次推估。
3. 在人力、物力及經費有限的情況下，利用抽樣比例大的樣本 進行旅次推估，本研究證明仍能有良好的推估能力。
4. 由於引力模式在旅次分配推估上已有良好的表現，根據實驗 結果亦可得可作為本類型資料不完整資料插補處理。
7.2 建議 建議 建議 建議
高速公路車輛起迄分佈調查資料，是運輸規劃中基本且重要的一 環，對於這方面資料的取得，除了傳統調查方法外，國內外學者亦嘗 試以可獲得的資料代入模式處理的方式來推估。在校估參數過程，除 了利用窮舉法或是迭代方式獲得之外，可採取數學方法，如:牛頓法、
梯度尋求法，快速獲得解，且可縮短校估所需時間。
由於抽樣而得的旅次起迄資料已隱含各區間活動強度與社經資訊，
未來可考慮除了起、迄量與路段資訊外，尚可加入其他限制式，使模 式更接近實際狀況。
引力模式校估出的參數，代表著各變量對於Tij 的敏感度，可嘗試 分析各組參數與Tij 的關係，期望能藉由參數分析解釋運輸需求中的潛 在需求。再者，本研究所驗證的資料係屬於高速公路主線資料，若未 來可獲得主線及匝道資料，可將資料代入模式中進行推估，並藉由分 析參數相關來作高速公路上交通量分析。
參考文獻 參考文獻 參考文獻 參考文獻
[1] Ashish, S. and T.E. Smith., Gravity models of Spatial Interaction Behavior, Springer-Verlag, Tiergartenstrasse 17, D-69121, Heidelberg, Germany
[2] Alemeida, M. W. and Goncalves, M. B., “A methodology to incorporate behavioural aspects in trip-distribution models with an application to estimate student flow, Environment and planning A, vol. 33, 2001.
[3] Bell, M.G.H., “The estimation of origin–destination matrices by constrained generalized least squares.” Transportation Research, Part B, vol. 23, pp.
257–265, 1991.
[4] Cascetta, E., “Estimation of trip matrices from traffic counts and survey data:
a generalized least squares estimator.” Transportation Research, Part B, vol.
18, pp. 289–299, 1984.
[5] Goncalves, M. B., ”The development of a new gravity-opportunity model for trip distribution”, Environment and planning A, vol. 25, pp.517-826,1993.
[6] Goncalves, M. B., ”A comparative analysis of some trip distribution models used to estimate passenger flow”, Anais do VII congress Nacional de Ensin e Pesquisa em Transporte, vol. 1, pp.337-8348,1993.
[7] Huff, D.L., “A probability analysis of shopping center trade areas”, Land economics, vol. 39, pp. 81-90, 1963.
[8] Huff, D.L., “Definite and estimating a trading area”, Journal of marketing, vol. 28, pp. 34-38,1964.
[9] Huff, D.L., Parameter Estimation in the Huff Model, ArcUser, 2003.
[10] Lakshmanan, J. R. and W. G. Hansen.,” A retail market potential model”, Journal of the American Institute of Planners, vol.31, pp.134-43,1965.
[11] Jou, Y.J., et al., “The Study of Origin-Destination Sampling Survey in Highway and Incomplete Data Analysis.” Transportation Planning Journal, Vol. 25, No. 4, pp709-726, 1996.
Survey Table”, J. Urban Plng. and Devel.,Vol.132,Issue 4, pp. 193-200,2006.
[13] Ortuzar, J. de D. and L. G. Willumsen., “Modeling transport”, John Weily &
Sons, New York, 2001.
[14] Reilly, W. J., “The law of retail gravitation”, G. P. Putman and Sons, New York, 1931.
[15] Roy, J. R., “Comment on the development of a new gravity-opportunity model for trip distribution”, Environment and planning A, vol.25, pp1689-91, 1993.
[16] Stouffer, S. A., “Intervening opportunities: a theory relating mobility and distance”, American sociological Review 5, vol.5, pp.845-867, 1940.
[17] Stouffer, S. A., “Intervening opportunities and competing migrants”, Journal of Regional science association, vol.5, pp.47-56, 1960.
[18] Wootton, H. J., Calibration a gravity model and estimating trip ends from a partially observed trip matrix, Memorandum of December 21, 1972.
[19] Wilson, A.G., Urban and regional models in geography & planning, Pion, London, 1967.
[20] Wilson, A.G., ”A statistical theory of spatial distribution models”, Transportation Research, Vol. 1, pp. 253-269
[21] Wilson, A.G., Entropy in urban and regional modeling, Pion, London, 1970.
[22] Wills, M. J.,”A flexible gravity-opportunity model for trip distribution”, Transportation Research B, vol.20, pp.89-111, 1986.
[23]卓訓榮、周幼珍等，「公路車輛起迄調查方法之研究」，期末報告，交通
部運輸研究所委託，民 84。
[24]李霞，「公路車輛起迄抽樣調查與不完整資料處理之研究」，國立交通大
學交通運輸研究所，碩士論文，民 85。
[25]卓訓榮，「都市空間細分分派模型之研究—以台北市為例」，國立中興大
學都市計劃研究所，碩士論文，民 69。
附錄、一
利用本研究所整理的起迄點流量資訊，計算線性路網路段流量，以4×4的旅次
矩陣為例:
1 2 3 4 1 0
T12 T 13 T14 2
T21 0 T22 T24 3 T 31 T 32 0
T42
4
T41 T42 T 43 0
圖附-1 站 1 至站 2 間的路段流量
在線性路網中，介於站 1 至站 2 間的路段流量為T12,T13,T14,T21,T31,T41交通量總 和，即為上圖附-1 灰色交通量；
j 1 2 3 4
1 0
T12 T 13 T14 2
T21 0 T22 T24 3 T 31 T 32 0
T42
4
T41 T42 T 43 0
圖附-2 站 2 至站 3 間的路段流量 介於站 2 至站 3 間的路段流量為上圖附-2 灰色交通量之總和；
圖附-3 站 3 至站 4 間的路段流量
j 1 2 3 4
1 0
T12 T 13 T14 2
T21 0 T22 T24 3 T 31 T 32 0
T42
4
T41 T42 T 43 0
介於站 3 至站 4 間的路段流量為上圖附-3 灰色交通量之總和；
[資料來源:本研究整理]
因此，關於路段資訊:
可知，當把所有路段流量總和即為:
s T f
k i j
ij
k = −
∑
2∑ ∑
∑
∑
+ + +=
n n n m
m
m T
T
s , 1 1,
其中
路段流量 f :
上述的路段資訊，為推導模式(二)用。