動態人口學

Andrew & Stephen（2007）同樣採用 Roddis & Richardson 的做法，運用大規 模的家庭人口調查資料庫來了解人口一天的分布狀況，使用澳洲雪梨五年的人口 資料並應用在雪梨商業區的緊急逃生和空氣與飛機的噪音汙染受影響的人數。

聖地牙哥政府（2000）對當地的日間人口進行調查，在一般工作日的情況下，

早上時居住區的人口比較稀少，工作地區的人口較多，將聖地牙哥的交通運輸模 式與1995 年做的旅行行為調查（Travel Behavior Survey）資料結合，而旅行行為 調查內容為了解每個家庭的人口統計之外，同時調查了每個人在 24 小時內的旅 行行為，包含出發時間、到達時間、出發地、目的地、交通模式及旅行目的等。

最後，通過計算了解在一般工作日中單一區域內的實際人數。

四、 動態人口學

Shaw & Sui（2018）指出動態人口學（Human Dynamics）並非能由一個單一 的解釋來明確它的定義範圍，因涉及諸如商業、地理、物理等學科之觀點，從不 physical space to virtual space）、（2）從歷史到即時（From historical to real-time）

與（3）從人到情境（From human to context）。

Yu（2006）提出一種可適應擴展的時空路徑概念的時空地理資訊系統方法，

18

可以在同一時間內產生多項活動，所以現實與虛擬層面會有在同一時空路徑上重 疊發生的情況。例如圖 2.6，在活動 d 開車回家的路上，同時在虛擬層面中的活 動e 會有接聽電話的行為產生。

圖 2.6 利用時間動態分割定位出時間路徑上的各個活動 資料來源：Yu（2006），Spatio-temporal GIS Design for Exploring

Interactions of Human Activities。

Chen 等（2011）在基於時間動態分割的時空地理資訊系統下開發了活動模 式分析師（Activity Pattern Analyst, APA），並使用在中國北京蒐集的城市居民活 動調查數據來進行分析。調查數據中記載了吃飯、睡覺、工作或就學與休閒娛樂 等活動類型，同時也紀錄了每項活動的相關位置與時間資料和所有受訪者的社會 經濟資料。該研究視覺化了個體在時空中的活動行為，可幫助了解不同社經地位 民眾的活動需求以及個體活動分佈與密度在時間上之發展與區域間之差異如圖 2.7。

圖 2.7 區域 A 和 B 的活動密度圖層

資料來源：Chen 等（2011），Exploratory data analysis of activity diary data: a space–time GIS approach。

19

PFLOW 專案計畫（People Flow Project）為個人旅次調查的視覺化。日本政 府於昭和43 年（1968）開始調查個人旅次（Person Trip），第五次東京都市區個 人旅次調查在2008 年執行，其範圍包含東京都市區（東京、神奈川縣、埼玉縣、

千葉縣、茨城縣南）從1600 萬個家庭中隨機抽出約 140 萬個家庭調查，回收將 近34 萬份資料，而最近第六次調查於 2018 年執行，更新基礎資料做為評估未來 都市發展與交通規劃的基本數據。

薄井 智貴等人（2010）將第五次的個人旅次調查，從中比較五個都市圈資 料並進行時、空間內插處理分析，最後將其視覺化並建立網路平台讓數據能應用 於其他研究，見圖 2.8。目前 PFLOW 專案計畫在東京大學空間資訊科學研究中 心底下作為一平台持續為研究人員與民眾提供人流移動的資料服務與申請。

圖 2.8 2008 年東京都市圏人流資料視覺化 資料來源：CSIS S4D （Youtube 頻道）。

清家 剛、三牧 浩與森田 祥子（2015）運用電信業者給予的手機用戶網路 訊號，其中性別、年齡等資料皆能即時、有效率分析各年齡層用戶在區域內活動 時間並用來評估都市內的人口特性與日、夜間分布狀況。

詹大千等人（民106）與遠傳電信合作。運用資料探勘技術分析電信公司所 統計的行動裝置網路訊號，建立更為準確的人口調查方法、人群流動的演算法模 型。相較於傳統研究的固定時間人口普查、隨機抽樣的旅次調查或調查行業別以 及樓地板面積的推估方法，從行動裝置網路訊號能取得資料更精細的時間尺度以 及空間尺度，更貼近實際環境中人口的動態變化，藉此了解人群的流動趨勢，來 探索動態人口與社會經濟活動的關係。

20