去除異常事件日之延滯特性參數分析

根據前述有關站間運轉時間與停站時間之延滯特性參數分佈結果，無論是對 號列車或通勤電聯車之分佈資料，均顯示有相當比例異常樣本，尤其特別異常樣 本資料亦不少。鑑於列車營運所產生之延滯皆可能擴散導致大量班次之站間運轉 時間與停站時間異常，故為利探討列車在一般營運情況下的延滯狀況，本節將檢 視2009 年 12 月 1 日到 2010 年 3 月 25 日近四個月期間是否有特殊異常事件日。

經檢視案例資料期間，發現新年連續假期（12 月 31 日到 1 月 3 日）、春節連 續假期（2 月 12 到 21 日），以及當時於 3 月 4 日和 8 日兩天國內發生規模較大 之地震，故共計16 天的異常營運資料將去除不列入分析。另由於各站之停站時間 分佈型態較為異常且各站之差鉅頗大，為利後續連鎖延滯分析，本節再將停站時 間資料區分為尖、離峰進行分析，其中尖峰時段係定義為上午 6~9 點及下午 4~7 點，其餘則為離峰時段。有關去除異常事件日後之各分群資料茲分析如下：

一、對號列車之站間運轉時間分佈

此項資料為實際通過 17 個站間之對號列車共計 149,231 筆站間運轉時間資 料，分別計算其與該站間運轉時間表定值之比值後並進行排序加總，再分別將各 站間之「站間運轉時間實際值與表定值比值」作為 x 軸數值、其累計機率作為 y 軸數值，繪製其分佈如圖6-5，另如同前節作法，由於各站間之運轉時間分佈尚稱 一致且未有特別異常之趨勢，故本研究亦以所有站間運轉時間樣本繪得之「總計」

曲線，直接進行「站間運轉時間實際值與表定值比值」之分佈分析，其隨機資料 之擷取亦如前述方式。

二、通勤電聯車之站間運轉時間分佈

此項資料為實際通過17 個站間之通勤電聯車共計 211,778 筆站間運轉時間資 料，同樣分別計算其與該站間運轉時間表定值之比值後並進行排序加總，再分別 將各站間之「站間運轉時間實際值與表定值比值」作為 x 軸數值、其累計機率作 為y 軸數值，繪製其分佈如圖 6-6，另如同前節作法，由於各站間之運轉時間分佈 尚稱一致且未有特別異常之趨勢，故本研究亦以所有站間運轉時間樣本繪得之「總 計」曲線，直接進行「站間運轉時間實際值與表定值比值」之分佈分析，其隨機 資料之擷取亦如前述方式。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 50 100 150 200 250

站間運轉時間實際值與表定值比值 (%)

累計機率

南港松山 松山台北 台北萬華 萬華板橋 板橋樹林 樹林山佳 山佳鶯歌 鶯歌桃園 桃園內壢

內壢中壢 中壢埔心 埔心楊梅 楊梅富岡 富岡湖口 湖口新豐 新豐竹北 竹北新竹 總計

圖6-5 對號列車之站間運轉時間分佈圖(去除異常日樣本)

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 50 100 150 200 250

站間運轉時間實際值與表定值比值 (%)

累計機率

南港松山 松山台北 台北萬華 萬華板橋 板橋樹林 樹林山佳 山佳鶯歌 鶯歌桃園 桃園內壢

內壢中壢 中壢埔心 埔心楊梅 楊梅富岡 富岡湖口 湖口新豐 新豐竹北 竹北新竹 總計

圖6-6 通勤電聯車之站間運轉時間分佈圖(去除異常日樣本)

三、對號列車於尖峰時段之停站時間分佈

此項資料為實際所有對號列車於18 個車站之尖峰時段共計 26,983 筆停站時間 資料，分別計算各站所有列車每筆實際停站時間與表定值之比值後，再分別將各 站之比值先排序後累加，並以「停站時間實際值與表定值比值」作為 x 軸數值、

其累計機率作為y 軸數值，分別繪製各站之停站時間分佈如圖 6-7。

有關各站於尖峰時段停站時間之特性顯示於各站之比值分佈情形，其各站停 站時間之特性茲彙整如表6.3，因內壢及埔心站於尖峰時段無對號列車停靠，故僅 剩16 個車站資料。由所蒐集之資料顯示，經去除異常事件日資料後，各站樣本資 料之比值超過1000%特別異常之比例更降低至約 0.037%，大部分資料之比值更集 中約介於 50%~200%之間，若以比值介於 80%~120%資料為例，其比例即達約 39%，顯見分群後之對號列車於尖峰時段之停站時間分佈已更趨一致，應更能作為 進一步分析連鎖延滯之基礎。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 50 100 150 200 250 300 350 400 450 500

停站時間實際值與表定值比值 (%)

累計機率

七堵 中壢 內壢 台北 汐止 竹北 板橋 松山 南港 埔心 桃園

湖口 新竹 新豐 楊梅 萬華 樹林 鶯歌

圖6-7 對號列車於尖峰時段之停站時間分佈圖(去除異常日樣本)

表6.3 對號列車於尖峰時段之停站時間分佈特性彙整 介於 50%~200%之間，若以比值介於 80%~120%資料為例，其比例即達約 36%，

顯見分群後之對號列車於離峰時段之停站時間分佈資料已更趨一致，亦更能作為 進一步分析連鎖延滯之基礎。

0

五、通勤電聯車於尖峰時段之停站時間分佈

此項資料為實際所有通勤電聯車於20 個車站之尖峰時段共計 91,764 筆停站時 間資料，分別計算各站所有列車每筆實際停站時間與表定值之比值後，再分別將 各站之比值先排序後累加，並以「停站時間實際值與表定值比值」作為x 軸數值、

其累計機率作為y 軸數值，分別繪製各站之停站時間分佈如圖 6-9。

有關其各站於尖峰時段停站時間之特性顯示於各站之比值分佈情形，其各站 停站時間之各項特性彙整如表6.5。由所蒐集之資料顯示，經去除異常事件日資料 後，各站樣本資料之比值超過 1000%特別異常之比例已由原先之 0.42%降低至約 0.37%，大部分資料之比值更集中約介於 20%~250%之間，若以比值介於 80%~120%

資料為例，其比例即達約 30%，顯見分群後之通勤電聯車於尖峰時段之停站時間 分佈資料已更趨一致，應更能作為進一步分析連鎖延滯之基礎。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 50 100 150 200 250 300 350 400 450 500

停站時間實際值與表定值比值 (%)

累計機率

七堵 山佳 中壢 內壢 台北 汐止 竹北 板橋 松山 南港 埔心

桃園 富岡 湖口 新竹 新豐 楊梅 萬華 樹林 鶯歌

圖6-9 通勤電聯車於尖峰時段之停站時間分佈圖(去除異常日樣本)

表6.5 通勤電聯車於尖峰時段之停站時間分佈特性彙整 0.38%，大部分資料之比值更集中約介於 20%~280%之間，若以比值介於 80%~120%

資料為例，其比例即達約 28%，顯見分群後之通勤電聯車於離峰時段之停站時間 分佈資料已更趨一致，應更能作為進一步分析連鎖延滯之基礎。

0