第五章 結論與建議
5.2 建議
1. 從文獻回顧以至於本研究的案例分析皆指出軌道容量、路線使用量以及營運 可靠度之間具有權衡關係，顯示的是對於旅客來說並不是一味的提升使用效 率就是較好的方式，當使用率高到一個程度之後，在餘裕不足的情況下發生 事故後反而需要更多的時間使得營運回復至正常，也因此建議在未來可進一 步去找出穩定度與效率之間適切之平衡點，方可在既有的容量資源下提供服 務而維持一定的服務水準。
2. 本研究透過臺鐵容量模式分析臺鐵路線區段的實用容量，然而在部分路段上 的尖峰時段，亦或是發生事故之後，實務上營運單位可能會將容量的利用率 使用超過 100%，而對服務水準產生影響，未來建議可嘗試找出最大容量值，
作為容量利用率的嚴格上限限制，一旦運輸需求超過此限制，營運單位應可
95
思考路線與號誌升級之可能性，以在營運績效上能維持服務水準。
3. 本研究以民國 97-99 年之資料進行分析，未來應持續更新歷史資料年限以確保 分析時使用新的資料而能反應當時的情況，建議未來採用滾動平面法的方式，
決定分析時段與滾動週期，隨著時間前進而能以新的資訊分析。
4. 由於目前臺鐵事故資料之建檔方式多以陳述句之方式說明，需要從陳述句中 對資料判讀取得所需資訊，本研究建議可建置一事故資料庫，整理建檔格式 及資料項目，方便新資料的輸入與存取，使未來能更方便並且更完整的分析 事故發生率。而本研究所建議之建檔格式應至少包括原有之事故類別、事故 原因、事故地點、發生時間、天氣資訊外，可將影響程度再劃分為不同格式 項目，包含：事故修復時間長度、調度處理方式、影響車次、影響列車數，
以減少文字敘述所造成資料判讀之困難。
5. 藉由解析模式可找出瓶頸的時空點，而瓶頸處的期望回復時間較高意謂著當 事故發生後需要更長的時間以使軌道系統營運回復至正常時刻表運作，因此 穩定度差的時刻表可能導致與其他運具之間的整合不佳，影響旅客運具選擇 的意願，有鑑於此，針對瓶頸的時空點營運單位應可提早建立預備時刻表作 為事故發生後的營運對策，以維持服務水準。
6. 本研究所分析之行車事故是基於既有的行車事故資料，而事件的發生可分為 可預期與不可預期兩種，可預期事故應是針對系統本身的生命週期，並透過 管理維護的方式進行控制，而不可預期事故則多半可能是因為環境因素或是 外來因素的影響，而不易衡量，因此若要更全面的考量列車行車事故，建議 未來能夠進一步再由其他方式，如專家經驗、文獻回顧等方式將不可預期的 事故一併考量，以期更完整的考慮事故的發生，使模式的評估能更接近真實 環境。
7. 一般來說，任何的服務都涵蓋了兩個面向：服務提供者與服務接受者，在軌 道運輸中服務的接受方則為所有搭乘旅客，而本研究所建構之時刻表績效評
96
估系統是自營運單位的角度出發，因此建議在未來的研究上亦能夠將旅客資 訊納入評估，可藉由取得詳細的旅客旅行起迄資料進一步分析當事故發生後 各列車服務中斷後受到影響的旅客人數為何，此結果可能影響營運單位的運 轉調度策略，並可反應到回復時間的計算方式。
8. 承上述建議，根據鍾志成與張仕龍(2012)的研究，由於服務指標的建立大致可 分為四個面向：安全、可靠、舒適與便捷。因此若從旅客角度考量時刻表之 服務品質時，除了穩定度(安全、可靠)與效率(便捷)的評估之外，應可納入更 完整的評估指標，如不同的時刻表設計導致乘載率、營運班距與營運速度的 變化情形；舉例來說，軌道系統的準點率亦或穩定度等指標雖然有所提升，
有時可能是因為營運單位藉由營運速度的下降換取而來，對旅客而言反而意 謂著旅行時間的增加，此結果不一定表示服務品質的提升。
9. 本研究首次嘗試找出回復時間的隨機特性，由極端值理論可應用於回復時間 值分佈的尋找，然而本研究並未找出究竟多大的回復時間值為營運單位所不 能接受的極端狀況，不同的營運單位或系統可能有各自適合的標準，因此建 議未來各營運單位可進一步探討自身軌道系統適合的標準值，以使本研究之 貢獻能更趨完整。
10. 本研究在進行解析模式與模擬模式分析時，受限於資料蒐集的困難與不足，
並無法由實際資料確認行車事故發生佔用股道的特性，因此假設事故可能造 成單股道封閉以及雙股道封閉並且較保守的假設發生機率是相等的(各50%)，
後續應用分析時若能取得更完整的資料，分析結果應更能反應真實。
97
參考文獻
1. 鍾志成與張仕龍(2012)，「鐵道服務水準與營運模式」，發表於臺灣整體鐵道網 規劃願景研討會。
2. 李宗晏(2010)，「臺鐵時刻表穩定度與效率評估」，台灣大學工學院土木工程學 系交通工程組碩士論文。
3. Goverde, R. M. P. (2007), “Railway timetable stability analysis using max-plus system theory”, Transportation Research Part B, Vol. 41, pp. 179-201.
4. Goverde, R. M. P., Heidergott, B., and Merlet G. (2009), “Railway timetable stability analysis using stochastic max-plus linear systems”, Proceedings of 3rd ISROR, pp. 19. Zurich: ISROR.
5. Salido, M. A., Barber, F., and Ingolotti, L. (2008), “Robustness in railway transportation scheduling”, Proceedings of the 7th World Congress on Intelligent Control and Automation, June 25-27, 2008, Chongqing, China.
6. Delorme, ., Gandibleux, ., and Rodriguez, J. (2009), “Stability evaluation of a railway timetable at station level”, European Journal of Operational Research, Vol.
195, pp. 780-790.
7. D’Angelo, G., Di Stefano, G., Navarra, A., and Pinotti, C. M. (2009), “Recoverable robust timetables on trees”, Lecture Notes in Computer Science, v 5573 LNCS, 451-462.
8. Cicerone, S., D’Angelo, G., Di Stefano, G., Frigioni, D., and Navarra, A. (2009),
“Recoverable robust timetabling for single delay: Complexity and polynomial algorithms for special cases”, Journal of Combinatorial Optimization, Vol. 18, pp.
229-257.
98
9. Carey, M., and Carville, S. (2000), “Testing schedule performance and reliability for train stations”, Journal of the Operation Research Society, vol. 51, pp. 666-682.
10. Middelkoop, D., Bouwman, M. (2002), “Testing the stability of the rail network”, Computers in Railways VIII, pp. 995-1002.
11. Demitz, J., Hubschen, C., Albrecht, C. (2004), “Timetable stability – Using simulation to ensure quality in a regular interval timetable”, Advances in Transport, vol. 15, pp. 549-562.
12. Vromans, M. J., Dkker, R., Kroon, L. G. (2006), “Reliability and heterogeneity of railway services”, European Journal of Operational Research, Vol. 172, pp.
647-665.
13. 劉昭榮(2011)，「鐵路列車連鎖延滯之模擬模式構建與應用」，交通大學交通運 輸研究所博士論文。
14. 交通部運輸研究所(2008)，「運輸系統容量分析暨應用研究 – 軌道系統(2/4)」， 交通部運輸研究所，研究報告。
15. Lai, Y. C., Shih, M. C., and Jong, J. C. (2010), “Railway capacity model and decision support process for strategic capacity planning”, Transportation Research Record: Journal of the Transportation Research Board, No. 2197, Transportation Research Board of the National Academies, Washington, D. C., pp. 19-28.
16. Goverde, R. M. P. (2005), “Punctuality of railway operations and timetable stability analysis”, PhD Dissertation, Transport & Planning Department, Delft University of Technology.
17. Hermann, T. M. (2006), “Stability of timetables and train routings through station regions”, PhD Dissertation, Institute of Operation Research, ETH Zurich.
18. Stok, R. (2008), “Estimation of railway capacity consumption using stochastic differential equations”, PhD Dissertation, University of Trieste.
99
19. Hansen, I. A. (2010), “Railway network timetabling and dynamic traffic management”, International Journal of Civil Engineering, Vol. 8, No. 1, pp. 19-32.
20. Purdy, G. (2010), “ISO 31000:2009 – Setting a New Standard for Risk Management”, Risk Analysis, Vol. 30, No. 6, pp. 881-886.
21. 劉牧阡(2010)，「臺鐵行車營運風險分析系統之研究」，台灣大學工學院土木工 程學系交通工程組碩士論文。
22. James, F. (1980), “Monte carlo theory and practice”, Rep. Prog. Phys., Vol. 43, pp.
1145-1189.
23. 洪華生、鄧漢中(1988)，「工程或然率：決策、風險與可靠度第二冊」，台北市：
科技圖書公司。
24. Ross, S. M. (2009), “Introduction to Probability Models (10th ed., pp. 312-319) ”, Academic Press.
25. 交通部臺灣鐵路管理局(2001)，「行車事故調查報告及救援須知」，交通部臺灣 鐵路管理局運轉規章(下)。
26. RSSB (2004), “A statistical review of the RSSB safety risk model (WP1)”, Rail Safety and Standards Board, U.K.
27. Yuan, J., Goverde, R. M. P., Hansen, I. A. (2006), “Evaluating stochastic train process time distribution models on the basis of empirical detection data”, Computers in Railways X, pp. 631-640.
28. Coleman, R. (2002), “Modelling Extremes”, International Statistical Workshop, Seoul University.
29. Lin, X. G. (2003), “Statistical Modelling of Severe Wind Gust”, International Congress on Modelling and Simulation, Townsville, Vol. 2, pp. 620-625.
30. Kellezi, E., and Gilli, M. (2000), “Extreme value theory for tail-related risk measures”, Working paper, Department of Econometrics and FAME, University of
100
Geneva.
31. 交通部運輸研究所(2009)，「運輸系統容量分析暨應用研究 – 軌道系統(3/4)」， 交通部運輸研究所，研究報告。