公共自行車系統(Public bicycle system)，又稱公共自行車共享系統(Bicycle sharing system)，近年來由於電子商務系統發達導致付費方式改變，因此在國外 亦有學界稱之為智慧單車系統(Smart bicycle system)。而我國，包含自行車共享系 統、公共自行車系統、公共自行車計畫及公共自行車租賃計畫其實都是在敘述同 一個概念。(白詩滎，2013)，這是由於各國發展公共自行車系統內容與名稱差異。
本研究以下將這些系統統稱為公共自行車系統，以避免閱讀上混亂。
公共自行車系統發展歷程
DeMaio(2009)及 Midgley(2009)的研究中定義公共自行車系統為一種可供民 眾用便宜的租賃費用在都市中任意租借站自由租車以及自由還車的自行車系統。
公共自行車系統的構想源自於希望透過共用的自行車解決空氣以及噪音等環境
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
12
汙染，並達成旅運起點與大眾運輸工具或大眾運輸工具與旅運終點之間的短程接 駁，也就是補足「第一/最後一哩」路的接駁，並且公共自行車對於民眾來說是具 有高度可及性以及便利性，以及具有多樣化營運模式的交通運具。
透過服務範圍以及服務對象的不同可將公共自行車系統簡單分成狹義的公 共自行車以及廣義的公共自行車兩種(白詩滎，2013)。狹義的公共自行車，僅限 於服務特定地點或是族群。例如大學內部僅供職員及學生使用而不對外開放之公 共自行車，即是狹義的公共自行車系統。而相對而言，廣義的公共自行車系統係 指對於所有民眾及所有地區皆開放的公共自行車系統。本研究主要探討對象台北 市微笑單車系統則為廣義的公共自行車系統。
近年來由於世界各國環保意識高漲以及溫室效應、國際能源價格波動以及氣 候變遷影響，各國開始發展綠運輸相關交通政策，而公共自行車具有低碳、永續 的特性，使用自行車取代私人機動運具，可以有效減少碳排放量，有助於減緩溫 室效應，解決上述問題。因此，當面臨環境問題時，世界各國開始考慮設置公共 自行車系統，以落實永續交通及環境保護的理念(Shaheen , 2010)。而如圖 2-1 可 見公共自車系統直到 2008 年後才受到世界各國重視，開始於其國家內建置公共 自行車系統。
圖2-1 2000 年至 2013 年已建設公共自行車系統國家數統計 資料來源：treehugger 網頁
‧
的C-Bike 系統都屬於第三代系統。(王俊偉，2011)而歐洲已有城市逐漸轉型為第 四代公共自行車系統。(Shaheen&Gausman,2011；Midgley,2011)DeMaio 在其 2003 年的研究中認為第一代的公共自行車系統最早可以源自 用。(Faghih-Imani et al.,2014)這也是首次自行車共享的概念被付諸實現，是後續 各大公共自行車系統的雛形。然而，由於高失竊率以及高損壞率，導致了這個計 劃的失敗。
第二代公共自行車系統則是一直到 1995 才在丹麥的哥本哈根稱為「城市自 行車計畫(Copenhagen Free Bike Program, Bycyklen)」出現，又稱為硬幣存取階段 (coin-deposit generation)。和第一代公共自行車系統最大的不同在於使用特殊的自 行車車體設計、採用押金制以及設置自行車出租站，改善第一代因免費使用所帶
‧
的理念與目的(Shaheen et al.,2011)。
而第三代自行車系統為了改進第二代系統的兩大缺點，乃結合IT 產業發展，
Midgley(2011)以法國巴黎公共自行車系統 vélib’為例，指出在後第三代自行 車的時期，預料將增加了電動自行車的比例，並且在車體內建 GPS 系統以便隨 時追蹤車輛位置，降低失竊率，並提高遺失車輛尋回率。並且在這個階段租借站 點的功能透過網路連結將會更多元化以及智慧化。Midgley 並為第四代公共自行 車提出新的定義以及方向，認為第四代公共自行車系統，應具備可移動方便調度
‧
City Bike、T-Bike、Pbike 四個公共自行車系統。並另設有嘉義市的 E-bike 系 統，而其主要採用電動自行車作為運具，與傳統自行車有所不同。其中共有臺北
資料來源: YouBike、City Bike、T-Bike、Pbike、E-bike 官方網站 臺北市政府曾於 1999 年間提供免費使用之公共自行車，在當時採用的是人
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
18
表2-2 站點數與車輛數發展歷程表
年度 站點數 微笑單車數(輛) 全年租借次數
2009 11 500 134,116
2010 11 500 91,802
2011 11 500 61,924
2012 48 1,684 998,515
2013 136 4,545 10,984,563
2014 196 6,406 20,672,272
2015 212 6,934 20,082,738
2016.04 234 7,660 4,850,479
資料來源:臺北市政府交通局(資料日期:2016 年 10 月 3 日)
圖2-3 2009 年至 2012 年微笑單車站點分布圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
19
圖2-4 2012 年微笑單車站點分布圖
圖2-5 2013 年微笑單車站點分布圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
20
圖2-6 2014 年微笑單車站點分布圖
小結
從本節的文獻回顧歸納，可以了解公共自行車的發展歷史，然而隨著時間演 進，智慧與資訊產業的快速進化，公共自行車也正面臨到第三代與第四代之間的 轉型期。隨著未來的海量數據分析時代來臨，公共自行車系統也將更仰賴大數據 分析結果應用，深入了解個體使用在不同時間點於空間上之移動情形，以期待後 續站點設置能更貼合使用者需求，提升使用量。
然而，臺北市在研究期間之站點設置情形，如上圖所示，雖然整體可呈現由 東向西發展，且在捷運站點周邊設站較為密集。但仍出現一些較為邊陲之站點，
如文山區之站點已及內湖區之站點，使用量較低。因此未來設站仍須考量整體空 間因素，以利站點之間串聯，更進一步增加使用量。
‧
Midgey(2011)歸納出影響公共自行車使用之指標如表 2-3：
表2-3 影響使用量之指標
‧
的公共自行車可行性評估報告(Alta planning+design 2012)，亦歸納出其認為會影 響公共自行車使用量之因素。本研究亦將其整理如表2-4 所示：資料來源：Alta planning+design 2012
Gauthier et al.在 2013 年的研究則針對全球各大自行車系統進行分析，以了
‧
‧
另一方面Faghih-Imani et al.(2014)則進一步擴大變數類別，並以加拿大公共 自行車系統為研究對象，以各個時段的租借率為依變數，並利用五個面向的因素 進行分析，分別為天氣、時間、基礎設施、土地使用、建成環境變數為自變數。
分析公共自行車使用與移動方向。其結果發現，不同時間的公共自行車移動方向 不盡相同，並且建成環境變數對於公共自行車使用有著正向的影響。
Tran et al.(2015)的研究是以法國的里昂作為研究區域，主要針對地形以及建 成環境因素進行分析，依變數採用2010 年個公共自行車系統的借車與還車流量，
自變數則使用公共自行車站點300 公尺內各建成環境變數與地形進行分析，並將 其使用視覺化來呈現。最後的結果發現海拔高度對於公共自行車使用量為負向相 關。而站點車位數、工作數、學生數、火車站、電影院以及餐廳對於公共自行車 使用有正向影響。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
在亞洲方面，則有Zhao et al.( 2014)在其研究蒐集了中國境內 98 個城市的公 共自行車資料，並以公共自行車系統的周轉率為依變數，使用傳統 OLS 模型以 及部分最小平方法進行迴歸分析。在自變數的採用上則採用了如:人口、政府投 入、會員人數、營運天數等等變數進行分析。其結果發現，都市人口、政府投入、
會員人數、站點位置對於周轉率有顯著性影響。另外，信用卡以及智能卡的使用 亦有助於提升周轉率。
以臺北市公共自行車系統為例，鄭雨桐(2016)的研究是透過研究建成環境對 於捷運使用者轉乘公共自行車之影響。是以問卷調查之形式進行，並透過主成分 分析、二項羅吉特模型進行分析。結果發現有別於以往的研究顯示人口越多的地 方租借量越多。居住密度對於公共自行車使用是負向影響，而商業土地使用比例、
離捷運站距離、及業密度、自行車設施則提供正向影響。
而本研究將上述各篇文獻之內容歸納整理如表2-6 所示:
‧
Faghih-Imaniet al.(2014)
線 性 混 合 模 型 (Linear mixed
models)
站 點 借 車
‧
al.(2013)Faghih-Imani et al.(2014) Zhao(2014)
Tran et al.(2015) 及業密度-高(+/-) Rixey et al.(2013)
Faghih-Imani et al.(2014) Zhao(2014)
Tran et al.(2015) 學校學生數-多(+) Tran et al.(2015) 零售業數-多(+) Rixey et al.(2013)
其他商業使用數-有(-) Faghih-Imani et al.(2014) 自行車道-多(+) Rixey et al.(2013)
Faghih-Imani et al.(2014) Tran et al.(2015)
次要道路長度-長(+) Faghih-Imani et al.(2014) 主要道路長度-長(-) Faghih-Imani et al.(2014) 路網密度-(+) Tran et al.(2015)
鄰近大眾運輸-近(+) Shaheen et al.(2011) 捷運站-多(+) Faghih-Imani et al.(2014)
Tran et al.(2015) 鐵路車站-多(+) Tran et al.(2015) 旅次距離-近(+) Fishman et al.(2014) 大學-多(+/-) Rixey et al.(2013)
Faghih-Imani et al.(2014) 餐廳-多(+) Faghih-Imani et al.(2014)
Tran et al.(2015)
離 CBD 距離-長(-) Faghih-Imani et al.(2014) 電影院-多(+) Tran et al.(2015)
某租借站一定距離內其他租借站 數量-多(+)
Rixey et al.(2013)
公共自行車站數-多(+) Faghih-Imani et al.(2014) Zhao(2014)
到公共自行車場站時間(+) Bordagaray(2012) 公共自行車站分布-多(+) Bordagaray(2012)
社會 經濟 因素
性別-男(+) Shaheen et al.(2011) Bordagaray(2012)
Murphy and Usher(2015) 年齡-高(+) Shaheen et al.(2011)
Bordagaray(2012) Zhao(2014)
Murphy and Usher(2015)
‧
Rixey et al.(2013)Murphy and Usher(2015) 職業-服務業(+) Shaheen et al.(2011) 教育程度-高(+) Shaheen et al.(2011)
Rixey et al.(2013) 種族與族群-白人(+) Rixey et al.(2013)
Murphy and Usher(2015) 旅次在使用公共自行車進行之前
與之後選擇的運具(+/-)
Shaheen et al.(2011) 使用公共自行車作為何種運具替
代(+/-)
Shaheen et al.(2011) Murphy and Usher(2015) 周末使用-是(+/-) Faghih-Imani et al.(2014) 周末晚上-是(+) Faghih-Imani et al.(2014) 使用時段-天(+/-) Faghih-Imani et al.(2014)
自然 因素
氣溫-高(+) Shaheen et al.(2011) Rixey et al.(2013)
Faghih-Imani et al.(2014) 濕度-高(-) Faghih-Imani et al.(2014) 降雨-多(-) Shaheen et al.(2011)
Faghih-Imani et al.(2014) 日照-多(+/-) Shaheen et al.(2011) 高程-高(-) Faghih-Imani et al.(2014)
系統 本身 因素
旅程安全性-安全(+) Bordagaray(2012) 系統本身安全性-(+) Shaheen et al.(2011) 使用成本(費率)-高(+) Shaheen et al.(2011)
Bordagaray(2012) 等待車輛時間-多(-) Shaheen et al.(2011) 付費系統-好(+) Bordagaray(2012) 自行車品質-好(+) Bordagaray(2012) 服務資訊可及性-高(+) Bordagaray(2012) 是否有一日票-有(+/-) Bordagaray(2012)
公共自行車站車輛數-多(+/-) Faghih-Imani et al.(2014) Zhao(2014)
Tran et al.(2015) 政府投入資金量(+) Zhao(2014)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
公共自行車大數據之應用
大數據又有研究稱之為巨量數據、海量數據，國外則稱之為Big Data 這些名 詞都是相同的概念，僅是翻譯上之不同，而為避免混淆本研究將統一採用大數據 這個名詞稱之。大數據這個名詞定義最早源自於 Gartner 公司的數據分析師 (Laney , 2001)的 3Vs 理論，其 3V 分別代表著:資料量(volume)、資料處理速度 (velocity)以及資料類型多樣化(variety)。IBM 公司 2011 年提出之大數據理論亦採 用其3V 理論作為解釋。而後續有研究如(White, 2012)採用如 5V 理論，新增了準 確性(veracity)以及資料處理後之價值(value)。甚至採用 7V 理論，新增數據有效 性(validity)以及資料呈現之視覺化(visibility)。
有關於大數據之定義，根據王勇在 2016 年之研究指出，大數據目前在國際 間並未有明確定義。一般認為僅要符合上述3V 理論即可稱之為 Big Data。而數 據處理軟體公司Gartner 所給出關於大數據的定義為：超出普通硬體以及軟體工 具，在其可接受時間內，可為用戶蒐集、管理、處理的資料。因此大數據本身並
有關於大數據之定義，根據王勇在 2016 年之研究指出，大數據目前在國際 間並未有明確定義。一般認為僅要符合上述3V 理論即可稱之為 Big Data。而數 據處理軟體公司Gartner 所給出關於大數據的定義為：超出普通硬體以及軟體工 具，在其可接受時間內，可為用戶蒐集、管理、處理的資料。因此大數據本身並