第五章 結論與未來發展
5.2 未來發展
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
分的結果，採用MicroStation圖形系統呈現，如此圖形資料與路燈工程維護管理 系統之屬性資料將充分結合，對於路燈業務的應用，將可更為完善。
6. 透過系統自動化劃分的方式，可有效解決人為因素所產生的不一致結果。
5.2 未來發展
本研究中，我們主要針對定期巡修作業區域之規劃，進行分析探討，然而路燈維 護管理機制中，尚包含緊急搶修作業，於未來研究中，可以繼續探討搶修路線之規劃 議題，使得劃分結果更為完善。
另外，本論文對於部分參數的假設，仍有許多改進空間，例如交通流暢係數，僅 得參考道路的行車速限自行設定；而交通時間係數及故障項目比例等參數設定方面，
則以亂數進行模擬實驗。未來若能蒐集更詳盡的數據，以實際參數值來進行劃分，將 能使得此劃分方法更符合實際狀況。
在演算法的設計上，未來的研究可使用不同之起始解，交配及突變條件等，以歸 納出更合適之求解方式，甚至改善現有之求解效率與分區結果。
本研究因受限於公務機關用地取得及人員編制等規定，並不考慮路燈分隊之區位 選擇與維護人力規劃問題，僅就現有分隊所在位置、所規範之管轄區域，以及目前維 護人數等現況下，進行本劃分方法之研究。未來如能進一步探討區位選擇，提出設點 建議，以及配合政府再造之施政目標，通盤檢討維護人力的規劃合理性，提供管理階 層更全面性的決策參考，將可擴大其應用範圍。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 參考文獻
[1] 路燈要亮管理維護，臺北市政府工務局公園路燈工程管理處網站 http://pkl.taipei.gov.tw/ct.asp?xItem=113821&ctNode=8864&mp=1060 11，民國 99 年 1 月 6 日。
[2] 朱子豪， 「GIS 在任務派遣上之應用」，國立台灣大學，上課講義，
http://www.rskl.geog.ntu.edu.tw/common/text/gis 任務派遣. files/
frame.htm
[3] 李志華，基因演算法於震災路網搶修排程問題之研究，國立成功大 學，碩士論文，民國 92 年。
[4] 李春田，市話線路設計作業責任區域劃分方式之分析，國立交通大 學，碩士論文，民國 89 年。
[5] 沈永堂、夏大明、林冠宇， 「應用 FCM 於垃圾車收集圍劃設─以台
中市南屯區為例」，2005 年台灣地理資訊學會年會暨學術研討會論 文集，民國 94 年。
[6] 林金玲， 「自動化最適服務區域規劃資訊系統之研究」 ，華梵大學，
碩士論文，民國 93 年。
[7] 邱文雄，「地理資訊系統在公共設備管理上之應用」，中華大學，
碩士論文，民國 92 年。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
[8] 邱志鴻，「物流配送中心貨車路線問題之研究」，國立臺灣大學，
碩士論文，民國 91 年。
[9] 郭淑靜、莊政霖、許正忠、李昇暾，「塔布基因演算法於扣件產業 生產排程之應用」，ICIM2009 第二十屆國際資訊管理學術研討會，
民國 98 年。
[10]陳孟駿、劉振隆，「建立高效率之禁忌基因演算法求解高維度之全 域最佳化問題」，第十屆人工智慧與應用研討會，民國 94 年。
[11]陳明宏，「我國警勤區劃分標準之研究」，中央警察大學，碩士論 文，民國 96 年。
[12]陳亮宇，「一個針對分群問題的關係基因演算法之原理與應用」，
國立中央大學，碩士論文，民國 95 年。
[13]陳威豪，「計程車招呼站服務範圍劃分」，國立交通大學，碩士論 文，民國 95 年。
[14]陳哲炯、謝國倫， 「遺傳演算法應用於電子商務物流配送之車輛區位
路徑選擇研究」，電子商務與數位生活研討會，民國 92 年。
[15]黃若蘋， 「啟發式演算法於資料分群問題之比較」，大同大學，碩士
論文，民國 96 年。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
[16]黃衍明， 「基因演算法之基本概念、方法與國內相關研究概況」，華
梵大學，博士論文，民國 91 年。
[17]黃敏慈， 「應用地理資訊系統於肇事防範巡邏研究」 ，國立中央大學，
碩士論文，民國 92 年 2 月。
[18]楊玫萍， 「運用克利金與 Space Syntax 於建立監視器設置決策支援系
統－以台中市水湳派出所轄區為例」 ，逢甲大學，碩士論文，97 年。
[19]楊蔭民， 「市區道路照明功能維持機制之研究—以台北市路燈維護管
理為例」，國立台灣大學，碩士論文，民國 96 年 7 月。
[20]蔣叔君， 「刑事治安斑點圖系統與應用之研究」 ，中央警察大學，碩
士論文，民國 92 年。
[21]盧木林， 「建置路燈自動監測管理系統對路燈管理與維護分析－以高
雄市政府工務局養護工程處為例」 ，國立高雄第一科技大學，碩士論
文，民國 97 年。
[22]盧尚群，「依時路網車輛路徑規劃系統」，國立高雄第一科技大學，
碩士論文，民國 94 年。
[23]蕭智暉、趙家慧、陳正揚、鄭勝德、黃志雄，「電子地圖於警政勤
管作業的應用」，2005 年台灣地理資訊學會年會暨學術研討會論文
集，民國 94 年。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
[24]謝長紘，「計算幾何學在選區劃分上之分析與應用」，國立政治大 學，碩士論文，民國 97 年。
[25]蘇木春、張孝德，「機器學習:類神經網路模糊系統以及基因演算法 則」，全華科技圖書股份有限公司，民國 93 年。
[26] Bodin, L. D. and Golden, B.1981. Classification in Vehicle Routing and Scheduling. Networks, Vol.11. pp.97-108.
[27] Fred Glover.1990. Tabu Search: A Tutorial. The Institute of Management Sciences. pp.74-94.
[28] J. H. Holland. 1975. Adaptation in Natural and Artificial Systems. Ann Arbor: The University of Michigan Press.
[29] Jones, D.and Beltramo, M. A. 1991. Solving partitioning problems with genetic algorithms. In: Proc. 4th Internat. Conf. on Genetic Algorithms, pp. 442-449.
[30] M. Keane.1975. The size of the region-building problem. Environment and planning A, Vol. 7. pp.575-577.
[31] Ting, C. K, Li, S. T., and Lee, C.On the harmonious matingstrategy through tabu search.Information Sciences (156:3), pp.89-214, 2003.
[32] Vilcot, G., and Billaut, J. C. A tabu search and a geneticalgorithm for
solving a bicriteriageneral job shop scheduling problem. European
Journal of Operational Research, (190: 2),pp. 398-411, 2008.
‧
0.59 0.04 0.09 0.14 0.01 0.06 0.03 0.04
0.16 0.43 0.34 0.03 0.02 0 0.01 0.01
0.03 0.81 0.06 0.02 0.02 0 0.01 0.05
0 0.5 0.06 0.1 0.14 0.06 0.04 0.1
0.46 0.13 0.06 0.02 0.09 0.01 0.01 0.22
0.03 0.44 0.46 0.06 0 0 0.01 0
‧
0.27 0.15 0.02 0.16 0.21 0.16 0.02 0.01
0.28 0.37 0.03 0.24 0.07 0 0 0.01
0.4 0.15 0.1 0.24 0.08 0.02 0 0.01
0.72 0.01 0.13 0.03 0.06 0.02 0.01 0.02
0.51 0.08 0.2 0.17 0.03 0 0 0.01
0.54 0.07 0.14 0.04 0.06 0.08 0.04 0.03
0.51 0.45 0.02 0 0.01 0 0 0.01
0.08 0.89 0.01 0.02 0 0 0 0
0.88 0.06 0.04 0.01 0 0 0 0.01
0.6 0.4 0 0 0 0 0 0
0.64 0.09 0.12 0.02 0.06 0 0.06 0.01
‧
0.51 0.01 0.03 0.05 0.11 0.13 0.04 0.12
0.62 0.35 0.03 0 0 0 0 0
0.52 0.19 0.14 0.1 0.04 0 0 0.01
0.11 0.03 0.19 0.28 0.26 0.02 0.03 0.08
0.91 0.01 0.05 0.01 0 0 0 0.02
‧
‧
0.45 0.28 0.03 0.01 0.09 0.11 0.01 0.02
0.15 0.01 0.22 0.1 0.2 0.13 0.04 0.15
0.86 0.11 0 0.02 0 0 0 0.01
0.44 0.01 0.3 0.08 0.12 0.05 0 0
0.32 0.18 0.31 0.06 0.05 0.05 0.02 0.01
0.78 0.09 0.12 0 0 0 0 0.01
0.01 0.21 0.41 0.06 0.06 0.05 0.15 0.05
0.93 0.02 0.02 0.01 0.01 0 0 0.01
0.66 0.21 0.11 0 0 0.01 0 0.01
‧
0.16 0.56 0.15 0.04 0.03 0.03 0.01 0.02
0.31 0.01 0.3 0.19 0.08 0.03 0.01 0.07
0.89 0.07 0 0.01 0.02 0 0 0.01
0.25 0.22 0.12 0.18 0.05 0.07 0.03 0.08
0.73 0.17 0.05 0.03 0 0.01 0 0.01
‧
R01001 898 2.57 2.35 101 0.63
R01014 195 0.81 2.9 15 0.77
R02004 945 3.35 2.25 159 0.36
R02005 334 2.07 2.03 44 0.49
‧
R03070 722 3.46 4.05 105 0.29
R03071 54 1.48 6.03 8 0.26
‧
‧
‧
R08144 675 1.33 1.35 107 0.27
R08146 337 1.98 1.46 30 0.48
‧
‧
A01 1851.98 swap 2231.383 swap 2366.122 no swap 2366.122 no swap A02 3121.02 swap 2561.7735 swap 2396.746 no swap 2396.746 no swap A03 3013.81 swap 2054.316 swap 2063.9685 swap 2063.9685 swap A04 2226.54 swap 2561.5095 swap 2561.5095 swap 2561.5095 swap A05 701.31 swap 1072.4725 swap 1281.2195 swap 1281.2195 swap A06 1863.42 swap 2422.068 no swap 2422.068 no swap 2422.068 no swap A07 1929.77 swap 2107.941 swap 2107.941 swap 2107.941 swap A08 3094.56 swap 2791.7395 swap 2401.9215 no swap 2401.9215 no swap A09 2242.33 swap 2242.3335 swap 2445.1405 no swap 2445.1405 no swap A10 3809.65 swap 3809.6465 swap 3809.6465 swap 3809.6465 swap
Tave 2385.44 2385.52 2385.63 2385.63
容許誤差值 Tu 71.56 71.57 71.57 71.57
標準差σ 843.44 648.97 588.62 588.62
最大差值∣△Tmax∣ 1684.14 1424.13 1424.02 1424.02
‧
最小差值∣△Tmin∣ 143.11 36.55 11.12 11.12
各次演化結果 繼續演化 繼續演化 失敗
A01 2366.122 no swap 2366.122 no swap 2366.122 no swap 2366.122 no swap A02 2396.746 no swap 2283.204 swap 2452.417 no swap 2452.417 no swap A03 2063.9685 swap 2063.9685 swap 2063.9685 swap 2063.9685 swap A04 2561.5095 swap 2561.5095 swap 2561.5095 swap 2561.5095 swap A05 2040.5935 swap 2287.5435 swap 2287.5435 swap 2287.5435 swap A06 2422.068 no swap 2422.068 no swap 2422.068 no swap 2422.068 no swap A07 2051.698 swap 2051.698 swap 2051.698 swap 2100.758 swap A08 2294.028 swap 2635.1655 swap 2559.9035 swap 2559.9035 swap A09 2370.5495 no swap 2198.625 swap 2469.2195 swap 2420.1155 no swap A10 3287.0255 swap 2982.7325 swap 2618.3025 swap 2618.3025 swap
Tave 2385.43 2385.26 2385.28 2385.27
容許誤差值 Tu 71.56 71.56 71.56 71.56
標準差σ 344.66 268.61 187.93 178.06
最大差值∣△Tmax∣ 901.60 597.47 333.58 321.30
最小差值∣△Tmin∣ 11.32 19.14 19.16 19.15
各次演化結果 繼續演化 繼續演化 繼續演化 繼續演化
A01 2366.122 no swap 2366.122 no swap 2366.122 no swap 2366.122 no swap A02 2452.417 no swap 2452.417 no swap 2452.417 no swap 2452.417 no swap A03 2063.9685 swap 2207.711 swap 2293.423 swap 2344.177 no swap A04 2561.5095 no swap 2379.685 no swap 2379.685 no swap 2379.685 no swap A05 2287.5435 swap 2235.5245 swap 2560.668 swap 2399.485 no swap
‧
A06 2422.068 no swap 2422.068 no swap 2422.068 no swap 2422.068 no swap A07 2100.758 no swap 2398.9735 no swap 2398.9735 no swap 2338.204 no swap A08 2559.9035 no swap 2355.672 no swap 2355.672 no swap 2355.672 no swap A09 2420.1155 no swap 2420.1155 no swap 2420.1155 no swap 2420.1155 no swap A10 2618.3025 swap 2618.3025 swap 2207.1115 swap 2379.025 no swap
Tave 2385.27 2385.66 2385.63 2385.7
容許誤差值 Tu 71.56 71.00 71.00 71.00
標準差σ 178.06 108.07 89.15 35.35
最大差值∣△Tmax∣ 321.30 232.64 178.52 66.72
最小差值∣△Tmin∣ 19.15 5.97 5.94 6.01
各次演化結果 繼續演化 繼續演化 繼續演化 結束演化
A01 1851.98 swap 2141.82 swap 2346.50 no swap 2346.50 no swap A02 3121.02 swap 2986.55 swap 2961.43 swap 2961.43 swap A03 3013.81 swap 2689.90 swap 2267.08 swap 2283.81 swap A04 2229.98 swap 2229.98 swap 2229.98 swap 2229.98 swap A05 701.31 swap 987.97 swap 1082.65 swap 1291.40 swap A06 1863.42 swap 2025.27 swap 2259.07 swap 2439.44 no swap A07 1929.77 swap 2428.91 no swap 2428.91 no swap 2428.91 no swap A08 3319.55 swap 2542.34 swap 2458.97 swap 2070.82 swap A09 2016.77 swap 2427.98 no swap 2427.98 no swap 2427.98 no swap A10 3809.65 swap 3398.46 swap 3398.46 swap 3381.11 swap
Tave 2385.73 2385.92 2386.10 2386.14
容許誤差值 Tu 71.50 71.50 71.50 71.50
標準差σ 871.66 606.19 558.57 515.91
最大差值∣△Tmax∣ 1684.42 1397.95 1303.45 1094.74
最小差值∣△Tmin∣ 155.75 42.06 39.60 39.63
各次演化結果 繼續演化 繼續演化 繼續演化 繼續演化
‧
A01 2346.50 no swap 2346.50 no swap 2346.50 no swap 1900.35 swap A02 2911.89 swap 2881.33 swap 2881.33 swap 2624.70 swap A03 2283.81 swap 2283.81 swap 2283.81 swap 2430.79 no swap A04 2229.98 swap 2229.98 swap 2229.98 swap 2486.77 swap A05 1291.40 swap 1291.40 swap 1291.40 swap 2470.64 swap A06 2439.44 no swap 2439.44 no swap 2439.44 no swap 2291.99 swap A07 2428.91 no swap 2428.91 no swap 2428.91 no swap 2428.91 no swap A08 2120.33 swap 2150.82 swap 2150.82 swap 1893.26 swap A09 2427.98 no swap 2427.98 no swap 2427.98 no swap 2427.98 no swap A10 3381.11 swap 3381.11 swap 3381.11 swap 2901.48 swap
Tave 2386.14 2386.13 2386.13 2385.69
容許誤差值 Tu 71.50 71.50 71.50 71.50
標準差σ 507.78 503.18 503.18 288.63
最大差值
∣△Tmax∣ 1094.74 1094.73 1094.73 515.79
最小差值
∣△Tmin∣ 39.63 39.63 39.63 42.29
各次演化結果 繼續演化 繼續演化 失敗 繼續演化
A01 1960.33 swap 2205.29 swap 2256.52 swap 2256.52 swap 2339.79 no swap A02 2584.85 swap 2156.92 swap 2385.24 no swap 2385.24 no swap 2406.59 no swap A03 2430.79 no swap 2430.79 no swap 2430.79 no swap 2430.79 no swap 2430.79 no swap A04 2486.77 swap 2486.77 swap 2486.73 swap 2486.73 swap 2382.68 no swap A05 2298.59 swap 2481.18 swap 2430.95 no swap 2430.95 no swap 2430.95 no swap A06 2378.57 no swap 2378.57 no swap 2378.57 no swap 2378.57 no swap 2378.57 no swap A07 2428.91 no swap 2428.91 no swap 2428.91 no swap 2428.91 no swap 2428.91 no swap
‧
A08 2032.71 swap 2126.48 swap 2126.48 swap 2126.48 swap 2369.87 no swap A09 2427.98 no swap 2427.98 no swap 2427.98 no swap 2427.98 no swap 2361.51 no swap A10 2828.90 swap 2735.05 swap 2506.68 swap 2506.68 swap 2328.87 no swap
Tave 2385.84 2385.79 2385.88 2385.88 2385.85
容許誤差值 Tu 71.50 71.50 71.50 71.50 71.50
標準差σ 237.73 172.98 107.94 107.94 35.52
最大差值∣△Tmax∣ 443.06 349.25 259.41 259.41 56.99
最小差值∣△Tmin∣ 7.27 7.22 0.64 0.64 3.17
各次演化結果 繼續
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
附錄二 工具介紹－路燈工程維護管理系統
台北市政府為推動地理資訊系統，開發了許多相關應用系統，而本研究所使用 之路燈工程維護管理系統，乃為台北市公共工程圖形管理系統中的子系統。其開發 程式係採用Bentley公司開發之MicroStation圖形系統，所提供之MDL程式語言，建 立本系統相關功能。
路燈工程維護管理系統與的功能，包括門牌的搜尋、地形圖、地籍圖、行政區 里、門牌位置及建物套繪圖等相關圖層的套疊、路燈資料的建置及查詢等。
因本研究所分析之路燈位置、道路、行政區界等相關資料，均建置於此系統，
考量上述資料於使用其它GIS軟體分析時，必須先經轉檔手續，過程繁複，並且在資 料完整性上容易產生疑義或遺漏。為便於本研究所需之相關圖層資料套疊、分析及 圖形化結果的呈現，故選擇使用路燈工程維護管理系統作為視覺化呈現工具。系統 功能簡介如下：
圖 7.1 系統主視窗
系統主功能框 視窗工具框
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 7.2 主要功能視窗
圖 7.3 路燈資料查詢畫面
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
附錄三 巡修路線規劃文獻探討
在設備維修管理的研究領域中，已有許多學者以各種不同角度、方法解決此類型 問題。而應用GIS於路燈維護管理之研究，可以從巡修路線規劃、巡修區域劃分、自 動化監控等不同面向進行探討。關於車輛路線問題之學術研究文獻眾多，亦提出了相 當多的求解策略與方法，Bodin and Golden[26]將眾多之求解方法歸納成以下七種：
1. 數學解析法（Exact Procedure）
2. 人機互動法（Interactive）
3. 先分群再排路線（Cluster First – Route Second）
4. 先排路線再分群（Route First – Cluster Second）
5. 節省法或插入法（Saving or Insertion）
6. 改善或交換法（Improvement or Exchanges）
7. 數學規劃近似法（Mathematical programming）
邱志鴻[8]採用「先分群再排路線」的二階段求解方法，進行配送路線的安排，
也就是先將所有的配送點進行分群，然後再對每一群集中的配送點做最佳化路線的 處理，換句話說，是將車輛路線問題（VRP）轉換成多個推銷員旅行問題（TSP）
進行求解。
盧尚群[22]考量以花費時間最短為目標，利用多目標蟻群演算法(MACS)建立動 態路線規劃模式，解決大量服務需求點問題。以及陳哲炯、謝國倫[14]利用遺傳演 算法探討物流配送車輛路徑問題。