第五章 結論與未來展望
5.2 未來研究方向
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
長率，表示人口仍然有往都市集中的趨勢，但台北市房價、物價仍相對較高，選擇 居住在台北縣的人口便逐漸增加。
2. 以台北縣市而言，近年來人口成長率較高的地方為蘆洲市、樹林市、林口鄉等地，
都是未來捷運營運路線經過的地區，部份村里加權後的人口成長率超過 20%。相信 民眾預期捷運的開通，將使得交通更便利，也帶動地方的發展。
另外，在三次人口成長率權重值調整後的實驗中（詳參附錄），由結果發現，實驗 中賦予人口成長率不同的權重值，將直接影響到資料探勘因素重要性的推論。為了呈現 人口成長率的變動趨勢而調整權重值，縱觀三次實驗結果，對於人口因素有顯著的影 響；然而實驗過程中對交通因素的估計亦存在誤差，在本研究中未能提出一個有效的修 正方法，可重覆進行實驗以導正實驗結論，實屬可惜，也希望日後能針對各因素做出更 準確的估算，提高模型預測的可靠度。
5.2 未來研究方向
本研究從地理資訊系統環域分析收集相關資料，結合類神經網路及邏輯迴歸分析技 術建立收寄量預測模型，可以得到一致的預測結果。茲對於資料收集、分析過程如何更 完備提出建議作為未來研究方向：
1. 村里人口重心估計
當取得村里人口數字資料時，一般假設人口平均分布於村里面積內，但以常理而 言，人口活動有群聚效果，若假設平均分布有失偏頗，故本研究依照郵件收寄的特 性，假設人口平均分布於建物面積內，藉以找出村里的人口重心，並以此做為評估 設點；因為本研究在計算建物人口數時，無法取得建物圖層的樓層及區位等資料，
估計人口重心時會有所出入，且在實驗過程中，發現因為建物分佈以及圖層不夠精
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
確，導致估計建物人口數時出現與直觀不符之誤差。若日後取得相關資料後重新建 置預測模型，甚至包含流動人口分析，應可獲得更正確的結果。
2. 村里調整對人口計算的影響
以「台北市行政區域劃分及里鄰編組自治條例」及「臺北縣村里鄰編組調整自治條 例」規定，當該村里內戶數達到一定數字，即有調整村里邊界的需求，將一併在下 一屆村里長選舉同時調整。但在本研究中，因為圖層資料未能即時更新，且無法記 錄歷年來村里重劃對於人口數的影響，故對於計算人口因素會產生些許誤差，本研 究對於此情形僅針對新設村里歷年人口資料不足者僅調整其計算週期，對於人口成 長率的變化趨勢以加權植表示並計算之，倘若能取得更正確的資料對於分析將更有 幫助。
3. 資料探勘參數選擇
在資料探勘的過程中，建立模型的訓練資料理應排除部份極大或極小值，但中華郵 政公司業務量並非常態分配，應可考慮提出更有效率的採樣方法，避免預測模型受 到極值影響。另本研究採用重要交通路口做為交通因素，但設置監測點位置與直觀 上有部份落差，估計方式較為粗略難以藉此判斷設點之交通可及性等資料，也因此 做出交通因素在本實驗模型中影響不顯著的結論，日後對於交通因素可提出更適合 的空間資料做為資料探勘因素，期望能更準確地判斷交通因素對於中華郵政郵件收 寄量的影響層面。
4. 資料探勘軟體採用
本研究採用 Microsoft SQL Server 2008 Analysis Services，建立了三種資料探勘模 型，經過測試分析，排除了貝氏機率分類，而類神經網路及邏輯迴歸可以得到一致 的預測結果。該軟體功能為 Microsoft 在 2000 版本中初增，2005 版本及 2008 版本 再加強，具有一定可信度；但畢竟不是專業分析軟體，對於資料探勘模型，可調整 的參數及設計也略顯不足。若能採用其他如 Matlab、SPSS 等專業軟體進行分析，
應可有更詳細的結果。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
另外，中華郵政公司除了儲匯、郵務等主要業務，近來也利用各地郵局設點及倉儲 的優勢，拓展銷售中心業務。由中華郵政公司在全台灣 33 間郵局設立銷售中心，除了 銷售各項集郵票品及其周邊商品外，並與民間業者合作代售美容商品、保健飲品以及等 生活必需品，深受民眾喜愛。
去年營業額約 4.2 億元，代售業務手續費收入約 1.5 億元，佔公司年郵務收入約 0.5%。目前中華郵政公司銷售中心的客群以三十歲以上的女性為主，未來希望能拓展更 多客群的需求。
中華郵政公司也積極發展特產快遞業務，利基就是郵局眾多的配送車隊及據點。為 配合各地農漁會推廣農漁產品，並協助特產業者產地直銷，減少產銷成本，由郵局直接 至農漁會或特產店上門收件後遞送到家。亦開放消費者至農漁會或特產店之電子商場訂 購時，利用存簿儲金付款服務。[22]
針對各地獨特的農特產品為主要產品，讓其他地區民眾透過郵局通路也能享受到各 地不同的特色產品。
上述業務都是近年來郵局營收快速成長的項目，所以未來的研究方向可以參考本論 文所提觀念，調整輸入之資料探勘因素，設計相關業務的營收預測模型，以期新設據點 時能夠一併帶來更高收益。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
參考文獻
[1] 石昌國，「網路購物取貨服務對便利商店店面需求之影響-以 7-Eleven 為例」，國立 政治大學地政學系碩士論文，民國 89 年。
[2] 包昇平，「都市防災避難據點適宜性評估之研究-以嘉義市為例」，國立成功大學都 市計劃研究所碩士論文，民國 93 年。
[3] 李日晟，「應用迴歸分析與類神經網路預測棒球賽事」，國立政治大學資訊科學系 碩士論文，民國 98 年。
[4] 吳珮華，「以地理資訊系統結合資料探勘方法從事 ATM 設點分析」，國立政治大學 資訊科學系碩士論文，民國 98 年。
[5] 林淑馨，「郵政事業自由化、民營化與普及服務確保之研究：西歐國家經驗和日本 現況」，政治科學論叢第十九期，頁 225-254，民國 92 年 12 月。
[6] 官群倫、謝孟宏、黃照君、丁亞中，「應用 GIS 建置住宅選址模組之探討」，第七 屆數位地球國際研討會，民國 99 年。
[7] 胡美惠、張明桑、黃旭男，「台北市郵政支局經營效率之研究」，2004 科技整合管 理國際研討會，頁 565-588。
[8] 梅明德、許御衡、邱玉文、蔡靜慧，「運用地理資訊系統輔助連鎖式商店開設位址 評選」，地理資訊系統季刊，頁 21-31，民國 98 年。
[9] 張家輔，「地理資訊系統應用於免費公車路線調整之分析」，私立中原大學土木工 程學系碩士論文，民國 94 年。
[10] 陳世圯、涂維穗，「郵政公司化政策評析」，財團法人國家政策研究基金會，永續 (析)091016 號。
[11] 陳俊宏，「台北市郵局區位之研究」，淡江大學建築工程研究所碩士論文，民國 74 年。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
[12] 楊宜芬，「銀行區位選址決策支援系統之研發－以台北市為例」，臺灣大學地理環 境資源學研究所碩士論文，民國 95 年。
[13] 謝孟宏、陳芃妤、丁亞中，「應用地理資訊系統建置百貨公司選址模式評估指標空 間化之探討」，2008 年台灣地理資訊學會年會暨學術研討會，民國 97 年。
[14] 尹相志，「SQL Server 2005 資料採礦聖經」，學貫行銷股份有限公司，民國 95 年。
[15] 尹相志，「SQL Server 2005 Data Mining 資料採礦與 Office 2007 資料採礦增益集」，
精誠資訊股份有限公司悅知文化，民國 96 年。
[16] 尹相志，「SQL Server 2008 Data Mining 資料採礦」，精誠資訊股份有限公司悅知文 化，民國 98 年。
[17] 林孟龍、黃建輝、張建民，「地理資訊系統 ArcGIS 中文範例式學習寶典」，新文京 開發出版股份有限公司，民國 97 年。
[18] 葉怡成，「神經網路模式應用與實作」，儒林圖書有限公司，民國 92 年。
[19] 黃敏郎、劉守恆，「地理資訊系統基礎操作實務」第二版，松崗電腦圖書有限公司，
民國 98 年。
[20] 蔡博文、丁志堅，「新一代地理資訊系統 ArcView 9.X 剖析」，仲琦科技股份有限 公司，民國 94 年。
[21] 何瑁鎧，政大數位學習平台，97 學年度第一學期「 地理資訊系統及應用」課程講義。
[22] 中華郵政公司，http://www.post.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。
[23] 交通部，http://www.motc.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。
[24] 台北市政府民政局，http://www.ca.taipei.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。
[25] 台北市交通管制工程處，http://www.bote.taipei.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。 [26] 台北縣戶政服務網，http://www.ris.tpc.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。
[27] 台北縣交通局，http://www.traffic.tpc.gov.tw/ （瀏覽日期：99 年 7 月 15 日）。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
[28] 自由時報新聞稿，民國 94 年 9 月 12 日，
http://www.libertytimes.com.tw/2005/new/sep/12/today-fo4.htm
（瀏覽日期：99 年 7 月 15 日）。
[29] 行政院環境保護署，http://gis.epa.gov.tw/Intro.aspx （瀏覽日期：99 年 7 月 15 日）。
[30] 統一 7-11 超商 ，http://www.7-11.com.tw/ （瀏覽日期：99 年 7 月 15 日）。
[31] 微軟 MSDN 網站，http://msdn.microsoft.com/zh-tw/library/bb510517.aspx
（瀏覽日期：99 年 7 月 15 日）。
[32] 鞠園文史與集郵論壇，民國 95 年 5 月 23 日，
http://www.5819375.idv.tw/phpbb3/viewtopic.php?f=3&t=7794&start=0
（瀏覽日期：99 年 7 月 15 日）。
[33] Elovici, Y. and Braha, D., “A decision-theoretic approach to data mining”, IEEE Transactions on Systems, Man and Cybernetics, Part A, Vol. 33, No. 1, pp.42-51, 2003.
[34] Fayyad, M.U., “Data Mining and knowledge Discovery: Making Sense Out of Data”, IEEE Expert No. 11, pp.20-25, 1996.
[35] Fu Y., “Data Mining: Tasks, Techniques, and Applications”, IEEE Potentials, Vol. 16, No.
4, pp. 18-20, 1997.
[36] Han, J.; M. Kamber, “Data Mining: Concepts and Techniques”, 2nd ed., Morgan Kaufmann Publishers, San Franscisco, 2006.
[37] M.J.A. Berry and G.S. Linoff, “Data Mining Technique : For Marketing, Sales, and Customer Relationship Management”, New York : Wiley Computer Publishing, 1997.
[38] M. J. Shaw, C. Subramaniam, G.W. Tan and M.E. Welge, “Knowledge management and data mining for marketing”, Decision Support Systems, Vol. 31, pp.127-137, 2001.
[39] P. Cabena, P. Hadjnian, R. Stadler, J. Verhees and A. Zanasi, “Discovering DataMining from Concept to Implementation”, New Jersey : Pretice Hall, 1997.
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
[40] U. Fayyad, G. Piatetsky-shapiro and P. Smyth, “From data mining to knowledge discovery in databases”, AI Magazine, pp.37-54, 1996.
[41] “An Introduction to Logistic Regression”，
http://www.appstate.edu/~whiteheadjc/service/logit/intro.htm
（瀏覽日期：99 年 7 月 15 日）。
[42] “Gini coefficient”，
http://en.wikipedia.org/wiki/Gini_coefficient
（瀏覽日期：99 年 7 月 15 日）。
[43] “Customizing a Data Mining Model (Analysis Services - Data Mining)”，
http://msdn.microsoft.com/en-us/library/cc280427.aspx
（瀏覽日期：99 年 7 月 15 日）。
‧
6305021 台北市中正區新營里 -1.2516% 0.8752% -0.6382% -0.3382%6305022 台北市中正區建國里 -3.9627% -7.5243% 5.8399% -1.8824%
6305023 台北市中正區光復里 0.3165% 1.3297% -3.8256% -0.7265%
6305024 台北市中正區黎明里 4.2254% 1.1543% -2.8110% 0.8562%
6305025 台北市中正區梅花里 -4.0055% -0.8921% -4.1812% -3.0263%
： ： ： ： ： ：
6307001 台北市萬華區福星里 2.8340% 0.5624% 0.5220% 1.3061%
6307002 台北市萬華區萬壽里 0.8151% 0.6930% -3.3266% -0.6062%
6307003 台北市萬華區西門里 -1.5550% 5.7734% 1.6993% 1.9726%
6307004 台北市萬華區新起里 -8.7493% 0.6471% -1.1543% -3.0855%
6307004 台北市萬華區新起里 -8.7493% 0.6471% -1.1543% -3.0855%