國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
第三章 研究設計
本章節將分三小節，首先將進行資料來源說明包含資料來源、資料處理軟體 以及資料格式。第二部分為研究架構，將針對本研究預計採用之研究架構與研究 模型進行說明。最後則針對投入變數進行敘述性統計分析說明。
來源資料說明與處理 資料來源
本研究之臺北市微笑單車系統租借資料與即時站點資訊資料來源為臺北市 政府交通局，資料期間為2013 年 1 月 1 日至 2014 年 11 月 30 日之間微笑單車系 統租借次數，共167 個站點及 28,715,401 筆租借資料。而資料內容包含使用者扣 款時間、借車時間、借車站點、還車時間、還車站點、使用時間長度…等資料欄 位。
資料處理軟體
由於整體資料過於龐大，無法使用Microsoft Excel 軟體直接進行相關處理，
因此在依變數部分本研究採用Postgres pgAdminIII 資料庫軟體儲存數據，進行資 料編修以及執行資料查詢、擷取等功能。自資料庫擷取出資料後再行採用 Microsoft Excel 軟體進行樞紐分析以及圖表製作，並透過 SPSS 軟體進行迴歸分 析。最後，空間自相關檢測以及地理加權迴歸則使用 Esri Arcgis 地理資訊系統 10.3 版進行空間分析與視覺化呈現。
而在自變數部分，建成環境因子與土地使用因子，皆透過Arcgis 軟體進行處 理以及擷取。SPSS 軟體則進行敘述性統計以及基本運算。
微笑單車資料基礎分析
本研究針對公共自行車各站點租借數據進行基礎分析。首先，微笑單車站點 數與車輛總數自2013 年 1 月至 2014 年 11 月間皆呈現緩步上升之趨勢，如圖
3-‧
102年1月 102年2月 102年3月 102年4月 102年5月 102年6月 102年7月 102年8月 102年9月 102年10月 102年11月 102年12月 103年1月 103年2月 103年3月 103年4月 103年5月 103年6月 103年7月 103年8月 103年9月 103年10月 103年11月
微笑單車逐月車輛數與站點數折線圖
‧
數越多，該月使用量則較低，此也符合 Shaheen et al.(2011)、Faghih-Imani et al.(2014)之研究結果，證明降雨因素會影響使用量之說法。如 2013 年 3 月至 6 月 結果符合前述文獻中 Faghih-Imani et al(2014)之研究所作成之結果，因為週五晚 間以及週六民眾較無隔日上班之壓力，而會多採用公共自行車作為其下班或是休‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
圖3-4 微笑單車周間使用量圖 資料來源:本研究自行繪製
若在進一步討論每天每小時之運量變化，則可由圖3-5 中發現若不考量平日 亦可能為國定假日之因素，單純以周間因素參考每小時的周間使用量，微笑單車 在平日的尖峰為雙峰狀，出現在早上7 點至 9 點以及下午的 5 點至 7 點，而假日 則是呈現緩步上升的單峰狀型態，且尖峰時段出現在下午5 點至 6 點。
從此結果可以推論，微笑單車的使用對於都市上下班的接駁確實有其成效，
因為平日之尖峰與上下班時間趨勢大致相同。而在中午時段則可為上班族外出買 午餐及休息時間的代步工具，所以在12 點至 1 點時會呈現微幅上升趨勢。
而在假日使用趨勢方面，由圖中亦可推知民眾在假日的活動時間大約為 10 點開始出現而至下午6 點後慢慢結束，且偏好在下午時段使用微笑單車。此與民 眾假日時之旅遊習慣有關。並且有鑑於平日及假日使用趨勢明顯不同，因此後續 研究中，本研究在一般線性迴歸與地理加權迴歸模型皆將應變數分為平日模式與 假日模式兩個不同模式，進行模型校估與驗證。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
圖3-5 周間每小時使用量圖
另一方面，按照微笑單車總借還量進行排行，由表3-1 可以觀察到排行前 20 名之站點，大多位於大學或是捷運站周邊。唯一沒有鄰近大學或捷運站之站點為 松山車站，但松山車站本身即為台鐵車站，具有龐大之通勤使用人潮。由此現象 可以推知，臺北市微笑單車之使用與周邊 500 公尺內是否有大學或是捷運站有 關，也可推知大學學生與捷運使用者為微笑單車使用者之重要來源。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
45
研究架構
在本節將說明後續研究模型之架構，首先將從整體研究流程至研究假說設定 最後是研究所使用之研究模型。
研究架構說明
圖3-4 為本研究之研究架構圖，本研究之研究流程，將先從微笑單車旅次租 借數據進行資料篩選與整理，後續針對站點間使用量進行社群網絡分析以及熱點 分析。並萃取相關影響因素後，設定本研究模型之假說，並於後續針對一般線性 迴歸與地理加權迴歸作模型之驗證與比較，並針對模型結果進行分析。
圖3-4 研究架構圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
46
研究模型設定
本研究採用一般線性迴歸模型與地理加權迴歸模型進行實證分析。一般線性 迴歸之基本假設為空間條件在研究範圍內為同質，並不考慮空間之變化。因此無 法呈現空間樣態的差異，為一種全域型的迴歸模型。基本運算式如下式3-1 所示，
Y 代表公共自行車平日及假日月平均使用量，將分別採用借車量與還車量進行分 析，𝑋𝑖代表建成環境指標，ε為殘差項。
Y = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑖𝑋𝑖 + 𝜀……….式:3-1 而地理加權迴歸則是加入了空間參數，把局部特徵納入考量賦予不同權重，
其基本原理為對每個樣本點做迴歸分析，因此每個樣本點會有其迴歸式及迴歸係 數。如此便可以分析空間效果對於研究之影響，減少空間因素所帶來之誤差。其 運算式如下式 3-2 所示。其中，𝑌𝑖為樣本點 i 的因變數，𝛽0為樣本點 i 的迴歸截 距，(𝑢𝑖,𝑣𝑖)為 i 點的空間座標，𝛽𝑘(𝑢𝑖,𝑣𝑖)為樣本點 i 之自變數𝑥𝑖𝑘對因變數的迴歸 係數，𝜀𝑖為樣本點i 的隨機誤差。模型頻寬與樣本點選擇方式如圖 3-5 所示。
𝑌𝑖 = 𝛽0(𝑢𝑖,𝑣𝑖) + ∑ 𝛽𝑘 𝑘(𝑢𝑖,𝑣𝑖)𝑥𝑖𝑘 + 𝜀𝑖……… ….式:3-2
圖3-5 地理加權迴歸示意圖
圖片來源:楊孝博(2011)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
投入變數說明 應變數
在應變數部分，參酌第二章之文獻回顧後，本研究採用之資料為臺北市政府 交通局提供2013 年 1 月至 2014 年 11 月之臺北市公共自行車系統微笑單車系統 的租借數據。使用微笑單車系統各站借車輛數月平均數，並將使用量劃分為平日 與假日兩種，作為使用量之代表變數，採用平日與假日月平均使用量作為應變數。
本研究參考前述圖3-2 使用量周間使用量圖後，為使研究便於操作，將平日定義 為不考慮特定假日，僅採納周間日星期一至五做為平日模式應變數，而為星期六、
日則為假日應變數。
並將研究範圍定義為臺北市公共自行車系統，在2014 年 10 月時的 167 個站 點，因此排除借車地點或還車地點有包含新北市租借站之旅次，以及因無法確認 是否為民眾租借旅次之原因，排除借車地點或還車地點有含有微笑單車測試中 心、測試站點、試營運站點之旅次。
表3-2 為應變數之敘述性統計表，包含應變數之最大值、最小值、平均數以 及標準差等數據。
表3-2 應變數敘述統計表
個數 最小值 最大值 平均數 標準差 平日月平均使用量 167 1474.167 65395.143 10351.342 9638.399 假日月平均使用量 167 545.417 25264.000 4161.411 3657.960
‧
根據過往文獻Rixey et al.(2013)、Faghih-Imani et al.(2014)、Zhao(2014)、Tran et al.(2015)指出，人口數多寡是影響公共自行車使用量重要因素之一，隨著人口 增加，代表運輸需求也會同時提升，因此居住人口對於公共自行車的使用量本研 (Rixey et al., 2013;Faghih-Imani et al., 2014;Tran et al., 2015;Zhao, 2014)，雖然這些 研究對於就業人口數帶來的效果正負不一，但也證實及業人口確實會對公共自行 車使用量帶來影響，因此本研究採納及業人口數說明上班族群與自行車運輸需求
‧
根據過往文獻Faghih-Imani et al.(2014)、Tran et al.(2015)顯示，鄰近大學人 數對於公共自行車使用量有顯著影響。而依據鄭雨桐(2016)之研究訪談，台北市
‧
Tran et al.(2015)顯示，周邊路口數越少，代表當地交通環境相對單純，使用者並 不需要橫越太多路口，在使用上也相對安全。而Bordagaray(2012)之研究亦指出，公共自行車使用時之旅程安全性，是使用者會考量的因素之一。因此預期站點周
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53