5.1 結論
本研究是以灰色 Lotka-Volterra 模式建立一以總體運量可進行動態競爭分析與預 測之模式與方法，並加入外部因素求解，所得之結論如下：
1. 本研究成功提出一灰預測動態競爭模式建構與程序。
2. 從灰關聯分析中得知，對於高鐵影響較大之外部因素前三者依序為人口數、油價 與 GDP；而台鐵影響較大之外部因素前三者依序為人口數、油價與 GDP；國道 客運則與前兩者相同；國內航空之外部因素前三者依序為股價指數、失業率及經 濟成長率。然而，灰關聯分析台灣西部城際大眾運輸與社會經濟因素之關聯性與 本研究的最後結果有差異，故灰關聯分析並不適合應用於此方法中。
3. 將從多組預測組合之中，挑選出合理預測之組合，並解釋外部因素對各組合之影 響及各組合之競爭型態。根據分析結果顯示，（1）國內航空與國道客運之最佳外 部因素為股價指數，兩者關係為相互競爭，預測運量之 MAPE 值分別為 14.6 % / 0.43 %；（2）國內航空與高鐵之最佳外部因素為失業率，兩者關係為不相關，預 測運量之 MAPE 值分別為 2.44 % / 2.08 %；（3）國內航空與台鐵之最佳外部因素 為失業率，兩者關係為片利共生，預測運量之 MAPE 值分別為 2.44 % / 4.73 %；
（4）高鐵與國道客運之最佳外部因素為就業率，兩者關係為片利共生，預測運 量之 MAPE 值分別為 0.68 % / 0.06 %；（5）高鐵與台鐵之最佳外部因素為 GDP，
兩者關係為互利共生，預測運量之 MAPE 值分別為 0.03 % / 0.11 %；（6）台鐵與 國道客運之最佳外部因素為油價，兩者關係為片害共生，預測運量之 MAPE 值 分別為 0.55 % / 0.18 %。以預測之 MAPE 值而言，只有（1）之組合 MAPE 值小 於 20 %，表示預測能力為優良；（2）至（6）之組合 MAPE 值皆在 5 %以下，表 示預測能力極佳。從本研究之結果與文獻中林智媛(2011)之結果相比較，發現灰 預測結合 Lotka-Volterra 模式有更精確之預測能力。
66
5.2 建議
本研究雖成功建立模式，但只適用於兩兩組合求解。由於西部走廊運輸工具不只 為兩種運具之間的競爭與合作，理論上而言，應為四種運具共同求解。但對於現有方 法來說，四種運具共同代入模式中求解不出結果。因此發展可以以四種運具共同求解 之求解方法為未來研究方向。針對各組競爭之結果可以對不同之運輸工具或經營業者 建議改善營運策略，加強業者競爭力。
以目前而言，本研究只獲取到各運具之年運量資料，故以年運量作分析。若可取 得較細部資料，例如月運量資料，就可以以月或季作運量分析。假設將同月不同年的 資料進行預測，即可得知當月與其他年份之同月的競合強弱為何，季資料亦可。但前 提下須取得相關資料，以便進行預測與分析。以上為未來研究之建議，有待後續之研 究與驗證。
67
參考文獻
王盈惠(2007)，「台灣高速鐵路營運後對城際間運送能量影響之研究」，逢甲大學交通 工程與管理學系碩士論文。
吳芸萍(2002)，「高鐵潛在旅客對於站區大型購物中心之採用過程與市場區隔之研究-以高鐵台中烏日站為例」，逢甲大學土地管理學系碩士班碩士論文。
吳漢雄、鄧聚龍、溫坤禮(民85)，”灰色分析入門”，高立圖書有限公司，台北。
吳雨菁(2009，)「兩岸直航港埠貨櫃量預測與分配之研究」，國立臺灣海洋大學航運 管理學系碩士論文。
林智媛(2011)，「考慮油價變動之動態城際大眾運具運量競爭模式與分析」，中華大 學運輸科技與物流管理學系碩士論文。
林東慶(2007)，「以灰色理論和類神經網路預測航空客、貨運量之變化」，國立成功大 學民用航空所碩士論文。
柯呈潁(2007)，「灰色理論應用於東北亞重要港口之櫃量預測與競爭優勢評估」，國立 高雄海洋科技大學碩士論文。
陳鴻彬(2006)，「來台旅客人數需求預測模式之研究」，朝陽科技大學休閒事業管理系 碩士論文。
溫裕弘(1997)，「航空運量預測與航空網路設計之研究－應用灰色理論」，國立交通 大學交通運輸研究所碩士論文。
溫坤禮、趙忠賢、張宏志、陳曉瑩、溫惠筑 (2009)，“灰色理論”，五南圖書出版股份 有限公司，台北。
劉書嵐(2004)，「層級分析法與灰關聯應用於港埠物流中心區位選擇—從海運承攬業 的角度」，國立中央大學土木工程研究所碩士論文。
鍾彥妍(2008)，「東南亞主要貨櫃港口之櫃量預測與競爭因素評估─灰色理論之應用」， 國立高雄海洋科技大學碩士論文。