1.1 研究背景與動機
大眾運輸系統的發展，已成為各國改善交通問題之常用手段，然乘車相關資 訊的缺乏，使乘客不知在何處搭乘大眾運輸系統，並於何時到達目的地。基於這 些因素導致使用者降低搭乘大眾運輸的意願，並且減低大眾運輸系統之使用率。
為了解決上述問題，行前旅次規劃系統因應而生，解決使用者搭乘大眾運輸工具 的困擾，並進一步改善交通擁擠與空氣污染等課題。
本研究回顧的行前旅次規劃文獻，主要分為兩大研究方法：一、Huang 和 Peng [3]依照時刻表為基礎，提出一系列之最少成本演算法;二、以 Koncz et al.[6]
發展之大眾運輸系統路徑規劃演算法（Transit Route Planning Algorithm ,TRPA）
為首的最少轉乘演算法。在過去研究中，所提之演算法，無法同時間考慮兩種邏 輯，且大部分僅考慮路線以及固定的時刻表兩種靜態資訊。然而較被後人所沿用 的 TRPA，因演算法假設乘客在旅次中僅追求轉乘次數最少的方案，故將會低估 起點至迄點之方案個數，而在某些情況下無法提供方案。例如：由甲地到乙地，
同時擁有直達方案或一次轉乘方案，但因演算法的設計，導致直達方案無法搭乘 時，也無法告知使用者，具有一次轉乘方案的替代方案。如此一來，若使用者希 望在早上九點由甲地出發至乙地，但直達車十點才發出第一班車，而使用者將無 法由TRPA 演算法得知方案，但或許可在早上九點由甲地出發先至丙地，進行一 次轉乘到達乙地。而因TRPA 演算法的設計，將無法找到一次轉乘的方案。本研 究者在張存保等人[11]一文中發現：『解決最佳路徑問題之演算法包括 Dijkstra 演 算法、Floyd 演算法、矩陣算法，目前公認最好的方法為 Dijkstra 演算法』。但因 大眾運輸網路存在特殊性，導致直接將 Dijkstra 演算法套入大眾運輸網路，將無 法考慮轉乘次數帶給使用者的成本與不便。所以倘若要使用 Dijkstra 演算法套入 至大眾運輸路網時，網路的架構必須能夠解決其特殊性。
本研究發現大眾運輸行前旅次規劃，無不是求解最少轉乘、最少旅行時間、
最少票價等最少成本方案，且每個方案都是獨立且重要的。演算法不該特別重視 某特定成本而忽略其餘成本，而當使用者設定了某特定成本時，其餘成本可作為 限制進行旅次規劃。例如：使用者希望能夠得到，花費在一千塊內由高雄至台北 的最少轉乘方案。故本研究的研究重心為，建立一個能夠考慮到大眾運輸路網的 網路架構，接著將Dijkstra 演算法進行修改，使其可套用至所有規劃邏輯。
本研究發現，過去的文獻，無法兼顧最少旅行時間與轉乘次數的多寡，而現 實生活亦是如此。例如，市區公車中的直達車有時會產生繞路的現象，比如說，
高雄市218 號公車，由楠梓加昌站出發至高雄火車站，而 218 的路線卻因要服務 九如路之居民，而行駛較遠的路線，導致由加昌站出發的乘客，可能必須花費較 多的旅行時間方能到達目的地。實際上，218 路線可於左營北站轉乘 5 號公車行
駛中華路，此時，行駛時間將少於直達旅次。而在長途旅次中，苗栗至高雄可搭 乘臺鐵直達火車，但此直達方案，遠比搭乘火車到達台中烏日高鐵站，轉高鐵至 高雄來得久。轉乘對於使用者來說，是一種負成本，因使用者必須多花時間等車，
以及必須再多支付費用。由於每個人對於轉乘次數與旅行時間之替換(trade-off)程 度並不相同，所以，本研究選擇最少旅行時間作為主要邏輯，轉乘次數作為限制 式進行旅次規劃。
本研究第二個研究重心為：如何在行前旅次規劃中增加動態資訊。本研究所 指的動態資訊，不只包含在使用者查詢時，該時間點之動態資訊，尚考量未發出 之班次時刻表。若行前旅次規劃系統能考慮動態資訊，將可進一步規劃更為理想 的方案，若使用者原預定搭乘1 號路線至火車站搭乘火車，但該火車班次發生誤 點情事，使得使用者，若依照時刻表規劃出的方案至火車站時，必須等待較多時 間進行轉乘。此時，行前旅次規劃系統若考慮到動態資訊，使用者可在出發前查 詢該時間點之動態資訊，如此一來，可把在火車站等待誤點班次的時間，轉移為 在家中的等待時間。提供使用者晚一些時間出發搭乘1 號路線，仍可搭乘原預定 班次，或可更改原訂計畫改搭乘別班次或別種運具。回顧目前國內線上之大眾運 輸行前旅次規劃系統，大部分皆尚未考慮動態資訊，故本研究希望能夠將動態資 訊考慮至行前旅次規劃。回顧國內系統，大部分之系統皆有考慮時間窗之限制，
例如：預定何時出發、預定何時到達等時間窗限制，故本研究在此也將時間窗的 限制考慮至行前旅次規劃邏輯。
基於上述原因，本研究將利用修改過之最短路徑演算法，以符合大眾運輸追 求最少成本之概念，並以加強式網路架構解決大眾運輸之特殊性，且利用最少旅 行時間邏輯為例並考慮動態資訊，進一步規劃出在轉乘次數與時間窗限制下，結 合動態即時資訊與時刻表之最少旅行時間方案。
1.2 研究目的
提出一套適用於各種成本的演算法與大眾運輸網路架構，使得各種成本都可 單獨考慮，不再受到演算法的設計而忽略其餘邏輯，並以最少旅行時間邏輯且結 合動態資訊作為範例。然而對於旅行時間與轉乘次數，每個人的替換程度都不相 同，故本研究中所發展出之演算法，將在使用者所設定的轉乘次數上限內，規劃 出旅行時間最少的方案。
1.3 研究內容與範圍
本研究探討之問題為，如何利用已知的大眾運輸之路線、班次、即時資訊或 時刻表，在最多容忍轉乘次數規劃出旅行時間最少的方案，當在考慮旅行時間最 少時，本研究將忽略費用、步行距離等其他邏輯僅考慮轉乘次數之限制。因此，
本研究所開發之演算法，應適用於各種有場站或者站牌的大眾運輸工具，但鑑於 台灣地區長途客運，以及市區公車之中途站的動態資訊尚未健全，故本研究假設
動態資訊可得，並為了測試演算法之強固性，本研究先使用虛擬網路，作為範例 進行強固性的驗證，最後利用新竹市區公車，作為實例測試本演算法之正確性。
1.4 研究步驟與流程
研究背景與動機：
主要針對過去文獻之旅次規劃邏輯的不足加以闡述，且描述並探討，與大眾 運輸旅次規劃有關的背景資料，最後確認研究目的。
文獻回顧：
針對國內外相關的研究進行蒐集，蒐集內容包括：大眾運輸旅次規劃問題的 定義、大眾運輸路網特性、旅次規劃分析方法、國內外相關旅次規劃資訊系統，
充分瞭解國內外對於此問題之相關研究。
研究內容與範圍：
基於動機與目的，對於大眾運輸旅次規劃問題更進一步的定義，並界定研究 範圍與對象，設定必要的前提與假設，以避免無法掌控或處理的狀況。
資料庫建構：
用資料庫描述實際大眾運輸路網以及匯入所需資料，提供旅次規劃邏輯設計 之用。
旅次規劃演算法設計：
設計演算邏輯並用程式撰寫。
旅次規劃邏輯驗證：
在虛擬網路部份，利用演算法所規劃出的解與窮舉法進行比對。而在新竹市 區公車實例測試部份，則利用目前新竹市區公車行前旅次規劃系統：竹塹行前旅 次規劃系統進行比對，驗證本演算法的準確性。
問題檢討：
修正測試時所遭遇到的問題，並說明產生此問題的原因與解決辦法。
結論與建議：
根據上述之分析，提出本研究之結論與建議。
圖 1.1 研究流程圖