視線分析法

: :

1 1

2

2 1

2

2 i

k

i i

s

i s

k

s s k

k

















 

 



 



 

(3.2)

一般而言，全體量表之總信度應在 0.7 以上；而各因素之內部一致性，則各信度值 至少在 0.6 以上。否則，應該重新修訂研究工具。其判定原則如表 3.7。

表 3.7 信度分析判定原則表[8]

α 值 可信度

α>0.9 十分可信 0.7＜α≦0.9 很可信 0.5＜α≦0.7 可信 0.4＜α≦0.5 稍微可信 0.3＜α≦0.4 勉強可信

α≦0.3 不可信

3.2.5 視線分析法

Braaksma and Cook[39]提出一套以視線分析法(Sight Line Analysis)之視知覺為基 礎，利用視線網路方式，以設施為節點，視線為路徑，評估車站內設施間與其標示系統 之連接性。以圖3.10 假設的場站配置為例，將設施間以直線相連，若兩節點間視線無阻 檔代表兩設施可看見得1分，若有阻檔物則為0分，可得設施間之視線連線情形如圖3.11，

以二元記數法表示設施間的視線是否存在，視線元素由0或1組成，以視線矩陣表示之，

如表3.8，其中矩陣對角線為空集合，不考量節點本身的視線。因運輸場站之設施間有時 無法以直接視線觀察到另一設施的位置，尚頇藉由連續的路徑標示指引而到達目的設 施，因此Braaksma and Cook亦將車站標示資訊之連結納入考量。

註：

圖3.10 場站內視線之節點與連線[39]

圖3.11 場站內視線之線性圖形[39]

表3.8 場站內視線分析矩陣[39]

Tosic and Babic[71]應用原始矩陣之視線分析法觀念，提出視覺網路相關性矩陣，改 良後的矩陣元素值由1與0組成，節點間有必要的相關性為1，否則為0，刪除各類型態旅 客非必要設施間的連接，以一般旅客在場站通常從事的活動為主，即場站旅客會依循旅 客活動經過其路徑，不考慮先前經過與無關連的節點之連接關係。以下詴舉一個假設車 站為例，車站平陎設置圖如圖3.12 所示，共有出入口1、出入口2、售票處及驗票閘門等

視線存在 視線不存在

設施，並設定節點編號1-4，改良後相關性矩陣如表3.9 所示，矩陣內空白格為無相關之 設施，如出口1與出口2、驗票閘門到售票口、設施自己本身等視線路徑。

售票處

驗票閘門

出入口1

出入口2 1

2 3

4

圖 3.12 假設之車站平陎圖

表 3.9 相關性矩陣

Node To Σ

1 2 3 4

From 1 1 1 2

2 0 1 1

3 1 1

4 1 1 2

Σ 1 1 1 3 6

本研究以Braaksma and Cook 與Tosic and Babic 提出原始矩陣與相關性矩陣為基 礎，應用在車站方向性標示之評估指標與方法中，利用車站的服務設施為節點，在兩節 點間形成路徑連接關係，然而在大型的車站內其連線通常藉由方向性標示資訊的導引才 能到達至目的設施，因此本研究利用視線分析法的觀念，在設施間路徑中設定決策點為 節點，視為方向性標示之設置地點，並予以明確定義。並發展出設施與標示矩陣、設施 間路徑矩陣及決策數矩陣，藉以評估方向性標示系統指標(詳細說明請參閱第六章)。