第四章 模式構建與資料分析
4.4 預測結果分析
46
47
表 4-14 國內航空與高鐵 MAPE 值及 RMSE 值
Air Hsr
外部因素 MAPE (%) RMSE MAPE (%) RMSE
總人口數 * * 0.91 351,721
油價 24.61 7,916 1.22 500,087
GDP * * 0.08 33,020
小客車持有數 30.49 9,798 3.22 1,337,672
物價指數 * * 91.26 61,526,060
經濟成長率 14.39 5,202 8.28 3,466,532
股價指數 * * 5.2 2,148,127
就業率 * * 0.89 344,155
失業率 2.44 927 2.08 1,243,061 註:* 表示預測運量為負值。* *表示無法預測運量。
表 4-15 國內航空與台鐵 MAPE 值及 RMSE 值
Air Rail
外部因素 MAPE (%) RMSE MAPE (%) RMSE
總人口數 * * 0.42 761,988
油價 * * 121 2,354,663
GDP * * 9.87 18,780,666
小客車持有數 * * 0.22 398,580
物價指數 * * * *
經濟成長率 * * 28.73 57,488,525
股價指數 ** ** ** **
就業率 * * 0.45 799,673
失業率 2.44 927 4.73 11,430,096 註:* 表示預測運量為負值。* *表示無法預測運量。
48
表 4-16 高鐵與國道客運 MAPE 值及 RMSE 值
Hsr Bus
外部因素 MAPE (%) RMSE MAPE (%) RMSE 總人口數 0.8 309,700 1.43 1,233,240
油價 0.44 170,916 0.18 161,938 GDP 0.02 10,511 0.4 341,304 小客車持有數 0.85 329,059 1.45 1,255,896
物價指數 0.86 346,358 1.26 1,168,385
經濟成長率 ** ** ** **
股價指數 0.99 387,185 0.12 107,617 就業率 0.68 264,201 0.06 52,430
失業率 ** ** ** **
註:* 表示預測運量為負值。* *表示無法預測運量。
表 4-17 高鐵與台鐵 MAPE 值及 RMSE 值
Hsr Rail
外部因素 MAPE (%) RMSE MAPE (%) RMSE 總人口數 7.04 2,842,372 4.09 7,627,721
油價 0.5 196,391 0.28 505,763 GDP 0.03 13,529 0.11 199,524 小客車持有數 5.98 2,385,515 3.32 6,119,290
物價指數 1.02 413,593 0.4 829,585
經濟成長率 * * * *
股價指數 0.21 81,443 0.14 238,679 就業率 0.84 325,354 0.63 1,133,330
失業率 ** ** ** **
註:* 表示預測運量為負值。* *表示無法預測運量。
49
表 4-18 台鐵與國道客運 MAPE 值及 RMSE 值
Rail Bus
外部因素 MAPE (%) RMSE MAPE (%) RMSE 總人口數 0.42 761,988 0.82 768,801
油價 0.55 1,093,958 0.18 161,938 GDP 6.12 12,221,445 5.06 4,749,962 小客車持有數 0.22 398,580 0.25 212,842
物價指數 1.37 2,597,179 1.26 1,168,385
經濟成長率 * * 13.08 13,190,929
股價指數 3.72 7,479,251 2.8 2,698,129 就業率 0.45 799,673 0.06 52,430 失業率 75.18 157,337,639 * * 註:* 表示預測運量為負值。* *表示無法預測運量。
表 4-13~表 4-18 為各組運量預測之 MAPE 值及 RMSE 值。但其中部分運具運量 預測為負值不合理情況,因此不計算 MAPE 值及 RMSE 值。陳鴻彬(2006),研究中 提及,Lewis 將根據 MAPE 值大小評估預測能力,分為四種等級,愈小表示預測能力 愈佳。如表 4-19 所示。
表 4-19 MAPE 值大小對應之預測能力
MAPE 值 預測能力
> 50 不正確
20~50 合理
10~20 優良
<10 極佳
依 Lewis 之分類,本研究選出各組 MAPE 值皆小於 50%合理範圍內之模式
,RMSE 值較小且 R2值高於門檻值 0.8,作為最佳之預測模式。詳細分析結果如下。
50
(1) 國內航空與國道客運
國內航空與國道客運及外部因素為股價指數之預測結果如表 4-20 及繪製成趨 勢圖 4-14、4-15。
表 4-20 國內航空與國道客運之實際運量及預測運量 時間
國內航空 國道客運
實際運量 預測運量 實際運量 預測運量
2007 年 1,904,713 71,723,418
2008 年 449,242 449,310 75,994,915 75,950,982 2009 年 22,784 19,645 77,787,892 78,061,700 2010 年 34,060 41,133 80,830,151 80,390,400 2011 年 25,164 19,164 83,870,178 84,415,700
圖 4-14 國內航空實際運量與預測運量之趨勢圖
51
圖 4-15 國道客運實際運量與預測運量之趨勢圖
以圖 4-14、圖 4-15 來看,此模式所計算出之預測運量很貼近實際運量。在國道 客運方面,2009 年預測值高於實際值,2010 年預測值低於實際值,2011 年預測值高 於實際值,雖趨勢高低起伏,但以預測運量來看,數值相當接近。從表 4-13 來看,
選取之外部因素為股價指數,其組合 MAPE 值小於 15%為準確。其模式參數整理於 表 4-21。
表 4-21 國內航空與國道客運之模式參數 國內航空
Air Air
2Air Bus stock
0 -1.100e-07 -1.970e-08 509.112 國道客運
Bus Bus
2Bus Air stock
3.964 0 -2.188e-06 16175.442
從表 4-21 得知,航空與國道客運之互動項情形為互相競爭,兩者對彼此之互動 項參數皆為負。此情形為合理狀態,兩者最大之營運成本應為油價,在油價漲幅較大 時,對兩者就會產生影響,雖兩者都有可能將票價調漲,但對民眾而言,國道客運之 票價對於航空來說相對較低。從外部因素而言,股價指數對模式來說不是最佳,最佳
52
外部因素小客車持有數的參數條件不合理,通常小客車持有數愈低,大眾運輸運量才 會提高,但因素項小客車持有數呈現正向變化,因此選擇次佳之外部因素,即為股價 指數。股價指數若愈高,表示民眾可能有額外收入增加之情況,在選擇運具時會有較 多選擇的空間。而且股價指數較高時,通常表示經濟景氣與經濟活動熱絡,相對提升 運輸需求。
(2) 國內航空與高鐵
表 4-22 為國內航空與高鐵及外部因素為失業率之預測結果及繪製成趨勢圖 4-16、4-17。
表 4-22 國內航空與高鐵之實際運量及預測運量 時間
國內航空 高鐵
實際運量 預測運量 實際運量 預測運量
2007 年 1,904,713 15,555,656
2008 年 449,242 449,346 30,581,261 30,549,974 2009 年 22,784 22,928 32,349,260 32,568,310 2010 年 34,060 32,919 36,939,596 36,272,460 2011 年 25,164 26,616 41,629,303 44,014,000
53
圖 4-16 國內航空實際運量與預測運量之趨勢圖
圖 4-17 高鐵實際運量與預測運量之趨勢圖
國內航空預測運量與實際運量趨勢一致,而高鐵預測運量雖與實際運量相當接近,
54
但在 2011 年預測運量高於實際運量。從表 4-14 來看,選取之外部因素為失業率,其 組合 MAPE 值小於 5%為高準確。
表 4-23 國內航空與高鐵之模式參數 國內航空
Air Air
2Air Hsr unemployme nt
-27.468 1.202e-05 0 -188168.41高鐵
Hsr Hsr
2Hsr Air unemployme nt
3.419 -6.740e-09 0 -14008730從表 4-23 可知,航空與高鐵的互動情況為完全不相關。在本研究之前,許多人 猜測國內航空的衰退有很大之原因在於高鐵的興起。同為長程運輸服務,高鐵之營運 效率對於航空而言確實高許多。以總旅行時間來說,高鐵似乎比航空少,且班次較為 密集之情況下,旅運者應會選擇搭乘高鐵。但對航空而言,由其係數
Air 為負可知
其服務品質及口碑不佳的情況下,使得運量減少
然而,航空運量亦受外部因素影響,而影響較大的為失業率。從參數來看,外部 因素項為負,表示失業率減少之下,運量可能會提高,此為反向變化。綜合以上,兩 者互動為不相關原因為高鐵運量平均每日 10 萬人次以上,而航空則是年年衰退,高 鐵在如此高運量情況下,無須理會航空運量。
(3) 國內航空與台鐵
國內航空與台鐵及外部因素為失業率之預測結果如表 4-24 及繪製成趨勢圖 4-18、4-19。
55
表 4-24 國內航空與台鐵之實際運量及預測運量 時間
國內航空 台鐵
實際運量 預測運量 實際運量 預測運量
2007 年 1,904,713 146,289,285
2008 年 449,242 449,346 154,458,064 154,272,315 2009 年 22,784 22,928 156,134,428 154,123,800 2010 年 34,060 32,919 165,396,049 155,207,900 2011 年 25,164 26,616 179,647,102 159,282,600
圖 4-18 國內航空實際運量與預測運量之趨勢圖
56
圖 4-19 台鐵實際運量與預測運量之趨勢圖
國內航空預測運量與實際運量趨勢一致,而台鐵預測運量在 2008 年與 2009 年趨 勢一致且預測接近,但在 2010 年與 2011 年預測運量則是低於實際運量。從表 4-15 來看,選取之外部因素為失業率,其組合 MAPE 值小於 5%為高準確。其模式參數整 理於表 4-25。
表 4-25 國內航空與台鐵之模式參數 國內航空
Air Air
2Air rail unemployme nt
-27.468 1.202e-05 0 -188168.41台鐵
Rail Rail
2Rail Air unemployme nt
0 -5.353e-10 6.038e-07 -27896219從表 4-25 來看,航空與台鐵的互動情形為類型共生中的片利共生。所謂片利共 生是指兩物種之間,其中一種會因此關係而獲得利益,另一方則無利也無害。從互動 項參數而言,台鐵對航空為正,表示從兩者之間的關係獲得利益,也就是運量。而航 空為零,表示不受到任何影響。若西部總運量增加需求時,相對的國內航空與台鐵亦 會增加,從兩者之互動而言,國內航空人次若有增加之情況,則會有部分旅運者轉移
57
至台鐵。影響運量之外部因素最佳為失業率,先前提到,失業率下降,運量則可能提 高,此為反向變化。航空之係數
Air 為負,則表示服務或口碑不良之緣故,使旅客
流失。(4) 高鐵與國道客運
高鐵與國道客運及外部因素為就業率之預測結果如表 4-26 及繪製成趨勢圖 4-20、4-21。
表 4-26 高鐵與國道客運之實際運量及預測運量 時間
高鐵 國道客運
實際運量 預測運量 實際運量 預測運量
2007 年 15,555,656 71,723,418
2008 年 30,581,261 30,479,954 75,994,915 75,976,882 2009 年 32,349,260 32,669,410 77,787,892 77,846,400 2010 年 36,939,596 36,568,580 80,830,151 80,756,400 2011 年 41,629,303 41,799,000 83,870,178 83,912,700
圖 4-20 高鐵實際運量與預測運量之趨勢圖
58
圖 4-21 國道客運實際運量與預測運量之趨勢圖
圖 4-20、4-21 為高鐵與國道客運之實際運量與預測運量之趨勢圖,從圖中可看 出兩者的預測運量趨勢與實際運量一致,而且預測運量與實際運量相當接近,表示此 模式預測能力極佳。從表 4-16 來看,選取之外部因素為就業率,其組合 MAPE 值小 於 5%為高準確。
表 4-27 高鐵與國道客運之模式參數 高鐵
Hsr Hsr
2Hsr Bus employment
-2.755 0 1.854e-09 1242078.3 國道客運
Bus Bus
2Bus Hsr employment
-40.4 7.921e-09 0 50383981
從表 4-27 來看,高鐵對國道客運之互動項為正,國道客運對高鐵之互動項為零,
表示兩者之間關係為片利共生。意指高鐵運量會因國道客運而增加,國道客運則不會 受高鐵影響。雖然國道客運與高鐵似乎屬於不同市場,但搭乘國道客運的人多,表示 選擇大眾運輸工具者多,可能有部分旅運者會選擇搭乘高鐵,使高鐵運量增加。外部 因素就業率為正,表示就業率提高,運量增加,此為正向變化。此因素項對於現況來
59
說為合理,由於就業人數增加,使商務旅次增加可能性變高,因此會提高運量。
(5) 高鐵與台鐵
表 4-28 為高鐵與台鐵及外部因素為 GDP 之實際運量與預測結果之數據,曲線 圖如圖 4-22、4-23 所示。
表 4-28 高鐵與台鐵之實際運量及預測運量 時間
高鐵 台鐵
實際運量 預測運量 實際運量 預測運量
2007 年 15,555,656 146,289,285
2008 年 30,581,261 30,577,594 154,458,064 154,538,015 2009 年 32,349,260 32,364,280 156,134,428 155,890,300 2010 年 36,939,596 36,919,570 165,396,049 165,670,200 2011 年 41,629,303 41,638,900 179,647,102 179,512,600
圖 4-22 高鐵實際運量與預測運量之趨勢圖
60
圖 4-23 台鐵實際運量與預測運量之趨勢圖
以圖 4-22、圖 4-23 來看,此模式所計算出之預測運量很貼近實際運量,表示此 模式預測良好。從表 4-17 來看,選取之外部因素為 GDP,其組合 MAPE 值小於 5%
為高準確。模式參數整理於表 4-29。
表 4-29 高鐵與台鐵之模式參數 高鐵
Hsr Hsr
2Hsr Rail GDP
-2.154 0 5.461e-10 110.070 台鐵
Rail Rail
2Rail Hsr GDP
0 -8.005e-09 3.411e-08 364.722
從表 4-29 可知,高鐵對台鐵之互動項為正,台鐵對高鐵之互動項亦為正,意指 高鐵與台鐵兩者為互利共生。此情況為合理,表示台鐵近年轉型以短程接駁服務之策 略成功。目前高鐵與台鐵有台北、板橋場站為兩鐵共構,台中、高雄等為共站,使旅 運者可方便使用台鐵為接駁運具,對於兩者而言,可從彼此獲得運量。
從外部因素 GDP 來看,高鐵與台鐵模式參數皆為正,表示當 GDP 增加時,運量 亦會增加,此為同向變化。高鐵與台鐵同為軌道運輸,服務客群不完全相同,高鐵為 長程運輸,但台鐵亦有長程運輸服務,這會使旅運者有選擇性。
61
(6) 台鐵與國道客運
台鐵與國道客運及外部因素為油價之預測結果如表 4-30 所示。實際資料與預 測結果繪製成趨勢圖如圖 4-24、4-25 所示。
表 4-30 台鐵與國道客運之實際運量及預測運量 時間
台鐵 國道客運
實際運量 預測運量 實際運量 預測運量
2007 年 146,289,285 71,723,418
2008 年 154,458,064 154,517,815 75,994,915 76,035,282 2009 年 156,134,428 155,296,600 77,787,892 77,617,500 2010 年 165,396,049 167,077,500 80,830,151 81,070,200 2011 年 179,647,102 178,527,200 83,870,178 83,741,300
圖 4-24 台鐵實際運量與預測運量之趨勢圖
62
圖 4-25 國道客運實際運量與預測運量之趨勢圖
從圖 4-24、圖 4-25 中可看出兩者的預測運量趨勢與實際運量一致,而且預測運 量與實際運量相當接近,表示此模式預測能力極佳。從表 4-18 來看,選取之外部因 素為油價,其組合 MAPE 值小於 5%為高準確。
表 4-31 台鐵與國道客運之模式參數 台鐵
Rail Rail
2Rail Bus oil
-4.161 0 -1.209e-10 24013812 國道客運
Bus Bus
2Bus Rail oil
-2.285 -6.750e-10 0 7289483.7
從表 4-31 來說,台鐵對國道客運之互動項為負,國道客運對台鐵之互動項為零,
表示兩者為類型共生中的片害共生。所謂片害共生是指其中一方在彼此關係中得到害 處,而另一方則不受影響。從互動項參數而言,台鐵會受到國道客運影響,運量因此 轉移至國道客運,而國道客運則不會受台鐵任何影響。以 MAPE 值及 RMSE 值而言,
最佳外部因素小客車持有數的參數條件不合理,通常小客車持有數愈低,大眾運輸運 量才會提高,但因素項小客車持有數呈現正向變化,因此選擇次佳之外部因素,即為