行人流行人跟隨行為特性與模式之研究

國

立

交

通

大

學

運 輸 科 技 與 管 理 學 系

碩 士 論 文

行人流行人跟隨行為特性與模式之研究

The Characteristics and Modeling of Microscopic

Pedestrian-following Behavior within

Pedestrian Flow

研 究 生：蔣 益 彰

指導教授：吳 水 威

行人流行人跟隨行為特性與模式之研究

The Characteristics and Modeling of Microscopic

Pedestrian-following Behavior within Pedestrian Flow

研 究 生：蔣益彰

Student：Yi-Chang Chiang

指導教授：吳水威

Advisor：Dr. Shoei-Uei Wu

國 立 交 通 大 學

運輸科技與管理學系

碩 士 論 文

A Thesis

Submitted to Institute of Transportation Technology and Management College of Management

National Chiao Tung University in partial Fulfillment of the Requirements

for the Degree of Master of Science

in

Transportation Technology and Management June 2009

Hsinchu, Taiwan, Republic of China

行人流行人跟隨行為特性與模式之研究

研究生：蔣益彰

指導教授：吳水威

國立交通大學運輸科技與管理學系碩士班

摘 要

本研究目的在建構一微觀行人跟隨模式，以探討影響行人跟隨行為之顯著變 因，及分析行人跟隨行為之特性。經現場錄影觀察，符合本研究所需之行人跟隨 行為樣本占所有觀察行人數目的 6.93%。並由資料發現行人行為與領導者行人速 度、跟隨者行人速度、行人速度差、跟隨距離、起始跟隨距離、性別、跟隨時間 等影響變數有關，本研究依觀察資料首先引入跟車理論之模式，再建構線性行人 跟隨距離模式及線性行人跟隨速度模式，並進行比較，以預測行人於跟隨行為發 生後之跟隨距離與跟隨速度。與現有車流理論中跟車模式比較，發現本研究所建 構之行人跟隨距離模式，模式解釋能力R2 線性行人跟隨距離模式 為 0.511，平均絕對值誤差率為 0.122， 在四種模式中的預測誤差為最小。顯示線性行人跟隨距離模式能有效預測行人跟 隨行為。 關鍵詞：行人跟隨行為、跟車理論、微觀行人跟隨模式、平均絕對值誤差率、

The Characteristics and Modeling of Microscopic

Pedestrian-following Behavior within Pedestrian Flow

Student：Yi-Chang Chiang Advisor：Dr. Shoei-Uei Wu Department of Transportation Technology & Management

National Chiao Tung University

Abstract

The main purposes of this study are to construct a microscopic pedestrian-following model and analyze the characteristics of pedestrian-following behavior. The data of pedestrian-following behavior was investigated in commercial area in Taipei. Statistical tests show that the significant factors affecting pedestrian-following behaviors include leader’s speed, follower’s speed, following distance, gender and following time. First of all, study is going to use two models of car-following theory, to see if they could describe pedestrian-following behavior, and to construct new linear pedestrian-following distance model. After comparing the results, we found that the R2 of new pedestrian-following distance model is 0.511, and MAPE is 0.122. The linear pedestrian-following distance model can predict well with the least error over all four models we tested. It is said that pedestrian-following distance model which we constructed can satisfactorily capture the nature of pedestrian-following behavior.

Keywords： Pedestrian-following behaviors, Car-following theory, Microscopic

pedestrian-following model, MAPE(mean absolute percentage error), Linear Pedestrian-following distance model

誌 謝

能夠完成這篇論文，首先要感謝的是我的父母，從小到大，即便是現在已經 二十八歲的我，仍然依靠家裡對我的支持，才能夠在大學畢業，當完兵後，同意 我進入社會求職，最後回到學校完成研究所學業，還是需要家人在背後的莫莫支 持，現在我完成了人生中求學的階段任務，接下來是要負起承擔家庭的重責大任， 期能不負父母所望。 再來要感謝我的指導教授 吳水威老師，在求學期間，指導進行計畫案的研 究，不僅僅是在學術上的學習，更重要的是讓我學到做人處事的道理，以及縝密 的思緒，於論文撰寫期間，不斷耐心指導與細心的教學，實為學生學習之典範。 在生活上，老師待人處事的圓融，也給予我相當大的啟發，獲益匪淺。同時也要 感謝 龍教授天立與 楊教授宗璟兩位口試委員，在百忙之中，不辭辛勞撥空來 給予學生指導與建議。 當我在社會中打拼，能有幸考上運管所，最大的助力便是我的同學兼好友藍 博士，沒有他的教學指導，我真不可能有機會回到學校繼續唸書，無論在生活上 或是論文的問題，他都不厭其煩的以最簡單易懂的方式讓我瞭解，真的很慶幸能 有這樣的好友。另外還有蕭ㄟ、老總、強翰、臉很臭、包子，在我無聊的時候總 是能夠提供很多笑點，與我鬥嘴，讓我有個練習打嘴砲的快樂時光。我的小蘋果 也在適當的時候提供我精神上的幫助，雖然出車禍骨折了，希望妳在我的論文交 出去的時候就可以復元囉。當然還有一些人，雖不是學習的好對象，但能讓我知 道尊師重道的重要性，作為反面教材真的是再適合不過了。要感謝的人很多，總 而言之，因為有你們，讓我的人生更豐富更多彩多姿。 我還有很多事要做，揮揮手不帶走一片雲彩，離開交大，下一個階段才要開 始，仍然需要不斷努力以求精進。 蔣益彰 謹 2009 年 6 月

目錄

摘 要 ... I Abstract ... II 誌 謝 ... III 目錄 ... IV 圖目錄 ... VI 表目錄 ... VIII 第一章 緒論 ... 1 1.1 研究背景與動機... 1 1.2 研究目的... 2 1.3 研究範圍與對象... 2 1.4 研究方法... 3 1.5 研究流程... 3 第二章 文獻回顧 ... 7 2.1 人行空間... 7 2.1.1 人行步道... 7 2.1.2 捷運車站... 9 2.2 行人行為特性... 10 2.2.1 影響行為因素觀測文獻... 10 2.2.2 行為模擬分析文獻... 14 2.3 綜合評析... 17 第三章 理論基礎與研究方法 ... 20 3.1 理論基礎... 20 3.1.1 車流理論... 20 3.1.2 跟車理論... 20 3.1.2.1 Pipe’s Theory... 22 3.1.2.2 GM model... 22 3.1.3 人流理論... 23 3.1.3.1 巨觀人流理論... 23 3.1.3.2 微觀人流理論... 26 3.1.4 小結... 27 3.2 研究方法... 27 3.2.1 文獻評析法... 27 3.2.2 攝影調查法... 27 3.2.3 成對樣本 t 檢定... 27 3.2.4 卡方檢定... 28 3.2.5 單因子變異數分析... 28

3.2.6 迴歸分析... 29 3.2.7 檢定指標... 31 第四章 資料調查與分析 ... 32 4.1 引言... 32 4.2 調查地點... 32 4.3 資料收集與處理... 34 4.4 行人跟隨行為特性分析... 38 4.4.1 性別... 39 4.4.2 速度... 39 4.4.3 加速度... 44 4.4.4 跟隨距離... 44 4.5 跟隨時間... 49 4.6 小結... 53 第五章 行人跟隨模式建立與驗證分析 ... 56 5.1 Pipe 行人跟隨模式建立 ... 56 5.1.1 整體迴歸式... 57 5.1.2 男性迴歸式... 60 5.1.3 女性迴歸式... 63 5.1.4 Pipe 行人跟隨模式小結 ... 65 5.2 GM 行人跟隨模式建立 ... 66 5.2.1 GM 男性行人跟隨模式 ... 67 5.2.2 GM 女性行人跟隨模式 ... 67 5.2.3 GM 行人跟隨模式小結 ... 67 5.2.4 修正 GM 行人跟隨模式... 68 5.3 線性行人跟隨模式建立... 69 5.3.1 線性行人跟隨模式... 69 5.3.2 線性跟隨距離模式... 70 5.3.3 線性跟隨速度模式... 76 5.4 模式驗證與比較分析... 82 第六章 結論與建議 ... 85 6.1 結論... 85 6.2 建議... 87 參考文獻 ... 89

圖目錄

圖 1 研究流程圖 ... 5

圖 2 研究架構圖 ... 6

圖 3 單向雙向人流示意圖 ... 12

圖 4 行為決策流程圖 ... 13

圖 5 MOVE、AVOID、SWIRL示意圖 ... 15

圖 6 模擬行人自我組織圖 ... 16 圖 7 行人研究發展歷程圖 ... 17 圖 8 跟車模式示意圖 ... 21 圖 9 行人速度與密度關係圖 ... 24 圖 10 行人流量與空間關係圖 ... 24 圖 11 行人速度與流量關係圖 ... 25 圖 12 行人速度與空間關係圖 ... 25 圖 13 行人跟隨示意圖 ... 32 圖 14 攝影現場地點示意簡圖 ... 33 圖 15 錄影現場照片圖 ... 34 圖 16 行人跟隨行為判斷圖 ... 35 圖 17 行人資料收集流程圖 ... 38 圖 18 前後行人速度百分比次數分配直方圖 ... 40 圖 19 性別與速度間差異相關示意圖 ... 43 圖 20 前後行人加速度之百分比次數分配圖 ... 44 圖 21 行人跟隨距離示意圖 ... 45 圖 22 跟隨距離 D1 次數分配圖 ... 46 圖 23 跟隨距離 D2 次數分配圖 ... 47 圖 24 跟隨距離 D3 次數分配圖 ... 47 圖 25 不同跟隨終止原因與其平均跟隨時間圖 ... 52 圖 26 整體行人迴歸標準化殘差次數圖(D1) ... 58 圖 27 整體行人迴歸標準化殘差常態 P-P 圖(D1) ... 58 圖 28 整體行人迴歸標準化殘差次數圖(D3) ... 59 圖 29 整體行人迴歸標準化殘差常態 P-P 圖(D3) ... 59 圖 30 男性行人迴歸標準化殘差次數圖(D1) ... 60 圖 31 男性行人迴歸標準化殘差常態 P-P 圖(D1) ... 61 圖 32 男性行人迴歸標準化殘差次數圖(D3) ... 62 圖 33 男性行人迴歸標準化殘差常態 P-P 圖(D3) ... 62 圖 34 女性行人迴歸標準化殘差次數圖(D1) ... 63 圖 35 女性行人迴歸標準化殘差常態 P-P 圖(D1) ... 63

圖 36 女性行人迴歸標準化殘差次數圖(D3) ... 64 圖 37 女性行人迴歸標準化殘差常態 P-P 圖(D3) ... 65 圖 38 跟隨距離模式標準化殘差圖 ... 73 圖 39 跟隨距離模式殘差 P-P 圖 ... 74 圖 40 行人跟隨距離模式比較圖 ... 75 圖 41 跟隨速度模式標準化殘差圖 ... 79 圖 42 跟隨速度模式殘差 P-P 圖 ... 80 圖 43 行人跟隨速度模式比較圖 ... 81

表目錄

表 1 行人通道服務水準分級表 ... 8 表 2 人與人空間距離特性 ... 11 表 3 應用行人模擬法簡表 ... 14 表 4 歷年相關人流文獻比較表 ... 18 表 5 成對樣本T檢定 ... 36 表 6 卡方檢定 ... 36 表 7 性別與跟隨型態交叉比較表 ... 39 表 8 性別交叉比較表 ... 39 表 9 前後行人速度統計表 ... 40 表 10 前後行人速度成對T檢定表 ... 41 表 11 前後行人速度相關表 ... 41 表 12 前後行人速度迴歸係數分析表 ... 41 表 13 前後行人速度變異數分析表 ... 41 表 14 前後行人速度迴歸殘差統計表 ... 42 表 15 後方跟隨者速度與性別獨立T檢定 ... 42 表 16 假設情況分類統計量表 ... 42 表 17 假設情況分類獨立T檢定 ... 43 表 18 起始跟隨距離統計表 ... 45 表 19 跟隨者性別與起始距離之獨立T檢定 ... 46 表 20 跟隨距離與前後方性別之獨立T檢定 ... 48 表 21 前後性別分組之距離統計表 ... 48 表 22 性別與距離相關分析表 ... 49 表 23 跟隨時間統計表 ... 49 表 24 跟隨時間與性別之獨立T檢定 ... 50 表 25 終止原因與跟隨時間同質性檢定表 ... 50 表 26 終止原因與跟隨時間 ANOVA 表 ... 51 表 27 LSD 法多重比較表 ... 51 表 28 自由流跟隨統計表 ... 52 表 29 PIPE整體行人迴歸估計表(D1) ... 57 表 30 PIPE整體行人迴歸 ANOVA 表(D1) ... 57 表 31 PIPE整體行人迴歸估計表(D3) ... 58 表 32 PIPE整體行人迴歸估計表(D3) ... 59 表 33 PIPE男性行人迴歸估計表(D1) ... 60 表 34 PIPE男性行人迴歸 ANOVA 表(D1) ... 60 表 35 PIPE男性行人迴歸估計表(D3) ... 61 表 36 PIPE男性行人迴歸估計表(D3) ... 61

表 37 PIPE女性行人迴歸估計表(D1) ... 63 表 38 PIPE女性行人迴歸 ANOVA 表(D1) ... 63 表 39 PIPE女性行人迴歸估計表(D3) ... 64 表 40 PIPE女性行人迴歸估計表(D3) ... 64 表 41 PIPE行人跟隨模式比較表 ... 65 表 42 PIPE行人跟隨模式整理表 ... 66 表 43 GM 行人跟隨模式參數估計表 ... 67 表 44 GM 男性行人跟隨模式參數估計表 ... 67 表 45 GM 女性行人跟隨模式參數估計表 ... 67 表 46 GM 行人跟隨模式整理表 ... 68 表 47 修正 GM 行人跟隨模式參數表 ... 69 表 48 跟隨距離模式變數相關分析表 ... 70 表 49 跟隨距離模式摘要表 ... 70 表 50 跟隨距離模式 ANOVA 表 ... 71 表 51 跟隨距離模式刪除變數表 ... 71 表 52 跟隨距離模式共線性診斷表 ... 71 表 53 跟隨距離模式係數表 ... 72 表 54 跟隨距離模式殘差分析表 ... 73 表 55 跟隨速度模式變數相關分析表 ... 76 表 56 跟隨速度模式自變數逐步迴歸篩選表 ... 77 表 57 跟隨速度模式 ANOVA 表 ... 77 表 58 跟隨速度模式共線性診斷表 ... 78 表 59 跟隨速度模式係數表 ... 78 表 60 跟隨速度模式係數表 ... 79 表 61 行人跟隨模式 ... 82 表 62 行人跟隨模式比較表 ... 82 表 63 行人跟隨模式驗證比較表 ... 84

第一章 緒論

1.1 研究背景與動機

人類最古老的交通工具就是利用步行來達成移動的目的，即便到了現代，除 了應用大眾運輸工具及私人運具達到快速且方便的大範圍移動之外，要真正到達 最後的目的仍然需要憑藉著雙腳來進行。截至 2008 年底，台灣人口數已突破 2300 萬人[1]，其中大多數比例集中在各大都會區中，又根據行政院經濟建設委員會 [2]的人口估計於五年內可達到 2370 萬人，由此可見，未來在都會區的行人設施 上會產生可觀的衝擊。「人行空間」應該是從事都市運輸規劃與設計時最應受到 重視的內容，但卻往往最被忽視。步行絕對不只是一種通過性的行為，人行空間 也不能視為純粹的通過性地帶。步行除了是一種最簡單、普及、無污染的移動方 式之外，同時還是一種社會學習過程，它引發了各種都市與社交活動。人行空間 是都市發展的重要元素，更是永續運輸的目標下急需去推廣的課題，如果都市發 展能夠規劃良好的行人步行空間，提供對於行人步行美好的願景，將會為我們的 都市環境產生重大的變化。因此，研究 及分析行人的移動行為與相關影響因素， 將會對設計良好的行人設施有相當的助益，著實為一項值得研究的課題。 過去對於行人行為的相關研究大多著墨於外在環境影響因素的探討，以及利 用系統模擬的模式來分析、模擬行人的行為，雖然在巨觀與微觀方面已有相當的 成果，然而 針對行人本身移動行為特性的討論卻相當地缺乏或是僅以模擬方式帶 過，其原因可能為行人個體間的差異非常大，不論是個人習慣的問題或是人類大 腦的資訊處理過程，亦或是對外在刺激的接受程度、反應速度，都使得行人行為 變得非常隨機，難以透過簡單與容易計算的數學模式解釋行人的行為，而使得模 式過於複雜無法順利研究。 有鑑於上述背景與動機，可清楚瞭解到行人流動實為都市街道容量分析的主 要部份，而其特性在運輸系統設計與運作上更是重要的考量因素。人行空間系統 於都市空間中為一極重要且可及性最高的公共交通設施，而在行人動線設計上則 須考慮行人的安全性、旅運型態與便利性。在公共場所、運輸場站、百貨公司、 電影院等地方容易發生密度集中的行人流。因此本研究參考引用車流相關理論及 行人移動行為之相關文獻作為分析行人移動特性之依據，歸納分類建立行人跟隨 行為模式，並判斷行人移動之影響參數，且探討行人移動之相關特性，以作為後 續研究與設計人行設施之參考依據，並希望可以更進一步對行人行為做預測，以 期提供更多資訊給相關單位做為行人設施的建設或改良參考。同時期望能為將來 對於行人的微觀研究提出一個新的方向與工具。塑造以人為本的交通環境。

1.2 研究目的

本研究係探討行人跟隨行為之移動方式與特性，以及影響行人的因素，將對 行人流動相關特性進行分析，以瞭解行人在各種不同情況下與人流特性之關係性， 而建構微觀行人跟隨模式。因此本研究之具體研究目的如下： 1. 蒐集相關文獻：將行人行為相關文獻、人流理論進行研析、整理與比較， 再從中選擇合適之部分以做為本研究之基礎理論。 2. 資料分析：將蒐集調查之人流資料與相關影響因素，匯整後應用統計分 析法，進行歸納分類可提供進一步建構行人跟隨模式。 3. 建立模式：根據實地調查行人之移動特性及各時段流量，應用統計分析 方法並結合資料統計分析結果，找出影響行人移動行為選擇之相關因素， 結合 Pipe’s Theory 與第五代 GM 跟車模式，進而發展行人跟隨行為之 模式。 4. 分析結果並比較：將研究所得資料分析，並提出對於未來行人設施之設 計建議及行人研究之方向。

1.3 研究範圍與對象

由於本研究係研究人行設施上行人之特性及行為，以行人為主，不包括汽車、 機車或腳踏車，主要觀察人行設施上之行人，故將針對「行人」進行研究，主要 研究範圍在於行人通過具有專用時相號誌之行人穿越道時的跟隨行為模式及其 特性。應用實地攝影調查，取得商業區交岔路口之行人樣本資料後，再利用統計 分析方法找出影響行人決策之因子，並進一步預測行人對於不同情況其相對應的 行為模式。 行人穿越道路的過程是一連續性行為，行人會依據當時不同的外在情況與內 在心理因素的改變而連續不斷修正本身的行為，為因應此隨機的過程，本研究將 不探討行人穿越道路時行為改變的情況，只考慮在跟隨行為發生後，行人與行人 之間互動所產生的影響，且主要探討前方有行人之後方行人行為。 但由於研究經費與人力限制，研究地點將設置於商業區內行人流動量較高處 以方便資料收集，其餘地區之研究則希望將來可繼續進行，取得資料以研討並分 析各地行人之行為模式是否有差異。

1.4 研究方法

本研究將從既有之國內外文獻回顧與評析，建立研究之架構，資料之蒐集乃 至於行人的特性分析。主要內容有以下三項，茲將內容分述如下： 1. 文獻評析法：為瞭解過去專家學者對於行人的研究以及行人行為之基本 特性，本研究廣泛收集國內外人流相關文獻，並對文獻資料作深入的研 讀與評析。 2. 攝影調查法：藉由錄影方式客觀且不影響被觀察行人之原則蒐集行人穿 越行人穿越道時之跟隨行為的資料，並瞭解行人對於本身因素、外在環 境因素以及行走時周圍行人的影響因素，再利用統計分析，確定各變數 間的相關與其影響性。 3. 統計分析法：應用統計分析方法中成對 t 檢定、獨立 t 檢定、ANOVA 分 析，將蒐集所得之行人跟隨行為相關資料進行分析與研究，以探討行人 行為之特性。 4. 迴歸分析法：將觀察所得之行人資料，利用現有 Pipe 模式與 GM 模式， 以迴歸分析探討適用於行人模式之參數，並建構線性行人跟隨行為模式 與進行模式間之驗證與比較。

1.5 研究流程

依據前述研究動機、目的、對象、範圍等構思，本研究研議圖 1 之研究流程 圖，而進行各項研究工作如下： 1. 確立研究方向與目的： 目前行人行為相關的研究不少，但行人的行為仍未有個確定的模型 可以完整表達行人的行為。因此，本研究利用相關文獻、方法與行人調 查而研析行人行為特性，進而以微觀角度來構建行人的跟隨模式，可供 研究者及相關機構單位參考。 2. 文獻回顧與分析： 為瞭解過去專家學者對於行人的研究以及行人行為之基本特性，本 研究廣泛收集國內外相關文獻，並對文獻資料作深入的研讀與評析，以 期作為本研究理論基礎與研究方法之參考依據。 3. 界定研究範圍與對象：

經由文獻的回顧與整理，加深對於相關理論的瞭解，進而深入探討 本研究之方向與目的，而能將研究範圍及研究的對象加以界定，由大範 圍的行人型態，研擬一套能夠套用於個體行人身上的模式，若能夠確認 則將使得研究更深入更具價值。因此，本研究將以商業區人行設施上之 交叉路口行人穿越道為主要範圍，而以行人為對象。 4. 引用理論基礎與研究方法： 依文獻回顧整理後所得之理論與方法，選擇使用適當之理論基礎， 與相關應用分析研究方法，以做為後續研究、資料調查蒐集分析與模式 構建之依據。本研究將引用攝影調查法、統計檢定等，進行變數相關檢 定分析、建構模式與驗證。 5. 調查蒐集行人資料： 選定符合欲研究之商業區人行設施後，在確認實驗錄影範圍後，進 行實際攝影調查，再將所蒐集人流相關資料系統化整理統計並製表，利 用統計分析與檢定方法加以驗證並予以歸類，以利於後續從事行人行為 特性之研析。 6. 建立國內都市商業區行人跟隨行為模式： 利用蒐集之行人流資料與相關文獻，將調查所得資料利用統計迴歸 分析、模式參數估計與相關檢定，期望構建行人跟隨模式。 7. 模式校估與驗證： 針對所構建之人流模式進行參數校估，並且蒐集符合研究範圍之新 樣本資料對模式進行驗證之工作，以檢視模式本身之預測準確性，利用 統計方法與相關性檢定來驗證其模式的正確度，並確認本研究的結果， 更期待能夠符合行人流的狀況。 8. 結論與建議： 綜合本研究所獲得之人流特性，進而提出結論與建議，以期望未來 將可提供相關單位規劃改善人行設施與相關措施、控制策略之參考依據， 並期望提供未來相關研究之參考，使國內對於行人流的研究、發展有更 近一步的成果。 本研究流程如圖 1 所示：

確定研究方向與目的 文獻回顧 界定研究範圍與對象 理論基礎與研究方法 研究資料蒐集 行人行為特性與影響 因素分析 攝影調查人流資料與 統計 調查拍攝地點幾何環 境資料 模式校估 模式驗證 結論與建議 車流理論 人流理論 應用分析方法 構建微觀行人 跟隨模式 圖 1 研究流程圖

1.6 研究架構

本研究之主要研究架構，首先進行現場資料蒐集與後端數據分析，利用統計 方法找出行人跟隨行為之特性。在模式構建方面，引用現有車流模式中 Pipe 模 式與 GM 模式，套用行人資料以建立行人跟隨模式，再利用分析之特性結果， 以線性複迴歸分析方法進行線性行人跟隨模式之構建。最後，針對構建之四組行 人跟隨行為模式進行模式驗證，以檢視模式本身之預測適用性與準確率，並將四 組行人跟隨行為模式之優劣順序進行比較。本研究架構圖如圖 2 所示： 行人流資料 調查 微觀人流 資料分析 影響行人行 為因素分析 構建行人跟隨 行為模式 模式驗證 否 行人行為 模式 是 模式校估 是 特性分析 否 錄影調查 GM行人跟隨 模式 Pipe行人跟 隨模式 線性行人跟 隨模式 修正GM行人 跟隨模式 圖 2 研究架構圖

第二章 文獻回顧

本章將對於行人流相關文獻進行評析，首先對於有關行人流理論與環境設施 之研究做一整理，再針對國內外有關行人行為特性之研究進行回顧與整理以瞭解 目前於行人流行為之研究方法、行人分析方式、探討影響行人流之因素及相關研 究所使用之研究方法與結果，以作為本研究理論基礎與研究方法之參考依據。最 後則對以上文獻做一統整研析。

2.1 人行空間

行人環境與場所是提供行人步行的空間及設施，本研究首先針對以往對人行 設施進行研究的文獻，以及研究捷運車站行走環境的文獻進行回顧。 2.1.1 人行步道 本研究主要針對行人步行設施進行研究，因此藉由相關對於人行步道的研究 加強對行人之瞭解。 黎韋利[3]以類似車流理論為基礎利用密度、速度、流量等易於量化指標， 界定人行道服務水準之方法，改變以行人主觀感受做為人行道服務水準評估之方 法。並引入模糊理論，藉以處理此具有質化性質之主觀判斷與模糊問題的衡量， 如此能有效且較為適切的描述，在處理方法上也較具有彈性與簡便，因此在衡量 行人本身主觀感受之服務水準滿意程度的問題中，提供一個可行的方向。經實例 驗證，以行人主觀感受為出發點之服務水準評估方法較傳統的評估方法更能真切 反應行人之主觀認知感受。 黃俊杰[4]探討都市人行道介面組成型態對於行人知覺之影響，透過問卷和 照片的訪談，調查台北市主要道路之戶外人行道空間介面型態與實質因子，以各 種情境模擬因子透過實驗設計分析行人的知覺是否有交互影響，並對整體行人偏 好提出預測模式。 林上閔[5]透過兩階段問卷調查方式，第一階段乃是以五等分態度量表萃取 受訪行人重視的步道屬性，第二階段則是採用敘述性偏好方法輔以照片說明屬性 值定義與步道類型方案來陳述步道情境，讓受訪者填答喜好程度及第一第二偏好， 再利用個體需求模式中的多項羅吉特模式與模糊修正模式來校估選擇模式。以探 討出都市商業區行人對步道類型選擇偏好。

Mehammed S. Tarawneh [14]現場調查顯示，位於約旦穿越斑馬線上的行人通 過速率與性別、年齡、人群大小、街道寬度有顯著之影響。調查得之平均行走速 率為 1.34 公尺/秒。 1. 性別：男性行走平均速率（1.35 公尺/秒）略高於女性（1.33 公尺/秒）。 2. 年齡：21 至 30 歲之平均行走速率最快（1.49 公尺/秒），超過 65 歲平均 行走速率最慢（1.17 公尺/秒）。 3. 人群大小：三人以上人群之行走速率慢於一個人或兩個人。 4. 街道寬度：行走在寬路幅的速率比窄路幅的速率快。 Abishai Polus 等[15]以現場錄影觀測分析以色列商業區的人行道上之行人 特性，其中在 Solel Boneh 調查得男性平均速率為 1.28 公尺/秒，女性平均速率 為 1.14 公尺/秒，且發現行走速率與密度呈現負斜率之直線關係，參數校估結果 顯示以三區段的直線迴歸關係式較為適合，並依此建立人流之服務水準可做為規 劃及設計參考。 李協政[6]選取台北市信義區商圈路口人行設施作為觀測地點，區分尖峰及 離峰時段行人，參考引用車流相關理論及行人移動行為之相關文獻作為分析行人 流動特性之依據。將行人行為細分為三類，超越前方行人、僅作橫向偏移與跟隨 前方行人，考慮前後行人速度差異、跟隨間距、前方總瞬時密度、性別與性別異 同等影響變因參數，構建判別函數與多項羅吉斯迴歸模式，用以解釋所觀察到之 行為表現。結果發現，性別變數無論尖峰或離峰時段均不會影響行人行為，而性 別異同變數僅在尖峰時段對於行人行為有顯著影響，且研究所構建之模式在判別 分類以及行為預測上均可達 85%以上之整體準確率。 我國內政部營建署[13]所做之人行道研究，將行人通道服務水準之服務等級 劃分如表 1： 表 1 行人通道服務水準分級表 服務 水準 描述 行人佔有空間 （公尺2 行人平均速率 （公尺/秒） /人） 行人流量 （人/公尺/分） v/c A 完全自由 >5.6 >1.30 <16 <0.21 B 偶受阻礙 3.7~5.6 1.27~1.30 16~23 0.21~0.31 C 受限制 2.2~3.7 1.22~1.27 23~33 0.31~0.44 D 中度擁擠 1.4~2.2 1.14~1.22 33~49 0.44~0.65 E 嚴重擁擠 0.75~1.4 0.75~1.14 49~75 0.65~1.0 F 塞滿人群 <0.75 <0.75 無數據 無數據 資料來源：內政部營建署[13]

2.1.2 捷運車站 許添本等[7]選定捷運台北車站內聯外通道，於擁擠時刻調查行人流動特性。 調查方法乃是採用錄影調查法：使用錄影機將調查路段拍攝成錄影帶，配合 1/100 秒之計時器反覆觀察分析攝影畫面。錄影調查法的優點是可將調查現場畫面反覆 觀察，並且可經由畫面定格器仔細分析每一時刻之行人之特性；而缺點是攝影機 必須放置於適當位置，並且觀測物體會因攝影機之俯仰角度、高度而有觀測的誤 差。 一般行人密度的量測乃是利用車流理論中 Q=K*V 的流量公式，經由觀測人 流的流量及速率而推導得密度，而作者考慮到捷運車站乃是人潮大量聚集的公共 場站必須維持人行動線的安全性、流暢性及便利性，因此期望透過直接觀測密度 反映出行人流密度與流量的關係性。於是作者於捷運車站走道之參考線前後 0.5、 1、2 公尺範圍內進行密度直接量測方式，並利用 Greenshield’s 的速率與密度線 性模式，最後推導出該走道單方向之流量。將此調查與各國資料進行比較，發現 我國捷運車站之行人流密度較高且速度較快，顯得我國搭乘捷運旅客較外國乘客 為急躁。 林廉凱[8]針對捷運車站通道動線干擾問題，以忠孝復興站走道為分析對象， 採用巨觀與微觀尺度建立面積法、帶寬法與刺激與反應等分析方法，並配合現場 觀測與錄影觀察方法進行分析，得到結果：乘客受到干擾後所採取的趨避方式主 要有二：改變行走方向及調整步伐速率，而當走道上密度較高時，「跟人行為」 較為明顯，而可適用於 Q=K*V 的流量公式；但當密度未達一定的水準時，跟人 行為並不明顯，且乘客與乘客的趨避行為可視為一連串的刺激與反應的調整適應 行為。 William H.K. Lam [16] [17]依各場所如號誌化路口、輕軌車站(LRT)之交叉路 口、廣九鐵路(KCR)車站、捷運車站(MRT)等人行設施進行人行流特性蒐集與分 析。採用錄影蒐集法及現場計數方式調查，並對於行人進行提問。分析結果顯示： 1. 行走距離：搭乘 KCR 車站乘客行走距離較 LRT 及 MRT 乘客為長。原 因乃是 KCR 車站為市郊與都市之鐵路運輸，服務站距較長。 2. 行走速率：行人在室外的行走速率明顯高於室內。而在號誌化交叉路口， 行人紅燈穿越較在綠燈行走速率為快。 速率與密度之關係：在室內適合採用線性的 Greenshield’s model；室外則適 用 Underwood’s model；交叉路口適用 Bell’s model；LRT 之交叉路口則適用 Underwood’s model。作者說明沒有一種單一模式可以適合所有人行設施，而必 須更廣泛蒐集更多資料以建立完整的模式。

美國HCM2000 定義每單位寬度行人流量是指單位時間與單位距離內所通過 的行人數量，通常以人/分/公尺(p/min/m)為單位。行人密度是指在每單位人行道

或排隊地區的平均行人數量，以每平方公尺多少行人表示(p/m2

)。與車流一樣， 流量、密度與速度存在以下關係：

Vped = Sped * Dped 其中 Vped為流量， Sped為行人速度， Dped

2.2 行人行為特性

為行人密度。 行人步道的概念被用來分析行人流量，與分析高速公路流量類似。然而步道 的概念不應該被用在行人分析，因為研究顯示行人並不會走在有組織的路上。為 了避免干擾，美國 HCM2000 指出當兩個行人面對面經過時，每個人至少要有 0.8 公尺的走道寬度。而側身行走的情形只有在最擁擠的情況下產生。 交通模型的研究往往忽略行人的因素，但是行人會對於交通狀況有所影響， 行人的行為有哪些特性，以及哪些因素會影響行人做出選擇，則少有相關研究， 大多數對於行人的研究分為兩類：影響行人的外在因素研究，與行人行為模擬分 析。因此本研究首先回顧一般影響行人行為之因素研究與人流理論，第二部分則 回顧現有電腦模擬行人模式。 2.2.1 影響行為因素觀測文獻

Muhammad and Robert[18]對於行人的速度選擇模式進行分析，發現有一些 重要的參數會對行人選擇行為有很大的影響，其中像是速度、交通號誌、與旁人 可容忍的間距，以及 QKV 之間的關係圖。因為行人可以擁有很大的自由，像是 可選擇的路徑很多，受到的範圍限制也不大，甚至行走的方向、從何處開始行走、 要走哪一邊，在在都顯示出行人選擇的自由度很高，同時也與行人本身遵守交通 規則的程度有關連。 Alexandra Wills[19]指出行人的個體偏好，如：速度、距離、位置，會被本 身的個性、現場的情況，以及外在的環境所影響，而且行人極可能會被社會力量 （與附近的行人）所影響而導致本身去選擇當時最理想的路程來到達目的地。並 在其研究中發現，年紀、性別、移動能力、團體大小、一天中不同時間，以及不 同地點，會對行人移動特性造成顯著的影響。該學者也說明，為了成為一個好的、 有價值的預測工具，模式的本身必須要能模擬出現實的行為。

溫日宏[9]指出，行人步行行為具有下列特性： 1. 係靠雙腳進行位移，其移動速度皆較其他運具慢。 2. 肉體無法與剛性物體相抗衡，故需有行人保護設施。 3. 人體受體力限制，步行距離較短。 4. 行人特性複雜，行為難以預料。 5. 行人體力有限，不喜歡走上、下較高的坡度。 6. 行人交通屬短程移動，活動地點集中在較小地區。 7. 行人年齡會影響交通安全，小孩行走漫不經心，老年者則行動緩慢。 行人在步行過程中追求的是一舒適的感受（即不受阻礙、自由選擇行走速率 及方向），此涉及人的尺度、人體所佔的空間大小及人與人間的距離等因素。根 據Koichi Tonuma的觀念，人類以自身的軀體、感官、知覺所發展出來的一種與 自然界和諧相處的衡量系統，亦是一種心靈的及實體感知的價值系統。其中實體 感知方面，實際設計與評估屬於較容易量度的部分有四種尺度： 1. 以人軀體當作衡量的尺度，主要是人的坐、站立所佔有的空間，稱為軀 體尺度（body scale）。 2. 以人的步伐當作衡量的尺度，以東方人而言，大步伐約為 0.91 公尺， 小步伐約為 0.61 公尺。 3. 以人的感官之知覺距離作為衡量尺度，及利用人體的眼、耳、鼻等感官 所測得的資料。 4. 以人體的生存空間或生理時鐘當做衡量的尺度。 一個人站立所佔有的空間約為肩寬 60 公分、體厚 45 公分，與 Fruin[20]所提 出的橢圓形身體尺寸相近。當行人身體接觸時，每人約佔 0.3 平方公尺；而身體 不接觸時，每人則佔有 0.7 平方公尺；當行人欲從人行中穿越時，依其通行順利 與否，分別為 1.0 平方公尺與 1.3 平方公尺。 Hall[21]提到人與人的距離可以分為密接距離、個人距離、社會距離、公眾 距離(見表 2)。當行人行走時會與他人及周圍障礙物保持 30-45 公分的自衛距離， 因此步道寬度設計上必須滿足人體空間與人與人保持的距離之基本條件。 表 2 人與人空間距離特性 人與人距離 長度(m) 特性 密接距離 0.2 以下 人與人接觸，感觸對方熱氣 個人距離 0.7 ~ 1.2 伸手可處及對方 社會距離 1.2 ~ 3.7 伸手無法觸及對方 公眾距離 3.7 以上 行人遇危急時，所需預防或避難空間 資料來源：Hall[21]

Teknomo[22]建構一微觀人流之模式，模式中每個行人都視為單獨且自主的 個體，可自由選擇路線與設施(參見圖 3)，每位行人的範圍則設為一直徑 50-90cm 的圓，並有其起始位置、起始時間、起始速率，可隨機選擇做為輸入。系統中每 個行人都會受到兩種外力影響，一為同向前進的力，另一則為互斥力，當系統中 有二個以上之行人時，兩力中的同向力會與互斥力同時發生。一力會驅使行人前 進，而另一力則會與周遭的其它行人產生強大互斥，第一種互斥力表示行人間相 遇與超越追趕之行為。 單一人行道之一般模式如下： 2 max 2 ( ) ( ) ( ) ( ) ( ) ( ) 2 ( ) 2 1 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) j i i i i j i k i j i j i p t p t d p t d pt e t p t r y t r m dt dt µ α e t p t x p t p t p t p t β p t p t  _{− −}   ₋   _{  } + =  ₋ + ₋ + _ − _{ } − −      ∑  其中 y 代表其他行人侵入鄰近範圍之行為，r 則為行人之影響半徑。 模式中等號右邊的第一部份表示向前推動，第二部份則為避免碰撞而向其他 方向移動，以保持兩靠近的行人間之距離，第三部份可保證無重疊的情況發生。 模式中的四個參數包括：m, α, β, χ，其中 m 是供當其他三個參數僅應用於個別的 力時，予以將三力結合一起。 圖 3 單向雙向人流示意圖[22]

Hoogendoorn, Bovy, Daamen[23]對於行人行為的過程分成三個等級，策劃 （Strategic）、戰術（Tactical）、運作（Operation）。在策劃的時期，行人會決定 要採取什麼樣的行為以及要不要採取這個行為；在第二階段，行人會根據上一階 段的策略做短期的決定，決定這個行為該從那裡做、路徑的選擇，並且可以回饋 給第一階段再重新策劃，是屬於雙向的溝通。第三階段則是選擇要走或是等，速 度或快或慢。根據這三個階段的作用決定行人為什麼選擇該時間的行為。該三階 段示意圖如圖 4。

Strategic Activity Set Choice

Tactical Activity Scheduling Activity Area Choice

Route Choice

Operational Walking

Waiting

Performing an activity Interaction with public transport

Inger and Gitte[24]於研究中以年紀與性別來研究行人行為特性，利用問卷調 查所得資料以卡方檢定來分析，發現老年人在穿越較寬的道路會比較困難，因為 他們需要更多的時間與注意力來對於各種方向的狀況進行掌握，所以年紀越大的 人其行為動作會越慢，反應時間較久，對交通有一定程度的影響。 行人速度是平均行人行走速度，一般以每秒多少公尺(m/s)為單位。行人步 行速率受許多因素影響，例如年齡、健康情形、障礙物之存在、交通設施之性質、 行人密度等。丁育群[10]指出行人於自然情形下，易受下列因素影響： 1. 環境條件：季節、時間、週遭環境(步道長度、寬度)... 2. 生理條件：性別、健康、年齡... 3. 服裝：行李、穿著... 4. 心理條件：旅次目的、環境對心理的影響...

Hoogendoorn and Bovy[25]認為步行旅次與其他種類旅次存在很大的不同， 所以需要發展專用的理論基礎與模型工具來研究在步行設施上的行人行為。行人 在公共區域的移動自由幾近無限，也就是可供選擇的路線有無限多條，此時一般 網路模式將會較不適合應用於行人的路線選擇。應該利用以行為為基礎的模式會 較能符合現實情況。但是這個模式無法將行人的行為考慮進來，並假設行人會優 先考量本身的行程，以不耽誤為準。選擇過程中會被外部和內部因素所影響，外 在因素包括設施的設置、交通量、天氣、周邊環境等；內部因素則有行人本身的 特性像是性別、年紀、時間壓力、旅次目的等。 Yordphol Tanaboriboon[26]採用錄影調查方式，調查主要行人集中道路的 人行道、走道等設施，進行行人行走速率、流量及密度關係之研究。同樣採用 圖 4 行為決策流程圖

Greenshield’s 的速率與密度線性迴歸模式，求出流量與密度之關係式。作者在分 析過程中將行人以性別、年齡予以分群，發現男人較女人行走速率每分鐘快 10 公尺而年輕人較老人快 20 公尺。並將調查結果與西方國家比較發現，新加坡人 行走速率較西方人為慢但最大流量則較為高。 2.2.2 行為模擬分析文獻 行人的行為模式是一個很複雜的課題，都市交通規劃者對於行人在與其他人 步行的同時會有怎麼樣的影響、行人如何決定要不要穿越道路、如何決定本身的 速度，很有興趣，但是還沒有一個非常理想的方法可以完全解決這些問題。隨著 電腦科技的發達，模擬技術已經能夠將周遭環境的因子輸入模式中，並且模擬出 符合現實行人步行情景。一些比較常用的模型有：以二維座標將行人行為利用質 點或是圓形表現的模式、擁擠的行人移動以流體來呈現、應用細胞自動機 （Cellular Automata, CA）等模型。茲將現有模型應用於模擬行人的移動整理如 表 3：

提出學者 年代 模式名稱或特性

Helbing & Molnar 1995 利用社會力量模型將行人以二維空間中 的質點或圓圈表示其行為特性。 Werner & Helbing 2003

Seyfried et al. 2006

Henderson 1974 將行人擁擠的移動過程以流體的方式來

比喻及分析。

Helbing 1992

Hughes 2003

Brichall et al. 1994 PAXPORT 應用 CA 及 Agent-based 開發 之商用行人模擬程 式。

Maw & Dix 1990 PEDROUTE

Still 2000 LEGION

Kerridge et al. 2001 PEDFLOW

Daamen 2004 SIMPED

Teknomo 2006 MPSM

資料來源：本研究整理

Motoharu Hosoi[28]建立行人之動態模式，假設人之行為乃非隨機過程而是 確定性過程，有著相同的行為機制，只是隨著個人之不同有著不同的參數。分別 描述行人之趨避行為、跟隨行為、轉彎行為、靜止行為模式而進行模擬方法。最 後進行模擬行人於轉角與通道突縮的行人設施時之行為表現。

Weng, Shen, Fan[29]等人提出一行為基準模型可以適用在行進中的行人，假

設行人有三種基本行為：移動（Move），避免（Avoid），打旋（Swirl）如下圖 5 所示。步行的方向決定於走路權重，利用基本行為與權重比率的乘積加總而得。 此模型可以模擬根據不斷更新的時間間隔所對應的行人速度來模擬行人的移動。 本模型是利用二維框架內之氣體模型來模擬行人流，當行人前進方向無障礙，此 時即為基本行為中的「移動」；當行人的動線上有其他行人阻擋，會選擇避開， 此時即為基本行為中的「避免」；當行人前進遇到反向前進的行人，或是前方同 向行人的速度較慢，為了避免碰撞，會選擇避開或是超越，此為基本行為中的「打 旋」。但是當行人遇到前方行人與自己有同樣速度與方向時，行人將選擇排隊在 後面而不會超越。而本模型行人之移動只有四個方向，根據上述假設，行人的行 為會以三大基本行為做加權，取四個方向中加權數值最大的，從而決定下一個時 間點移動的方向，當加權後對四各方向的數值為零，則行人不會移動。 Armin[30]對行人流動提出一個修正的模擬模式保證不會發生預期速度為 負值的情況，並且行人的行為只會直接被前面一個行人的行為所影響。同時可以 再生出巨觀下正確的密度和速度，但卻不必然能夠正確地描述微觀的情形，並且 也發現到在平均速度下行人的空間需求比平均空間需求少許多，這個現象解釋為 模式的「短視」(short-sighting)，因為行人不只有對前面的人立刻適應速度， 同時也對更前面的情形做適應。

D. Helbing, P. Molnar, F. Schweitzer[32]利用模擬找出行人於擁擠時的動態行 為，假設有一無形的社會力量會在行人與行人之間產生加速力與排斥力，透過錄 影來與模擬結果進行比較分析，發現行人之間會有一種自我組織的現象。Helbing & Molnar[33]認為行人的移動可以描述為有一社會力來推動，而這種社會力量不 是直接表現在行人的特質上而是要從行人之間互動行為之中量測而得。主要有三 種表現：加速至超越前方行人，與前方行人保持一固定距離，吸引效果的表現。 並成功利用模擬表現出行人於同向走道步行的行為，以及在一個狹窄走道上的行 圖 5 Move、Avoid、Swirl 示意圖[29]

為。圖 6 為模擬行人於走道上會產生同方向的自我組織行為。 Kerridge et al.[34]因應對行人研究所需要的模擬工具，提出一個模擬行為微 觀行為的模型稱為 PEDFLOW，利用混合模擬方法，該模型將每個行人當成一個 代理，並可以自己決定下一步，這個界面是建立於 JAVA 平台，提供很良善的使 用界面，並且期望可以做為都市規劃者用來評估建設的工具，以改進都會區行人 步行環境。 鍾隆文[11]藉由視覺影像處理及二維向量分析的概念，探討行人偵測及行人 模擬的方法。行人偵測方面依偵測的目的不同有以下三種分別：基本偵測方法， 例如行人流量、速度、密度的偵測；輔助偵測方法，如行人趨勢、及行人頻率偵 測；面式偵測方法，如行人軌跡的偵測。行人模擬方面則因行人的行進方式傾向 面式二維的移動，無法以傳統車流模擬方法建立模擬系統，而為解決此困難，作 者則採用向量分析分別依無干擾行動模式、有設施的干擾行動模式、有行人的干 擾模式等三種形式建立二維行人模擬模式。而利用行人偵測所得的面式資料進行 二維模擬模式驗證，並利用個人電腦動畫表現行人模擬系統的成果。 V.J. Blue[35]則以細胞自動機模式來說明行人的移動模式，作者的方法是將 行人的行走路徑模式分割為「跳」格子連貫動作，而在「跳」下一個格子的每一 步都會遵守遊戲規則（Rule Set），如選擇路線最短及避免與他人碰撞。這樣的 行人流模式已被廣泛應用於大的開放空間，如巴士場站、購物中心、辦公大廳等 具有衝突性干擾移動的高容量場所。細胞格狀體透過個別的行為規則提供了重現 個別行人詭譎多變的渾沌現象的可能性。藉由以極短時間片段（short-term time step）為一個階段，描述每個個體（entity）如同在西洋棋盤的平面空間中的格子 移動，而每個個體在移動下一步的格子時，因為個體與個體間有局部法則的規定 限制而具有邏輯的判斷如何去移動下一步的能力。因此可以根據每個個案的背景 及地點的幾何關係不同，清楚描述出個別行人與個別行人的行為與互動關係。而 根據這些局部法則讓每個模擬個體都像真正的行人一樣，可以隨性的變換行走速 率以及經常性的加減速。因此藉由 CA 模式可以模擬行人行走的情況。

Masakuni Muramatsu[36]以格子狀氣體模式（lattice gas model）模仿一 圖 6 模擬行人自我組織圖[33]

左、右對向人行流在通道上的行為表現，其中每個行走個體可以有向前、及左右 等三個方向的行進路線，而模型由自由流動的低密度狀態到行走停滯的高密度狀 態，觀察整個動態擁塞的發生之時間序列。發現當密度達到一臨界密度（Critical Density），行走速度發生劇烈的陡降，很快的速度即成為零，而空間佔有率 （Occupancy）也於同時陡昇至飽和。

2.3 綜合評析

總結回顧之文獻，不難發現，對於行人的研究也分為巨觀與微觀兩大類，與 車流理論的研究相似，其中巨觀人流的研究多數以錄影資料及問卷調查為收集資 料的手段；微觀人流研究則發展為模擬模式以取代數學分析的研究。本研究參考 Teknomo[27]學者的研究繪製行人研究發展歷程圖如圖 7，可更清楚瞭解過去及 目前學者們對行人研究的貢獻。 行人流研究 行人資料收集 行人流分析 巨觀 微觀 巨觀 模擬 Fruin HCM May 數學分析 Henderson Helbing 細胞自動機 物理力學 Daamen Helbing Teknomo 照片、錄影 Yordphol 行人調查 許添本 溫日宏 Inger Gitte 綜觀國內外研究行人的文獻，可以發現從最早的 Fruin 學者即開始著手行人 流之研究，之後陸續如 Henderson、Helbing、Hoogendoorn、Teknomo 等學者的 研究，使得行人流這門學問逐步完善。多數研究都採用錄影調查法收集行人的資 料，再將所得之影像資料輸入至軟體以模擬分析行人步行之特性，根據這些研究 (資料來源：本研究整理) 圖 7 行人研究發展歷程圖

已經發展出許多行人步行模式，對於行人隨機的步行已有不錯的應用成果。我國 亦為一人口密度高的島國，也極易產生與行人相關的問題，我國學者許添本、吳 水威等均有涉略行人流方面之相關研究。綜合上述文獻，發現目前研究多將焦點 放置於巨觀行人流，從微觀角度細看行人流之相關文獻則為近年研究主題，因此， 本研究將以攝影調查方式取得相關人流特性變數，從微觀角度切入探討行人於人 行設施上移動之跟隨行為。 表 4 歷年相關人流文獻比較表 年代 作者 方法 方法概述 優缺點及貢獻 1971 L.F. Henderson 流體或氣體力 學 行人個體比擬為氣體 或流體粒子，控制粒子 速度和數量，以及幾何 空間的容量和形狀，並 利用物理方程式來表 現系統內的移動，以模 擬行人流和幾何空間 的關係。 缺點在於，氣體粒子與行人 個體間在『認知』程度上有 所差別，例如行人會採取減 速措施以避免碰撞，但氣體 粒子會直接碰撞，而且流體 動力方程式多為偏微分方 程式，通常難以得到精確 解，應用不易。 1986 Yordphol 錄影調查 調查新加坡主要行人 集中道路的人行道、走 道等設施，進行行人行 走速率、流量及密度關 係之研究。 採用 Green shields 的速率與 密度線性迴歸模式，求出流 量與密度之關係式，並將調 查結果與西方國家比較。 1997 V.J. Blue 細胞格狀體 (Cellular Automata，CA) 將行人的行走路徑模 式分割為「跳」格子連 貫動作，而在「跳」下 一個格子的每一步都 會遵守遊戲規則。 可以根據每個個案的背景 及地點的幾何關係不同，清 楚描述出個別行人與個別 行人的行為與互動關係。 1997 林上閔 二階段問卷調 查、多向羅吉 特模式、模糊 理論 第一階段是以五等分 態度量表萃取受訪行 人重視的步道屬性，第 二階段則是採用敘述 性偏好方法輔以照片 說明屬性值定義與步 道類型方案來陳述步 道情境。 利用個體需求模式中的多 項羅吉特模式與模糊修正 模式來校估選擇模式。以探 討出都市商業區行人對步 道類型選擇偏好。 2000 許添本 錄影調查 使用錄影機將調查路 段拍攝成錄影帶，配合 1/100 秒之計時器反覆 利用 Green shields 的速率與 密度線性模式，推導出捷運 車站內走道單方向之流

觀察分析攝影畫面。 量，並將此調查與各國資料 進行比較。 2002 Takashi Nagatani 隨機偏向行人 格狀氣體模型 (lattice-gas model of biased-random walkers) 以類似粒子碰撞的方 式作 CA 模擬，模仿 左、右對向人行流在通 道上的行為表現，其中 每個行走個體可以有 向前、及上下等三個方 向的行進路線。 模擬的行為者規則都很簡 化，而模型由自由流動的低 密度狀態到行走停滯的高 密度狀態，發現當密度達到 一臨界密度會出現壅塞轉 換過程。 2002 林廉凱 錄影調查、面 積法、帶寬法 以忠孝復興站走道為 分析對象，採用巨觀與 微觀尺度建立面積 法、帶寬法。 乘客受到干擾後所採取的 趨避方式主要有二：改變行 走方向及調整步伐速率，而 當走道上密度較高時，「跟 人行為」較為明顯，而可適 用於 Q=K*V 的流量公式； 但當密度未達一定的水準 時，跟人行為並不明顯。 2003 陳文彬 問卷調查、灰 色理論、層級 分析法 以「節點（公共設施）、 節線（通道、路徑標 示）」的網路概念，探 討乘客於地下車站接 受一連串動線服務設 施的績效。 以滿意度分析進行綜合評 估。最後並以台北火車站、 捷運公館站兩種不同類型 車站做比較驗證其實用 性，結果顯示在不同特性的 車站，乘客所重視的指標屬 性皆不同。 2006 W.G. Weng 基本行為人格 氣體模型 (behavior-based lattice-gas model) 假設行人三種獨立之 基本行為並以類似氣 體碰撞的方式作模 擬，利用加權計算基本 行為產生最終移動方 向。 加入行人基本行為並利用 不同權重模擬行人流動的 方向，可能會出現行人向反 方向移動的問題。 2007 李協政 錄影調查、羅 吉特模型 利用多項羅吉特建立 行人行為選擇模式。 將行人分為跟隨、超越及橫 移三類，並建立行人之選擇 模式，發現預測率達 85%以 上。 資料來源：本研究整理

第三章 理論基礎與研究方法

本研究係以商業區人行系統行人流動特性研析與模式建立，並期望構建其微 觀模式，故本研究將依微觀人流理論、行人跟隨行為作為理論基礎，再依文獻評 析、攝影調查 、統計迴歸分析，作為本研究之研究方法，本研究可能將引用之各 項理論基礎與研究方法說明如下：

3.1 理論基礎

3.1.1 車流理論 由於本研究係以人流為研究主體，Fang[31]等提出，行人的移動比車流更複 雜而且更有彈性，但是有一些模式可用來模擬雙向行人流動。所以本研究認為車 流與人流有類似之處，故車流理論將可提供研究之參考；因相關人流理論藉由車 流理論之基礎以發展，故先對於跟車理論相關文獻進行回顧。一般對模擬車流之 對象區分，則可分為三種：1.微觀車流；2.介觀車流；3.巨觀車流。三種層次分 述如下：

1. 微觀車流(Microscopic traffic flow)

其主要係以個別車輛其相互運作與影響之關係為研究之方向，其處理過 程較為複雜，且較不易模擬較大型之網路，但可細部探討個別車輛運作之影 響因素分析。

2. 介觀車流(Mesoscopic traffic flow)

其主要係以車隊之形式為研究之方向，使用調查資料之平均數值作為描 述車流行為之特性，將可避免車輛間複雜的相互運作與影響，即不處理車輛 間相互干擾等複雜因素，進而達到節省時間之效用，亦可用於較大型之網 路。

3. 巨觀車流(Macroscopic traffic flow)

其主要係以整體之車流狀況為其研究之方向，透過流量(Q)、密度(K) 與速率(V)三項指標作為其基本指標，其並不針對個別車輛間之行為運作與 影響做描述。

3.1.2 跟車理論

後車如何跟隨前車的行為。假設前車和跟隨車輛在行駛過程中，不斷地調整其行 車速率及間距，使其維持一安全距離，以便在發生突發事件時，後車能夠及時煞 停而不致於與前車碰撞的動態行為，故跟車理論主要是研究當跟車行為發生時， 前後車間速度（speed）、車間距（spacing）和加 減速（acceleration and deceleration） 等的互動關係。跟車理論是以模擬流體力學之理論，考慮流體在管道中之流動， 其質點一個接一個，且一個影響著一個，也就是說每一個運動質點緊跟著前一個 質點而以其與前一質點之特性而決定其運動方式，故其基本假設為下列數點： 1. 單一車道：以達管流之要求 2. 不准超車：需一部車尾隨一部車 3. 高密度：間距能發揮影響效果，及車與車間能有受激反應之相互作用 4. 密度在小時段變化不大，以其均值代表此時段之密度 5. 速度在連續小車隊間變化不大，以其均值代表此小車隊之速度 而依據模式建構的理念不同，共分為四種：四大限制方程式、刺激-反應方 程式、行為門檻模式、以及應用物理學理論所建構之模式。 基於如上假設，考慮第 n+1 部車尾隨第 n 部車行駛，如圖 8。當車輛行駛過 程中會受到所跟隨前車不同車種特性之影響，而致使駕駛人觀感上之差異。假設 行人於行走過程中，與車輛跟車行為相似，若人潮洶湧無法任意依本身喜好速度 行走時，必須受限於週遭環境，跟隨前方行人移動，並且可能依前方行人行走特 性而決定其下一時刻之行為。 s(t) xn(t) xn+1(t) d3 L d2 d1 n+1 n n+1 n+1 n

(a) Position at Time t

Vehicle n Initiates Deceleration

(b) Position at Rest After Stop Initiated by Lead Vehicle Vehicle n+1 Initiates Deceleration Distance Traveled During Time T

Stopping Distance for n

車輛前進時，後面的車輛通常不會落後前方車輛太多，而會跟隨著前車保持 一段距離，此為跟隨條件。若以安全角度考慮，當後車的車速長時間大於前車則 會與前車產生碰撞，因此後車的速度通常是在前車車速的範圍內做加減速的動作， 稱此為車速條件。而如同前面的跟隨條件，後車在跟隨前車時通常會和前車保持 一段認知的安全距離，稱為距離條件。因此所謂的牽制性就是指在跟隨條件的情 形下， 車速條件和距離條件構成了跟車行駛時的牽制，亦即前車的車速牽制著後 車的車速及兩車的距離。跟車時，須經常調整其行車速度以便和前車保持一安全 車間距離的動態行為。而此觀念乃建立於「刺激－反應」之基礎上，故出現了所 謂的「刺激－反應方程式」。 3.1.2.1 Pipe’s Theory Pipe首先將運動中車輛之間的關係公式化，其以安全距離的觀念來表示 後車的車速與前車間距離的關係，假設每一位駕駛者與前行車輛維持的空間 與後車的速度成比例且加上一段距離，此理論的缺點為在低速與高速情況下 會出現低估的現象，其模式如下：

( )

( )

(

)( )

n n n n n L X L S t X t X S ×         + = − = + + 10 47 . 1 1 . 1 其中， 距離 就要有一台車身之安全 ：每 數值 ：單位轉換值 數值 ：車長 時間之速度 車在 ：第 時間之位置 車在 ：第 時間之位置 車在 ：第 ：前後車間距 10mph (10) (1.47) ) ( L ) ( t 1 n X t 1 n ) ( X t n ) ( X ) ( n 1 . 1 n ft nph t t ft S n n + + + + 3.1.2.2 GM model 美國通用汽車研究群(GM group)利用統計方法，由現場調查資料來建立 m，l矩陣來建立刺激-反應方程式，五代模式繼續改進而將敏感項一般化， 將跟車者速度與距離間距改為指數型態，模式在引入m與l兩個指數後變為微 觀跟車理論通式，其通式如下：

(

)

[

(

)

]

[

V

( )

t V

( )

t

]

S t t V a t t a _{l n n} m n n 1 1 1 + + + − ∆ ∆ + = ∆ + 其中，

(

)

(

)

( )

( )

[

]

敏感度參數 ：後車對車間距反應之 感度參數 ：後車對速度反應之敏 ：跟車敏感度參數 ：前後車間距 ：車輛與前車之速率差 秒後之速率 ：車輛 秒後之加速率 ：車輛 l m V t t 1 n 1 1 α S t V t t t V t t a n n n ∆ − ∆ ∆ + ∆ ∆ + + + + GM 第五代跟車模式特性有四： 1. 將敏感度參數一般化，將後車速度和前、後車間距以指數型態表示。 2. 第五代模式為GM 跟車模式的通式，其第一至四代皆為第五代模式的特 例。 3. 若將其GM 每代跟車模式的m，l 值彙整，則有以下結論： (1) 當m = 0、l = 0 可將GM 第五代跟車模式轉換成GM 第一及第二代 模式。 (2) 當m = 0、l = 1 可將GM 第五代跟車模式轉換成GM 第三代跟車模 式。 (3) 當m = 1、l = 1 可將GM 第五代跟車模式轉換成GM 第四代跟車模 式。 4. 當m = 0、l = 0 時，敏感度參數為常數；m = 0、l≠0時，會受到前、後 車間距的影響；m≠0、l = 0，會受到反應時間後，後車速度的影響； m ≠0、l≠ 0時，表示會同時受到前、後車間距及反應時間後，後車速 度的影響。 3.1.3 人流理論 3.1.3.1 巨觀人流理論

美國 HCM2000 引用了 Fruin、Oeding、Navin and Wheeler 與 Pushkarev and Zupan 的研究，將人流特性中的流量、速度、密度之間的關係繪製出比較圖，以 下逐一說明：

介於行人流速度與密度及流量的基本關係與車流相似。當流量與密度增 加時，行人速度降低。當密度增加與行人空間減少時，行人個體的移動力程 度降低，即行人平均速度降低。圖 9 顯示學生、通勤者與購物者三種行人的 速度與密度關係。 圖 9 行人速度與密度關係圖 資料來源[38] 2. 流量-密度關係 由於人流與車流類似，流量、密度與速度存在如前章式的關係，然而使用密 度的倒數-行人空間可更為清楚表達，可更改為： Vped = Sped / M 其中Vped為流量， Sped為行人速度，M為行人空間。 藉由多位學者的調查，基本的流量與空間關係圖如圖 10 所示： 圖 10 行人流量與空間關係圖 資料來源[38] 此圖顯示最大單位的流量會落於狹小的密度區間內，約位於每人 0.4~0.9 平 方公尺的地方，當每人空間少於 0.4 平方公尺時，流率將會驟減。若每人最小空 間只剩下 0.2~0.3 平方公尺時，所有移動將會停止。

3. 速度-流量關係 圖 11 顯示行人速度與流量之關係，此圖與車流類似，顯示出當較少行人於 通道上時，他們有足夠的空間選擇較高的行走速度。當流量增加，因為人與人間 較接近的互動致使速度降低。當位於臨界流量時，移動變的更加困難，流量與流 速同時降低。 圖 11 行人速度與流量關係圖 資料來源[38] 4. 速度-空間關係 圖 12 顯示行走速度與每人空間的關係，移動速度超出一般範圍的行人中， 在平均每人空間少於 1.5 平方公尺時，即使最慢速的行人也無法到達他們的期望 行走速度，以每秒鐘 1.8 公尺移動較快速的行人也必須要在平均每人空間超過 4 平方公尺時才可達到他們的行走速度。 圖 12 行人速度與空間關係圖 資料來源[38] 人流系統與車流系統中重要特性變數：流量(Q)-密度(K)-速率(V)，三者之關 係乃是透過方程式 Q=K*V 來描述，關於行人設施服務水準方面的研究，乃是源 由於車流觀念。服務水準在車流系統中乃是指用路人對於現場操作狀況的一種 「質的量測」，同樣將服務水準觀念移植到而在行人流系統中，例如採用錄影調

查或現場觀測方式，調查主要行人集中道路的人行道、行人穿越道等設施，進行 行人行走速率、流量及密度關係之研究，以及經由調查資料與統計，採用適當的 的速率與密度迴歸模式，如線性的 Greenshield’s model，得流量與密度之關係式。 並可以針對流量、密度、速率等參數予以分等級，訂定服務水準（Level of Service， LOS）。 行人的服務水準除了考慮如車流的密度、速度、流量等，還有一些行人專屬 的量測因子，如選擇自己想要的速度及超越他人的自由度[5]，穿越行人的難易 度（或超越慢行者的可能性）、與主要行人流反向行走的能力、不必改變步行速 度或步伐且不與他人產生衝突的行為能力[39]。 3.1.3.2 微觀人流理論 目前在微觀人流的相關研究中，多數皆以系統模擬的方式來解析行人步行的 特性，所以本研究對於微觀人流理論將暫不考慮模擬類的文獻，其餘可應用於本 研究的理論如下。

Gianluca Antonini 和 Michel Bierlaire[39]奠基 Discrete Choice Models (DCM) 上，繼續將行人模式分成驅使性與非驅使性的行為，而驅使性又可分為強迫性互 動與吸引性互動，前者指衝突避免行動，後者則指領導跟從行為。首先其假定： 1. 距離變因：用資料證明人會直接地行動至最終目的地，這是策略性並且 經由人理性抉擇過的。 2. 維持方向變因：人會盡量的縮小與最適行動角度的角度差。 3. 自由流量加速變因：人具有察覺速度變動的傾向，且當人受吸引時，行 動速度會減緩。 接著其依據以上已證明的假說推演出以下的解釋： 1. 衝突避免行動： A. 當人行走時，越可能遇到可預見障礙物的路徑，越具較低的效益。 B. 移動較快的障礙物比較慢的障礙物具有更大的負面行動影響。 C. 當迎向障礙物所佔視野角度越大，行走改變方向的角度也越大。 2. 領導跟從行為： A. 如果先行領導者距離該行人越遠,領導行走行為的能力越弱。 B. 先行領導者速度越快，行人速度也會越快。 C. 如果先行領導者與行人的相關角度越大，其影響能力就越小。 藉由上述理論，本研究假設之行人跟隨行為，意指所觀察之行人於跟隨過程 中，持續跟隨前方行人者。

3.1.4 小結 本研究目的在探討並分析行人步行時發生之跟隨行為，透過車流理論中的微 觀車流理論，主要以個別行人其相互運作與影響之關係為研究之方向。再根據車 流理論中的跟車理論，發現人流也具有相似的運作原理，故探討行人跟隨行為應 可應用車流理論中的構想，轉化為本研究之研究基礎。 透過人流理論，瞭解行人之領導跟從行為，將其中符合本研究所需之行人跟 隨行為部分，以其假說設定為本研究行人跟隨行為之基本理念，如此則更穩固本 研究中對於行人跟隨行為之描述與判定。

3.2 研究方法

本研究主要應用之研究方法有文獻評析法、攝影調查法、迴歸分析法、成對 樣本 t 檢定、卡方檢定等，茲說明如下： 3.2.1 文獻評析法 文獻評析法係一傳統探索性之研究方法，透過蒐集國內外相關之研究論著， 分析其研究方法、結果及建議，以作為進一步研究之基礎，此種方式可協助初次 從事某課題之研究者，以避免缺乏理論與根據而致偏頗缺失。故本研究蒐集並研 析國內外人流模式之相關文獻，探究其理論與內涵，並加以綜合歸納其論著所使 用之研究方法、結果之優劣，作為本研究之理論基礎。 3.2.2 攝影調查法 攝影調查法係透過數位攝影機、照數位相機等攝錄影像之器材，對某一特定 對象、事物或地點進行靜態或動態的攝錄，用以瞭解該對象所表達之意象。本研 究攝影調查對於行人於行人設施上進行相關之調查，透過攝影調查以獲得人流行 為特性等資料，再經由後續影像資料的判讀，以獲得行人步行資料，藉由資料分 析，進而構建人流模式。 3.2.3 成對樣本 t 檢定 成對樣本 t 檢定(Paired-Sample t test)，是使用於相依樣本，最常用於相 依樣本下的重覆量測設計，兩組之間每對視為等同的關係，檢定成對母體中兩個 相關變數之平均數間的關係，究竟是等於、大於或小於的統計方法。本研究用以 決定觀察時間間隔及相依樣本平均數是否相同，其研究假設方法如下： 虛無假設 H0 ： u1＝u2 (無顯著差異) 對立假設 H1 ： u1≠u2 (有顯著差異)

成對樣本 t 檢定的統計量如下： n S u D t 0 0 − = 自由度為 n-1 因此 檢 定假 設為 雙尾 檢定 ， 故 當 檢 定 統 計 量 之 P-value ≧(1- α /2)或 P-value≦(α/2)時，則檢定結果拒絕虛無假設，即為在(1-α)的信賴水準下， 成對樣本之平均數有顯著差異；反之則接受虛無假設，代表樣本之平均數沒有顯 著差異。 3.2.4 卡方檢定 卡方檢定主要是用於類別資料的分析。所謂類別資料是指將觀察值按照不同 類別予以分類，而各類別所含之數據即為該類別出現的次數。而有多項式母體比 例的檢定、齊一性檢定、獨立性檢定、適合度檢定。適合度檢定主要在檢定樣本 與母體是否為同一分配。其研究假設如下： 虛無假設H0：樣本與母體為同一分配(無顯著差異) 對立假設H1 i f ：樣本與母體不為同一分配(有顯著差異) 從母體隨機抽出樣本大小為n 的樣本，將此 n 個觀察值分成 k 組，可得每一 組的觀察次數 ，並在假設的分配下求每一組的理論次數e 。該檢定的檢定統計_i 量為：

∑

= − = k i i i i e e f 1 2 2 ( ) χ 拒絕域為 χ2 >χ_α2(k−d−1) 其中 d =在求得各組的理論次數時，所需用到的參數估計值的個數。若卡 方之 P-value＞α則不拒絕虛無假設，代表樣本與母體為同一分配。 3.2.5 單因子變異數分析 單因子變異數分析乃檢定單因子(factor)在不同組別的平均數是否有顯著差 異。ANOVA 也常用於實驗設計中，此時因子又稱為處理(treatment)，每組為一 種水準(level)，且每組的樣本數相同。One-Way ANOVA 的基本假設有三： 1. 常態性假設：變異數分析需處理超過三個以上的平均數，並假設樣本是 抽取自常態化母群體，即Yi ~N(µi,σi2)，當樣本數愈大，常態化的假設 愈不易違反。