臺北市公共自行車站點需求分析之研究 - 政大學術集成

全文

(1)國立政治大學地政學系私立中國地政研究所. 碩士論文. 政治大臺北市公共自行車站點需求分析之研究. 立. sit. Nat. y. ‧. ‧ 國. 學. A research in the demand of the public bike station in Taipei.. n. er. io. 指導教授：白仁德博士 al v i 研究生：張辰尉撰 n Ch engchi U. 中華民國一百零六年六月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 謝誌兩年的時間轉瞬即過，慶幸自己在這段期間，對於研究領域有著更深入的認知與了解，並不致虛擲光陰。也為即將踏入社會面臨挑戰的自己，培植更深厚的實力，並期許自己能保持研究生期間的求知慾及積極的態度去面對未來的挑戰。能完成碩士學位，首先要感謝我的恩師白仁德教授，從一開始的研究方向選定、論文寫作的瓶頸以及最後論文口試，老師總在我陷入迷惘時，引領我走出困難；另外，也感謝兩位口試委員馮正民老師以及許志誠老師，對本研究提出寶貴的意見，使得本論文的內容能更加完整。再來是老師辦公室的大家，有思翰學長在總是能讓我諮詢千奇百怪的問題，學長也不吝於分享自身的經驗，不論在論文撰寫上或是行政事務上都讓我獲益良多。郁筠學姊在我碩一的時候幫了我許多事情，分享研究生該注意的細節，巧芳、廷琳兩位學妹，在我期初、期末報告以及. 政治大. 最後的口試，擔任主持人並協助我報告事宜，讓我的報告能順利進行。辦公室愉. 立. 快的氣氛應該會是我最思念的事物之一。. ‧ 國. 學. 再來是研究室的大家，秉宸、朝誌、詩霓、佳玟、怡潔、彥含、家麒、晏瑞、映彤、珮慈、曹妤、雅虹、畫晴、嘉吟、育賢、昱賢有了你們大家的鼓勵、打氣，. ‧. 好像一切的問題都能無懼的帶著微笑去面對，能跟你們一起並肩作戰對付各自的. sit. y. Nat. 論文非常榮幸，希望你們還沒畢業的能快點畢業，畢業的能有好工作。當然還有. io. er. 最親愛的筱真，這兩年來有你的陪伴總是能安定我不安的心情，使我能冷靜地克服難關，在我疲憊的時候，能陪我出去玩耍，品嘗美食。謝謝妳，能跟你一起取. n. al. Ch. 得碩士學位，是最幸運的事情了。. engchi. i n U. v. 然後是政治大學棒球隊的夥伴們，能跟你們一起在球場上馳騁，挑戰大專杯，並培養強健的體魄，使我能有充沛的體力面對碩士生涯，很幸運能跟你們一起打球，謝謝你們。最後是所有我的家人，謝謝你們無悔的付出與包容，讓我這兩年能無後顧之憂地走回校園，重拾書本，完成自己想完成的事情。要感謝的人太多了，無法一一列載，在此說聲抱歉，但你們幫助我的恩情我一定會銘記在心，謝謝你們。張辰尉謹誌於國立政治大學. 2017.07.28.

(4) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(5) 摘要近年來由於溫室效應加劇以及氣候變遷加劇，因此符合綠色運輸特性的公共自行車系統，成為各國交通部門發展綠運輸政策時的目標之一，同時，大數據分析亦是目前受到高度關注的熱門議題。而本研究首先使用臺北市微笑單車租借大數據探討在不同時間點下民眾日常使用微笑單車之旅運行為，分析不同站點間的旅次特性。再運用社群網絡分析，以站點之間旅次連結多寡作為權重，探討站點間之緊密程度，以及不同時間點下微笑單車租借量之熱點分布情形，並將其視覺化呈現。後續透過文獻分析，擷取影響公共自行車使用量之因素後，本研究嘗試運用. 治政大求之影響情形。實證結果顯示，地理加權迴歸模型可以解決一般線性迴歸所產生立空間自相關問題，使得模型解釋能力獲得改善。本研究並使用地理加權迴歸進行一般線性迴歸模型與地理加權迴歸進行模型建立，並探討各影響因素對於旅運需. ‧ 國. 學. 使用需求分析以及預測，對未來公共自行車營運以及站點擴張提出結論以及建議，期能提升公共自行車系統之使用量。. ‧ sit. y. Nat. io. al. n. 平方法、地理加權迴歸. er. 關鍵字:大數據、公共自行車系統、微笑單車、社群網絡分析、熱點分析、最小. Ch. engchi. I. i n U. v.

(6) Abstract Due to the climate change and aggravation of the greenhouse effect in recent years, the public bicycle system with the feature of low-carbon emission has raised more and more attention internationally, and has become one of the targets in developing green transportation policies of transportation departments of governments around the world. Meanwhile Big Data analysis issues, on the other hand, are currently a sought-after topic which has caused great concern as well. In this study, we utilize the rental data of the YouBike system in Taipei to discuss the public usage of YouBike tour at different periods. With the use of social network analysis, we discuss the relationships between different bicycle stops based on applying the number of travels between different sites. 政治大 system. In this way, we are able to discuss the hotspot distribution of YouBike rentals 立 as the weight. Eventually, the hotspot analysis will be carried out by operating the GIS. in different time and then visualize the result.. ‧ 國. 學. After that this study pick up the variables which will effect the YouBike usage by. ‧. reference review. This research try to built models by utilizing the Least Squares. y. Nat. Method and Geographically Weighted Regression. Then we will have a discussion with. io. sit. the result of the two models. The result shows that Geographically Weighted Regression. n. al. er. can resolve the spatial autocorrelation problem which happened in the Least Squares. i n U. v. Method and to gain a better result. With the analysis and prediction of public bicycle. Ch. engchi. system from Geographically Weighted Regression, we hope to raise the usage of public bicycle system by concluding as well as making recommendations for the future operation of public bicycle and the expansion of bicycle stops. Keywords:Big data,Public bike system, Youbike, Social network analysis, Hot spot analysis, Least squares method, Geographically weighted regression. II.

(7) 目錄第一章緒論................................................................................................... 1 研究動機與目的.............................................................................. 1 研究範疇.......................................................................................... 6 研究方法.......................................................................................... 7 研究內容與流程.............................................................................. 8. 第二章. 文獻回顧與理論基礎 ............................................................. 11 公共自行車系統界定.................................................................... 11 影響公共自行車使用之相關研究................................................ 21 空間統計理論................................................................................ 33. 第三章. 研究設計 ................................................................................. 39. 政治大. 來源資料說明與處理.................................................................... 39. 立. ‧ 國. 第四章. 學. 研究架構........................................................................................ 45 投入變數說明................................................................................ 47. 實證分析結果 ......................................................................... 53. ‧. 微笑單車使用量空間分析............................................................ 53. sit. er. io. 結論與建議 a ............................................................................. 95. iv l C n 結論................................................................................................ 95 hengchi U 後續研究建議................................................................................ 97 n. 第五章. y. Nat. 線性迴歸分析結果........................................................................ 59 地理加權迴歸分析結果................................................................ 74 一般線性迴歸與地理加權迴歸比較與分析................................ 89. 參考文獻 ....................................................................................................... 99. III.

(8) 圖目錄圖 1-1 臺北市微笑單車系統逐月運量圖 .................................................................... 3 圖 1-2 研究流程圖 ..................................................................................................... 10 圖 2-1 2000 年至 2013 年已建設公共自行車系統國家數統計 ............................... 12 圖 2-2 微笑單車商標圖 .............................................................................................. 16 圖 2-3 2009 年至 2012 年微笑單車站點分布圖 ....................................................... 18 圖 2-4 2012 年微笑單車站點分布圖 ......................................................................... 19 圖 2-5 2013 年微笑單車站點分布圖 ......................................................................... 19 圖 2-6 2014 年微笑單車站點分布圖 ......................................................................... 20 圖 2-7 Big Data 作為關鍵字搜尋次數統計圖 ........................................................... 29 圖 2-8 固定核心帶寬圖 ............................................................................................. 36 圖 2-9 變動核心帶寬圖 ............................................................................................. 37 圖 3-1 臺北市微笑單車站點數與車輛數逐月統計圖 ............................................. 40 圖 3-2 逐月租借次數圖 ............................................................................................. 40 圖 3-3 逐月使用量與降雨日數比較圖 ...................................................................... 41. 政治大圖 3-4 微笑單車周間使用量圖 ................................................................................. 42 立..................................................................................... 43 圖 3-5 周間每小時使用量圖 ‧. ‧ 國. 學. 圖 3-4 研究架構圖 ..................................................................................................... 45 圖 3-5 地理加權迴歸示意圖 ..................................................................................... 46 圖 4-1 社群網絡分析示意圖 ..................................................................................... 54. n. al. er. io. sit. y. Nat. 圖 4-2 微笑單車社群網絡分析圖 ............................................................................. 55 圖 4-3 社群網絡分析結果座標對位圖 ..................................................................... 55 圖 4-4 微笑單車平日使用量熱點分析圖 ................................................................. 57 圖 4-5 微笑單車假日使用量熱點分析圖 .................................................................. 58 圖 4-6 Durbin-Watson 檢定值域圖............................................................................ 68 圖 4-7 平日模式 Local R-square value 分佈圖 ......................................................... 75 圖 4-8 假日模式 Local R-square value 分佈圖 ......................................................... 75 圖 4-9 平日模式人口數係數分佈圖 ......................................................................... 77 圖 4-10 平日模式人口數 T 值圖 ............................................................................... 77 圖 4-11 假日模式人口數係數分佈圖 ....................................................................... 77 圖 4-12 假日模式人口數 T 值圖 ............................................................................... 77 圖 4-13 平日模式及業人口數係數圖 ....................................................................... 79 圖 4-14 平日模式及業人口數 T 值圖 ....................................................................... 79 圖 4-15 假日模式及業人口數係數圖 ....................................................................... 79 圖 4-16 假日模式及業人口數 T 值圖 ....................................................................... 79 圖 4-17 平日模式大學人數係數圖 ........................................................................... 80 圖 4-18 圖 4-19 圖 4-20 圖 4-21. Ch. engchi. i n U. v. 平日模式大學人數 T 值圖 ........................................................................... 80 假日模式大學人數係數圖 ........................................................................... 81 假日模式大學人數 T 值圖 ........................................................................... 81 平日模式捷運進出站人數係數分布圖 ....................................................... 82 IV.

(9) 圖 4-22 圖 4-23 圖 4-24 圖 4-25 圖 4-26. 平日模式捷運進出站人數 T 值圖 ............................................................... 82 假日模式捷運進出站人數係數分布圖 ....................................................... 82 假日模式捷運進出站人數 T 值圖 ............................................................... 82 平日模式站點容量係數分布圖 ................................................................... 83 平日模式站點容量 T 值圖 ........................................................................... 83. 圖 4-27 圖 4-28 圖 4-29 圖 4-30 圖 4-31 圖 4-32 圖 4-33 圖 4-34 圖 4-35 圖 4-36 圖 4-37. 假日模式站點容量係數分布圖 ................................................................... 84 假日模式站點容量 T 值圖 ........................................................................... 84 平日模式路口數係數分布圖 ....................................................................... 85 平日模式路口數 T 值圖 ............................................................................... 85 假日模式路口數係數分布圖 ....................................................................... 85 假日模式路口數 T 值圖 ............................................................................... 85 平日模式土地混合使用程度係數分布圖 ................................................... 86 平日模式土地混合使用程度 T 值圖 ........................................................... 86 假日模式土地混合使用程度係數分布圖 ................................................... 87 假日模式土地混合使用程度 T 值圖 ........................................................... 87 平日模式運量預測分佈圖 ........................................................................... 88. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. V. i n U. v.

(10) 表目錄表 2-1 臺灣公共自行車系統整理表 ......................................................................... 15 表 2-2 站點數與車輛數發展歷程表 .......................................................................... 18 表 2-3 影響使用量之指標 ......................................................................................... 21 表 2-4 辛辛那提公共自行車系統評估指標 ............................................................. 22 表 2-5 臺北市公共自行車租賃站設置準則評估原則 ............................................. 23 表 2-6 公共自行車使用量與站點周邊條件相關之研究整理 ................................. 26 表 2-7 公共自行車使用量影響變數整理表 ............................................................. 27 表 3-1 借車數排行前 20 名之站點 ........................................................................... 44 表 3-2 應變數敘述統計表 .......................................................................................... 47 表 3-3 本研究採用之自變數整理表 .......................................................................... 51 表 3-4 選取之自變數敘述性統計表 ......................................................................... 51 表 4-1 平日模式最小平方法解釋變數之相關性矩陣 ............................................. 60 表 4-2 平日模式最小平方法迴歸分析結果表 ......................................................... 60 表 4-3 平日模式線性迴歸模型應變數 K-S 檢定結果統計表 ................................. 61. 政治大表 4-4 平日模式半對數迴歸模型應變數 K-S 檢定結果統計表 ............................. 62 立表 4-5 平日模式調整後半對數迴歸模型分析結果表 ............................................. 62 ‧. ‧ 國. 學. 表 4-6 假日模式最小平方法解釋變數之相關性矩陣 ............................................. 63 表 4-7 假日模式線性迴歸模型分析結果表 ............................................................. 64 表 4-8 假日模式一般迴歸模型應變數 K-S 檢定結果統計表 .................................. 65. n. al. er. io. sit. y. Nat. 表 4-9 假日模式半對數線性迴歸模型應變數 K-S 檢定結果統計表 ...................... 65 表 4-10 假日模式半對數模型迴歸分析結果表 ....................................................... 66 表 4-11 兩模型 K-S 檢定結果表 ............................................................................... 68 表 4-12 全域型迴歸模型平日及假日模式殘差項空間自相關檢測數據表 ........... 73 表 4-13 地理加權迴歸結果表 ................................................................................... 74 表 4-14 平日模式全域型迴歸與地理加權迴歸比較表 ............................................ 89 表 4-15 假日模式全域型迴歸與地理加權迴歸比較表 ............................................ 90. Ch. engchi. VI. i n U. v.

(11) 臺北市公共自行車站點需求分析之研究. 第一章緒論研究動機與目的研究動機「綠色交通(green transportation)」係指使用低汙染以及適合都市環境並且對於民眾健康有益的綠色交通工具來完成社會經濟活動的一種理念。在近年來全球氣候變遷加劇以及能源短缺…等環境議題逐漸被重視，綠色交通已成為各國政府積極投入的政策面向。而為實現綠色交通目標的運輸工具即稱為綠色運具，綠色運具係指徒步、自行車、大眾運輸等對環境較為友善的交通工具(許添本，. 政治大. 2003)。我國近年來在交通政策的擬定上，亦以永續交通做為發展指標，設定綠. 立. 能運輸、人本運輸、便捷運輸三大發展目標，配合五大運輸政策發展主軸，期望. ‧ 國. 學. 能夠完成完整的綠運輸環境(交通部，2012)。. 在綠色運輸概念下，世界各國除了完善本身大眾運輸系統外，公共自行車系. ‧. 統便成為了各國政府努力的重要目標。公共自行車系統(Public bike system)也. sit. y. Nat. 稱自行車共享系統(Bike-sharing system)最早出現在歐洲地區，是一種可供民. io. er. 眾自由選擇借還時間與借還站點的自行車系統。(Midgey，2011)而自第一代公共. al. 自行車系統建置至今，已經歷四代演進過程。現今國際上的自行車系統，除少部. n. v i n Ch 分為第四代自行車系統外，大多仍以第三代自行車系統為主。各代自行車系統被 engchi U 賦予不同的使用方式以及目標，第三代公共自行車系統的目標主要在於，配合大. 眾運輸場站的設置，使得公共自行車成為出行或回程的「第一/最後一哩路」，提供中短路程接駁使用，增加大眾運輸系統與公共自行車系統使用率。1 為了配合交通部的綠能運輸交通政策，近年來我國地方政府亦積極推動公共自行車系統建置，期望能透過公共自行車系統的使用騎乘風氣帶動私人自行車使. 1. 第一/最後一哩路係指使用者由家出發至大眾運輸場站或由大眾運輸場站至家的短程接駁路程。 1.

(12) 第一章緒論. 用量，降低私人運具使用，以達到減少能源使用、降低環境污染之目的。同時透過自行車騎乘運動達到促進民眾身體健康的效益。我國最早的公共自行車系統為高雄市於 2009 年所設置的 C-bike(高雄市環保局，2016)，而後臺北市緊接著於 2009 年 8 月設置微笑單車系統 Youbike 系統(臺北市交通局，2016)。此兩個系統也是臺灣目前擁有的兩種不同自行車系統。截至 2016 年 8 月為止，我國共有臺北市、新北市、桃園市、新竹市、臺中市、彰化縣採用 Youbike 微笑單車系統，而高雄市是唯一採用 C-bike 系統的城市。而不論 C-bike 或是 Youbike 都是第三代的公共自行車系統。根據微笑單車官方資料指出，截至 2016 年 9 月為止，臺北市微笑單車系統. 政治大單車目前共有 7,700 輛自行車的規模來說，單月週轉率可達每日每輛 8 次，雖較立. 累積總使用數已超過 6000 萬次，並且 9 月單月租借次數為約 187 萬次。以微笑. ‧ 國. 學. 全盛時期 13 次少，但其水準仍為世界之冠領先巴黎的 6 次、杭州的 4 次以及倫敦的 3 次(臺北市交通局，2015)。由前述可知，臺北市公共自行車已經逐步被大. ‧. 眾接受，成為休閒使用以及通勤的工具。. sit. y. Nat. 自 2015 年 4 月 1 日起臺北市微笑單車系統費率改變，將原本前 30 分鐘免費. io. er. 的制度更改為前 30 分鐘收費 5 元。費率改變的政策反映在民眾租借意願上，整體運量較 3 月份下跌約 20%。至 2016 年 9 月仍未能回升至單月 200 萬次以上之. n. al. Ch. i n U. v. 運量，如圖 1-1 所示。然而影響公共自行車使用量之因素相當多，除了費率外，. engchi. 亦包含站點設置區位、站點周邊環境、站點連結數多寡、系統完善度等等。因此，雖然費率調整帶來使用量降低，仍可透過其他營運策略重新提升其使用量。站點周邊區位以及未來設站趨勢便是其中一個需要考量的重點。本研究亦希望探討透過影響公共自行車使用量之相關因素，對於未來政府、規劃者以及系統營運者做出未來營運相關建議。. 2.

(13) 臺北市公共自行車站點需求分析之研究. 圖 1-1 臺北市微笑單車系統逐月運量圖資料來源:臺北市微笑單車官方網站. 政治大為了提升微笑單車使用率以及服務範圍，臺北市政府交通局於 2015 年 11 月立. 宣布 105 年微笑單車設站準則調整(臺北市交通局 2015)。自 2016 年起微笑單車. ‧ 國. 學. 站點間距離將由原本的 600 公尺調整為 350 公尺，另針對與鄰近站點有阻隔設施. ‧. 可及性低、鄰近站點使用需求高及配合自行車道，站間距離限制可縮短為 200 公尺。意即未來將增設大量微笑單車站點，以供民眾使用，而 Midgey 在其 2011 年. y. Nat. sit. 研究中指出，增設越多站點，代表營運成本將會大幅提高，然而目前關於設站點. n. al. er. io. 位進階評估，僅採用積分制，而評選項目共有 5 項，相較於採用實際數據進行運量估計所做成之設站評估，準確度及精細度略有不足。. Ch. engchi. i n U. v. 目前採用海量數據分析(Big Data Analysis)的方式進行交通分析已成為國際上的潮流，使用長時距、大量的、完整的數據進行分析，而大數據由於採用的是母體資料進行分析，而非樣本資料進行分析，因此誤差能夠大幅降低。能夠有效了解個體在交通上的空間移動情形，有助於使得站點設置與民眾需求方向趨於一致，降低站點建置成本，避免無謂的行政資源浪費。而臺灣目前對於大數據在交通方面應用，大多用於解決塞車問題，尚未普及至其他交通問題。因此為了提高公共自行車使用率以及營運效率，降低管理成本以及設站成本，了解租借站點周邊建成環境特性與使用量間之關係是迫切並且必要的。然而. 3.

(14) 第一章緒論. 國內對於運用大數據分析概念進行建成環境因素與公共自行車使用量之關係分析文獻數量仍顯不足。因此本研究透過微笑單車系統租借資料以及站點即時資訊，進行大數據資料分析，了解微笑單車在不同時空下的空間分布情形，並進一步透過空間迴歸模型之建立，深入分析使用量與周邊環境變數之關係，以提供後續設站參考。並透過國內外文獻回顧，了解站點周邊影響使用量的環境要素為何，進一步建立需求模型。提供地方政府未來管理及劃設自行車系統或拓展現有公共自行車系統時更準確之依據。以期能有效提升公共自行車接駁效率，提升使用量，落實綠色交通之發展目標。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i n U. v.

(15) 臺北市公共自行車站點需求分析之研究. 研究目的如前所述，隨著公共自行車系統成功的推動，有關於營運模式以及站點設置的政策考量需要更為精準。才能夠有效降低營運成本，提高公共自行車系統運量。而國內目前對於站點周邊建成環境與人口條件對於運量影響的效果分析並不多，因此本研究希望透過國外公共自行車案例整理，歸納出運量之相關影響因素。提供後續場站間距離以及設站點位政策研擬之參考，使得公共自行車使用量上升補足大眾運輸接駁的一環，達成永續交通的政策目的。此外，國內針對公共自行車系統分析，尚未有透過較長時距的 O-D 資料以及即時站點資料分析，大多採用抽樣或是問卷方式進行分析。本研究希望透過完. 政治大. 整的大數據分析對微笑單車使用量進行解析，能使後續線性迴歸模型與地理加權. 立. 迴歸模型整體誤差降低，模型準確度提升。整理出更清楚的建成環境因素與公共. ‧ 國. 學. 自行車之間關係，提供未來設站準則之參考，以期提高運量，落實綠色交通。因此本研究之主要研究目的如下：. ‧. 應用目前公共自行車租借數據進行使用者旅運行為分析以及空間互動分析。. 2.. 透過國內、外公共自行車發展經驗，歸納出影響公共自行車使用之建成環境. io. sit. y. Nat. 1.. er. 等相關因素，並據以建立各站點使用需求模型，以進行驗證與模型應用。. al. n. v i n Ch 根據研究模型建構出之結果，進行模型比較及研擬未來公共自行車系統在規 engchi U 劃設計以及系統營運上之策略建議。. 3.. 5.

(16) 第一章緒論. 研究範疇研究對象本研究是以臺北都會區設置之公共自行車系統 Youbike 為研究對象，透過 2014 年 1 月至 2014 年 11 月間之站點租借 O-D 資料以及站點車位即時資訊資料進行分析。根據台北市交通統計查詢網資料，截至 2014 年 11 月 30 日，臺北市自行車站點數為 180 個站點，惟 O-D 資料與租借資料僅包含 2014 年 10 月設置之 167 個站點的資料量，故本研究為顧及分析之完整性，採用之分析對象為截至 2014 年 10 月 30 日為止，所設置共 167 個站點之租借資料進行分析。. 研究範圍. 立. 空間範疇. 政治大. ‧ 國. 學. 本研究以臺北市為研究對象，針對站點租借資料以及站位即時資訊進行分. ‧. 析，故研究空間範圍為臺北市行政區範圍內設置之微笑單車站點及其周邊 500 公尺範圍內區域。部分 O-D 資料涉及新北市站點部分，由於涉及不同行政區對於. y. Nat. er. io. 時間範疇. sit. 微笑單車政策不同影響，故分析複雜度較高，因此將予以刪除。. al. n. v i n 臺北市公共自行車系統自C2009 h e年開始設置，設置初期由於規模過小，導致 ngchi U. 站點間無法連結，營運成效不佳。2012 年 8 月捷安特與臺北市政府重新簽署合約後，將營運規模擴大，才將微笑單車系統成功推行至今。顧及資料完整性本研究主要採用之資料時間為 2013 年 1 月至 2014 年 11 月，共 23 個月間之租借資料與站點即時資訊。公共自行車租借資料來源為臺北市政府交通局。. 6.

(17) 臺北市公共自行車站點需求分析之研究. 研究方法文獻分析法本研究將蒐集國內外對於公共自行車發展歷史、營運模式、及與土地使用之間關係、大數據處理以及空間分析相關之期刊論文、研究報告、碩博士學位論文、研討會論文、書籍著作、政府政策、報章雜誌等不同來源以及不同形式的相關文獻進行歸納整理。並將整理結果作為本研究後續變數選取、實證研究之參考基礎。. 統計分析法. 治政大市微笑單車系統在不同時空的租借情形分布，透過敘述性統計分析結果，瞭解微立笑單車基本使用特性。. 本研究對於所蒐集之租借資料以及站點即時資訊進行整理，分析歸納出臺北. ‧ 國. 學. GIS 熱點分析. ‧. 本研究將運用大數據分析，進行公共自行車租借資料探勘，利用 GIS 地理資. sit. y. Nat. 訊系統將不同時空下的公共自行車借還情形視覺化呈現，以了解公共自行車完整. io. al. n. OLS 迴歸法. er. 的旅運行為分布，有助於後續空間加權迴歸模型之建構。. Ch. engchi. i n U. v. 本研究首先將運用 OLS 迴歸模型進行站點周邊特徵與微笑單車系統租借量之間關係分析。後續將殘差進行空間自相關檢測，若殘差具有空間自相關現象，則將繼續進行空間迴歸以修正此問題，增加模型準確度。. 地理加權迴歸法地理加權迴歸法為 OLS 迴歸模型之延伸，透過增加空間參數，來考量空間因素對於使用需求之影響。首先，運用空間自相關分析將公共自行車租借站點周邊的特徵與租借量，透過空間統計理論，瞭解租借量在不同時空分布上是否具有空間效應。後續將站點在不同時空下的運輸量與相關影響因素，透過地理加權迴歸模型建立，確定兩者在空間角度是如何互動。. 7.

(18) 第一章緒論. 研究內容與流程研究內容本研究係以國內外有關公共自行車發展之經驗與政策，整理出影響公共自行車使用量之相關影響變數，進行資料分析找出影響自行車使用量之空間因素，以供未來我國其他城市擴展現有公共自行車系統或是新設系統之策略參考。研究範圍界定本研究透過微笑單車租借資料以及站點即時資訊整理出各站點在不同時間的租借樣態分布。由於不同時空條件下公共自行車租借樣態與相關影響因素之間. 政治大. 關係不盡相同。本研究係以臺北市公共自行車系統微笑單車 Youbike 為例，歸納. 立. 其租借量與相關影響因素之間關係。. ‧ 國. 學. 文獻回顧. ‧. 本研究首先將回顧公共自行車系統發展歷程，以及未來發展方向，並整理目前國外公共自行車系統成功發展之案例。了解公共自行車系統車體設計、站點規. y. Nat. sit. 劃、營運方式及成本、日常租借分布樣態、未來改良方向等關於公共自行車系統. 效。. n. al. er. io. 之基本介紹，再透過國內相關文獻了解我國目前公共自行車系統發展現況以及成. Ch. engchi. i n U. v. 後續透過國內外文獻了解影響公共自行車使用量之相關影響因素，以供本研究後續變數選取之參考依據。並參考國內外有關公共自行車站點設置原則，了解未來公共自行車系統發展方向與設站趨勢。探討未來國內自行車系統設置站點或原有系統擴展站點與站點周邊建成環境之發展課題。以供本研究後續之研究結論與改善策略之研提方向。. 8.

(19) 臺北市公共自行車站點需求分析之研究. 資料篩選與整理根據研究目的，蒐集民國 2013 年 1 月至 2014 年 11 月間台北市微笑單車系統租借資料及站點即時資訊，將資料進行整理與篩選，刪除欄位缺漏及錯誤之筆數。並蒐集藉由文獻回顧所歸納出影響使用量相關變數之臺北市相關資料，將資料整理歸納進行敘述性統計分析，以了解資料基本屬性，以利後續研究。空間自相關關係判定與地理加權迴歸模型建立首先運用蒐集而來之變數，建立一般線性迴歸，判斷使用量與站點周邊建成環境變數之關係，以及初步預測站點運量。後續將殘差運用全域型空間自相關檢. 政治大變異是不固定的，故需要進一步運用地理加權迴歸處理個別區域的變異情形。將立. 測，檢測模型殘差是否具有空間自相關現象。若有，則代表每個站點在空間上的. (Geographic Information System)進行模型推估與修正。. 學. ‧ 國. 蒐集站點周邊建成環境特徵資料納入地理加權迴歸模型內，透過地理資訊系統. ‧. 研擬公共自行車系統使用量改善策略及結論. sit. y. Nat. 以國外公共自行車營運經驗以及本研究所建立之公共自行車需求與建成環. io. n. al. er. 境之關係研擬未來站點設置改善策略，以作為相關政策與經營方針之參考。. Ch. engchi. 9. i n U. v.

(20) 第一章緒論. 研究流程. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 1-2 研究流程圖. 10. i n U. v.

(21) 臺北市公共自行車站點需求分析之研究. 第二章. 文獻回顧與理論基礎. 隨著近年來公共自行車在國際間受到高度的重視，有關於公共自行車系統的研究方法及角度也越來越多元。公共自行車普遍被認為是補足大眾運輸系統的「第一/最後一哩路」，也因此公共自行車系統在使用上，與其站點周邊的土地使用及建成環境條件息息相關。本研究將從國內外公共自行車系統介紹、公共自行車及其相關影響因素之關係，以及地理加權迴歸理論三個面向為主軸進行文獻回顧。本章第一節重點在於回顧公共自行車系統在世界各國發展歷程以及其經營. 政治大. 現況，並將關於公共自行車相關名詞作出明確定義。第二節主要著重公共自行車. 立. 系統本身介紹。第三章則著重在影響使用行為的外部因素，探討各國公共自行車. ‧ 國. 學. 系統站點建置與土地使用相關之政策和參考依據、周邊環境、經營模式等因素，作為後續研究在空間變數選取之依據。第四節則運用文獻回顧將本研究使用之地. ‧. 理加權迴歸模型定義及運算方式賦予明確之定義。. n. al. Ch. y. sit. io. 公共自行車系統發展歷程及界定. er. Nat. 公共自行車系統界定. i n U. v. 公共自行車系統(Public bicycle system)，又稱公共自行車共享系統(Bicycle. engchi. sharing system)，近年來由於電子商務系統發達導致付費方式改變，因此在國外亦有學界稱之為智慧單車系統(Smart bicycle system)。而我國，包含自行車共享系統、公共自行車系統、公共自行車計畫及公共自行車租賃計畫其實都是在敘述同一個概念。(白詩滎，2013)，這是由於各國發展公共自行車系統內容與名稱差異。本研究以下將這些系統統稱為公共自行車系統，以避免閱讀上混亂。公共自行車系統發展歷程 DeMaio(2009)及 Midgley(2009)的研究中定義公共自行車系統為一種可供民眾用便宜的租賃費用在都市中任意租借站自由租車以及自由還車的自行車系統。公共自行車系統的構想源自於希望透過共用的自行車解決空氣以及噪音等環境. 11.

(22) 第二章文獻回顧. 汙染，並達成旅運起點與大眾運輸工具或大眾運輸工具與旅運終點之間的短程接駁，也就是補足「第一/最後一哩」路的接駁，並且公共自行車對於民眾來說是具有高度可及性以及便利性，以及具有多樣化營運模式的交通運具。透過服務範圍以及服務對象的不同可將公共自行車系統簡單分成狹義的公共自行車以及廣義的公共自行車兩種(白詩滎，2013)。狹義的公共自行車，僅限於服務特定地點或是族群。例如大學內部僅供職員及學生使用而不對外開放之公共自行車，即是狹義的公共自行車系統。而相對而言，廣義的公共自行車系統係指對於所有民眾及所有地區皆開放的公共自行車系統。本研究主要探討對象台北市微笑單車系統則為廣義的公共自行車系統。. 政治大. 近年來由於世界各國環保意識高漲以及溫室效應、國際能源價格波動以及氣. 立. 候變遷影響，各國開始發展綠運輸相關交通政策，而公共自行車具有低碳、永續. ‧ 國. 學. 的特性，使用自行車取代私人機動運具，可以有效減少碳排放量，有助於減緩溫室效應，解決上述問題。因此，當面臨環境問題時，世界各國開始考慮設置公共. ‧. 自行車系統，以落實永續交通及環境保護的理念(Shaheen , 2010)。而如圖 2-1 可. y. sit. io. n. al. er. 自行車系統。. Nat. 見公共自車系統直到 2008 年後才受到世界各國重視，開始於其國家內建置公共. Ch. engchi. i n U. v. 圖 2-1 2000 年至 2013 年已建設公共自行車系統國家數統計資料來源：treehugger 網頁. 12.

(23) 臺北市公共自行車站點需求分析之研究. 公共自行車系統的起源甚早，最初始的系統是從歐洲國家開始發展，至今約有 40 年的時間。而這段期間內，由草創至現今各大都市所成功經營的模式已經歷過三個階段的變革，正逐步朝向第四代公共自行車系統設計演進。也因此目前國際上大多數公共自行車系統為第三代系統，如臺灣設置之微笑單車系統與高雄的 C-Bike 系統都屬於第三代系統。(王俊偉，2011)而歐洲已有城市逐漸轉型為第四代公共自行車系統。(Shaheen&Gausman,2011；Midgley,2011) DeMaio 在其 2003 年的研究中認為第一代的公共自行車系統最早可以源自於 1968 年設置在荷蘭阿姆斯特丹的 White Bikes 白色單車計畫。白色單車在當時是採用普通的腳踏車提供作為公共自行車，因其車身漆成白色而得名，並無固定. 政治大上鎖的 White Bikes 免費給民眾使用。其最基本的理念為，民眾可以在都市各處立. 的租借站點，而是將自行車分布在都市各處。荷蘭政府在市中心提供了 50 輛未. ‧ 國. 學. 自由的騎乘 White Bikes 到他們的目的地，接著將車停在那裏給下一位使用者使用。(Faghih-Imani et al.,2014)這也是首次自行車共享的概念被付諸實現，是後續. 劃的失敗。. ‧. 各大公共自行車系統的雛形。然而，由於高失竊率以及高損壞率，導致了這個計. sit. y. Nat. io. er. 第二代公共自行車系統則是一直到 1995 才在丹麥的哥本哈根稱為「城市自行車計畫(Copenhagen Free Bike Program, Bycyklen)」出現，又稱為硬幣存取階段. n. al. Ch. i n U. v. (coin-deposit generation)。和第一代公共自行車系統最大的不同在於使用特殊的自. engchi. 行車車體設計、採用押金制以及設置自行車出租站，改善第一代因免費使用所帶來的缺失。延續第一代白色單車設計，第二代公共自行車系統仍然採用特殊顏色以方便辨認，但在車體設計上採用特殊設計，使得單車不易被拆解，就算零件遭到拆解也無法提供一般自行車使用，大幅降低失竊機率。而採用押金制，對於未上鎖的公共自行車，民眾僅需支付些微押金即可租借公共自行車，而押金將會在還車時退還。而此代公共自行車開始設置租借站，採用人工租借的方式，民眾在租借站租借的自行車是可以上鎖的，並可於甲地租車乙地還車，提高了使用上的機動性。然而，第二代公共自行車系統最終仍宣告失敗，原因在於匿名出租以及便宜的押金制度，僅能減少卻無法阻絕失竊。而由於租借成本低，且在租借上並不限使用時間，因此也導致了公共自行車遭到長時間佔有，喪失最初自行車共享 13.

(24) 第二章文獻回顧. 的理念與目的(Shaheen et al.,2011)。而第三代自行車系統為了改進第二代系統的兩大缺點，乃結合 IT 產業發展，而形成了近代智慧單車系統。其付費的費率以及機制是建構在第二代系統的硬幣存取概念上。而改採用智慧卡付款方式，同時為了鼓勵使用率，會有一段時間免費提供使用。並採用 RFID 技術連結中央系統來顯示站點目前可供租借的公共自行車數量，以及採用全自動租借站降低人力成本，都是第三代公共自行車租借系統所擁有的特色。 Midgley(2011)以法國巴黎公共自行車系統 vélib’為例，指出在後第三代自行車的時期，預料將增加了電動自行車的比例，並且在車體內建 GPS 系統以便隨. 政治大. 時追蹤車輛位置，降低失竊率，並提高遺失車輛尋回率。並且在這個階段租借站. 立. 點的功能透過網路連結將會更多元化以及智慧化。Midgley 並為第四代公共自行. ‧ 國. 學. 車提出新的定義以及方向，認為第四代公共自行車系統，應具備可移動方便調度車輛的可移動式站點、具備太陽能轉換電力而能自給的公共自行車租借站以及手. ‧. 機或電腦軟體可隨時連線得知站點車輛狀況。(白詩滎，2013)提及第四代公共自. sit. y. Nat. 行車系統還有一個重要的因素，便是與大眾運輸工具結合成為無縫轉乘的運具選. io. er. 擇之一，也是與前三代公共自行車系統演進最大的不同。(邱辰，2015)則提及第四代自行車系統應包括完整的拖吊派遣系統以及觸屏式站點使用介面，並且將智. n. al. Ch. i n U. v. 慧卡系統與大眾運輸使用之智慧卡系統整合，提供完善接駁。. engchi. 總結公共自行車系統的發展歷程，可發現在前期演進速度較為緩慢，其原因可能是是受限於科技演進速度，另一方面則是當時仍較現今無環保意識。而隨著每代公共自行車的改變與演進，其實都不斷改良著前一代系統的缺點以及城市間使用習慣差異，並配合科技發展進行改良，使得營運績效能有所提高。時至今日，公共自行車系統已漸趨成熟，各國在發展公共自行車時，仍應該考量最適合自身的系統與設備，以達到運量最大化和達成綠色運輸政策的目標。而目前國際間處於第三代與第四代系統之間，對於第四代公共自行車的定義與發展仍未發展出更明確之定義。. 14.

(25) 臺北市公共自行車站點需求分析之研究. 臺灣公共自行車發展歷程臺北市微笑系統建置歷程而臺灣在公共自行車系統的發展歷程截至 2016 年 10 月止共有 YOUBIKE、 City Bike、T-Bike、Pbike 四個公共自行車系統。並另設有嘉義市的 E-bike 系統，而其主要採用電動自行車作為運具，與傳統自行車有所不同。其中共有臺北市、新北市、桃園市、台中市、彰化市、新竹市共 6 個行政區採用捷安特公司研發的微笑單車系統，僅有高雄市一個行政區採用 City Bike 系統，而 City Bike 也是臺灣最早設置的自動化租賃公共自行車系統，2009 年設立之初共有 20 個站點，150 輛公共自行車，之後穩定發展，至 2016 年時已有 187 個站點及 1400 輛. 政治大. 公共自行車。T-Bike 則主要設置在臺南市，於 2014 年由臺南市交通局開始規劃，. 立. 並於 2016 年 8 月 8 日開始正式啟用，初期設置 10 個站點。而 PBike 則為屏東市. ‧ 國. 學. 設立之公共自行車系統，於 2014 年 12 月 4 日啟用，初期設置 20 個站點配置 450 輛公共自行車，目前站點增至 30 個配置 700 輛公共自行車。有關國內公共自行. ‧. 車系統整理如表 2-1 所示。以下文獻回顧將主要針對本研究之研究對象臺北市微. sit. y. Nat. 笑單車系統做相關文獻回顧。. 使用運具. 自行車. 站點數. 826 個. 車輛數. 22,760 輛. a lCity Bike T-Bike v Pbike i n C h 自行車 U 自行車自行車 engchi. n. YouBike. er. io. 表 2-1 臺灣公共自行車系統整理表. E-bike 電動自行車. 187 個. 10 個. 30 個. 11 個. 1400 輛. 280 輛. 700 輛. 365 輛. 行政區. 臺北市、新北高雄市市、桃園市、台中市、新竹市、彰化市. 臺南市. 屏東市. 嘉義市. 營運單位. 捷安特. 高雄捷運水靈科技股高雄捷運台灣城市動力公司份有限公司公司股份有限公司. 註:資料時間為 2016 年 9 月 30 日資料來源: YouBike、City Bike、T-Bike、Pbike、E-bike 官方網站臺北市政府曾於 1999 年間提供免費使用之公共自行車，在當時採用的是人. 15.

(26) 第二章文獻回顧. 工投幣式的服務，使用的是押金制，借車時投錢並於還車時退還，然而最後因為偷竊問題宣告失敗(余書枚，2009)。而後在 2008 年，台北市政府交通局向環保局申請空氣汙染防制費共 1,250 萬元，用以建置公共自行車系統。並與捷安特股份有限公司合辦「臺北市接駁型公共自行車租賃系統建置及營運管理示範」之先期計畫，於 2009 年 3 月 11 日進行試營運。試營運期間共有 5 個站點與 250 輛自行車供民眾使用。並以悠遊卡及信用卡作為扣款媒介。5 月 11 日正式營運，在信義計畫區內擴大為 11 個站點、500 輛自行車進行租借服務。並以 2007 年徵稿取得的黃色微笑圖案作為微笑單車註冊商標，如圖 2-2 所示。而臺北市公共自行車租賃系統中文名稱微笑單車以及英文名稱 Youbike 或 U-Bike 也取自該商標之微笑演變而來。. 立. 政治大. ‧ 國. 學圖 2-2 微笑單車商標圖. ‧. 資料來源：微笑單車官方網站. y. Nat. io. sit. 根據白詩滎 2013 年的研究指出在 2009 年試營運初期每輛自行車平均每月. n. al. er. 被租用次數可以來到 51.2 次，但由於費率過高、租借流程繁瑣、租借服務範圍. i n U. v. 過小、租借站點過少等等原因。至 2011 年 8 月，每輛公共自行車平均每月被租. Ch. engchi. 借次數僅剩 17.8 次，進入營運黑暗期。此為微笑單車發展歷程的第一階段。而這樣的情況直到 2011 年台北市政府決定推動公共自行車系統作為大眾運輸的一環，於該年 12 月 29 日與捷安特公司進行「臺北市公共自行車租賃計畫」簽約，隔年 2012 年 8 月 30 日，該計畫試營運正式啟動，才使得臺北市公共自行車計畫重新出現轉機。第二階段的微笑單車系統改善了第一階段系統的缺點，如:簡化租借流程、降低費率、增加租借點及車輛數、擴大服務範圍等等措施，來提升使用率(台北市政府交通局，2012)。而從成效來看，第二階段所作之措施改善之成果十分顯著。總計自 2012 年 8 月 30 日至 11 月 30 日試營運期間結束為止，已完成會員註冊的悠遊卡及信用卡張數已超過 13 萬張。累積租借次數也超過 100 萬次。 16.

(27) 臺北市公共自行車站點需求分析之研究. 而在費率方面，微笑單車系統自 2009 年啟用之初時，其收費方式可分為短期卡、長期卡及暢遊卡三種。而短期卡是以悠遊卡作為使用卡片，一日基本收費為 40 元，五日基本收費為 150 元。前半小時免費，之後每 15 分鐘收取 10 元。而在長期卡的使用規則上，採取悠遊卡為使用媒介，並以基本收費 500 元/月、 1000 元/半年、1500 元/一年為計算。而每次騎乘收費方式則與短期卡相同。暢遊卡則適合無信用卡的民眾，使用上需要每次都至服務中心以雙證件方式辦理，費率為 3 小時 100 元，超過 3 小時則每分鐘加收 10 元，費用於還車時計算。但由於後續使用率大幅下滑，因此 2011 年 10 月推出新的收費方案「市民計時方案」，自此方案開始，民眾可以採用免基本費方式使用微笑單車。惟該方案採用. 政治大費率，這次變更將原本三種租用類型簡化為單次租車以及會員兩種。單次租車者立可使用手機帳單繳款，每 30 分鐘 10 元。而會員類型可透過服務中心官網或是站半年後，使用率又開始下滑，因此 2012 年 8 月再度推出新的會員申辦方式以及. ‧ 國. 學. 點的電子機台申請，即可租車，費用為前 30 分鐘免費，之後每 30 分鐘加收 10 元。而由於租借成本已較創立初期低廉，加上前 30 分鐘免費，導致許多民眾會. ‧. 在免費期間將屆時還車，再重新租借，導致熱門站點常出現無車可用之情形。有. Nat. sit. y. 鑑於此，在 2015 年 4 月 1 日起將原本前 30 分鐘免費之費率取消，改採前 30 分. al. er. io. 鐘收取 5 元，4 月份使用人數立即大幅滑落約 20 個百分點，直至 2016 年 9 月仍. n. 未能回復至收費前使用次數水準。. Ch. engchi. i n U. v. 站點服務範圍以及車輛數方面，在 2009 年正式營運時僅在信義計畫區內設置 10 個租借站點以及 250 輛公共自行車。而自 2012 年臺北市政府與捷安特公司重新簽約後站點數以及公共自行車數量才開始大幅提升。本研究將這段期間內公共自行車在租借站點數量以及車輛數的變動與成長，整理如表 2-2。並將站點設置發展方向展示，如圖 2-3 至 2-6 所示。2009 年租借點集中在信義計畫區外， 2012 年向外擴張是由臺北市的東半部捷運站點及其周邊開始建置，2013 年則往西半部紅線捷運站及其周邊擴張。至 2014 年後則是以捷運站點周邊接駁的補強為主。. 17.

(28) 第二章文獻回顧. 表 2-2 站點數與車輛數發展歷程表年度. 站點數. 微笑單車數(輛). 全年租借次數. 2009. 11. 500. 134,116. 2010. 11. 500. 91,802. 2011. 11. 500. 61,924. 2012. 48. 1,684. 998,515. 2013. 136. 4,545. 10,984,563. 2014. 196. 6,406. 20,672,272. 2015. 212. 6,934. 20,082,738. 2016.04. 234. 7,660. 4,850,479. 政治大. 資料來源:臺北市政府交通局(資料日期:2016 年 10 月 3 日). 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-3 2009 年至 2012 年微笑單車站點分布圖. 18.

(29) 臺北市公共自行車站點需求分析之研究. 政治大圖 2-4 2012 年微笑單車站點分布圖立 ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-5 2013 年微笑單車站點分布圖. 19.

(30) 第二章文獻回顧. 政治大圖 2-6 2014 年微笑單車站點分布圖立. ‧ 國. 學. 小結. 從本節的文獻回顧歸納，可以了解公共自行車的發展歷史，然而隨著時間演. ‧. 進，智慧與資訊產業的快速進化，公共自行車也正面臨到第三代與第四代之間的. Nat. sit. y. 轉型期。隨著未來的海量數據分析時代來臨，公共自行車系統也將更仰賴大數據. al. n. 續站點設置能更貼合使用者需求，提升使用量。. Ch. engchi. er. io. 分析結果應用，深入了解個體使用在不同時間點於空間上之移動情形，以期待後. i n U. v. 然而，臺北市在研究期間之站點設置情形，如上圖所示，雖然整體可呈現由東向西發展，且在捷運站點周邊設站較為密集。但仍出現一些較為邊陲之站點，如文山區之站點已及內湖區之站點，使用量較低。因此未來設站仍須考量整體空間因素，以利站點之間串聯，更進一步增加使用量。. 20.

(31) 臺北市公共自行車站點需求分析之研究. 影響公共自行車使用之相關研究公共自行車系統的使用量會受到許多因素影響，而若要將公共自行車乃至於自行車使用落實於生活之中，則必須要詳加考量影響要素，並依此進行站點規劃。在本節，首先將會透過國內外文獻回顧，歸納整理出影響公共自行車使用量的指標，後續再針對公共自行車系統使用量分析之研究做歸納，以作為後續變數選取之參考。最後則是公共自行車租借數據之大數據在國外之應用。. 公共自行車評估指標近年來，公共自行車的使用在全球蓬勃的發展，而有關於公共自行車可行性. 政治大氣候特性以及民眾使用習慣，因此影響公共自行車使用量的因素也不盡相同。立. 評估的指標在各國間也呈現不同的樣態。不同國家有不同的社經背景、地理特性、. 學. 因子. 表 2-3 影響使用量之指標敘述. ‧. ‧ 國. Midgey(2011)歸納出影響公共自行車使用之指標如表 2-3：. 將不均勻分布於各租借站間的自行車重新調度的機制. 自行車基礎設施. 自行車騎乘的基礎設施之質量. al. y. sit. 站點間以營運目的與旅運需求為基礎所建立之網絡. n. 網絡連結. 自行車與站點皆維護良好. io. 系統維護. 不同目的地之間的單向旅次. er. 旅運需求與密度. Nat. 公共自行車重配置. Ch. i n U. v. 系統可及性. 租借公共自行車的成本與要求. 自行車. 須滿足使用者需求和營運條件. 租借站. 站點可視度高且使用介面設計良好. 騎乘自行車之風氣. 民眾對於使用公共自行車、道路共享的認知都是很重要的. 大眾運輸品質. 優良的大眾運輸品質使得民眾願意放棄使用機動車輛為運具. 天氣與地形. 例如:山丘或下雨皆會影響使用者意願. 安全性. 站點以及自行車的數量是足夠的，並且定期的巡邏是必要的. 系統開放性. 營運時間的長短. 科技平台. 能夠有快速、即時的並且是具有隱私性的資訊. engchi. 資料來源：Midgey , 2011 , P18. 21.

(32) 第二章文獻回顧. 但由於 Midgey 提出時，處於公共自行車剛開始發展的階段，因此對於這些因素的影響力大小，其並無法提出實證證實。因此有關公共自行車使用量影響因素，後續各國不同的指標與研究不斷提出。根據美國辛辛那提政府委託民間所做的公共自行車可行性評估報告(Alta planning+design 2012)，亦歸納出其認為會影響公共自行車使用量之因素。本研究亦將其整理如表 2-4 所示：表 2-4 辛辛那提公共自行車系統評估指標因素. 敘述. 人口. 該研究認為年輕人與住在 CBD 的工作人士較常使用自行車，另外在大學周邊的學生族群也是重要的影響因素。. 就業數. 在市中心的上班族可以為公共自行車系統帶來大量的會員人數。. 政治大當地遊客的多寡。立. 當地遊客. y. 使用者騎乘時能否有足夠且安全的空間可供其騎乘自行車。. io. 大眾運輸. 氣溫、雨量都會影響騎乘意願。. Nat. 騎乘空間. 地形因素對於當地公共自行車使用量有相當影響。. sit. 天氣. 對於自行車騎乘時的法規嚴謹度也會影響使用量。. ‧. 地形. 自行車的騎乘風氣，會影響通勤者在運具選擇時的想法。. 公共自行車與大眾運輸是相輔相成的，因此大眾運輸轉乘的完善程度相當重要。. n. al. er. 法規. 學. 自行車文化. 自行車基礎設施的多寡與騎乘的舒適性極為重要。. ‧ 國. 自行車基礎設施. Ch. engchi. 資料來源：Alta planning+design 2012. i n U. v. Gauthier et al.在 2013 年的研究則針對全球各大自行車系統進行分析，以了解其成功之因素，結果發現若以自行車周轉率來看，站點的位置、有效的服務範圍涵蓋面積，是使得周轉率提高的主要因素，另外該研究並認為一個好的公共自行車系統每平方公里至少要有 10-16 個站點，意即站點間距離大概為 300 公尺。並且每 1000 位民眾應該要能分到 10-30 輛公共自行車才是足夠的。(Hughes , 2014)之研究所得結論，也證實這項說法。綜觀以上文獻回顧，可見除了物理因素如：天氣因素、地形因素…等等不可抗力因素外。民眾的對公共自行車的認知、站點周邊基礎設施完善程度、站點周. 22.

(33) 臺北市公共自行車站點需求分析之研究. 邊社經條件、人口條件，都是影響公共自行車使用量的因素。然而，根據臺北市 105 年公共自行車租賃站設置準則中，滿足其基本設置條件之地點可進行進階評估，然而在進階評估中其指標僅針對土地使用屬性多元性進行評比，採取積分制進行評估，並非更細緻的使用預估旅次產生數進行判斷，在評估的細膩度上略顯不足。相關評估原則如表 2-7 所示: 表 2-5 臺北市公共自行車租賃站設置準則評估原則評分方式. 屬性分類. 土地使用屬性多元性評依該站點方圓 350 公尺比內土地使用多元性予以計分。 (範圍內具該屬性者即給 1 分，無則 0 分，總和最高 5 分). 政治大. 學. io. al. y. er. Nat. (1)設置區位有共識者優先設置。 (2)捷運站或重要公共運輸轉運站所在地優先設置。 (3)戶籍人口較多者優先設置。. sit. 資料來源:台北市政府交通局而若上述指標同分者則以下列原則決定優先性:. ‧. ‧ 國. 立. 1.公共服務場所 2.大專院校、高中 3.商圈、市場 4.辦公大樓 5.住宅區. n. 如上所述，在臺北市建構之評估原則中，僅考慮站點本身條件與站點間距離以及五項站點周邊土地使用要素作為設站參考，並無如國外建構指標有採用如：周邊基礎設施、人口…等等要素做為初步參考而是在後續才作為優先性之參考用。並且評分指標並不夠細膩，僅採用積分制度，而非進行使用量推估。. Ch. engchi. 23. i n U. v.

(34) 第二章文獻回顧. 公共自行車使用量與站點周邊影響要素關係之研究過往文獻顯示站點周邊的條件，如:人口、大眾運輸場站、社會經濟條件、自行車基礎設施、土地使用…等等皆會影響公共自行車使用量。而本節將針對國外針對公共自行車租借站點與周邊環境分析之研究進行歸納整理。本文獻整理出相關文獻如下所述。 Rixey 於 2012 年的研究以美國華盛頓、明尼亞波利斯以及丹佛的公共自行車系統為研究對象，共計有 265 個公共自行車租借站。並以社經因素、建成環境因素、路網資料作為自變數，以供模型建置使用。而依變數則採用各系統該月租借量。結果發現人口數、工作數、零售業數、大學、公園、公車站數皆與公共自. 政治大. 行車使用有正向相關。而租借站 400 公尺內租借站數量亦為正向影響，可見公共. 立. 自行車彼此之間網絡完善程度會影響民眾使用之意願。. ‧ 國. 學. Hampshire et al.則在 2013 年使用西班牙巴塞隆納以及塞維爾兩個自行車系. ‧. 統，每小時的租借率資料作為依變數，並且採用土地使用與建成環境變數為自變數。其研究結果指出，租借站點的密度、站點的車位數、娛樂場所數皆對於公共. y. Nat. io. sit. 自行車系統使用量有正向之影響。. n. al. er. 另一方面 Faghih-Imani et al.(2014)則進一步擴大變數類別，並以加拿大公共. i n U. v. 自行車系統為研究對象，以各個時段的租借率為依變數，並利用五個面向的因素. Ch. engchi. 進行分析，分別為天氣、時間、基礎設施、土地使用、建成環境變數為自變數。分析公共自行車使用與移動方向。其結果發現，不同時間的公共自行車移動方向不盡相同，並且建成環境變數對於公共自行車使用有著正向的影響。 Tran et al.(2015)的研究是以法國的里昂作為研究區域，主要針對地形以及建成環境因素進行分析，依變數採用 2010 年個公共自行車系統的借車與還車流量，自變數則使用公共自行車站點 300 公尺內各建成環境變數與地形進行分析，並將其使用視覺化來呈現。最後的結果發現海拔高度對於公共自行車使用量為負向相關。而站點車位數、工作數、學生數、火車站、電影院以及餐廳對於公共自行車使用有正向影響。. 24.

(35) 臺北市公共自行車站點需求分析之研究. 在亞洲方面，則有 Zhao et al.( 2014)在其研究蒐集了中國境內 98 個城市的公共自行車資料，並以公共自行車系統的周轉率為依變數，使用傳統 OLS 模型以及部分最小平方法進行迴歸分析。在自變數的採用上則採用了如:人口、政府投入、會員人數、營運天數等等變數進行分析。其結果發現，都市人口、政府投入、會員人數、站點位置對於周轉率有顯著性影響。另外，信用卡以及智能卡的使用亦有助於提升周轉率。以臺北市公共自行車系統為例，鄭雨桐(2016)的研究是透過研究建成環境對於捷運使用者轉乘公共自行車之影響。是以問卷調查之形式進行，並透過主成分分析、二項羅吉特模型進行分析。結果發現有別於以往的研究顯示人口越多的地. 政治大離捷運站距離、及業密度、自行車設施則提供正向影響。立. 方租借量越多。居住密度對於公共自行車使用是負向影響，而商業土地使用比例、. ‧ 國. 學. 而本研究將上述各篇文獻之內容歸納整理如表 2-6 所示:. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 25. i n U. v.

(36) 第二章文獻回顧. 表 2-6 公共自行車使用量與站點周邊條件相關之研究整理參考文獻. 研究方法. 依變數. Rixey (2012). 多元迴歸模每月租借 1.社經因素：型. Hampshire et Panel al., (2013) model. 量. 人口、高所得就業人數、零售業就業人數、所得中位數、大學學歷人數、碩博士人數。 2.建成環境因素: 大學、公園(400 公尺範圍內) 3.大眾運輸網絡因素: 自行車道、自行車道. data 使用率. 人口密度、女性人口數、單人家庭數、社會住宅數、勞工市場大小、娛樂、餐廳. 立. 政治大站點借車 1.天氣因素:氣溫、相對溼度、是否. 學. 線性混合模型 (Linear 率、還車率下雨 2.基礎設施因素:自行車道、主要 mixed 道路、次要道路、公車站、人行道 models) 3.站點基本資料:停車格數 4.時間因素:周間、周末、周五晚上 5.建成環境:學校、公園、餐廳. y. Nat. n. al. er. sit. 最小平方法、每日使用 1.都市因素:人口、工作數、年收部分最小平量、周轉率入、政府投入方法 2.系統特性:會員人數、站點數、公共自行車數、營運天數、是否使用信用卡、是否 24 小時營運、是否使用專用卡. io. Zhao et al. (2014). ‧. ‧ 國. Faghih-Imani et al.(2014). 自變數. Ch. engchi. i n U. v. Tran et al. (2015). 穩健線性迴 2010 年自歸模型行車系統借車、還車流量. 人口、工作數、學生人數、學生居住地、火車站、地鐵站、電車站、海拔、自行車基礎設施、站點停車位數、網絡密度、電影院、餐廳. 鄭雨桐. 問卷分析、二問卷分析項羅吉特模型. 1.建成環境變數:居住密度、及業密度、高中以上就學密度、自行車設施、道路設施、旅次距離、距捷運站距離、公車站距離等等. (2016). 資料來源:本研究自行整理. 26.

(37) 臺北市公共自行車站點需求分析之研究. 後續將各變數在過往文獻中被提及之情形重新綜整成表格，如表 2-7 所示，以清楚釐清各變數被提及之次數。表 2-7 公共自行車使用量影響變數整理表類別變數(影響效果) 文獻 Rixey et 人口密度-高(+/-) al.(2013) Faghih-Imani et al.(2014) Zhao(2014) Tran et al.(2015) Rixey et al.(2013) 及業密度-高(+/-) Faghih-Imani et al.(2014) Zhao(2014) Tran et al.(2015) Tran et al.(2015) 學校學生數-多(+) Rixey et al.(2013) 零售業數-多(+) Faghih-Imani et al.(2014) 其他商業使用數-有(-) Rixey et al.(2013) 自行車道-多(+) Faghih-Imani et al.(2014) Tran et al.(2015) Faghih-Imani et al.(2014) 次要道路長度-長(+) Faghih-Imani et al.(2014) 建成主要道路長度-長(-) Tran et al.(2015) 環境路網密度-(+) Shaheen et al.(2011) 因素鄰近大眾運輸-近(+) Faghih-Imani et al.(2014) 捷運站-多(+) Tran et al.(2015) Tran et al.(2015) 鐵路車站-多(+) Fishman et al.(2014) 旅次距離-近(+) Rixey et al.(2013) 大學-多(+/-) Faghih-Imani et al.(2014) Faghih-Imani et al.(2014) 餐廳-多(+) Tran et al.(2015) Faghih-Imani et al.(2014) 離 CBD 距離-長(-) Tran et al.(2015) 電影院-多(+) 某租借站一定距離內其他租借站 Rixey et al.(2013) 數量-多(+) Faghih-Imani et al.(2014) 公共自行車站數-多(+) Zhao(2014) Bordagaray(2012) 到公共自行車場站時間(+) Bordagaray(2012) 公共自行車站分布-多(+) Shaheen et al.(2011) 性別-男(+) Bordagaray(2012) 社會 Murphy and Usher(2015) 經濟年齡-高(+) Shaheen et al.(2011) Bordagaray(2012) 因素 Zhao(2014) Murphy and Usher(2015). 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 27. i n U. v.

(38) 第二章文獻回顧. 類別. 變數(影響效果) 收入-高(+/-) 職業-服務業(+) 教育程度-高(+) 種族與族群-白人(+) 旅運目的-通勤(+). 使用者習慣因素. 旅次在使用公共自行車進行之前與之後選擇的運具(+/-) 使用公共自行車作為何種運具替代(+/-) 周末使用-是(+/-) 周末晚上-是(+) 使用時段-天(+/-) 氣溫-高(+). Shaheen et al.(2011) Murphy and Usher(2015) Faghih-Imani et al.(2014) Faghih-Imani et al.(2014) Faghih-Imani et al.(2014) Shaheen et al.(2011) Rixey et al.(2013) Faghih-Imani et al.(2014) Faghih-Imani et al.(2014) 濕度-高(-) Shaheen et al.(2011) 降雨-多(-) Faghih-Imani et al.(2014) Shaheen et al.(2011) 日照-多(+/-) Faghih-Imani et al.(2014) 高程-高(-) Bordagaray(2012) 旅程安全性-安全(+) Shaheen et al.(2011) 系統本身安全性-(+) Shaheen et al.(2011) 使用成本(費率)-高(+) Bordagaray(2012) Shaheen et al.(2011) 等待車輛時間-多(-) Bordagaray(2012) 付費系統-好(+) Bordagaray(2012) 自行車品質-好(+) Bordagaray(2012) 服務資訊可及性-高(+) Bordagaray(2012) 是否有一日票-有(+/-) Faghih-Imani et al.(2014) 公共自行車站車輛數-多(+/-) Zhao(2014) Tran et al.(2015) Zhao(2014) 政府投入資金量(+) Zhao(2014) 會員人數(+) Zhao(2014) 營運天數(+) Zhao(2014) 是否可用信用卡(+) Zhao(2014) 24 小時營運(+) Zhao(2014) 使用智慧卡與否(+) 資料來源:(鄭雨桐，2016)以及本研究自行整理. 立. 政治大. ‧. ‧ 國. 學. 自然因素. 文獻 Shaheen et al.(2011) Rixey et al.(2013) Murphy and Usher(2015) Shaheen et al.(2011) Shaheen et al.(2011) Rixey et al.(2013) Rixey et al.(2013) Rixey et al.(2013) Murphy and Usher(2015) Shaheen et al.(2011). n. er. io. sit. y. Nat. al. 系統本身因素. Ch. engchi. 28. i n U. v.

(39) 臺北市公共自行車站點需求分析之研究. 公共自行車大數據之應用大數據又有研究稱之為巨量數據、海量數據，國外則稱之為 Big Data 這些名詞都是相同的概念，僅是翻譯上之不同，而為避免混淆本研究將統一採用大數據這個名詞稱之。大數據這個名詞定義最早源自於 Gartner 公司的數據分析師 (Laney , 2001)的 3Vs 理論，其 3V 分別代表著:資料量(volume)、資料處理速度 (velocity)以及資料類型多樣化(variety)。IBM 公司 2011 年提出之大數據理論亦採用其 3V 理論作為解釋。而後續有研究如(White, 2012)採用如 5V 理論，新增了準確性(veracity)以及資料處理後之價值(value)。甚至採用 7V 理論，新增數據有效性(validity)以及資料呈現之視覺化(visibility)。. 政治大. 有關於大數據之定義，根據王勇在 2016 年之研究指出，大數據目前在國際. 立. 間並未有明確定義。一般認為僅要符合上述 3V 理論即可稱之為 Big Data。而數. ‧ 國. 學. 據處理軟體公司 Gartner 所給出關於大數據的定義為：超出普通硬體以及軟體工具，在其可接受時間內，可為用戶蒐集、管理、處理的資料。因此大數據本身並. ‧. 未僅限定在何種資料大小情形下才可稱之為大數據。. Nat. sit. y. 而大數據雖然 2001 年就被提及，係指一般電腦難以處理之資料，代表其在. er. io. 一般應用上有一定困難度。直到 2012 年之後，科技發展逐漸追上資料產生速度，. al. v i n Ch 關於大數據搜尋次數。因此，本研究認為大數據這個名詞的定義，除了數據本身 engchi U n. 使得對於大量資料處理不再困難時，大數據才重新成為熱門話題，如圖 2-7 顯示. 以外，應包含數據處理技術。如此才是完整的大數據分析定義。. 圖 2-7 Big Data 作為關鍵字搜尋次數統計圖資料來源:SEARCH TECHNOLOGIES 網站. 29.

(40) 第二章文獻回顧. 而在大數據在交通數據上之應用，主要是採用 IT 技術，進行交通流量預測。而大數據的重要特性之一便是，母體取代樣本，也就是以完整的母體資料進行分析取代傳統抽樣調查。這樣的做法可以避免產生抽樣誤差，使得分析結果更準確。因此將其用在交通分析上，所得之模型結果，如：旅運行為分析、交通流量預測都可以較傳統抽樣做法來的準確。 Yisheng et al.(2015)的研究將大數據技術應用在交通流量預測上，該研究透過蒐集美國加州高速公路系統每 30 秒的車流量，應用 SAE 模型進行交通流量預測。根據其結果發現在車流量為高運量或是中運量時，其預測結果較為準確，而低運量時則較為不準確。而其研究結果可以供做未來避免塞車情形產生之使用。. 政治大. 另一方面，GOOGLE 公司則與荷蘭政府合作，運用智慧型手機蒐集車輛移. 立. 動資料，包括移動數據與交通流量，進行數據分析，以解決荷蘭的塞車問題。分. ‧ 國. 學. 析結果將可以用來讓政府對於道路動態有進一步的瞭解(詹嘉俊，2015)，並透過使用可靠的流量統計，政府的交通部門可以制定更好的交通政策，以提供更好的. ‧. 道路服務品質，該計畫已於西班牙巴塞隆納世界博覽會公開初步結果。. Nat. sit. y. Long & Thill(2015)的研究採用中國北京智能卡搭公車的刷卡紀錄數據，使用. er. io. 地理資訊系統以交通分析區(TAZ)為尺度，分析通勤旅次的起點與迄點。而結論. al. n. v i n Ch 行視覺化呈現。其研究概念可以為臺灣所用， e n g c，進一步在住商混合程度較高的地區 hi U 可得出北京目前住宅區與商業區之間的住業關係，並將通勤行為透過分群方式進. 區分出住商關係。. 李永正(2015)之研究表示臺灣方面，於 2014 年毛治國前院長上任後，推出「網路溝通與深化施政規劃」三個政策指標，除擴大開放資料的廣度與深度外，並規劃善用巨量資料分析技術。協助政府解決施政問題。而交通部亦於 2015 年 7 月 24 日舉辦「大數據分析在交通管理與服務應用研討會」，會中有針對大數據下的管理與應用、電子票證大數據資料處理、ETC 資料分析應用進行探討。而在會中並與六都交通首長達成六大核心共識，做為未來交通大數據分析之基礎與目標。. 30.

(41) 臺北市公共自行車站點需求分析之研究. 至於公共自行車租借大數據分析目前提出之文獻仍少，(Etienne & Latifa , 2014)曾用法國巴黎 V´elib’系統的租借資料進行使用者分析，透過每小時的各站點租借資料建立模型，預測不同時空下各站點的使用量，此有助於公共自行車重分配以及新站點設置之參考。 Bordagaray(2014)之研究則是運用 ITS 技術，擷取西班牙公共自行車系統 TusBic 系統的租借資料，使用 2011 年 7 月至 8 月間的租借資料，透過不同時間點例如:平日、假日的不同。來分析使用者旅運形態。並分析各個站點的使用情形、每輛車被使用次數以及平均使用時間，而這樣的結果可以使得公共自行車何時該進行維護的時程能夠更為明確。使得營運者能更進一步針對車輛維修時程排定進行改善。. 立. 政治大. 臺灣方面，(黃晏珊、鍾智林，2015)擷取了連續半年的台北市公共自行車租. ‧ 國. 學. 賃站，每 5 分鐘之站點借還狀態進行分析，並運用分析結果呈現平、假日之使用尖峰與缺車及缺位熱點，以提供後續站點建置與公共自行車系統車輛重分配之參. ‧. io. sit. y. Nat. n. al. er. 考依據。. Ch. engchi. 31. i n U. v.

(42) 第二章文獻回顧. 小結由上述文獻回顧中可知，站點周邊一定範圍內之建成環境因素、土地使用因素、天氣、地形等等因素皆會對公共自行車使用量帶來影響。然而目前之研究與研究地區大多以歐美國家為主，而這些國家都具有地廣人稀以及土地使用分區明確的特色，而亞洲國家相關分析則較少。在上述文獻中有(鄭雨桐，2016)為台北市微笑單車系統，惟其乃採用問卷形式進行，與本研究預計採用公共自行車租借資料進行分析不同。另外，(Shaheen et al. ,2011、Bordagaray , 2012)亦非採用總體公共自行車借還資料進行分析，乃是採用問卷方式以及訪談方式，進行公共自行車使用影響因素分析。在後續研究設計章節，本研究將會參考本小節所回顧而得. 政治大. 之變數，進行依變數、自變數以及控制變數之選取。. 立. 交通大數據分析層面，特別是公共自行車租借量分析在國內外之研究仍不. ‧ 國. 學. 多，在以大數據進行都市治理已成為國際浪潮下，運用其作分析並供做未來公共自行車系統參考，是個極為重要的課題。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 32. i n U. v.