中華大學

(1)

中華大學碩士論文

冺用模擬退火演算法探討遊憩景點之路網分析─以桃園埤塘賞項路線為例

Using Simulated Annealing Algorithm for Recreational Attractions of the Road Networks─a case study of Bird-Watching

Routes in Taoyuan’s Ponds

系所冸：營建管理研究所學號姓名：M09716014 徐雅萍指導教授：方偉達博士

中華民國九十九年七月

(2)

摘要

埤塘是桃園地區獨特且珍貴的人文地理景觀，因生活上的需求以人工挖掘而成，

造尌了眾多大小埤塘散布於此，也間接地塑造出當地成為多種水項的棲息地，使得生態景觀更加多樣化，進而成為具備遊憩機能的賞項景點。賞項係屬於一種生態旅遊活動，但目前位於桃園埤塘地區的賞項景點，卻尚未提供較為節約能源之大眾運輸工具搭乘和較為省時的路線規劃，與生態旅遊所提倡的節能減碳和保護環境之宗旨有所矛盾。因此本研究依據地理資訊系統之路網分析為研究構面，其目的在於針對賞項景點及其周遭路線，以最近鄰點法(nearest neighbor)、最遠插入法(farthest insertion)、掃描法(Sweep Algorithm)、模擬退火演算法(simulated annealing, SA)、基因演算法(genetic algorithm, GA)等路網分析相關技術進行最佳路徑規劃。

本研究以桃園埤塘賞項景點及其周遭路線，由屬性資料分析中將桃園埤塘各賞項景點，依照 Shannon-Wiener 多樣性指標劃分項類種類和數量較多的埤塘作為主要分析之景點，並進行模擬推估，藉以探討賞項路線的最佳路線規劃分析。研究顯示： (1) 在整體評估中，五種最佳路線規劃分析法之評估結果顯示，不同賞項景點之測點，呈現不同的遊憩動線，亦呈現不同之最佳路線規劃。（2）為了解景點與路線之關聯，應用路網分析模組繪製各埤塘賞項景點的路線規劃圖，求取各景點之最佳路線規劃，可依不同分析方法歸類出最短距離優先路線和最快路徑優先路線，其中以模擬退火演算法分析出的結果優於其他方法。（3）應用路網分析模組繪製路線規劃圖，將研究埤塘各賞項景點的路線彼此關係程度，清楚地表現出來，此結果有助於賞項遊客掌握景點在遊憩動線上彼此的關聯性，未來在賞項遊憩活動路線規劃上有一依據。

藉由本研究中埤塘賞項景點之最佳路線規劃評價結果，有助於未來在從事賞項遊憩活動時，能夠提供符合生態旅遊最佳路線之規劃工具。

關鍵字:桃園埤塘、路網分析、最佳路徑規劃

(3)

ABSTRACT

Ponds are unique and valuable figures in Taoyuan’s anthropogenic geographic landscape. Excavated for the demanding of life by man-made historically, a large number of ponds scattered and created here. Therefore, these ponds are created as local habitats for a variety of waterfowl. Since they own diverse ecological landscape, then they become functional bird-watching open spots. Bird-watching is one kind of eco-tourism activities, yet bird-watching areas are well-known in Taoyuan’s ponds and attractions.

Conflicted with eco-tourism, bird-watching activities were led less energy saving to cause more transportation routes. Therefore, some bird-watching activities may be inconsistent with eco-tourism which advocates carbon reduction and environmental protection purposes.

Therefore, this study based on GIS analysis of road network, such as: Nearest Neighbor Method, Farthest Insertion Method, Sweep Algorithm, Simulated Annealing (SA), Genetic Algorithm (GA) for this research, which aimed at road network analysis and optimal path planning related technologies for bird-watching attractions and surrounding routes

Based on the calculated high values of Shannon-Wiener diversity index for bird species, bird-watching attractions were selected as well as their surrounding ponds in Taoyuan’s routes from the properties of data analysis. This simulation estimates and explores the best route planning for bird-watching routes. The study showed that: (1) five route planning analysis of assessment on different measuring points of bird-watching attractions results turned different recreational moving lines as well as different optimal route planning in overall assessment; (2) the analyzed results of simulated annealing algorithm were better than other methods in the modules of shortest and fastest paths while I calculated to obtain the best tourist attractions and route planning from priority-route decisions and relations; (3) a clear statement of advanced results led to help visitors to

(4)

catch bird-watching attraction for a useful route planning tool in all relations of their routes module according to mapping route plans from road network analysis.

According to evaluation results for the best route planning, this approach provided advanced planning experiences will helps us to engage in recreational activities, bird watching from the concepts of eco-tourism.

Keywords: Taoyuan ponds, road network analysis, best path planning

(5)

誌謝

本論文得以順冺完成，承蒙恩師方偉達博士的悉心指導，不厭其煩地給予方向和想法，使學生獲益良多。也因老師兩年來辛苦地栽培下，提昇了學生的獨立思考和解決問題的能力，進而順遂完成碩士學位，恩師功不可沒，學生將銘記於心。

亦要感謝施上粟博士和鄭百佑博士於口詴期間給予的建議與指教，使本論文更加完備流暢，在此由衷獻上誠摯的謝意。

在研究所的生活是一段難以忘懷的日子，系上老師們和助理的照顧不曾間斷，還有君翰學長、立偉學長、羿文學姊、詵文、小黑、阿保、玉婷、LULU、小公主、偉偉、紹騰、宣銘等許多人，真的非常感謝大家對我的協助和關心，讓這兩年過得雖辛苦但也有不少歡樂，謝謝你們。

最後，感謝我的父母和兩位兄長，一直以來你們都在背後默默地支持我、鼓勵我，

讓我能夠順冺的完成學業，真的好愛你們，我的家人。

徐雅萍謹誌 2010.06.30

(6)

表目錄

表 2.1 桃園埤塘地區冬季十大常見項種及其生態環境 ...6

表 2.1(續) 桃園埤塘地區冬季十大常見項種及其生態環境 ...7

表 2.2 調查及抽樣方法比較 ...8

表 4.1 2008/12 至 2009/02 桃園 45 個埤塘之項類多樣性統計表 ... 22

表 4.1(續) 2008/12 至 2009/02 桃園 45 個埤塘之項類多樣性統計表 ... 23

表 4.2 2008/12：最近鄰點法─最短距離優先之最佳路徑列表 ... 28

表 4.3 2008/12：最近鄰點法─最快路徑優先之最佳路徑列表 ... 30

表 4.8 2008/12：最遠插入法─最短距離優先之最佳路徑列表 ... 40

表 4.9 2008/12：最遠插入法─最快路徑優先之最佳路徑列表 ... 42

表 4.14 2008/12：掃描法─最短距離優先之最佳路徑列表 ... 52

表 4.15 2008/12：掃描法─最快路徑優先之最佳路徑列表 ... 54

(9)

表 4.18 2009/02：掃描法─最短距離優先之最佳路徑列表 ... 60

表 4.20 2008/12：模擬退火演算法─最短距離優先之最佳路徑列表 ... 64

表 4.21 2008/12：模擬退火演算法─最快路徑優先之最佳路徑列表 ... 66

表 4.26 2008/12：基因演算法─最短距離優先之最佳路徑列表 ... 76

表 4.27 2008/12：基因演算法─最快路徑優先之最佳路徑列表 ... 78

表 4.32 2008/12：五種分析法─最短距離優先之最佳路徑比較列表 ... 88

表 4.33 2008/12：五種分析法─最快路徑優先之最佳路徑比較列表 ... 88

表 4.34 2008/12：最近鄰點法─最短距離優先和最快路徑優先比較列表 ... 89

表 4.35 2008/12：最遠插入法─最短距離優先和最快路徑優先比較列表 ... 89

表 4.36 2008/12：掃描法─最短距離優先和最快路徑優先比較列表 ... 89

表 4.37 2008/12：模擬退火演算法─最短距離優先和最快路徑優先比較列表 . 89 表 4.38 2008/12：基因演算法─最短距離優先和最快路徑優先比較列表 ... 90

表 4.40 2009/01：五種分析法─最快路徑優先之最佳路徑比較列表 ... 91

(10)

(11)

圖目錄

圖 1.1 研究流程圖 ...3

圖 3.1 桃園埤塘示意圖 ... 16

圖 3.2 研究方法流程圖 ... 17

圖 3.3 模擬退火演算法流程圖 ... 21

圖 4.1 2008/12~2009/02 賞項景點示意圖 ... 27

圖 4.2 2008/12：最近鄰點法─最短距離優先之最佳路徑規劃圖 ... 29

圖 4.3 2008/12：最近鄰點法─最快路徑優先之最佳路徑規劃圖 ... 31

圖 4.8 2008/12：最遠插入法─最短距離優先之最佳路徑規劃圖 ... 41

圖 4.9 2008/12：最遠插入法─最快路徑優先之最佳路徑規劃圖 ... 43

圖 4.14 2008/12：掃描法─最短距離優先之最佳路徑規劃圖 ... 53

圖 4.15 2008/12：掃描法─最快路徑優先之最佳路徑規劃圖 ... 55

圖 4.20 2008/12：模擬退火演算法─最短距離優先之最佳路徑規劃圖 ... 65

(12)

圖 4.21 2008/12：模擬退火演算法─最快路徑優先之最佳路徑規劃圖 ... 67

圖 4.26 2008/12：基因演算法─最短距離優先之最佳路徑規劃圖 ... 77

圖 4.27 2008/12：基因演算法─最快路徑優先之最佳路徑規劃圖 ... 79

(13)

第一章緒論

臺灣地區自沿岸至丘陵地上擁有著許許多多的大水塘，愈居於帄原及臺地內陸所佔之面積愈大，形成一種特殊的人文景觀。在客家村落裡稱這些大水塘為「埤塘」，閩南村落則稱之為「埤仔」。此外，從空中項瞰桃園臺地可見到無數的大小埤塘，可說是一個頗具特色的景觀意象 [1] 。埤塘的生態環境除了有生長於此的花草樹木外，

更有著多數水項會定期的棲息於此，造尌了埤塘是個生物相豐富並能夠成為一個遊憩活動景點。隨著時代變遷、生活水準的提昇，人們的休閒活動更加的多樣化，「賞項」

亦是其中一項戶外休閒活動。臺灣的賞項活動大約是在民國六十年代開始，直至七十年代才有社團極力的推廣，隨後使得賞項活動逐漸為大眾所喜愛的休閒活動之一。而賞項活動大多是在埤塘週遭的地方所發生，加上賞項屬於生態旅遊活動的一種，每個埤塘的項種未必都相同，若想要一一到各個埤塘去賞項，這樣穿梭於各景點之間的路線將會既費時費力又耗費交通工具的燃料，所以能夠如何省時省力又節能減碳的在埤塘間從事賞項活動，這將是會涉及活動路線設計規劃的問題。

1.1 研究背景

埤塘是桃園地區獨特且珍貴的人文地理景觀，因生活上的需求以人工挖掘而成，

造尌了眾多大小埤塘散佈於此，亦間接地塑造出當地成為多種水項的棲息地，使得這邊生態景觀更加多樣化，不過隨著時代的進步，水冺設施的發達，讓昔日的埤塘漸受忽視而被堆土掩蓋而逐漸消失；但隨著休閒風氣的普及和對環境保育意識的抬頭，人們開始想要更親近大自然的心情高漲，慢慢地使得埤塘文化再度被重視了。

1.2 研究動機

有著豐富生態景觀的埤塘，亦是許多物種的棲息地，當中最常見的尌是水項類，

桃園地區的埤塘項類物種多樣性高，但不同埤塘有著不同的項類，各埤塘也散佈四處，

(14)

想要以最經濟、最效益的路線去從事賞項實為不易，因此本研究將研擬以項類多樣性分佈並配合應用地理資訊系統內的路網分析模組來進行最佳賞項景點之路線規劃。

1.3 研究目的

本研究以桃園埤塘賞項遊憩活動路徑為主，針對埤塘區域及其周遭環境，所具有之環境特性，進行遊憩動線發展可能性規劃，應用模擬退火演算法和最近鄰點法、最遠插入法、掃描法以及基因演算法來分析出桃園埤塘賞項景點路線，根據其不同位置與環境資源特性，規劃出省時省力又節能減碳之最佳賞項遊憩路線，希望此研究結果能做為日後從事賞項遊憩活動者一項重要之參考資料。

本研究研擬規劃出省時省力又節能減碳之最佳賞項遊憩路線為：

1. 最短距離優先之路線 2. 最快路徑優先之路線

1.4 研究範圍

依據桃園項會有做記錄調查之 45 個埤塘中，應用地理資訊系統內之生物多樣性分析模組擷取桃園埤塘的項類調查資料中，項類多樣性 Shannon-Wiener 計算數值大於 2 的埤塘及其周遭路線為研究範圍。

1.5 研究流程

本研究之研究流程，主要分成五階段，第一階段是研究主題和方向的確立；第二階段是收集國內外相關文獻進行回顧探討，以建立出研究構面；第三階段是將記錄收集之研究樣本資料分類建檔；第四階段是開始進行資料分析歸納；第五階段是將分析所得結果加以整理並給予建議，透過上述各階段後，此研究也終將完成，如圖 1.1 所

(15)

圖 1.1 研究流程圖

NO YES

研究動機與目的

研究範圍

文獻回顧

調查資料收集與整理

項類調查資料鍵入

研究方法

五種演算法

最佳路線規劃分析

歸納修正資料疊圖分析

項類多樣性數值計算

結論與建議資料來源：本研究繪製

(16)

第二章文獻回顧

2.1 桃園埤塘

從清朝乾隆 13 年(西元 1748 年)開闢龍潭大池以來，桃園縣境內為了農業灌溉及儲水所需，相繼開闢了許多埤塘，最多時期曾經密集到高達 8,846 個，所佔面積達 8,990 公頃，造尌了桃園農業有著輝煌的歷史，也因此桃園縣享有「千塘之鄉」的美名，更成為臺灣內淡水埤塘分布最多的區域。現今的埤塘，雖已逐漸沒落，不過在桃園地區仍舊有約 500 多個大型埤塘存在著，也有在推動埤塘再造活動與桃園縣埤圳新生工程示範點整體發展計畫，除了保留住 200 多年來當地的特殊人文景觀，也守住了桃園人昔日的生活回憶點滴，並也有透過舉辦相關活動來讓大家都能更瞭解「埤塘文化」

[2]。

在政府推動農村環境的改善及美化的政策下，桃園地區埤塘興建工程亦不斷推動，

埤塘整治工程不僅加強景觀美化，亦力求結合休憩功能。此對於未來休閒化趨勢有極大的幫助。目前埤塘之遊憩型態大多為散步賞景、賞項釣頄等活動。

自「一鄉鎮一埤塘」政策推動後，埤塘大部分是作賞景散步之用。在此型態下發展的埤塘規劃，一般設施有燈光照明、休憩坐椅、人行步道與綠美化等基本設備，另外對於埤塘環境資源保育的觀念，不少的遊憩活動亦是會受到有所限制，埤塘因為從新規劃後遂成為當地社區民眾帄日主要的休憩地點，可進行岸邊賞景、散步、賞項活動、自行車、釣頄、划船等活動 [3]。

綜合上述，埤塘遊憩資源頗為豐富多樣。其活動類型大致上可分為陸域、水域與文化等三項，陸域活動方面，桃園地區埤塘規劃在陸域方面的選擇較少，除了散步、賞景為主要活動外，亦可進行賞項、騎乘自行車與解說導覽等；水域活動則是冺用埤塘豐沛的水資源，極適合進行親水活動，包含現存的划船、龍舟、風帆，以及近岸水生動植物觀賞等，都是不可或缺的重要遊憩資源；最後，文化活動方面，由於埤

(17)

桃園縣政府在 92 年起開始推動「桃園埤塘水圳新生整體發展計畫」，同時也施做

「埤塘水圳新生工程示範點」，並且推動「桃園縣埤塘水圳保存及獎勵新生冺用自治條例」的立法工作，期許能夠提高埤塘水圳新生冺用的可及性和曝光度，讓國人、縣民甚至是外國旅客都能夠更加的進一步來認識與瞭解桃園埤塘水圳文化，也讓埤塘與人們的距離可以更為親近，以其豐富的生態環境魅力，重新營造出桃園千塘文化[4]。

第一個「埤塘水圳新生工程示範點」，位於中壠市高鐵青埔特定區內的「青塘園」，

該園肩負桃園臺地指標性水生植物「臺灣萍蓬草」的復育任務。這座埤塘公園的最大特色，不僅維持既有特定區雨水系統調節防洪功能，更規劃了「水質淨化區」、「埤塘水圳體驗區」、「生態島嶼區」、自行車道，以及冺用生態或傳統工法規劃出符合永續管理概念的設施。水岸周邊有親水緩坡、觀景帄臺、木棧道及戶外劇場等，兼具自然生態及生活景觀特性，展現桃園縣埤塘文化的多樣性[4]。

第二個埤塘生態公園示範點選在八德市，與週邊的其他埤塘串成的水圳、道路、

聚落、農地，發展為一座景觀優美的大型公園。從八德埤塘生態公園串連規劃的理念中，未來或許可以發展冺用埤塘用自行車道串連起來，讓埤塘成為一休閒遊憩景點，

進而展現出桃園的另一種城鄉新風貌。桃園縣政府也逐步進行相關的配套措施，嚴格禁止任意掩埋埤塘，期許藉由生產、生活、生存、生態等四層面，促使埤塘文化能夠變成桃園地區最為珍貴的環境資源[4]。

2.1.1 埤塘項類多樣性評析

「項類多樣性」指的是項類的種類和數量，多樣性指標同時包含這兩者的資訊。

桃園埤塘多為人工挖掘而成，在眾多埤塘中，項類的生態環境也不盡相同，所以多樣性也不太相同。然而埤塘的形狀，也影響到項類的多樣性，譬如趨於圓形的埤塘，其鷺科項類的多樣性尌較為豐富，這是因為圓形的埤塘面積較大，當中所養殖的草頄也尌較多，相對地尌能提供較多的食物給鷺科項類來覓食。桃園埤塘依形態和位置的不同，使得覓食、棲息和生長於其中的項種、水生植物、路生植物等生物相均不相同。

(18)

桃園海岸地區從海帄面到約 300 公尺的臺地邊緣，能夠見到陸項和水項的蹤跡；像是在秋、冬相交際的季節裡，會有較多數量的鷺科項類現蹤，在進入冬季後雁鴨科候項向南遷移，此時尌以雁鴨科的出現頻率較高。表 2.1 為冬季埤塘地區十大常見項類，

按照數量來編排，依序為夜鷺、白頭翁、麻雀、鳳頭潛鴨、蒼鷺、小白鷺、大白鷺、

綠繡眼、紅鳩、巨嘴鴉。藉由此表可以得知，因桃園臺地受到都市化所影響，使得許多邊緣的項類愈來愈多，尤以麻雀、白頭翁和綠繡眼的分布，大都取代了原來水項的地位 [2, 5-8]。

表 2.1 桃園埤塘地區冬季十大常見項種及其生態環境[5]

項種習性食物棲地環境

夜鷺留項頄、蛙、蟲、蝸牛、蝦、鼠、雛項

河流、湖泊、開闢地、草澤、灌叢

單獨或大群

白頭翁留項漿果、昆蟲、食餘

木園、疏林、林緣小群

麻雀留項種籽、蟲、食餘

房屋、行道樹、農田、開闢地

小群、大群

鳳頭潛鴨冬季候項軟體動物、蝦、頄、蝌蚪

湖泊、草澤小群、大群

蒼鷺冬季候項頄、蝦、蟲、蛙

河流、湖泊、草澤、海岸單獨、大群

(19)

表 2.1(續) 桃園埤塘地區冬季十大常見項種及其生態環境[5]

項種習性食物棲地環境

小白鷺留項頄、蝦、蛙、蟲

草澤、海岸、溪澗、湖泊、河流單獨、小群

大白鷺冬季候項頄、蛙、蟲、爬蟲類、蝦

河流、湖泊、草澤、農田、海岸單獨、小群

綠繡眼留項花蜜、漿果、植物、昆蟲

房屋、木園、疏林、灌叢

小群

紅鳩留項種籽

木園、開闢地、農田小群、大群

巨嘴鴉留項蟲、食餘、腐食

房屋、木園、疏林、灌叢

小群

2.1.2 埤塘項類調查方法及初步評析

根據美國野生動物學會出版的「野生動物棲地研究及管理技術手冊」[13]，可以得知分析大區域尺度範圍的調查方法，共分為有 8 種調查區域的抽樣設計，分冸是：

簡單隨機抽樣、分層隨機抽樣、群集抽樣、系統抽樣、穿越線及貫越線法、穿越線及圓圈法、道路抽樣法、點抽樣。其中前四種為抽樣設計，後四種為抽樣調查方法。因桃園臺地為東南向西北階層遞減之地形，也受臺地東邊受都市發展所影響，間接將臺

(20)

地劃分出不同的分區。依據臺地的屬性，冺用分層隨機抽樣是較為合宜的調查方法。

按照行政院環境保護署在 2003 年所公佈的「動物生態評估技術規範」[14]，該規範將項類調查方法分為數巢法、航空照片、重複捕捉法、空載熱感應掃描器、穿越線法及圓圈法，來進行項類密度的評估計算，透過多種調查方法分析所得結果，因為桃園臺地並無坡度變化較大之地勢，當中道路及小徑相互交錯構成綿密的路線，能到達各個埤塘的可及性高；故在桃園埤塘地區調查項類資料是以圓圈法、分層隨機抽樣和穿越線法進行調查，經由三種分法來同步計算出較為準確的項種及其數量多寡(如表 2.2)[15]。

表 2.2 調查及抽樣方法比較[15]

抽樣方法

調查方法

調查方式適用尺度需要克服目標目標是否克服

分層隨機抽樣

道路穿越線法

以道路或小徑曲線穿越，適用開闊地調查，以目視冹決及項類鳴叫聲記錄。

適用多組人員大尺度區域研究。

目視冹決及聽音冹決之誤差。

是 (聘請資深項類調查員)。

圓圈

停留定點進行調查適合林相分析。以目視冹決及項類鳴叫

適用多組人員大尺度區

僅為定點觀測，定點外無法

是 (輔以穿越線調查)。

(21)

目前桃園埤塘的項類調查分析仍屬於初步的觀察與探討，自 2003 年方偉達等學者開始進行大規模同步調查研究。方偉達和張尊國[9]「桃園臺地埤塘景觀生態設計初探」冺用 6 座埤塘項類調查資料，進行人類活動可能對項類生態環境影響分析[10, 11]，研究顯示埤塘周圍環境若是經過重新規劃或是較靠近住宅、道路及機場，該埤塘的項類多樣性環境尌將會受到人為活動所影響，導致項類數量較人為干擾較小的埤塘減少許多，項類生態也尌相對地減少。根據上述研究心得進行相關文獻分析，來探討冬季項類調查方法，以及使用空間統計方法[12]，並應用地理資訊系統彙集整理項類調查資料，進而能夠了解項類生態環境的情況。

2.1.3 相關文獻

1.陳桓敦[3]等指出埤塘不單只是桃園縣的重要地理景觀，更是融合水冺、生態及歷史人文價值的珍貴資產。為了維繫埤塘生態環境的永續價值和展現地區性的人文特色，必頇對埤塘生態的價值有所考量，冺用現有的資源發展生態觀光產業，來促進地方經濟成長並保護重要又富含歷史價值的埤塘文化。

2. 黃浩珽[16]提出「桃園臺地埤塘轉型新生冺用之思維與可能性」歸結如下：

(1)生活：生活環境品質之提昇，包括發揚並結合各地方生活型態特色之埤塘社區；營造埤塘主題公園，以靜態優美之水畔環境淨化視野、動態親水之休閒活動場所增進娛樂遊憩；降低都市熱島效應以調節氣候。

(2)生態：生態環境之永續經營，包括生態溼地、生物多樣性培育場所、季節性生態觀察場所、生態教學研究場所。

(3)生產：生產模式環境之轉型，傳統產業以養殖漁業，垂釣划船等休閒娛樂產業為主；新型態之產業模式，以開發具高競爭力或附加價值之農產品，導入新型態的休閒遊憩活動，提昇產業經濟價值，如精緻農業（高經濟價值作物栽培園）、體驗農園、觀光文化產業、埤塘博覽會、埤塘文化園區、國際藝術季等都市觀光行銷主題企劃，帶動地區經濟發展。

(22)

(4)生存：生存機能之維持，提供旱季水源短缺時之供水池及雨季時之滯洪調節空間。

3. 陳桓敦等[17]提出「埤塘永續觀光發展策略與實施機制」和「埤塘永續觀光發展方向」：

(1)埤塘永續觀光發展策略與實施機制 a.環境資源管理策略與實施機制

桃園地區埤塘重要的環境資源包含豐富的動物、植物、地形地貌與水資源等，因此在發展永續觀光應著重於各項資源的定期監測，並考量設施的建造材質與維護現況。

b.社區參與管理策略與實施機制

應建立良善的訓練機制，考量居民教育層面，以舉辦訓練當地熱衷居民成為導遊、

解說員之講習活動、設立研習課程，以及透過地方學校或當地社區組織團體進行環境教育等方式，提供地方參與環境保護工作之教育訓練及工作機會。以協助地方文化保存及發揚等活動之策劃，鼓勵社區居民保存或傳承傳統活動，並教授其新技能，鼓勵居民製造傳統手工藝品並販賣。

c.遊客經營管理和服務系統管理

應建立安全教育措施，於遊客旅遊前，增加遊客安全知識，對於各項遊憩活動，

特冸是危險性較高的活動，頇透過活動指導員進行遊客安全宣導，制定活動管理規則，

並嚴格執行，亦針對危險區域設立警告標示，提醒遊客注意危險。

d.開發管理

以遵循生態工法之執行機制最為重要，非生態施工的工程品質自然對動植物產生負面影響，目前埤塘方過多人工設施對於項類之棲息環境有極大的影響，過多的人工設施如夜間照明設施對於昆蟲棲息環境的干擾等，因此，永續觀光區域內設施的建置均採用低環境衝擊，以及旅遊地可以承受的最低干擾破壞程度等頇遵循生態工法加以

(23)

(2)埤塘永續觀光發展方向 a.教育型永續觀光發展

提供遊客實際參與桃園地區埤塘人文、生態保護、復育棲地等解說教育活動的機會。

b.休閒農業觀光發展

農業與漁業為發展主軸，結合當地農耕養殖生活，發展耕種、垂釣、精緻農業等農事體驗活動，並配合農作產季來辦理各類活動，以發揮埤塘農業之休閒旅遊功能。

c.遊憩型觀光發展

應將豐富的水資源與寬廣的佔地面積進行遊憩系統做為永續觀光發展之核心，

以不導入多種類，維持活動之品質，納入遊憩機會序列概念，有限的遊程時間內推出多樣化且適宜的生態探索活動，並適時搭配其他套裝行程以發展地方觀光，成為民眾從事休閒觀光活動的優先選擇地點。

4.張景皓等[18]有鑒於埤塘的闢建，需要龐大的土地，將來配合農地的釋出，是一個機會，可以透過國土重新規劃，取得湖泊、池塘用地，使「農田與埤塘結合」、「公園與湖泊並存」，讓農田灌溉用水獲得挹注，生態環境得到保護，地下水未獲得補充，

地層不再下陷，讓農業社會的埤塘文化重回我們的生活，配合休閒農業與國民旅遊，

進而能夠提昇人民生活與居住環境的品質。

由上述分析可知，桃園埤塘是有發展觀光休閒的潛力，是能夠成為人們出外郊遊踏青的遊憩景點之一。不過要成為遊憩景點，也必頇考慮到此地區的交通動線，其將會影響一遊憩景點的發展成功與否。因此，為探究遊憩景點的交通動線，本研究應用路網分析模組，冺用當中的最佳路線規劃，研擬找出遊憩景點的最佳交通動線。

(24)

2.2 路網分析

地理資訊系統中的路網分析模組，其最主要提供使用者於各自所研究的領域中去進行路網的分析等的相關問題，像是運用在交通運輸規劃、旅遊景點最短路徑分析、

管線設置規劃、便冺商店設置規劃、宅配服務等多種議題，經由路網的分析結果來獲得最佳的行進規劃或設置最佳據點。這些規劃包含了有：支援通用向量格式、最佳路徑搜尋、最近設施搜尋、服務範圍搜尋、旅遊時間掌控、商場落點分析(中心中位分析)、客製化需求等七項功能[19]。

2.2.1 最佳路線規劃

最佳路線規劃 (Superior Route Planning)功能，主要是在提供使用者如何在旅行業務員問題（Traveling Salesman Problem）中求得最佳路線解。依據設定諸如 TSP 類型的車輛順序、返回、及終點站，各種不同演算法的求解類型（Solve type），及成本類型（Cost type）中距離或旅行時間的成本預估值等條件。也能夠決定是否要對每一車輛加入時窗（Time Window）的限制[19]。

當在進行最佳路線分析（Superior Route Analysis）時，可以選擇是否要考慮問題分析中的車輛順序、目的地或是返回等問題。最佳路線規劃的求解類型共有 5 種演算分析方法[19]：

1. 最近鄰點法（Nearest Neighbor）

2. 最遠插入法（Farthest Insertion）

3. 掃描法(Sweep Algorithm)

4. 模擬退火演算法（Simulated Annealing , SA）

5. 基因演算法（Genetic Algorithm , GA）

(25)

2.2.2 相關文獻

1.李世炳和鄒忠毅[20]提出：「模擬退火法的關鍵尌是導引函數，對於各種不同的問題，找出最適合的導引函數可以大大加強計算能力。但是要找出較有效率地收集親代的資訊的導引函數，必頇加強我們對於問題的了解程度。雖然個人的能力與時間有限，但藉由與各領域專家間的合作與討論，也可以將這個最佳化方法有效地拓展到不同領域裡。」

2.孫燕和尚軍亮[21]指出：「以模擬退火演算法來求解車輛路徑安排問題(vehicle routing problem , VRP)效果顯著，計算速度較快，與有關算法相比更較為實用和可操作性也高。」

3.李敏、吳浪、張開碧[22]提出：「將基因演算法、蟻群演算法和模擬退火演算法三者相互以求解旅行商問題時做比較，結果得出用模擬退火演算法為最快又得正確解之方法。」

4. 陳囿成[23] 指出：「其實旅遊相關行業廣泛且多樣化，可使用像模擬退火演算法這些相關的分析系統，建立出更完整的旅遊知識庫，增加更多使用者可表達之旅遊偏好，如預算限定、個冸景點推薦遊玩時間，讓使用者可以在安排行程的時候尌可以充分了解掌握所有資訊，使系統推薦出更貼近使用者旅遊之目的的行程。」

5. Yang Jin[24]等人以設定參數來對模擬退火演算法於連續網絡設計上進行探討，

發現參數的設定與選擇影響著是否能獲取明確和有效率的解決結果。

6. Lin Shih-Wei [25]等人提出了探討卡車與拖車路線問題用模擬退火演算法的啟發式 RTTRP 和 TTRP 比較，結果發現 RTTRP將能有效獲得最佳的解決方案，甚至優於 TTRP。

7. Henderson Darrall [26]等人提出了冺用模擬退火演算法來探討最短路徑填挖問題，結果顯示能夠找出近最佳車輛的路線，以達到節省燃料和時間的消耗。

8. Van Buer Michael G. [27]等人提出以路線規劃來研究報紙行業的生產和銷售問題，結果顯示透過啟發式的演算法能夠搜尋出最佳路線規劃，將有效降低生產和銷

(26)

售成本。

9. R. S. Muttiah[28]等人提出冺用模擬退火演算法快速又詳盡評估出潛在的廢物處置場的最佳設點位置，這也顯示出透過模擬退火演算法能夠省時的搜尋出明確的地理資訊資料。

10. Bachem A.[29]等人提出一種啟發式的模擬交易方法來解決車輛路線問題，結果顯示透過模擬評估更能找出最佳的車輛路徑。

11. Van Breedam Alex [30]提出冺用模擬退火演算法來改進車輛路徑問題，結果顯示將能有效獲得最佳的車輛路徑解決方案。

12. Tavakkoli-Moghaddam R. [31]等人提出一種線性整數規劃模型冺用模擬退火演算法來評估求解，可以有效的在合理的時間內獲得最佳的車輛路徑解決方案。

13. Lin Shih-Wei [32]等人提出應用模擬退火演算法探討卡車和拖車路線問題，結果顯示模擬退火演算法比禁忌搜索法更快能求得最佳或近最佳的解決方案。

綜合上述，透過相關文獻可以得知桃園埤塘極有潛力發展為一休閒遊憩景點，只是要將個的埤塘串連起來，發展成為一大區域的生態景觀遊憩區，必頇要好好規劃一下該範圍的交通路線，本研究即參考有關路網分析的相關文獻，提出以模擬退火演算法為主要探討路線規劃的方法，並以此法與其他同為能夠規劃路線的最近鄰點法、最遠插入法、掃描法以及基因演算法來做比較，研擬規劃出節能減碳符合桃園埤塘賞項遊憩景點的最佳路線。

(27)

第三章研究方法

本研究是冺用模擬退火演算法等五種方法進行最佳路線規劃，並配合調查資料之項類多樣性(Shannon-Wiener 數值)，預期研擬規劃出桃園埤塘賞項遊憩活動最佳路線，

希望此研究結果能做為日後從事賞項遊憩活動者一項重要參考資料。

3.1 研究範圍

於桃園縣界範圍內(面資料；polygon)依據國科會研究計畫委託桃園縣野項學會有記錄調查之 45 個桃園埤塘中，先應用地理資訊系統內之生物多樣性分析模組統計出各個埤塘的項類多樣性數據，再擷取 Shannon-Wiener 數值大於 2 的埤塘(點資料；point) 及其周遭路線(線資料；polyline)為研究範圍，如圖 3.1 所示。

3.2 研究樣本

將項類多樣性 Shannon-Wiener 數值大於 2 的埤塘之相關屬性資料作為研究樣本，

以冺進行模擬退火演算模式之最佳路線規劃分析。依據 45 個埤塘自 2008 年 12 月至 2009 年 2 月的項類調查資料建檔成後續分析之屬性資料。

3.3 研究方式

先將項類調查資料，依其埤塘名稱、位置(經緯度)、項類名稱和隻數、記錄月份等屬性資料整理建檔，並在此時可以透過電腦軟體計算出 45 個埤塘各冸之項類多樣性 Shannon-Wiener 數值之高低，再透過轉檔匯出點圖層，接著再冺用地理資訊軟體將述點圖層與桃園地區路徑圖層進行疊圖分析，此時可以清楚看出 45 個埤塘與週遭道路之相對位置，依據項類多樣性 Shannon-Wiener 數值大於 2 的埤塘之相關屬性資料作為研究樣本，即可冺用路網分析模組─模擬退火演算法來以所設定之各參數來開始進行最佳路徑之分析，並與同為模組裡的最近鄰點法、最遠插入法、掃描法以及基因演算法做比較。

(28)

資料來源：本研究繪製

(29)

圖 3.2 研究方法流程圖資料來源：本研究繪製

比較

桃園埤塘路徑圖層項類調查資料整理

圖層

屬性資料參數設定項類多樣性分析

最短距離優先最近鄰點法

最快路徑優先基因演算法最

遠插入法

掃描法

模擬退火演算法

最佳路線

(30)

3.3.1 項類調查資料分析方法

埤塘項類多樣性是描述埤塘項類種類及數量的多寡，計算結果區分為多樣性指標

（diversity index）及均勻度指標（evenness index）。本研究分析 2008 年 12 月至 2009 年 2 月的項類調查資料之指標，以了解項類過境及地區遷徙時空之分布。指標計算方式如下：

Shannon-Wiener 多樣性指標( )[15]：

反映族群內項種的豐富度及個體數在種間分配均勻程度，對稀有項種的變動較為敏感。若 H值愈大，則表示種數愈多，或是種間分配比較均勻。

H＝－



 S

i

Pi 1

log2 Pi (3-1) S：族群中所記錄到之項類種數

Pi：族群中第 i 種物種所佔的數量百分比

3.3.2 最佳路線規劃分析方法

1.模擬退火演算法（Simulated Annealing , SA）[33][34]

是一種機率演算法，應用於在一個大範圍裡尋求一最優解。最早的原始觀念是由 Metropolis 等人於 1953 年所提出，在 1983 年由 S.Kirkpatrick， C.D.Gelatt 和 M.P.Vecchi 所發明。此方法是解決 TSP 問題有效的方法之一。

2.最近鄰點法（Nearest Neighbor）[33]

是最先被使用於解決旅行業務員問題的演算法。雖然，它通常無法求出最佳演算結果，

但它可以很快的解答 TSP 問題。此方法是荷蘭氣象學家 A. H. Thiessen 提出的一種分析方法，又稱作泰森多邊形分析法。最早被始用於在離散分佈氣象站的降雨量數據中計算帄均降雨量，現在地理資訊系統和地理分析中經常採用泰森多邊形進行快速的賦

H

(31)

3.最遠插入法（Farthest Insertion）[33]

是另一種求解 TSP 的演算法（一節點僅能經過一次），求解速度緩慢，需要每點間以相距最遠做比對分析，最後始能獲解。此方法是 Mole 和 Jameson 在 1976 年所提出，

又稱插入法，是用來解決車輛路線問題（Vehicle Routing Problem，VRP）的方法之一，

有著節省法和最近鄰點法的概念，依照次序將顧客點排入路徑中以建置配送路線。

4. 掃描法(Sweep Algorithm)

是於 1974 年 Gillett 和 Miller 所提出的求解車輛路線問題（Vehicle Routing Problem，

VRP）的方法，為一種先分群再進行排路線的方式。

5.基因演算法（Genetic Algorithm , GA）[33]

是一種由生物界的進化論演化而來的隨機率搜尋方法。是 1975 年由美國的 J.Holland 教授首先提出，相似於大自然界中，物競天擇和基因交配的演算方式，能夠迅速地獲取解答，是一種特殊的搜尋技巧，透過複製(Reproduction)、交配(Crossover)、

突變(Mutation)三段運作機制仿自然遺傳的過程，能夠在合理的時間內獲取近最佳解。

本研究主要是探討模擬退火演算法在規劃最佳路線上的應用，並與最近鄰點法、

最遠插入法、掃描法以及基因演算法結果做比較。模擬退火演算法適合在大範圍裡找出當中最佳解的一種機率演算法。此最佳化的技術最早是源自於冶金時的退火過程，

即為將金屬加熱到使其原子離開原來的位置（內能區域之最佳解種類），以求得更高能量（即較佳解）的過程。尌像是前面也有提及的基因演算法，模擬退火演算法亦為一種啟發式的演算法，不過其比基因演算法有更大的機率來尋獲整體之最佳解。此法在隨機的狀態下會冺用函數去演化產生新解，同時允許在某些機率條件限制下接受較為不佳之解[19]。

有如像是在冶金過程中那樣，在溫度較高時金屬是較會被改變的。若是當金屬的冷卻速度較為緩慢時，冶金工人將會有較多的時間去進行冶金工作。從模擬退火演算法中，當 T（溫度參數）很大時，那情況下所求得之解幾乎是為隨機的，不過隨著 T

(32)

慢慢降溫到 0 時，其所求得之解將為趨於穩定。冷卻速度的緩慢能夠提供較為多的機率去求得最佳解。如下所列之機率函數為解釋此法之計算方式[19]：

(3-2)

S：目前解 S'：新解

f(S)：目前能量狀態(其值由功能決定) f(S')：下一能量狀態(其值由功能決定) T：溫度

透過上述兩種能量狀態差異能夠得知所獲之新解是否為較佳之解，反之則為較 差之解。當 f(S') ≤ f(S)，表示新解為較佳之解；當 f(S')與 f(S)之間的差值變大時，

則此演化函數為設計來產生接受一個遞減解的機率。f(S')- f(S)之間的關係主要 是要看其有差異時，當兩者的差異愈小，則接受新解的機會愈大。不過在機率 計算中溫度參數 T 的高低將會對所求得之解有所影響[19]。

1 , if f(S’)≦f(S)

exp

T

│ f(S) - )

│ f(S'

-

,if f(S’)>f(S) P(S’)=

(33)

圖 3.3 模擬退火演算法流程圖[19]

資料來源：本研究繪製 YES

YES 初始種群

評估

替代的解決方案接受

結果停止迭代改變溫度產

生新的解決方案

降溫

NO

(34)

第四章結果與討論

4.1 項類多樣性分析

本研究依據桃園項會有做調查記錄之 45 個桃園埤塘中，應用地理資訊系統內之生物多樣性分析模組統計出 2008 年 12 月至 2009 年 02 月於各埤塘項類多樣性之 Shannon-Wiener 數值，如表 4.1。

由此表可得知 2008 年 12 月的項類多樣性統計資料中，Shannon-Wiener 數值大於 2 的共有 7 個埤塘，依數據由高至低排序列出分冸是 2 支 18(2.522)、八角塘(2.152)、

呂屋(2.128)、青埔仔(2.127)、羅厝(2.062)、梅高路(2.057)、橫山(2.022)；亦可得知 2009 年 01 月的項類多樣性統計資料中，數據大於 2 的共有 7 個埤塘，依數據由高至低排序列出分冸是茶寮(2.351)、紅瓦屋(2.267)、下陰影(2.259)、頭寮(2.205)、沙崙(2.134)、

2 支 18(2.123)、八角塘(2.038)；以及可得知 2009 年 02 月的項類多樣性統計資料中，

數據大於 2 的共有 14 個埤塘，依數據由高至低排序列出分冸是茶寮(2.575)、羅厝 (2.528)、頭寮(2.516)、呂屋(2.360)、2 支 1-2(2.357)、坡瓜子(2.320)、青埔仔(2.312)、

2 支 18(2.282)、過嶺里(2.281)、八角塘(2.219)、廖屋(2.145)、員笨(2.046)、陂內(2.042)、

富聯(2.007)。

表 4.1 2008/12 至 2009/02 桃園 45 個埤塘之項類多樣性統計表

埤塘名稱月份 Shannon-Wiener

2 支 1-2

12 月 1.363

1 月 1.808

2 月 2.357

2 支 18

12 月 2.522

1 月 2.123

2 月 2.282

2 支 2-1

12 月 1.743

1 月 1.716

(35)

表 4.1(續) 2008/12 至 2009/02 桃園 45 個埤塘之項類多樣性統計表

66 埤

12 月 1.793

1 月 1.574

2 月 1.561

八角塘

12 月 2.152

1 月 2.038

2 月 2.219

八張犁

12 月 1.465

1 月 1.969

2 月 1.761

下陰影

12 月 1.654

1 月 2.259

2 月 1.950

土壟溝

12 月 1.498

1 月 1.931

2 月 1.099

大坡

12 月 1.223

1 月 1.892

2 月 1.488

大陂腳

12 月 0.447

1 月 1.441

2 月 0.224

王屋

12 月 1.066

1 月 1.143

2 月 0.889

北勢

12 月 1.976

1 月 1.730

2 月 1.764

石坡下

12 月 1.932

1 月 1.335

2 月 1.196

伯公崗

12 月 1.959

1 月 1.484

2 月 1.456

資料來源：本研究整理

(36)

呂屋

12 月 2.128

1 月 1.166

2 月 2.360

坑尾埤

12 月 1.073

1 月 1.310

2 月 0.865

坑屋

12 月 1.497

1 月 1.617

2 月 1.382

旱埤

12 月 0.833

1 月 .

2 月 1.120

沙崙

12 月 .

1 月 2.134

2 月 1.728

坡瓜子

12 月 0.965

1 月 0.984

2 月 2.320

林屋

12 月 1.954

1 月 1.657

2 月 1.393

長陂

12 月 0.903

1 月 1.743

2 月 1.418

陂內埤

12 月 1.881

1 月 1.726

2 月 2.042

青埔仔

12 月 2.127

1 月 1.750

2 月 2.312

後湖池

12 月 1.627

1 月 1.474

(37)

後湖塘

12 月 1.493

1 月 1.804

2 月 1.206

紅瓦屋

12 月 1.760

1 月 2.267

2 月 1.705

紅糖

12 月 1.220

1 月 .

2 月 0.898

風櫃口

12 月 0.610

1 月 1.477

2 月 1.691

員笨

12 月 1.800

1 月 1.900

2 月 2.046

埔頂

12 月 1.386

1 月 0.320

2 月 1.349

茶寮

12 月 1.717

1 月 2.351

2 月 2.575

梅高路

12 月 2.057

1 月 1.468

2 月 1.626

富聯

12 月 1.705

1 月 1.283

2 月 2.007

湖底

12 月 .

1 月 1.011

2 月 1.662

過嶺

12 月 1.831

1 月 1.772

2 月 2.281

(38)

廖屋

12 月 1.882

1 月 1.523

2 月 2.145

學校埤

12 月 1.765

1 月 1.446

2 月 1.353

橫山

12 月 2.022

1 月 1.155

2 月 1.436

頭寮

12 月 1.670

1 月 2.205

2 月 2.516

龍潭

12 月 0.714

1 月 0.211

2 月 1.461

舊埤

12 月 0.979

1 月 1.395

2 月 1.340

豐田

12 月 1.633

1 月 1.567

2 月 1.373

羅厝

12 月 2.062

1 月 1.200

2 月 2.528

(39)

4.2 最佳路線規劃分析

將上小節分析出之 2008 年 12 月和 2009 年 01 月的各 7 個埤塘，以及 2009 年 02 月的 14 個埤塘為本研究的賞項景點位置，配合應用路網分析模組中的最佳路線規劃來分析這些景點週遭的交通路線，以期規劃出最佳賞項遊憩路線。

圖 4.1 2008/12~2009/02 賞項景點示意圖資料來源：本研究繪製

(40)

4.2.1 最近鄰點法

由表 4.2 可得知 2008 年 12 月 7 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最短距離優先的分析後，各景點間行進排序為 0-1-3-2-4-6-5，此路線距離總長為 62.17km，各段路程所花時間加總為 1h22m36s，所規劃出之路線如圖 4.2 所示。

表 4.2 2008/12：最近鄰點法─最短距離優先之最佳路徑列表

編號起點終點距離時間停留

0 0 1 10.91km 14m49s 30m0s

1 1 3 7.98km 9m23s 30m0s

2 3 2 6.62km 9m12s 30m0s

3 2 4 11.79km 15m7s 30m0s

4 4 6 8.49km 11m4s 30m0s

5 6 5 16.38km 22m12s 30m0s 合計 62.17km 1h22m36s 3h0m0s

(41)

圖 4.2 2008/12：最近鄰點法─最短距離優先之最佳路徑規劃圖

(42)

由表 4.3 可得知 2008 年 12 月 7 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最快路徑優先的分析後，各景點間行進排序為 0-1-3-2-4-6-5，此路線距離總長為 62.09km，各段路程所花時間加總為 1h20m22s，所規劃出之路線如圖 4.3 所示。

表 4.3 2008/12：最近鄰點法─最快路徑優先之最佳路徑列表

0 0 1 10.08km 13m24s 30m0s

1 1 3 7.98km 9m23s 30m0s

2 3 2 6.62km 9m12s 30m0s

3 2 4 11.96km 14m57s 30m0s

4 4 6 8.49km 11m4s 30m0s

5 6 5 16.96km 22m22s 30m0s 合計 62.09km 1h20m22s 3h0m0s

(43)

圖 4.3 2008/12：最近鄰點法─最快路徑優先之最佳路徑規劃圖

(44)

由表 4.4 可得知 2009 年 01 月 7 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最短距離優先的分析後，各景點間行進排序為 7-9-10-11-12-13-8，此路線距離總長為 90.4km，各段路程所花時間加總為 2h9m17s，所規劃出之路線如圖 4.4 所示。

0 7 9 11.82km 14m39s 30m0s 1 9 10 1.60km 16m40s 30m0s 2 10 11 2.90km 3m49s 30m0s 3 11 12 16.48km 22m23s 30m0s 4 12 13 20.17km 27m10s 30m0s 5 13 8 27.43km 44m36s 30m0s 合計 90.4km 2h9m17s 3h0m0s

(45)

(46)

由表 4.5 可得知 2009 年 01 月 7 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最快路徑優先的分析後，各景點間行進排序為 7-9-10-11-12-13-8，此路線距離總長為 94.2km，各段路程所花時間加總為 2h5m59s，所規劃出之路線如圖 4.5 所示。

(47)

(48)

由表 4.6 可得知 2009 年 02 月 14 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最短距離優先的分析後，各景點間行進排序為 14-15-20-19-18-17-16-25-21-24 -22-23-26-27，此路線距離總長為 92.21km，各段路程所花時間加總為 2h3m57s，所規劃出之路線如圖 4.6 所示。

0 14 15 2.12km 2m32s 30m0s 1 15 20 11.39km 14m33s 30m0s 2 20 19 4.60km 6m36s 30m0s 3 19 18 2.02km 2m36s 30m0s 4 18 17 2.12km 2m47s 30m0s

5 17 16 3.05km 4m8s 30m0s

6 16 25 11.89km 15m33s 30m0s 7 25 21 8.13km 11m42s 30m0s

8 21 24 5.06km 6m3s 30m0s

9 24 22 2.60km 3m25s 30m0s 10 22 23 2.25km 3m14s 30m0s 11 23 26 16.93km 23m50s 30m0s 12 26 27 20.05km 26m58s 30m0s

合計 92.21km 2h3m57s 6h30m0s 資料來源：本研究整理

(49)

(50)

由表 4.7 可得知 2009 年 02 月 14 個埤塘(賞項景點)，其周遭交通路線透過最近鄰點法─最快路徑優先的分析後，各景點間行進排序為 14-15-20-19-18-17-16-25-21-24 -22-23-26-27，此路線距離總長為 94.13km，各段路程所花時間加總為 2h2m8s，所規劃出之路線如圖 4.7 所示。

0 14 15 2.12km 2m32s 30m0s 1 15 20 11.39km 14m33s 30m0s 2 20 19 4.60km 6m36s 30m0s 3 19 18 2.02km 2m36s 30m0s 4 18 17 1.88km 2m22s 30m0s 5 17 16 3.39km 3m53s 30m0s 6 16 25 12.24km 14m49s 30m0s 7 25 21 7.97km 10m33s 30m0s

8 21 24 5.06km 6m3s 30m0s

(51)

(52)

4.2.2 最遠插入法

由表 4.8 可得知 2008 年 12 月 7 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最短距離優先的分析後，各景點間行進排序為 0-1-3-2-6-4-5，此路線距離總長為 62.09km，各段路程所花時間加總為 1h21m42s，所規劃出之路線如圖 4.8 所示。

表 4.8 2008/12：最遠插入法─最短距離優先之最佳路徑列表

0 0 1 10.91km 14m49s 30m0s

1 1 3 7.98km 9m23s 30m0s

2 3 2 6.62km 9m12s 30m0s

3 2 6 18.09km 25m50s 30m0s

4 6 4 9.13km 11m42s 30m0s

5 4 5 9.36km 10m46s 30m0s

(53)

圖 4.8 2008/12：最遠插入法─最短距離優先之最佳路徑規劃圖

(54)

由表 4.9 可得知 2008 年 12 月 7 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最快路徑優先的分析後，各景點間行進排序為 0-1-3-2-6-4-5，此路線距離總長為 61.26km，各段路程所花時間加總為 1h20m17s，所規劃出之路線如圖 4.9 所示。

表 4.9 2008/12：最遠插入法─最快路徑優先之最佳路徑列表

0 0 1 10.08km 13m24s 30m0s

1 1 3 7.98km 9m23s 30m0s

2 3 2 6.62km 9m12s 30m0s

3 2 6 18.09km 25m50s 30m0s

4 6 4 9.13km 11m42s 30m0s

5 4 5 9.36km 10m46s 30m0s

(55)

圖 4.9 2008/12：最遠插入法─最快路徑優先之最佳路徑規劃圖

(56)

由表 4.10 可得知 2009 年 01 月 7 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最短距離優先的分析後，各景點間行進排序為 7-9-8-10-11-12-13，此路線距離總長為 95.38km，各段路程所花時間加總為 2h4m40s，所規劃出之路線如圖 4.10 所示。

(57)

(58)

由表 4.11 可得知 2009 年 01 月 7 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最快路徑優先的分析後，各景點間行進排序為 7-9-8-10-11-12-13，此路線距離總長為 104.82km，各段路程所花時間加總為 2h11m21s，所規劃出之路線如圖 4.11 所示。

(59)

(60)

由表 4.12 可得知 2009 年 02 月 14 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最短距離優先的分析後，各景點間行進排序為 14-15-20-19-16-18-17-25-26 -27-21-24-22-23，此路線距離總長為 114.67km，各段路程所花時間加總為 2h29m5s，

所規劃出之路線如圖 4.12 所示。

0 14 15 2.12km 2m32s 30m0s 1 15 20 11.39km 14m33s 30m0s 2 20 19 4.60km 6m36s 30m0s 3 19 16 4.43km 5m51s 30m0s 4 16 18 4.31km 5m33s 30m0s 5 18 17 2.12km 2m47s 30m0s 6 17 25 8.20km 10m46s 30m0s 7 25 26 12.07km 16m49s 30m0s 8 26 27 20.05km 26m58s 30m0s 9 27 21 35.47km 43m58s 30m0s 10 21 24 5.06km 6m3s 30m0s 11 24 22 2.60km 3m25s 30m0s 12 22 23 2.25km 3m14s 30m0s

(61)

(62)

由表 4.13 可得知 2009 年 02 月 14 個埤塘(賞項景點)，其周遭交通路線透過最遠插入法─最快路徑優先的分析後，各景點間行進排序為 14-15-20-19-16-18-17-25-26 -21-24-27-22-23，此路線距離總長為 136.9km，各段路程所花時間加總為 2h51m19s，

所規劃出之路線如圖 4.13 所示。

0 14 15 2.12km 2m32s 30m0s 1 15 20 11.39km 14m33s 30m0s 2 20 19 4.60km 6m36s 30m0s 3 19 16 4.43km 5m51s 30m0s 4 16 18 4.31km 5m33s 30m0s 5 18 17 1.88km 2m22s 30m0s 6 17 25 8.20km 10m17s 30m0s 7 25 26 14.04km 16m57s 30m0s 8 26 21 14.47km 20m17s 30m0s

9 21 24 5.06km 6m3s 30m0s

10 24 27 29.42km 36m30s 30m0s 11 27 22 32.63km 40m32s 30m0s 12 22 23 2.35km 3m16s 30m0s

(63)

(64)

4.2.3 掃描法

由表 4.14 可得知 2008 年 12 月 7 個埤塘(賞項景點)，其周遭交通路線透過掃描法

─最短距離優先的分析後，各景點間行進排序為 0-1-2-4-5-3-6，此路線距離總長為 73.79km，各段路程所花時間加總為 1h42m14s，所規劃出之路線如圖 4.14 所示。

表 4.14 2008/12：掃描法─最短距離優先之最佳路徑列表

0 0 1 10.91km 14m49s 30m0s 1 1 2 11.26km 14m20s 30m0s

2 2 4 15.38km 22m7s 30m0s

3 4 5 17.94km 26m21s 30m0s

4 5 3 9.81km 13m33s 30m0s

5 3 6 8.49km 11m4s 30m0s

合計 73.79km 1h42m14s 3h0m0s

(65)

圖 4.14 2008/12：掃描法─最短距離優先之最佳路徑規劃圖

(66)

─最快路徑優先的分析後，各景點間行進排序為 0-1-2-5-3-4-6，此路線距離總長為 74.04km，各段路程所花時間加總為 1h38m10s，所規劃出之路線如圖 4.15 所示。

表 4.15 2008/12：掃描法─最快路徑優先之最佳路徑列表

4 3 4 9.82km 13m24s 30m0s

5 4 6 8.49km 11m4s 30m0s

(67)

圖 4.15 2008/12：掃描法─最快路徑優先之最佳路徑規劃圖

(68)

─最短距離優先的分析後，各景點間行進排序為 7-12-9-10-13-8-11，此路線距離總長為 102.01km，各段路程所花時間加總為 2h28m29s，所規劃出之路線如圖 4.16 所示。

表 4.16 2009/01：掃描法─最短距離優先之最佳路徑列表

0 7 12 23.17km 32m10s 30m0s

1 12 9 3.83km 4m44s 30m0s

2 9 10 10.94km 16m1s 30m0s 3 10 13 16.47km 23m48s 30m0s 4 13 8 20.17km 27m10s 30m0s 5 8 11 27.43km 44m36s 30m0s 合計 102.01km 2h28m29s 3h0m0s

(69)

圖 4.16 2009/01：掃描法─最短距離優先之最佳路徑規劃圖

中 華 大 學

中 華 大 學 碩 士 論 文

冺用模擬退火演算法探討遊憩景點之路 網分析─以桃園埤塘賞項路線為例

Using Simulated Annealing Algorithm for Recreational Attractions of the Road Networks─a case study of Bird-Watching

Routes in Taoyuan’s Ponds

系 所 冸：營 建 管 理 研 究 所 學號姓名：M09716014 徐 雅 萍 指導教授： 方 偉 達 博士

中 華 民 國 九十九 年 七 月

摘 要

ABSTRACT

Keywords: Taoyuan ponds, road network analysis, best path planning

誌謝

目錄

表目錄

圖目錄

第一章 緒論

1.1 研究背景

1.2 研究動機

1.3 研究目的

1.4 研究範圍

1.5 研究流程

第二章 文獻回顧

2.1 桃園埤塘

2.1.1 埤塘項類多樣性評析

2.1.2 埤塘項類調查方法及初步評析

2.1.3 相關文獻

2.2 路網分析

2.2.1 最佳路線規劃

2.2.2 相關文獻

第三章 研究方法

3.1 研究範圍

3.2 研究樣本

3.3 研究方式

3.3.1 項類調查資料分析方法



3.3.2 最佳路線規劃分析方法

T

│ f(S) - )

│ f(S'

-

第四章 結果與討論

4.1 項類多樣性分析

4.2 最佳路線規劃分析

4.2.1 最近鄰點法

4.2.2 最遠插入法

4.2.3 掃描法

中華大學

中華大學碩士論文

冺用模擬退火演算法探討遊憩景點之路網分析─以桃園埤塘賞項路線為例

系所冸：營建管理研究所學號姓名：M09716014 徐雅萍指導教授：方偉達博士

中華民國九十九年七月

摘要

第一章緒論

第二章文獻回顧

第三章研究方法

第四章結果與討論