中 華 大 學 碩 士 論 文
中小型鄉鎮接駁公車之路線設計方法 The Route Design of Feeder Bus in Small and
Medium Township
系 所 別：運輸科技與物流管理學系碩士班 學號姓名：M10014016 王 張 煒
指導教授：蘇 昭 銘 博 士
中 華 民 國 102 年 8 月
i
摘要
在追求社會永續與大眾運輸無縫服務環境思維下，政府積極規劃接駁公車路線以 填補大眾運輸縫隙，然中小型鄉鎮於交通分區上即為一交通分區，無法得知內部之運 輸需求，故如何在規劃過程中，取得在地民眾運輸需求，以設計出符合民眾實際需求 並能填補目前大眾運輸服務縫隙之接駁公車路線將是一項重要課題。本研究結合服務 科學服務實務之理念於接駁公車路線設計，透過訪談舉辦鄉村長座談會了解在地居民 之運輸需求，希望透過訪談具有基本民意之鄉村長，彙整設計之中小型鄉鎮內部運輸 需求直接反應在接駁公車路線設計中建立預設站點，並運用越野競賽問題特性，給予 預設站點不同之重要性，設計出在時間限制下能夠滿足最大服務需求接駁公車路線。
在取得內部運輸需求後，同時應用服務科學跨領域結合理念，整合地理資訊系統與基 因演算法，應用地理資訊系統空間分析功能建置基本資料與大眾運輸可及性分析並應 用基因演算法於路線設計，以新竹縣橫山鄉為實例測試案例，以鄉公所為發車地點，
設計出 4 條接駁公車路線，可提升大眾運輸可及性 14%且大眾運輸服務涵蓋家戶提升 601 戶，顯示本研究所建立之路線設計方法可做為未來中小型鄉鎮接駁公車路線設計 時之參考。
關鍵字：服務科學、路線設計、基因演算法。
Abstrart
In order to increase the utilization of public transportation, the government actively planed feeder bus system to fill the gap of public transportation services. However, in the traditional transportation planning analysis, small and medium sized towns usually is a single traffic zone, so is unable to obtain internal transportation demand. Therefore, how to get the transport demand in the planning process and designed feasible feeder bus routes to satisfy actual demand and fill the gap of public transport services will be an important issue. This study combined the concepts of service science, orienteering problem, geographic information systems and genetic algorithms to design the feeder bus route. In service science areas, the transportation demand of local residents was get by mayor visiting. And direct reflecting demand on feeder bus route design to establish the bus stop.
Using the concept of orienteering problem control point (score), give each stop a score to represent different importance. Application of the spatial analysis functions in geographic information system to build data and analysis the public transportation accessibility. Use of genetic algorithms to solving bus route design problem, and each route must to satisfy the time limit and the maximum score. In the real test case, the proposed method could increase the 14% public transportation service accessibility of Hengshan Township in Hsinchu County .
Keywords: Service Science, Route design, Genetic algorithms.
iii
致謝
在大學生涯已追隨蘇老師一年半的時間，感恩蘇老師於大學時代專題、生活與推 甄上的幫助，研究所兩年，跟隨蘇老師，感恩蘇老師兩年間的指導，給予學生擔任統 計助教寶貴的學習經驗與幫助，不論公務有多麼的繁忙仍會抽空與我討論給予指導建 議，讓我能順利畢業，朝人生下一目標努力邁進。
感謝王晉元博士與蔡志弘博士於百忙之中細心審閱全文，於口試細心指正學生論 文內容並提供許多寶貴建議，使得論文能更臻完善。
研究所兩年之中，要感恩每一位蘇家的成員，志鴻學長、小基學長、美慧學姐與 貴枝學姐，不論任何問題與困難，學長姐們都會給予協助與教導，並且要感恩每一位 同期戰友，挺儒、汪汪、阿董、羽苹、穎霙、婉如、文馨、宇騰與學長斯偉和乙鳴，
給予研究上的經驗分享，感恩健銘、群倪、大緯兩年的照顧以及可愛的學弟妹阿森與 欣怡夜晚的陪伴度過兩年的碩士生活，感謝兩年間所有幫助我的朋友與湘婷。
最後要感恩長久支持與關懷我的家人，提供歡樂與生活分享，使我重新充電繼續 衝刺奮鬥，謝謝。
張煒 謹誌 中華大學運輸科技與物流管理學系 中華民國 102 年 8 月
目錄
摘要 ... i
Abstrart ... ii
致謝 ... iii
目錄 ... iv
表目錄 ... vi
圖目錄 ... vii
第一章 緒論 ... 1
1.1 研究動機 ... 1
1.2 研究目的 ... 2
1.3 研究範圍、假設與限制 ... 2
1.4 研究流程與方法 ... 2
第二章 文獻回顧 ... 5
2.1 服務科學 ... 5
2.2 可及性 ... 8
2.3 綜合評論 ... 17
第三章 接駁公車路線設計方法與模式構建 ... 18
3.1 中小型鄉鎮定義 ... 18
3.2 問題特性 ... 18
3.3 接駁公車路線設計流程 ... 20
3.4 路線設計演算法 ... 29
一、模式假設與限制 ... 29
二、候選路線產生演算法 ... 30
三、路線設計演算法 ... 34
3.5 邏輯驗證 ... 38
一、驗證一：基因演算法產生新豐鄉路線組合 ... 38
二、驗證二：窮舉法驗證最佳解 ... 40
第四章 實例應用 ... 45
4.1 新竹縣橫山鄉公車路線設計 ... 45
一、現況資料分析與資料收集 ... 45
二、鄉長與村長訪談 ... 46
三、初步路線設計 ... 48
四、實地勘查、路線調整與確認 ... 58
4.2 小結 ... 60
第五章 結論建議 ... 61
v
5.2 建議 ... 62 參考文獻 ... 63
表目錄
表 1 服務科學相關文獻之應用領域彙整 ... 7
表 2 彙整運輸可及性衡量 ... 11
表 3 鄉鎮市區偏遠程度分類表 ... 18
表 4 過站矩陣說明範例結果 ... 26
表 5 站牌組合 i=2 範例說明 ... 31
表 6 站牌組合 i=3 範例說明 ... 32
表 7 所有候選路線基本資料 ... 39
表 8 最佳路線組合 ... 39
表 9 路線組合窮舉 ... 40
表 10 新竹縣橫山鄉現有大眾運輸服務涵蓋率 ... 46
表 11 新竹縣橫山鄉預設站點距離矩陣 ... 50
表 12 新竹縣橫山鄉預設站點編號與涵蓋門牌數 ... 51
表 13 新竹縣橫山鄉預設站點最短路徑過站不停矩陣 ... 53
表 14 新竹縣橫山鄉預設站點站牌分數 ... 54
表 15 新竹縣橫山鄉所有候選路線 ... 55
表 16 新竹縣橫山鄉最適候選路線組合分析 ... 57
表 17 新竹縣橫山鄉大眾運輸可及性分析 ... 60
vii
圖目錄
圖 1 研究流程圖 ... 4
圖 2 服務科學結合領域範疇 ... 5
圖 3 服務科學學會定義之服務科學 ... 6
圖 4 分區中心點與步行路網圖 ... 9
圖 5 偏遠地區路網現況 ... 13
圖 6 不同路線方案之可及性變化 ... 13
圖 7 不同類型大眾運輸路線之可及性變化 ... 14
圖 8 400 公尺未被服務到的範圍 ... 15
圖 9 400 公尺未被服務到的範圍 ... 16
圖 10 問題定義示意圖 1 ... 19
圖 11 問題定義示意圖 2 ... 20
圖 12 接駁公車路線設計流程圖 ... 21
圖 13 團隊越野尋蹤問題範例圖 ... 24
圖 14 過站矩陣說明示意圖 ... 26
圖 15 涵蓋範圍說明圖 1(一般涵蓋範圍) ... 27
圖 16 涵蓋範圍說明圖 2(本研究道路步行距離涵蓋範圍)... 27
圖 17 候選路線產生演算法流程圖 ... 30
圖 18 候選路線演算流程說明範例圖 ... 33
圖 19 路線組合解數示意圖 ... 34
圖 20 基因演算法流程圖 ... 35
圖 21 輪盤法示意圖 ... 37
圖 22 雙點交配示意圖 ... 37
圖 23 位元突變示意圖 ... 38
圖 24 候選路線圖 ... 39
圖 25 最佳候選路線圖 ... 40
圖 26 新竹縣橫山鄉現有大眾運輸路線 ... 45
圖 27 新竹縣橫山鄉鄉村長座談會圖 1 ... 47
圖 28 新竹縣橫山鄉鄉村長座談會圖 2 ... 47
圖 29 新竹縣橫山鄉預設站點路線圖 ... 47
圖 30 新竹縣橫山鄉台 3 線示意圖 ... 48
圖 31 新竹縣橫山鄉公車可行駛道路路網圖 ... 49
圖 32 新竹縣橫山鄉預設站點 500 公尺涵蓋門牌圖 ... 52
圖 33 模式介面示意圖 ... 55
圖 34 最適候選路線組合圖 ... 58
圖 35 新竹縣橫山鄉力行村之竹 32 鄉道 1.3 公里處 ... 58
圖 36 最適候選路線 500 公尺涵蓋範圍圖 ... 59
1
第一章 緒論
1.1 研究動機
近年政府在追求社會永續發展及建構大眾運輸無縫服務環境思維下，於近三年施 行「公路大眾運輸發展計畫」推動大眾運輸服務，已積極投入一百五十億推動大眾運 輸服務，並計畫於民國 102 年至 105 年再次施行「公路大眾運輸提升計畫」，以全面 改善大眾運輸發展環境，包含大眾運輸環境改善、大眾運輸使用吸引與習慣培養、提 高大眾運輸系統之可及性以及保障偏遠與服務性路線地區的基本民行需求與權利。因 此各縣市也開始思考如何妥善應用所分配到的有限資源，在資源有限的情況下提供符 合民眾實際需求的最後一哩接駁服務。王慶瑞(2008)提及運輸涉及的層面廣，包含了 社會、經濟、政治、人文與環境等，因此在運輸規劃上整體規劃作業流程繁雜、考量 因素多、層面廣以及未來社會經濟活動規模作全面性的規劃。在資源有限與中小型鄉 鎮之交通分區因人口稀少常被劃分為單一交通分區，而無從得知中小型鄉鎮內部運輸 需求無法進行路線規劃，因此以交通分區為基礎推估旅次需求之傳統路線評估方式並 無法適用在偏遠鄉鎮路線設計，然本研究發現應用服務科學服務實務理念與跨領域結 合分析方法與技術，可突破此窘境，本研究以服務科學為基礎結合地理資訊系統、大 眾運輸可及性分析、訪談和問卷調查法與基因演算法，建構能確實填補既有大眾運輸 服務縫隙之中小型鄉鎮接駁公車路線設計方法與模式。本研究以橫山鄉為例，以服務 科學為基礎透過訪談具有基本民眾意識之鄉村長透過問卷調查，了解橫山鄉在地居民 實際運輸需求，經模式求解，設計出四條接駁公車路線，可提升整體橫山鄉大眾運輸 服務涵蓋家戶數 14%，並經與計畫案結合再次舉辦座談會，有幸與橫山鄉鄉長與村長 與專家學者一同訪視橫山鄉大眾運輸，經簡報本研究設計之接駁公車路線，獲得與會 先進認同設計路線可行，亦獲得橫山鄉鄉村長認同可確實填補橫山鄉大眾運輸服務縫 隙並符合實際需求。
1.2 研究目的
本研究探討如何在兼具民眾意見與專業規劃前提下，針對中小型鄉鎮應用服務科 學(Service Science, Management and Engineering,SSME)概念為基礎，整合地理資訊系 統分析技術與越野競賽問題(Orienteering Problem,OP)特性，提出一套考量在地居民需 求與成本之接駁公車路線設計方法與流程，並應用啟發式和基因演算法求解接駁公車 路線設計問題，讓規劃者可以簡易操作和輸入資料，輸出可行候選路線資料與最適候 選路線組合。
本研究之研究目的如下：
一、 探討國外可及性定義與應用與服務科學和其相關研究應用。
二、 服務科學四大定義應用於接駁公車路線設計。
三、 以服務科學為基礎建立一套接駁公車路線設計方法與流程，主以提升大眾運輸 服務可及性與服務門牌涵蓋率。
四、 結合地理資訊系統分析並應用啟發式演算法與基因演算法求解接駁公車路線設 計問題。
1.3 研究範圍、假設與限制
根據上述目的之論述，因此本研究有以下前提假設、範圍之界定與研究內容：
一、本研究假設需求站牌點已知，以作為接駁公車路線設計模式求解輸入資料。
二、本研究接駁公車路線設計模式於求解時，所需基本輸入資料皆以地理資訊系統 進行分析。
三、利用門牌可及性來評估大眾運輸服務之縫隙。
1.4 研究流程與方法
對國內外現有服務科學與可及性之應用進行文獻回顧與探討，並建立接駁公車路 線設計流程，應用地理資訊系統進行基本資料分析並以 Microsoft Visual Studio 2010 C#為模式開發環境，結合啟發式演算法與基因演算法來求解接駁公車路線設計問題，
3
設計出一最適接駁公車路線組合，提高大眾運輸服務可及性。
本研究流程如圖 1 所示，步驟說明如下：
一、 確立研究動機與目的：針對本研究之動機與目的加以描述，說明現今中小型鄉鎮 大眾運輸需求問題、中小型鄉鎮接駁公車路線設計之問題所在進行探討，以說明 本研究之動機與目的。
二、 文獻回顧：對於本研究相關之文獻進行探討彙整與分析，包含國內外現有服務科 學之定義與應用、可及性之應用、越野競賽問題與基因演算等相關研究進行文獻 回顧與探討。
三、 建立接駁公車路線設計流程：在兼具民眾意見與專業規劃前提下，針對中小型鄉 鎮應用服務科學概念為基礎，整合地理資訊系統分析技術、訪談和問卷調查法、
基因演算法與田野調查，提出一考量在地居民需求與成本之接駁公車路線設計方 法與流程。
四、 模式建構：本研究應用地理資訊系統分析基本資料，並以 Visual C#建立模式應 用啟發式和基因演算法求解「接駁公車路線設計問題」，模式包含使用者介面、
產生可行候選公車路線與最適候選路線組合。
五、 實例測試：新竹縣橫山鄉實例資料進行接駁公車路線設計流程與模式測試，對於 測試錯誤問題與測試結果，進行模式檢討與問題修正。
六、 問題修正：模式測試發生錯誤或路線適宜性過低時，回到模式構建步驟尋找問題 進行檢討與問題修正。
七、 結論與建議：針對本研究提出接駁公車路線設計流程、方法與研究成果進行檢討 與後續研究之相關建議。
文獻回顧
模式建構
建立接駁公車路線設計流程
評估路線 適宜性
不符合
問題 修正
符合
修正
結論與建議 確立研究動機與目的
實例測試
圖 1 研究流程圖
5
第二章 文獻回顧
本研究依據前述研究目的，進行文獻回顧範疇包括：國內外服務科學定義與應用 與國外可及性應用，以做為研究參考；服務科學定義與應用主要了解何謂服務科學，
其學科主要精神為何並了解如何應用達到價值提升與服務創新；可及性應用主要了解 目前國外可及性衡量考量因子與可及性應用於路線設計與評估之方式；相關文獻彙整 說明如后，最後提出文獻綜合探討。
2.1 服務科學
服 務 科 學 全 名 為 服 務 科 學 管 理 工 程 (Service Science, Management and Engineering,SSME)由美國 IBM 公司所提倡，於 2004 年提出，結合資訊科學、社會科 學、人文與心理學與商業等跨領域學問，以創造出新的服務架構與服務，透過整合各 面向的需求以共同創造價值。Lin 等人(2013)將服務科學簡言之即為跨學科的研究，
價值共創的關係，整合分析、設計與加值，提高服務系統品質。王培林(2008)提及服 務科學就是社會與技術共同演化進步的科學，透過研究人、服務過程與服務的投入資 本，以提高服務品質共創價值。許明德(2008)說明服務科學是一個跨領域的科學如圖 2 所示，除了科技管理與應用，因服務之對象是人，而人之心理層面既複雜又多變，
每個人對服務好壞之認定亦不同，因此服務科學也包含了人文社會科學。
圖 2 服務科學結合領域範疇
資料來源：許明德(2008)。
根據台灣服務科學學會定義，服務科學是一價值交換與創造活動的服務系統，涵 蓋人、組織、科技、資訊等等項目，透過跨領域的整合，整合服務工程、管理、設計 與人文等面向，並透過強調服務的實務與人的需求出發，探討服務提供者與需求者間 的價值共創方法和過程。
圖 3 服務科學學會定義之服務科學
資料來源：台灣服務科學學會與本研究整理。
本研究應用服務科學定義服務之實務、跨領域整合、價值交換的服務系統與創造 活動四大項於接駁公車路線設計，因此，探討服務科學相關文獻應用方法與領域，相 關文獻之摘要說明如下，並彙整相關文獻應用領域如表 1 所示：
曾子芳(2010)結合服務科學概念，應用服務藍圖完整描繪出會展產業整體服務傳 遞過程，透過問卷調查與實地訪談，並結合品質機能展開之需求關聯矩陣(QFD)與創 新研究的萃思(TRIZ)，並以世界博覽會作為創新個案探討，建立一會展產業系統化服 務創新模型，讓顧客體驗不同以往之感受。
徐琪(2008)運用服務科學概念與服務創新理論，探討如何創新物流服務，提供一 套創新物流服務，以解決目前物流業缺乏競爭力之服務流程，其提出三面向增值服務、
驅動要素與使能要素，簡單的說其指的是客戶價值、需求、服務過程與企業組織等多 面向整合，刪除沒有附加價值的物流服務流程，結合資訊技術使物流服務過程透明化，
7
柯玲杏(2010)以服務科學為基礎，結合文獻分析法與問卷調查法，探討遠距健康 照護自我管理服務系統設計描述，分析人口特質、遠距健康照護系統概念、需求與遠 距健康自我管理接受付費金額度相關性，其中以文獻分析法歸納出多項服務系統設計 重要考量因素。
包國憲等人(2011)以服務科學為基礎，探討虛擬企業信任機制之研究，透過回顧 服務科學、服務系統與虛擬企業信任問題之相關文獻，分析出虛擬企業影響信任三大 要素：企業願景與戰略、政府監督與法律保障和內部營運與良好溝通機制，並提出一 基於服務科學理念以服務系統為基礎的虛擬企業金字塔信任模型。
林玉惠等人(2009)應用服務科學(SSME)跨領域整合之觀點，分析製造業其管理者 如何應用創新引領並協助企業成功轉型為服務導向之企業，其研究提出 6 項假說並透 過問卷發放，最後以 AMOS 軟體做實證的推估與驗證，發現製造業轉型需以資訊科 技能力為推手並透過服務創新來達到轉型之目標。
葉仲斌(2007)以服務科學做為核心概念，探討半導體晶圓代工產業服務價值傳遞 模式，並從管理構面、工程構面、服務價值鏈與服務科學構面整合分析，最後從晶圓 代工業之服務價值傳遞模式角度進行分析與廠商間的互動流程，並說明透過管理確立 製造服務精神，以創造價值之策略與確認服務之關鍵要徑，能使服務價值極大化。
表 1 服務科學相關文獻之應用領域彙整
作者 應用領域 應用面向
曾子芳 探討並建立會展服務創新。 A、B、C、D
徐琪 探討如何創新物流服務。 A、B、C、D
柯玲杏 探討遠距健康照護自我管理服務系統接受度付
費金額度相關性。
A、B、C
包國憲等人 探討虛擬企業信任機制與要素。 A、B、C
林玉惠等人 探討製造業轉型服務業之過程。 A、B、C
葉仲斌 探討半導體晶圓代工產業服務價值傳遞模式。 A、B、C
註：A：服務之實務、B：跨領域整合、C：價值交換的服務系統、D：創造活動的服 務系統。
綜合上述回顧之文獻發現，服務科學多應用於探討服務業、商業與其服務流程，
鮮少應用於接駁公車路線規劃與設計，並據陳惠國(2010)曾指出服務科學形成並受到 重視主因服務在經濟結構中佔有極高之比例，但目前在交通運輸相關領域之應用或探 討並不多，多探討物流與供應鏈兩大領域服務創新。
2.2 可及性
在國外大眾運輸相關文獻上，可及性(Accessibility)主要常被用來衡量一個區域大 眾運輸之服務品質是否符合民眾之需求與績效，Mavoa et al. (2012)在研究中提及可及 性應用於大眾運輸愈趨重要，提高大眾運輸可及性使大眾運輸作為民眾日常交通工具，
減少使用私人運具並可降低私人運具所帶來的負面影響，如：空氣汙染、溫室效應與 交通事故等。Wu et al. (2003)在研究中指出在運輸政策中，可及性規劃是一重要領域，
事實上，於綜合運輸策略中改善公車服務可及性是一重要基石。運輸系統可及性是不 可或缺的，以確保社會上所有人有平等的機會。Mamun and Lownes(2011)藉由可及性 衡量認識機動性需求，並確定服務差距，有助於大眾運輸營運業者和地方主管部門發 展適當的擴展運輸服務計畫和政策。Alan(2001)可及性與系統效率是兩大大眾運輸服 務之重要元素，透過提升大眾運輸路網的可及性，以增加運輸路網之效率與民眾搭乘 大眾運輸之意願與使用率，然而可及性之觀念與應用領域廣泛，且概念相當抽象化，
亦可從國內外交通運輸領域、土地規劃開發和都市發展領域等相關文獻中看到，依照 領域的不同、使用方式與評估項目不同，因此本研究進行可及性指標與郊區公車路線 規劃應用案例之探討。
一、 可及性指標
Sha Al Mamun and Lownes(2011)藉由可及性衡量認識機動性需求，並確定服務差 距，有助於大眾運輸經營者和地方主管部門發展適當的擴展運輸服務計畫和政策，本 研究將其歸納成兩類：第一類係以大眾運輸系統為主體，主要在衡量大眾運輸系統所 能涵蓋之服務範圍，過去之研究一般將公車站牌或場站之服務範圍設定為 400 公尺 (1/4 英哩)，捷運系統站牌或場站之服務範圍設定為 800 公尺(1/2 英哩)，美國大眾運
9
輸協會(American Public Transportation Association, APTA)在 2009 年亦曾針對大眾運 輸場站之影響範圍(area of influence)進行規範；第二類則以重要地標為基礎，衡量各 交通分區民眾連結該地標之可及程度，通常以旅行時間作為可及性指標之衡量標準。
茲就此兩類型可及性指標之相關文獻彙整如後：
(一) 場站或站牌服務範圍可及性指標
Murray 等人(1998)曾利用 GIS 分析澳洲昆士蘭地區(Queensland)大眾運輸之可及 性，該研究係以交通分區作為可及性分析之基本單位，亦即若一交通分區在大眾運輸 場站之特定距離內，即表示該分區具可及性，並以距離大眾運輸場站不同距離之可及 性進行比較分析。Murray(2001)之研究中即設定 400 公尺作為澳洲布里斯本(Brisbane) 大眾運輸場站服務範圍，並利用區位服務範圍問題(Location Set Covering Problem, LSCP)進行公車站牌的整併作業。Murray(2003)之研究中提及規劃者或政府官員經常 以提升人口比例做為大眾運輸系統之衡量依據，而人口衡量之依據則為彙整之空間單 元(aggregate spatial format)，如美國以街廓為交通分區單元，研究中並構建雙層覆蓋 模式(Hybrid coverage model)進行站牌之設計，以期望能涵蓋最多人口比例之交通分區。
Biba 等人(2011)以大眾運輸站牌 400 公尺範圍內利用步行所能服務街廓分析之人口族 群特性衡量路線之可及性，其中人口特性包括：人口數、家庭特性及家庭結構，其分 區中心點與步行路網之結構如圖 4 所示，研究指出：利用該分析方法將可明確了解 大眾運輸路線所能服務之族群特性。
圖 4 分區中心點與步行路網圖
資料來源：Biba 等人(2011)。
(二) 重要地標可及性指標
Huang 及 Wei(2002)以各人口普查分區(census)為起點，衡量各分區到市區教育、
金融、零售、製造及其他商業產業地點之大眾運輸可及性。Yigitcanlar 等人(2008)運 用 GIS 技術建立土地使用與大眾運輸可及性指標(Land Use and Public Transportation Accessibility Index, LUPTAI)，該指標係以不同土地使用型態之重要地標為基礎，納入 步行距離、大眾運輸旅行時間及發車班距等考慮因素，並以網格型式呈現各網格單元 (grid cells)之可及性。Mavoa 等人(2012)同時考量大眾運輸與步行可及性指標(Public Transit and walking Accessibility Index, PTWAI)及發車班次數，進行教育、金融、保健、
購物及休閒等五大類重要地標進行人口普查分區之可及性分析，其中 PTWAI 之計算 標準為旅行時間 0-10、10-20、20-40、40-60 及 60 分鐘，分別給予 4、3、2、1 及 0 之分數。Tribby 及 Zandbergen(2012)以大眾運輸旅行時間作為可及性之衡量標準，大 眾運輸旅行時間包括：進出站時間、等車時間及車上時間，或其間轉乘所需之各項時 間總和。該研究並以家戶作為分析單元，分析新路線營運後對各家戶所節省之旅行時 間，當節省旅行時間愈高，則視為可及性改善情形愈高。
綜合上述探討，在 Mamun 及 Lownes(2011)之研究中，將不同大眾運輸可 及性指標之特性彙整如表 2 所示，從該表可看出可及性指標之特性與差異，將 可作為本研究衡量不同情境之大眾運輸可及性之基礎。
11
表 2 彙整運輸可及性衡量
資料來源：Mamun 及 Lownes(2011)。
研究/論文 衡量類型 反映當地可及性 反映路網
可及性 合併(包括)可及性衡量 重要特點 計算
複雜性 預期使用者 空間涵蓋率 時間涵蓋率
TCQSM(20
03) 服務水準 有 有 無 服務頻率、服務時間、服務涵蓋
範圍、人口統計資料 服務水準概念 一 些 技 術
技巧
運輸業 運輸使用者 Polzin et
al.(2002) 固定時間 有 有 無 服務範圍、一天中的時間、等候
時間、服務頻率、人口統計資料 固定時間 運輸專家 運輸規劃者 Ryus et
al.(2000)
運輸服務水
準 有 有 無 服務頻率、服務時間、服務涵蓋
範圍、人口統計資料、行走路線
步行路線(行人路
徑)可用性與品質 運輸專家 運輸規劃者 運輸業 Schoon et
al.(1999) 可及性指標 無 無 有 旅行時間、旅行成本 運輸成本 較 少 技 術
技巧
運輸規劃者 運輸使用者 Fu et
al.(2005)
運輸服務指
標 有 有 有 服務頻率、服務時間、路線涵蓋
範圍、旅行時間 加權旅行時間 一 些 技 術
技巧 運輸使用者
Hillman and
Pool(1997)
大眾運輸可 及性水準指 標
有 有 有 服務頻率、服務涵蓋範圍 彙總起訖點旅行
時間 運輸專家 運輸規劃者
運輸業 Rood(1998) 當地運輸可
用性指標 有 有 有 服務頻率、車輛容量、路線涵蓋
範圍 舒適地與方便性 較 少 技 術
技巧 房地產開發商
Bhat et al.(2006)
運輸可及性 指標、運輸 相依性指標
有 有 有
可及距離、旅行時間、舒適度與 停車場、路網連接、服務頻率、
服務小時、車輛容量
運輸相依性測量 較 少 技 術 技巧
運輸規劃者 運輸業 運輸使用者 Currie et
al.(2004) 供給&需求
指標 有 有 有
服務頻率、服務涵蓋範圍、旅行 時間、汽車持有量、人口統計資 料
運輸需求測量 一 些 技 術 技巧
運輸規劃者 運輸業
房地產開發商
二、 郊區公車路線規劃與評估
UAI(1999)之研究針對美國 11 個地區之公車業者進行了解，認為提升郊區移動性是 一項困難的挑戰，並認為大眾運輸延伸服務應該以能夠利用最短之路線長度吸引最多 的大眾運輸潛在使用者為服務之目標，以便能同時提升旅次訖點之可及性。地區內部 運輸服務系統型態之評估或是公車路線規劃之研究甚多，但因本研究所探討之接駁公 車路線係在提升可及性或移動性前提進行接駁公車路線設計，因此本研究在可及性應 用所回顧之文獻範疇將侷限在以提升可及性或移動性之研究為主，一般之公車路線規 劃將不在本研究之回顧範圍內。
Wu 及 Hine(2003)利用 Hillman 與 Pool(1997)所建立的大眾運輸可及性指標(Public Transport Accessibility Level Index, PTAL)分析指標衡量該區域市區公車之服務可及性 改變。PTAL 指標主要是以起訖點間之總旅行時間作為可及性之衡量標準，其研究結 果如圖 5 所示。其研究並將分析時段區分為上午尖峰、下午尖峰、尖峰間及離峰等 四個時段，分析公車之可及性，並結合各交通分區之年齡結構與車輛持有情形進行比 較，研究結果顯示在尖峰時段有 60.46%之公車可及性落在「差」及「非常差」之等 級；而沒有車輛之族群中亦有 16.46 之公車可及性落在「差」及「非常差」之等級。
該研究並採用 PTAL 指標衡量四種不同路線方案之可及性變化，如圖 6 所示。研究 中除以可及性變化作為方案評估依據外，並從對 60 歲以上高齡族群及不同種族之可 及性變化，綜合探討方案之優劣性。
13
圖 5 偏遠地區路網現況
資料來源：Wu 及 Hine(2003)。
圖 6 不同路線方案之可及性變化
資料來源：Wu 及 Hine(2003)。
Manaugh 及 El-Geneidy(2010)從社會公平性(Social Equity)角度出發探討工作旅 次之可及性，研究中從社經特性界定弱勢區域，再分析該區域到六個主要職場之大眾 運輸可及性，研究中可及性亦以旅行時間的節省作為衡量依據，經以 GIS 分析各規劃 大眾運輸路線對可行性之變化結果如圖 7 所示。研究結果顯示利用可及性分析可具 體衡量新路線對民眾通勤之影響，特別有助於弱勢族群之大眾運輸可及性分析。
圖 7 不同類型大眾運輸路線之可及性變化
資料來源：Manaugh 及 El-Geneidy(2010)。
Wu 及 Murray(2005)指出大眾運輸服務品質與可及性涵蓋是大眾運輸規劃過程中需 取捨的問題，故該研究提出多重路徑最大涵蓋最短路徑問題(Multiple-route, Maximum Covering/Shortest Path Problem, MR MCSP)的多目標數學規劃模式，該模式以起訖點 間大眾運輸系統旅行時間的最小化代表服務品質；以大眾運輸系統涵蓋之潛在使用需
15
求數代表可及性涵蓋。其研究是 Murray 與 Wu(2003)研究成果的延伸，主要是將原本 單路線的模式修正成可考量多路線，然該研究模式是應用在站牌的重整，故主要仍僅 適用在營運路線已知條件下。
Matisziw 等人(2006)曾利用服務人口數作為大眾運輸路線延伸策略之評估基礎，該 研究以公車站牌 400 公尺以外未能服務到之需求作為新增路線之潛在需求(如圖 8 所 示 ) ， 經以 構 建之 最大 涵 蓋 之路 線延 伸 問題 (Maximum Covering Route extension Problem, MCREP)進行美國俄亥俄州弗蘭克林郡(Franklin County)之兩條郊區新公車 路線設計(如圖 9 所示)，並預估可滿足 81.5%之潛在需求。
圖 8 400 公尺未被服務到的範圍
資料來源：Matisziw 等人(2006)。
圖 9 400 公尺未被服務到的範圍
資料來源：Matisziw 等人(2006)。
彭舒淳(2008)曾從永續運輸觀點建構公車路線調整與規劃之多目標數學規劃模式，
該研究以服務人口數之最大化衡量社會公平、以營運者利潤最大化及使用者成本最小 化衡量經濟效率、以私人運具所節省的外部成本最大化衡量環境保護，其中服務人口
17
明如何推估 500 公尺範圍內可服務的人口數。
本研究探討郊區公車路線規劃與評估是希望提升中小型鄉鎮大眾運輸可及性，並 符合民眾實際需求，從相關研究之探討中可發現目前國內在大眾運輸可及性之探討較 為缺乏。在國外從社會公平性角度出發，應用可及性分析以確保其國人皆有平等之機 會獲得大眾運輸服務，然國內在公車路線規劃上較少從社會公平角度切入，以提升可 及性作為路線規劃目標。
2.3 綜合評論
綜合前述服務科學與可及性之文獻回顧，本研究歸納出下列 4 點，在路線設計時 建立可及性之評估、應用與分析後續研究之參考。
一、 近年來國外研究十分重視社會公平性問題，常利用特定地區或重要地標之可及 性來檢視營運路網之完整性或評估規劃路網之影響，可及性指標歸納成兩類：
以大眾運輸系統為主體與以重要地標為基礎，因此，本研究預設站點道路 500 公尺涵蓋範圍內有重要地標、場站與服務人數比例，給予預設站點分數，涵蓋 愈多重要性也愈高。
二、 由於大眾運輸可及性指標之計算，牽涉到服務範圍、最短距離計算等複雜的空 間分析功能，因此目前大都利用地理資訊系統技術進行分析，後續本研究亦以 地理資訊系統分析規劃地區之基本資料與可及性分析。
三、 國內外研究於可及性之定義因使用領域不同而有所差異，且國外可及性皆應用 於路線評估鮮少應用於路線規劃與設計，因此，本研究將可及性應用路線設計 並以預設站點道路步行 500 公尺涵蓋門牌術範圍為衡量可及性為標準，並應用 越野競賽分數概念，依據涵蓋範圍內之重要地標給予預設站點分數。
四、 服務科學依使用領域不同整合不同面向組織或學科與技術，透過考量多方需求 與組織、技術整合，以達到整體價值提升與服務創新；目前服務科學多應用於 商業與服務業等，鮮少甚或沒有應用於公車路線設計，在本研究服務科學將考 量服務的實務和在地民眾大眾運輸需求，整合田野調查方法、地理資訊系統、
訪談問卷調查法與基因演算法進行接駁公車路線設計。
第三章 接駁公車路線設計方法與模式構建
經前一章節服務科學與可及性之應用與相關文獻回顧，得知可及性大致可分為空 間可及性與時間可及性且服務科學多應用於商業與服務業，故本章節將針對接駁公車 路線設計流程與步驟進行說明與服務科學應用所在，並於流程初步設計步驟，建構一 模式產生建議候選路線與建議候選路線組合，最後再透過實例測試來驗證本流程與模 式。
3.1 中小型鄉鎮定義
本研究探討之中小型鄉鎮，多具有人口規模少、居住分布較分散、密度低、年齡 以學齡和高齡為主，鄉鎮內道路密集度低之偏遠鄉鎮，根據交通部運輸研究所(2012) 之研究，其採用內政部偏遠地區之定義：「人口密度低於全國平均人口密度 1/5 之鄉 鎮市區」，再將 348 鄉鎮市區依人口密度將鄉鎮市區劃分為 5 類地區如下表 3：
表 3 鄉鎮市區偏遠程度分類表 分類
項目
第一類 第二類 第三類 第四類 第五類
高偏遠地區 低偏遠地區 郊區 都市地區 市中心區 人口密度
(人/平方公里) 5~127 128~421 422~968 969~2772 2773 以上 資料來源：交通部運輸研究所(2012)。
依據交通部運輸研究所(2012)研究，本研究應用該研究分類，以人口密度符合第 一類(高偏遠地區)、第二類(低偏遠地區)與第三類(郊區)之鄉鎮，即為本研究所探討之 中小型鄉鎮。
3.2 問題特性
依前中小型鄉鎮之定義，本研究探討中小型鄉鎮，除人口密度低、居住分散、年 齡分布以學齡、高齡為主且道路密集度低等，其聯外交通僅藉由少數大眾運輸場站聯 結，且鄉鎮內部的大眾運輸路網僅集中於少數幹道上，以圖 10 之新竹縣橫山鄉為例，
主要聯外之運輸節點為臺鐵內灣線五個火車站與五條公車路線，鄉民可搭乘火車或公
19
車前往新竹市與竹東。然在橫山鄉 11 個村中，大眾運輸家戶涵蓋如圖 11，目前共有 五個村之家戶涵蓋率是 0%，而由於目前整體運輸規劃模式中，橫山鄉為單一交通分 區，僅能了解周邊其他行政區域的運輸需求量，無法得知橫山鄉內部 11 個村之運輸 需求，因此，本研究在設計中小型鄉鎮之接駁公車路線求解問題與整合應用方法如 下：
一、 本研究接駁公車路線設計以提升大眾運輸服務可及性為主，各接駁路線主以銜 接既有大眾運輸節點，提升民眾搭乘大眾運輸聯外之可及性。
二、 應用服務科學服務實務理念舉辦鄉村長座談會與問卷調查法了解內部運輸需 求。
三、 結合地理資訊系統為基本資料與服務縫隙分析工具，並應用啟發式演算法與基 因演算法求解接駁公車路線設計。
四、 應用服務科學田野調查理念進行設計路線實地踏勘，了解設計路線適宜性與家 戶圖資是否有差異。
五、 應用越野競賽控制點分數概念，給予各個預設站點分數，給分考量因子將於後 續進行說明。
圖 10 問題定義示意圖 1
圖 11 問題定義示意圖 2
3.3 接駁公車路線設計流程
本研究以中小型鄉鎮所建立之接駁公車路線設計流程分為六階段，分別為現況資 料分析、資料蒐集、鄉長與村長訪談、初步路線設計、實地勘查與路線調整和路線確 認，如圖 12 所示；現況資料分析、資料蒐集步驟和鄉長與村長訪談，本研究應用服 務科學理念中服務之實務，除應用地理資訊系統分析大眾運輸服務現況外，以身體力 行方式訪談鄉長與村長以取得內部運輸需求，並進行田野調查，了解道路行駛條件與 家戶分布是否與圖資相同；訪談和座談會與初步路線設計應用服務科學跨領域整合概 念，結合地理資訊系統為分析工具、問卷調查以取得內部需求資料最後應用基因演算 法求解接駁公車路線之設計；此外，本研究亦應用到服務科學領域中價值交換、創造 活動的服務系統，透過訪談與座談會提供一個意見交流平台，透過交流與討論，使設 計之路線能在適當之成本支出下，滿足在地民眾實際之需求，茲究重要步驟詳細說明 如下：
21 基
本 資 料 蒐 集 與 分 析
鄉 長 與 村 長 訪 談
初 步 路 線 設 計
實 地 勘 查 與 路 線 調 整
路 線 確 認
現有大眾運輸路網資料搜集
產生候選路線 基本資料計算
錄影/拍照/紀錄 鄉長與村里長座談與問卷調查
確認路線適宜性與調整
確認接駁路線營運計畫
· 候選路線、特定路段行駛時間
· 道路行駛條件
· 家戶、道路與圖資差異
· 現有公車路線滿意度調查
· 現況需求調查
· 路線
· 效益分析
資料分析
產生建議候選路線組合
路線營運計畫 刪除不可行路段 第二次設立預設站點
· 運輸路網資料分析
· 運輸路網時間縫隙分析
· 運輸路網可及性分析
· 大眾運輸路網、站牌與班次資料
· 村里界、家戶與道路圖層資料
確認道路之公車行駛條件
第一次設立預設站點
圖 12 接駁公車路線設計流程圖
一、 基本資料蒐集與分析：
(一) 現有大眾運輸路網資料蒐集：此步驟主要在蒐集設計接駁公車路線之鄉鎮內部 大眾運輸基本資料，包括：所有大眾運輸系統路線、時刻表、班次數、站牌位 置、家戶位置資料與道路資料，以利後續分析該鄉鎮大眾運輸服務可及性與服 務縫隙。
(二) 資料分析：
1. 運輸路網資料分析：應用地理資訊系統將彙整之該鄉鎮大眾運輸路網匯入 圖層，如：各公車路線服務路線、各路線站牌位置，以了解大眾運輸服務 之空間縫隙。
2. 運輸路網時間縫隙分析：將收集之大眾運輸路網時刻表資料彙整，分析該 鄉鎮大眾運輸時間縫隙，並於後續訪談時，了解該大眾運輸時間縫隙內是 無班次服務或無需求。
3. 運輸路網可及性分析：將蒐集到之家戶與道路資料應用地理資訊系統分析 門牌涵蓋率，分析各路線所服務之家戶數與該區域大眾運輸服務整體涵蓋 率以了解該鄉鎮大眾運輸服務家戶之比例。
(三) 道路之車輛行駛條件：應用 Google 地圖街景圖服務初步蒐集該地區道路車輛 行駛條件，如：道路鋪面、寬度與邊坡護欄等條件，於後續初步設計刪除不可 行道路。
二、 鄉長與村長訪談
(一) 第一次設立預設站點：此為訪談鄉村長行前作業，以提升大眾運輸可及性為主 要原則設立預設站點，並於訪談時和鄉村長討論各預設站點合宜性與建議新增 站牌位置，設立步驟如下:
1. 刪除被既有路線 500M 涵蓋之門牌位置：透過涵蓋率分析，可以清楚明瞭以 被既有路線所服務之家戶，將其刪除，可明確整理出未被大眾運輸所服務 之門牌位置與戶數，並進行改善。
23
2. 於既有場站設立站牌：為提高大眾運輸可及性，透過接駁路線與既有路線 場站連接，作為轉乘位置，除可提高大眾運輸可及性亦可提高民眾對既有 路線搭乘率。
3. 於重要地標設立站牌：以服務民眾為主可設立於如：鄉公所、衛生所與國 中小學等，若以服務觀光為主可設立於觀光遊憩景點。
4. 於各村門牌聚集/活動聚集處設立站牌：應用地理資訊系統檢視未被服務之 門牌位置，於各村家戶聚集/活動聚集處設立站牌以提供大眾運輸服務。
(二) 鄉長與村里長座談與問卷調查：透過訪談鄉長與村里長並以問卷調查，瞭解鄉 與村里之內部實際運輸需求並說明初步設立之預設站牌，以問卷調查鄉村長對 於預設站牌之建議，訪談與問卷調查主以瞭解下列兩項：
1. 現有公車路線滿意度調查：對設計接駁公車路線之地區調查該區域現有公 車路線的服務範圍滿意度、服務班次滿意度、服務品質滿意度、票價收費 滿意度與轉乘銜接的時刻表安排滿意度，以瞭解既有公車路線服務問題與 缺失。
2. 現況需求調查：對設計之地區調查該區域居民主要交通工具、居民搭乘公 車行程目的(地)、居民最常前往之地點、最需要設置接駁公車站牌地點、往 返最需要公車接駁地點時間、未來接駁最高可接受費率、可接受步行距離 與值得觀光之景點，以做為後續規劃與路線調整之考量。
(三) 整理訪談問卷與訪談資料，根據鄉長與村長建議需求資料，新增預設站點，並 參考問卷蒐集之需求發車時段，作為設計之最適候選路線組合班次參考依據。
三、 初步路線設計
(一) 刪除不可行路段：以前述道路行駛條件，將不適合行駛公車之路線，應用地理 資訊系統於道路圖層中刪除，以避免設計出不適營運之路線，若有特殊路線如：
為避免設計路線與既有公車服務路線重疊，亦可將該路段刪除。
(二) 第二次設立預設站點：根據鄉村長訪談獲得建議需求預設站點，新增建議之預
設站點位置或移除不適之預設站點，獲得需求建議路線時可以應用地理資訊系 統，檢視出建議路線上門牌數聚集位置，於門牌聚集處設置預設站點。
(三) 基本資料計算：在應用模式求解接駁公車路線設計問題時，需要以下基本資料：
建立預設站點、預設站點間距離矩陣、預設站點分數矩陣、預設站點最短距離 過站矩陣與預設站點涵蓋門牌數矩陣，各詳細說明如后：
1. 建立預設站點間距離矩陣：應用地理資訊系統作為分析工具，將建立好之 預設站點與可行道路路網圖層，匯入圖層中，即可計算出各預設站點間之 最短距離。
2. 建立預設站點分數矩陣：本研究應用越野競賽概念，給予各預設站點分數，
越野尋蹤問題(Orienteering Problem)亦可分為單人與團隊越野競賽問題 (Team Orienteering Problem)，團隊越野競賽問題在 1996 年由 I-Ming Chao 等定義，其定義為給定一地圖，在地圖上有指定的控制點(Control Point)、
起始點與終點，每一控制點皆給定一分數，M 位隊友藉由地圖與指南針輔 助從起始點出發，隊友所經過之控制點無法再次經過獲取分數，目標是在 時間限制內獲取最大化分數並至指定終點如圖 13 所示。本研究在建立預設 站點分數矩陣，主要考量預設站點 500 公尺涵蓋範圍是否涵蓋下列項目：
O 4
3 1
5 2 8
1
5
9 D
圖 13 團隊越野尋蹤問題範例圖
25
(1) 重要地標：例如鄉公所、衛生所與農會等，涵蓋給予一分否則零分。
(2) 學校：主要以國小與國中為主，因高中多半已有校車服務，涵蓋給予 一分否則零分。
(3) 主要道路：該鄉鎮主要道路，例如橫山鄉的台 3 線，涵蓋給予一分否 則零分。
(4) 涵蓋門牌數比例：將各預設站點所涵蓋之門牌數量，將最低至最高區 間分為五等份，分數由一至五，一分最低五分最高，若預設站點涵蓋 數量為零，則表示該站點位於既有道路上，給予三分，因設計路線主 要為接駁民眾至既有場站提高大眾運輸可及性。
(5) 其他：因設計之鄉鎮不同，居民會有不同之需求點或目的地，考量因 素可因地制宜方式增減，例如在橫山鄉案例，其中考量項目有火車站 (內灣支線) ，涵蓋給予一分否則零分。
3. 建立預設站點最短距離過站矩陣：本研究模式以站牌排列組合方式產生路 線，先給予各站牌編號，依排列組合之站牌順序，代表行駛路線與停靠之 站牌點，若未出現之站牌點即代表不停靠該站牌，且各預設站點間行駛最 短路徑，因此建立過站矩陣，以刪除求解過程中不合理解；其判斷方式相 當簡易，以圖 14 為範例，假設經過道路圖層修改，將不可行駛公車之道路 刪除後，圖中僅有一條最短路徑可以行駛，如圖中黑色線條，並經過排列 組合求解，取得路線為 1→2 與 1→4，由圖中可以發現，路線為 1→2 路線 上沒有經過其他站牌，因此於矩陣中其值為 0，反觀路線為 1→4，因本研 究依排列組合之站牌順序，即代表行駛路線與停靠之站牌點，此路線僅停 靠站牌 1 與站牌 4，可以發現最短路徑上有經過站牌 2 與站牌 3，因此於矩 陣中其值為 1，在求解過程中透過此矩陣刪除所產生之不可行路線解；範例 建立之矩陣如表 4 所示。
圖 14 過站矩陣說明示意圖 表 4 過站矩陣說明範例結果
預設站點 1 2 3 4 5
1 0 0 1 1 1
2 0 0 0 1 1
3 1 0 0 0 1
4 1 1 0 0 0
5 1 1 1 0 0
4. 建立預設站點涵蓋門牌數矩陣：首先針對本研究所提之道路步行距離 500 公尺涵蓋門牌數作一圖解說明，如圖 15 與圖 16 所示，假設以位於橫山鄉 西南方鄉界交接處之竹縣 122 縣道，一般涵蓋範圍為以站牌為中心點，畫 設半徑 250 公尺的圓圈作為涵蓋範圍，被此一範圍所涵蓋之家戶數即代表 該站牌可服務之戶數，然而，在實際道路上從中心點至紅色點時發現被河 流所阻隔，即便該點在涵蓋範圍內實際卻無道路可至該點；因此，本研究 同樣以站牌為中心點畫設一以道路距離為基準之不規則形狀涵蓋範圍，而 此涵蓋範圍內之家戶，從涵蓋範圍之中心點步行至範圍內各點最遠不超過 500 公尺；應用此涵蓋計算方式，建立依預設站點涵蓋門牌數矩陣，以做為 求解輸入。
27
圖 15 涵蓋範圍說明圖 1(一般涵蓋範圍)
資料來源：Google 地圖與本研究整理。
圖 16 涵蓋範圍說明圖 2(本研究道路步行距離涵蓋範圍)
資料來源：Google 地圖與本研究整理。
(四) 產生候選路線：本研究應用啟發式演算法產生候選路線解，模式以站牌排列組 合方式產生路線，先給予各站牌編號，並依排列組合結果之站牌順序，即代表 行駛路線與停靠之站牌點，求解時除輸入前述基本資料外，仍須於介面分別輸 入：起始站牌、每車公里程成本、行駛時間限制、OP 加乘、H/C 加乘與 H 加 乘資料，例如在橫山鄉案例中，以橫山鄉公所為起始站站牌編號為 11，本研 究會固定路線起始站牌因接駁路線亦需要場站營運、停車等，未來可參考設計 地區的現有場站作為起始站，路線行駛時間限制計算方式以每小時行駛 30 公 里(每 0.5 公里行駛 1 分鐘)為計算基準，再以預設站點中最遠砣子與福興活動
中心兩點間之距離 10 公里除以 0.5 得出 20 分鐘行駛時間限制，最後三項控制 加乘項目主要目的為在基因求解時拉大適應值間差距，以利求解。
(五) 產生建議候選路線組合：依據步驟 4 產生之候選路線解為輸入資料，並應用基 因演算法求解最適候選路線組合，本研究參考林昇甫與徐永吉(2009)提及，母 體大小關係著演算法的全域搜尋能力，因此於染色體數目為 100，並採用 0-1 整數編碼，因此每一條染色體有候選路線數個基因值，為加速求解與跳脫區域 最佳解過程，可調整交配率與突變率，在交配部分，假設染色體數目為 70，
採隨機挑選兩條染色體進行雙點交配將執行 35 次，若交配後新染色體適應值 優於原染色體則進行取代否則恢復原染色體，突變過程中，因染色體會依照適 應值由劣至優順序進行排序，因此抓取最差前 10 條染色體進行位元突變，並 以較優之基因值有較高被挑選進行突變，同樣若突變後新染色體優於原染色體 則進行取代否則恢復原染色體，每一次執行求解時其終止條件依候選路線數不 同調整迭代次數。
四、 實地勘查與路線調整 (一) 錄影、拍照與記錄
1. 候選路線行駛時間：實地勘查建議候選路線，分別記錄各候選路線行駛時 間。
2. 特定路段行駛時間：實地勘查建議候選路線，針對特定路段如：欲納入之 路段但因可及性提升率不高而遭到剃除，勘查該路段之行駛時間，以分析 若加入此路段整體行車時間。
3. 道路行駛條件：針對建議候選路線進行沿線整體道路寬度勘查，是否有不 適車輛行駛之路段與其它道路條件如：道路鋪面與邊坡護欄，因透過街景 圖方式會有資料老舊之疑慮，如颱風過後，鄉道可能坍方等問題出現。
4. 家戶分散、道路與圖層差異：針對建議候選路線進行沿線家戶分散與道路 情況進行勘查，核對與現有圖層資料是否有所差異。
29
(二) 確認路線適宜性：根據上述實地勘查獲取之資料，針對路線進行評估，如：路 線是否行經公車無法行駛之路段與門牌圖層與實際門牌分布情況差異使路線 涵蓋門牌數降低等。
五、 路線確認
(一) 路線營運計畫：經過調整後，確認營運之路線與效益分析於下列進行說明：
1. 路線：依據模式演算結果，執行數次獲取分數最高之路線組合，作為建議 候選路線組合與預設站點位置。
2. 效益分析：針對建議之路線，評估該路線之提升大眾運輸服務可及性效益，
根據需求時間與班次數估算年營運成本。
3.4 路線設計演算法
本研究接駁公車路線設計模式應用啟發式演算法於求解所有可行候選路線解，經 求解所有可行候選路線後，應用基因演算法求解最適候選路線組合解，首先說明模式 之假設。
一、模式假設與限制
本研究建立之模式分為產生候選路線與產生候選路線組合兩部分，模式在求解時 相關假設與限制如下：
(一) 起始站牌假設與限制：本研究假設並限制各候選路線由同一站牌為路線出發點，
該站牌可以是場站、鄉公所等可做為發車地點場所，例如：期望以橫山火車站 為發車場所，即設立站牌並以該站牌做為起點，產生該起點所有可行候選路 線。
(二) 候選路線行駛時間限制：本研究於產生候選路線時會給予行駛時間限制，計算 方式以每小時行駛 30 公里(每 0.5 公里行駛 1 分鐘)為基準，並以預設站點最遠 之兩點行駛時間做為模式求解候選路線時之時間限制，例如：設計地區預設站 點中最遠距離 10 公里，將 10 公里除以 0.5 得出 20 分鐘行駛時間限制，若因
最遠之兩站牌點行駛時間仍無法抵達，表示該路線效率過低。
(三) 每車公里成本：求解時需要輸入每車公里成本以計算基因演算法中適應值，本 研究於實例應用採用概估中巴價格每車公里成本 35 元，因需求人數與道路寬 度考量，若使用一般大型巴士可參考臺北市聯運公車運價調整案(2011)每車公 里成本 53.23 元。
二、候選路線產生演算法
候選路線產生步驟，經基本資料建置完成並以其為輸入資料，求解候選路線，如 圖 17 所示，詳細說明將於此小節進行說明如下：
輸入資料 開始產生起始解路線
站牌組合路線 抓路線並排序站牌
判斷各路線行駛時間 限制與過站不停 是
否 保留可行路線解 刪除
判斷i值是否達停止條件 是
否
輸出所有可行路線
GAs 基本資料建置
圖 17 候選路線產生演算法流程圖
31
(一) 基本資料建置：本研究於研究假設中提及，假設模式中需求站點資料為已知，
並透過地理資訊系統求解下列模式所需輸入之基本資料，詳細步驟已於 3.1 節 說明，並建置成 txt 檔案以利讀取：
1. 各預設站點間距離矩陣資料。
2. 各預設站點步行 500 公尺門牌涵蓋數。
3. 各預設站點間之最短路徑過站矩陣。
4. 各預設站點之分數矩陣。
(二) 資料輸入：模式求解候選路線解與路線組合，由使用者輸入起始預設站點編號，
主要為控制路線皆由同一場站出發如模式假設中提及；每車公里成本為計算基 因演算法中的適應值，依使用車體不同輸入不同之成本值；路線行駛時間限制 主要為限制候選路線長度，避免站牌組合產生過長不可行路線解。
(三) 站牌組合路線：本研究產生候選路線以站牌組合路線，演算流程如圖 18 所示，
詳細說明如下：在進行首次站牌組合路線，抓取起始站牌編號，將未使用站牌 依序編號大小排序，執行次數由 i 控制如：i=2 時，組合兩個站牌成一條路線，
i=3 時，組合三個站牌成一條路線，以此類推，停止條件為預設站點總數-1；
在圖 18 流程中，假設共 8 個站牌並以編號 8 站牌為起始站牌，抓取起始站牌 8，將未使用站牌進行排序，起始 i=2 且僅有站牌 8，因此共產生 7 條候選路線，
如表 5 所示：
表 5 站牌組合 i=2 範例說明
候選路線 合理解
路線無過站不停 無超過行駛時間
8→1
8→2
8→3
8→4
8→5
8→6
8→7
透過邏輯判斷刪除不合理解，僅路線 8→1 與 8→7 同時滿足兩限制條件，
並以此兩條路線做為下一次站牌組合路線之起始解，以類似基因母代之概念，
然當 i 值未達停止條件預設站點總數-1 時，抓取所有可行解中第一條路線進行 連接路線，同樣將未使用站牌依序編號大小排序，開始組合站牌，第一條所有 可能路線產生完畢後抓取第二條，直至最後一條完成為止，共產生 12 條路線，
如表 6 所示：
表 6 站牌組合 i=3 範例說明
候選路線
合理解
候選路線
合理解 路 線 過
站不停
超 過 行 駛時間
路 線 過 站不停
超 過 行 駛時間
第一條 可行解 8→1
8→1→2
第二條 可行解 8→7
8→7→1
8→1→3 8→7→2
8→1→4 8→7→3
8→1→5 8→7→4
8→1→6 8→7→5
8→1→7 8→7→6
最後由下一步驟將不可行解如：超過行駛時間建置與過站不停解進行刪除，
7 條候選路線共留下 4 條，以此方式繼續迴圈達停止條件為止，流程說明示意 圖如圖 18。
33 起始站牌：8
抓取第一條 並排序:
8 1234567
所有可行解:
81 82
… 87
刪除不合 理解後剩下:
81 87
抓取前一次解:
81 87
抓取第k條 並排序:
81 234567 87 123456
...
所有可行解:
812 813
… 817 ...
871 872
… 判斷是否為最 876
後一條
判斷是否為最 後一條
i值是否達停 止條件 是
否
否
是 刪除不合理解
812 871 872 876 否
停止
圖 18 候選路線演算流程說明範例圖
(四) 保留可行路線：經上述流程演算後，每一次執行留下之合理解依序記錄下來，
最後輸出供基因演算法為輸入資料，並讀取候選路線數以做為設定基因值數 目。
(五) 判斷 i 值：判斷 i 值是否達到停止條件，i 由 2 開始，若未達停止條件預設站點 總數-1 繼續執行，直至 i=預設站點總數-1 為止。
(六) 輸出所有可行路線：經啟發式演算法求解出合理候選路線解，並同時輸出每一 條候選路線之分數、涵蓋家戶數、路線距離與適應值，輸出所有可行路線解於 模式視窗中以供使用者檢視各候選路線基本資料。
(七) GAs：經求解出所有合理之候選路線後，執行基因演算法求解最適路線解組合，
並依設定交配與突變方式演算，直至停止條件為止，詳細演算流程將說明如 后。
三、路線設計演算法
本研究於路線設計以多條候選路線進行組合，以求最佳路線組合，然進行路線組 合求解時，若候選路線數愈多，所有可能性愈多，例如：假設共有 N 條候選路線，
則所有解共有 種組合，所以求解資料量隨 N 大小遞增，且 求解時間費時，若共有 15 條候選路線，則會有 32767 種組合解，如下圖 19 所示，
因此本研究於邏輯驗證引用吳東怡(2013)新豐鄉案例產生之路線資料，作為驗證資料 進行驗證。
圖 19 路線組合解數示意圖
因此，本研究應用基因演算法(Genetic Algorithms,GA)求解候選路線組合，基因 演算法最早是由 John Holland 於 1960 年所提出，以「物競天擇」及「適者生存、不 適者淘汰」之定律，選擇優良基因、交配與突變之過程，藉由模擬自然界生態物種不 斷的競爭，由適合生存者所繁衍出更優良的下一世代演化過程，來達到求解問題的方 法。本小節將說明本研究於基因演算法時的編碼方式、適應值的計算方式、交配和突 變方式與演算流程，流程如圖 20 所示，詳細說明如下：
0 5000 10000 15000 20000 25000 30000 35000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
35 設定染色體 每條產生起始解數量基因值
GAs
產生起始解
隨機抓取一條染色體進行突變 交配
判斷是否交換 否
是
計算適應值
判斷是否達停止條件 否
是 停止
輸出最 適組合
解
隨機抓取兩條染色體進行交換，並比 較是否優於原染色體
判斷是否停止交換 執行所有染色體數量/2
的次數
突變
判斷是否突變 排序、選擇射飛鏢
否
是
否 是
圖 20 基因演算法流程圖
(一) 設定染色體：本研究參考林昇甫與徐永吉(2009)提及，母體大小關係著演算法 的全域搜尋能力，因此於染色體數目為 100，並採用 0-1 整數編碼，每一條染 色體基因值個數為候選路線總數，例如：假設產生 30 條候選路線，則每一條 染色體有 30 個基因值，每一基因值即代表一條候選路線，當基因值為 1，即
代表該候選路線解被選取，否則為 0。
(二) 產生起始解：起始解使用隨機產生，共產生 100 條的染色體做為母體。
(三) 計算適應值：應用地理資訊系統計算每一預設站點 500 公尺所涵蓋門牌數量並 扣除現有大眾運輸系統所服務之門牌數，該所涵蓋才確實為實際服務門牌數量，
並透過使用者輸入基本資料每車公里成本計算該路線組合營運成本，並且在計 算路線組合所服務之門牌數時，若已被某條路線所服務之預設站點其涵蓋門牌 數不重複計算，但重複計算該行駛距離，以此來降低演算過程不可行解存活機 率，計算式如式(1)所示。
服務門牌數 被既有路線服務門牌數
每車公里成本 路線總距離 其中，
該路線每單位成本所能服務門牌數。
該路線所能服務之門牌數。
該路線營運成本。
每一預設站點有各自的分數，同樣計算該路線組合總分時，已被某條路線 所服務之預設站點分數不重複計算，適應值計算如下式(2)所示：
適應值 分數 (四) 停止條件：在滿足成本限制下並依求解案例之可行解路線數量大小不同而使迭 代次數有所差異，如：在實例測試時橫山範例共有 35 條可行解路線，其停止 條件為迭代 1000 次。
(五) 排序、複製：於步驟三計算每條染色體適應值後，於此步驟計算累積適合度比 值，並依序排序由小至大，並依累積適合度比值同時排序路線組合、適應值、
OP 分數、家戶數與距離。本研究複製方式採用輪盤式複製策略，輪盤式複製 是透過適應值判斷各染色體的優劣，以決定染色體被保留至下一世代的機率大 小，適應值愈高之染色體被保留的機率愈大如圖 21 中 ，反之，適應值愈小 之染色體被淘汰的機率也較大如圖 21 中 ，示意圖如圖 21 所示，此外，本
37
研究因母體數量較大為確保每一代中最適的染色體能夠被保留下來，因此，皆 會於第一次複製時，強制複製排序後適應值最高之染色體。
圖 21 輪盤法示意圖
(六) 交配：透過交配讓染色體之間交互基因值，使新染色體有機會產生優於母代路 線組合有更高的適合度，使其不斷的演化，而其判斷是否進行交配，依照給定 的交配率，產生隨機值若達到交配門檻即進行交配，本研究交配率設定為 0.9 並採用雙點交配方式如圖 22 所示，隨機產生兩個交配點，兩交配點所包含之 範圍交換其中所有位置的基因值，如圖 22 所示，101 與 010 交配後變成 010 與 101，本研究採用 0-1 整數編碼亦是為了避免重複挑選路線與編碼和解碼繁 瑣過程。
1 1 1 1
1 0 0 0 0
0 0 0 1
1 1 0 1 0
1 0 0 1
1 0 0 1 0
0 1 1 1
1 1 0 0 0
圖 22 雙點交配示意圖
(七) 突變：基因演算法在求解過程中，為避免染色體在交配與複製過程中，發生過 早的收斂落入於局部最佳解，而使用突變方式，來跳脫局部最佳解以取得全域 最佳解。突變與交配同樣有突變率，本研究突變率設定為 0.3，經過排序過程 後選取排序為前十位之染色體進行突變，因排序第一位染色體為該世代最差解，
所以挑選該染色體進行突變，本研究採取位元突變方式，如圖 23 所示。
1 1 1 1
1 0 0 0 0
0 0 0 1
1 1 0 1 0
1 0 1 1
1 0 0 0 0
0 1 0 1
1 1 0 1 0
圖 23 位元突變示意圖
3.5 邏輯驗證
本研究於路線設計以多條候選路線進行組合，以求最佳路線組合，然進行路線組 合求解時，若候選路線數愈多，所有可能性愈多，如 3.4 節中第三小節所提及，路線 數量愈多，求解資料量愈大，且求解時間費時，因此本研究於邏輯驗證引用吳東怡 (2013)6 條路線資料進行驗證，驗證基因演算法所產生之候選路線組合邏輯正確性與 路線組合適應性，最後透過窮舉法來檢視路線組合最佳解是否與演算法求解一致，以 避免邏輯錯誤。
一、 驗證一：基因演算法產生新豐鄉路線組合
本研究應用吳東怡(2013)研究中新豐鄉候選可行路線共 6 條，但因程式計算過程 要求解路線距離、涵蓋門牌與站牌分數等資料，因此將候選路線 5 切割成候選路線 5 與候選路線 6，共 7 條候選路線，如圖 24 所示，本研究求解候選路線組合時，需要 基本資料如：距離矩陣、預選站牌分數、涵蓋門牌數與預設站點最短距離過站矩陣皆 由本研究透過地理資訊系統自行分析建置，各路線基本資料經程式計算如表 7 所示，
再將七條候選可行路線輸入模式內，經基因演算迭代 1000 次求解並重複求解 100 次，
本研究模式求解出最適路線組合，如表 8 與圖 25 所示。
39
圖 24 候選路線圖
資料來源：吳東怡(2013)。
表 7 所有候選路線基本資料
編號 候選可行路線 路線組合 OP 分數 適應值
1 1→11→12→1 9 5.0738 14.0738
2 9→10→1→12→11 17 6.8666 23.8666
3 6→7→9→2 16 10.0938 26.0938
4 6→7→9→2→3 18 8.0491 26.0491
5 6→7→9 10 15.3921 25.3920
6 3→2 8 11.8950 19.8950
7 9→4→5→8→9 15 7.7036 22.7036 註：可行路線數字為站牌編號。
表 8 最佳路線組合
最佳路線組合解 路線組合 OP 分數 * 適應值 最適解次數
2 5 6 7 44 8.2464 52.2464 100
加總 100
註：*加乘 10 倍。
圖 25 最佳候選路線圖 二、 驗證二：窮舉法驗證最佳解
本研究應用新豐鄉七條候選路線，於驗證一求解最適候選路線組合為 2→5→6→
7，為確保基因演算法求解路線組合之正確性，將七條路線應用窮舉法進行求解以找 出最佳組合解，共 127 種組合如表 9 所示，最佳解於編號 93，路線組合同樣為 2→5
→6→7，可發現本研究透過窮舉法確認基因演算法求解最適組合邏輯正確性。
表 9 路線組合窮舉
編號 組合路線 OP 分數 H/C OP+H/C
1 1 9 5.0739 14.0739
2 2 17 6.8667 23.8667
3 3 16 10.0938 26.0938
4 4 18 8.0492 26.0492
5 5 10 15.3920 25.3920
6 6 8 11.8950 19.8950
7 7 15 7.7037 22.7037
8 1+2 17 4.0630 21.0630
9 1+3 25 6.9377 31.9377
10 1+4 27 6.3978 33.3978
