應用資料科學於交通網路解析－闕嘉宏

1. 創代科技股份有限公司
執行長 闕嘉宏 博士

2. Here comes your footer











3. Here comes your footer




4. Here comes your footer

6. Here comes your footer




金融
服務
64億
政府
部門
28億
電信
媒體
軟體
網路
28億
能源與公
共事業
12億
0.8億

7. Here comes your footer

8. Here comes your footer





10. Here comes your footer
評析技術 VD GVP CVP EVP
通訊能力 單向被動 單向主動 雙向主動 雙向被動
資料類型 Spot Data Spot Data Space Data Space Data
10

11. Here comes your footer

12. Here comes your footer
0
10
20
30
40
50
60
70
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
速率
時階
實際式車輛偵測器數據
起點VD

13. Here comes your footer

14. Here comes your footer
1/2 (五)空間旅行時間分布表
1/3 (六)空間旅行時間分布表
1/4 (日)空間旅行時間分布表
1/5 (一)空間旅行時間分布表
1/6 (二)空間旅行時間分布表
1/7 (三)空間旅行時間分布表

15. Here comes your footer
0
10
20
30
40
50
60
70
80
90
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
速率
時階
同路段速率差異狀況
起點VD 迄點VD eTag 空間速率

16. Here comes your footer







17. Here comes your footer
路段資料融合系統
space data
VD
CVP
GVP
EVP
spot data
VD
CVP
GVP
EVP
初級資料演算系統
space data
VD
CVP
GVP
EVP
spot data
VD
CVP
GVP
EVP
次級資料演算系統
space data
VD
CVP
GVP
EVP
spot data
VD
CVP
GVP
EVP
資料源品質
資料品質計算系統
發佈涵蓋率
即時趨勢
線上追蹤
歷史資料
走勢補償
路段績效指標
space data
VD
CVP
GVP
EVP
spot data
VD
CVP
GVP
EVP
即時資料
接收平台
異常值濾除
闕漏值補償
濾波值追蹤
點、空間速度轉換
傅立葉曲線連續化
時間無縫演算查詢
振幅、相位角儲存
BIG Data壓縮記憶
HHT
Entropy
ANN
Bayesian
完整性
即時性
可用性
準確性
可信性
涵蓋率
旅行時間
規劃時間
緩衝時間
壅塞程度
Data
Source
地理資訊系統
地圖匹配模組

18. Here comes your footer
1. 遺失值發生該怎麼處理?
2. 前後資料躁動怎麼處理?
3. 突發事件產生，會不會誤判
成雜訊?

19. Here comes your footer
有了目標，開始尋找適合的方法吧!!
 已知事件發生的前提下 ，計算融合
權重機率。
 透過大量前期資料，訓練融合演算
模型。
Bayesian Decision Theory 類神經網路
Entropy theory
• 偵測突發事件時，適度反映並
提高融合權重
HHT轉換
• 去除訊號雜訊，找出資料源於
時間上的訊號強度。
)(
)()(
)(
EP
HPHEP
EHP 
Input layer Hidden layer Output layer
Data from
Sources
For Item 2
For Item 3
For Item 4
For Item 5
Processing
elements
Weighted
interconnection
For Item 1

20. Here comes your footer
20
時空無縫
資料服務
初級
資料
資料
融合
次級
資料
異常值過濾
漏失值插補
Bayesian
Decision Theory
類神經網路
Entropy theory
HHT轉換傅立葉曲線轉換

21. Here comes your footer

22. Here comes your footer
把資料變成可使用的決策成果
22
0.59
0.64
0.69
0.74
0.79
0.84
0.89
0.94
0.99
1.04
0 10 20 30 40 50
旅行時間
時階

23. Here comes your footer

24. Here comes your footer



25. Here comes your footer 25
「
車
輛
種
類
」
項
目
次
數
分
配
「
年
齡
」
項
目
次
數
分
配
肇事數量最高的族群 肇事危險度最高的族群
集群大小 51.5%(117713) 27.3%(62345)
年齡 20-29歲 50-59歲
車輛種類 機車 行人
集群結果釋義
機車為20至29歲的族群最常使用的車種
20至29歲的駕駛者相較於其他年齡層的駕
駛經驗較不足
此族群可能由於缺乏保護裝
備而容易發生嚴重事故

26. Here comes your footer

27. Here comes your footer
• 補貼狀況(2014年)
• 台北市票差補貼20億
• 台北市公車營運補貼3.3億
• 北捷轉乘補貼12億
• 營運營本(2013年)
• 雙北市公車系統174億
• 台北捷運系統138億

28. Here comes your footer






29. Here comes your footer
每日交易量
360萬筆
每日交易量
2,700萬筆發明國家級
靜態編碼技術
、結構化旅次
資料庫
彈指間完成
過去做不到的
查詢和視覺呈現

30. Here comes your footer
前台網頁服務模組
後臺資料庫群組
資料解析演算模組
電子票證交易資料
三大運具站位路線
靜態編碼資料
公車&國道客運
A1A2動態資料
交通分區空間圖資
自動化統計圖表
網頁資訊查詢介面
旅運模式判斷 敘述統計指標
RawData 資料庫 OD解析資料庫
運量類別統計
旅次鏈類別統計
OD矩陣類別統計
旅次行為轉換演算
OD分區時間空切割
動靜態OD矩陣演算
運量運量
運具配對組合
轉乘比率
票種使用比率
分區OD矩陣
IO熱區排名
分區運具組合比率
通勤旅次比率
敘述統計指標查詢
運量 旅次鏈OD矩陣
GIS網頁操作介面

31. Here comes your footer



運具組合 公車 捷運 台鐵 國道客運 微笑單車
公車 B-B B-M B-L B-K B-U
捷運 M-B M-M M-L M-K M-U
台鐵 L-B L-M L-L L-K L-U
國道客運 K-B K-M K-L K-K K-U
微笑單車 U-B U-M U-L U-K U-U

32. Here comes your footer
悠遊卡公車交易資料
卡號
交易時間
公車路線
公車車牌
卡種
5284 公車車牌代號表
公車車牌
公車代號
公車車牌↔ 公車
代號
公車A2到離站資料
公車代號
回報時間
車站代號
公車路線
存在最近值
比對[公車代號]
[交易時間]&A2[回
報時間]
公車A1定時資料
公車代號
回報時間
回報座標
公車路線
比對[公車代號]
[交易時間]&A1[回
報時間]
車站代號
轉換座標
回填
5284 車站屬性表
車站代號
車站座標
成功
失敗
存在最近值 座標回填成功
歷史
A1&A2
LogFile
批次資料
拆解程式
失敗
紀錄失敗結
果
回填交易時間的座標
回填交易時間
的座標

33. Here comes your footer
公車站牌:28,283站
捷運車站:117站
微笑單車:284站

34. Here comes your footer

35. Here comes your footer
國家級鄰里區界站位編制SOP
35
內政資料開放平臺
全國村里界圖
基礎圖資蒐集
村里資料比對
圖徵融合及切割
交通分區
定義
全國村里
界圖層
旅次分區空
間圖資產製
各分區運具筆數篩選

36. Here comes your footer
63-01-001-007
63-01-002-003
63-01-003-002
中山國中站

37. Here comes your footer






Stop_ID2
Stop_ID1
Stop_ID4
Stop_ID3

38. Here comes your footer
 五種運具OD任意組合
 起迄互換，方向顛倒也可以
 OD矩陣中還有OD矩陣
[卡號]- [卡種]- [運具1]- [時間1]- [路線1]- [車號1]- [站名1]- [站牌代號1]-[運具2]- [時間2]- [路線2]- [車號2]- [站名2]- [站牌代號2]

39. Here comes your footer
可以細到路線，特定站位，轉運行為
排名 路線 交易數量
1 307路
47,161
2 262路
29,804
3 235路
23,493
4 20路
23,075
5 266正線
21,029
6 236路
20,831
7 652路
19,840
8 601路
18,038
9 292路
17,060
10 299路
16,939
排名 站位名稱 交易數量
1 臺北車站(忠孝)
16,018
2 南京寧安街口
11,799
3 捷運西門站
11,763
4 南京敦化路口(小巨蛋)
10,551
5 捷運市政府站
10,182
6 捷運公館站
8,923
7 南京三民路口
8,529
8 捷運松江南京站
7,390
9 南京龍江路口
6,590
10 榮總
6,278
排名 站位名稱 交易數量
1 捷運市政府站
4,667
2 捷運龍山寺站
3,606
3 捷運圓山站
3,518
4 臺北車站(忠孝)
3,306
5 捷運西門站
3,224
6 捷運士林站(中正)
3,045
7 捷運劍潭站(中山)
2,713
8 捷運昆陽站
2,700
9 捷運公館站
2,638
10 捷運萬芳醫院站
2,458
10大運量路線 10大公車站位 10大公車轉捷運站位

40. Here comes your footer
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
16.00%
18.00%
0
500
1000
1500
2000
2500
3000
307路 232路-返 605路 205路 15路 287路 265區 247路 紅22 212直
臺北車站(忠孝)站位_10大熱門路線
交易量 佔總比例
0
0.05
0.1
0.15
0.2
0.25
0
500
1000
1500
2000
紅3 299路_大都會 299路_三重 307路 39路
公車轉捷運[台北車站]_5大路線
交易量 佔總比例
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
0
100
200
300
400
500
600
620_中興 620_大有 304副 15路 2552路
捷運[士林]轉公車_5大路線
交易量 佔總比例
想看分析哪種運具呢?
隨你查
捷運轉公車轉乘判定，
60or90or180由你作主決定

41. Here comes your footer


42. Here comes your footer


43. Here comes your footer

T𝑖𝑗 =
𝑃𝑖 ∗ 𝐴𝑗 ∗ 𝐹𝑖𝑗
𝐴𝑗 ∗ 𝐹𝑖𝑗
• 𝑇𝑖𝑗 =i站牌→j站牌之旅次量
• 𝑃𝑖=i站牌的旅次產生量
• 𝐴𝑗 = 𝑗站牌的旅次吸引量
• 𝐹𝑖𝑗=空間阻抗變數

44. Here comes your footer

45. Here comes your footer

46. Here comes your footer

47. Here comes your footer
運輸需求熱力圖視覺化

48. Here comes your footer







人流行為解析
統合複合運具
車機座標
電子票證

49. Here comes your footer







50. Here comes your footer









52. Here comes your footer




