交通大数据新成果，高雄6万事故大学生伤亡多，交通部要用大数据避灾

去年，高雄市车祸伤亡案件高达6万6千多件，位居全国之冠，其中18到24岁的死亡人数最高，以大学生居多。高雄市大学生的高交通事故比例，引起交通部关注，从去年开始，借由电信信令资料，了解学生移动的地点和所乘的交通工具，希望能减少事故来救命。交通部运输研究所运资组副组长吴东凌解释，因为一定是人有移动的需求，才造成车子的移动，所以要了解车流，就需要先了解人移动的形态和趋势，透过电信信令资料，可掌握民众真实的移动状况。

但起初交通部不知该如何将数据转化为接续决策的行动，于是，交通部以数据分析资料为基础，先与校方进行学校周遭交通改善方案讨论。并在校内举办交通改善工作坊，从大学生的讨论中，了解他们在上学与生活上交通的不便处，并请他们描绘希望获得的交通运输服务。

应用大数据与厚数据分析，助公共运输进行数位转型

经过工作坊的讨论后，交通部从整理获得的厚数据中，发现学生在交通工具的选择上，最在意的是交通工具是否7天24小时运行，并最省时，另外，因应不同旅次需求，交通工具是否有选择性和弹性，还有，交通工具是否提供稳定的服务品质和可信赖的资讯，最后，是否有个人化差异的服务。有感现行公共运输无法满足民众的需求，交通部运输研究所于是决定应用大数据与厚数据的分析结果，协助公共运输进行数位转型。

今年初起，看中高雄市多样化的大众交通工具，交通部运输研究所与高雄市政府交通局合作，启动高雄市运具整合Men Go系统，为鼓励民众使用大众运输工具，减少私人运具使用，特别是减少机车骑乘，以降低车祸伤亡事故率。Men Go系统已于9月底正式上线，推出交通月票和手机App规划路线服务，结合高雄市7家公车业者、捷运、轻轨、2家共享自行车、渡轮、计程车，以及紧接着会加入停车场和共享电动机车，明年更将新增租车服务。

为了鼓励更多大学生使用，降低他们的车祸伤亡率，交通部更首次配合4所大学的新生训练活动，包含中山大学、辅英科技大学、树德科技大学和正修科技大学，深入校园推广Men Go系统，服务启动3周就已达到传统系统运作9个月，才能达到的会员人数，显见高需求度。

台中15亿笔公车到站和乘车资料，助路线与班次调整

交通部在台中市也获得不错的公共运输大数据应用成效，透过电子票证与公车动态系统，收集公车运输资料，挑战分析15亿笔公车运输乘车资料，掌握公车与乘客的移动状况，进行公车路线与班次调整。

台中市1年有大约1亿笔的悠游卡乘车资料量，以及约14亿笔的公车动态资讯，资料量非常庞大。透过悠游卡乘车资料，交通部了解乘客上车点与下车点的分布，与乘客数量的大小，以及分析特定站点乘客之旅次终点分布，和各旅次终点的数量大小，掌握同个上车点的民众大概都是移动到哪个区域居多。

交通部亦分析公车动态资料，将同一路线公车整日的到站动态资料，利用时空分析图，呈现每个时段出发的公车行车轨迹。在时空分析图上，纵轴是站点位置而横轴是时间，所以斜率代表公车行车的速度，藉以确切地掌握公车发车与行车状况。

吴东凌表示，过去交通部与客运业者反映各项民众提出的公车班次问题，不管是误点、脱班、抢开班次等情况，常因无有力证据，而无法要求业者改善，甚至得派遣人力，实际搭乘公车，才可实际记录并纠正问题。

吴东凌展示公车动态资料经过分析后，如果公车轨迹有重叠，则显示多台同班公车同时到站的问题。（摄影／黄郁芸）

现在，从时空分析图上可直接掌握，各种发车和行车问题，例如行车轨迹在图上如果重叠，代表有多台同班公车同时进站，追溯客运业者的发车时间，常会发现有同一时间抢开班次的问题。或是在图上发现，晚发车班次的行车轨迹越过早发车班次的轨迹，显现驾驶行车速度有过快和过慢的状况。

公车到站动态资料分析，使公车误点、脱班、抢班发车等问体都一览无遗，也能看见行车速度异常的驾驶行为，交通部表示，公车动态资料分析有效改善客运业者的服务模式和公车驾驶的行车行为。

除了悠游卡乘车资料和公车到站动态资讯的各别分析使用，交通部更进一步将两者进行叠加分析，了解有限的公车资源，需进行哪些班次调整。全台湾除台北市和新北市以外，搭乘公车时，使用电子票证的乘客，上下车都需刷卡，交通部透过这个模式，藉悠游卡乘车资料掌握每位乘客上下车的站点。将各公车站的乘车和下车人次总和计算后，可得到单一公车路线站点间的乘客数，再将乘客数利用不同颜色分为三级距，绿色为小于25人、灰色为26到50人、红色为51人以上的乘客数，叠加到公车动态时空图。

公车到站动态资料与悠游卡乘车资料叠加分析后，图中红色区域显示运输能力不足的路段，民众乘车需求大于供给。（摄影／黄郁芸）

红色区域随即浮现热区的所在地，表示该区域乘客搭乘公车的需求远大于供给，由此发现资源分布不均的问题，从而整合资源，调整公车班次数，增加热区公车的服务班次，达到资源最佳化的分配。

ETC资料助管理高速公路车流和预测行车时间

连续假期出游、返乡，才卡在国道上的车阵中，不知要花多久的时间才可抵达目的地。国道用路计划订定后，别忘了上高公局网站或“高速公路1968”手机App，使用未来日旅行时间预测，提早掌握行车时间和到达时间的预测资讯，甚至可参考系统建议的出发时段，让出游、返乡更顺畅。

交通部利用高速公路电子收费ETC（简称ETC）资料、油价、日期等资料，以深度学习的方式，系统可预测未来3个月内平日、周末及连续假期，国道1号、3号及5号上任意起讫交流道间行车的时间。吴东凌表示，因数据量够大，也掌握足够的样本，行车时间预测的准确度良好。

每到国定假期，国道总会有路段壅塞，甚至有回堵情况，严重影响用路人的行车品质，ETC资料真的帮很大，除了帮助预测未来日旅行时间，也帮助交通部实施精进匝道仪控，透过ETC资料分析，了解瓶颈路段壅塞车流来源的组成比例，决策开始实施匝道管控的路段，在相对应的上游各入口，以不同仪控率管控进入高速公路的车流量，以减缓塞车路段的长度和行车旅程的延时。

精进匝道仪控有效改善路段壅塞情况，照片右下方可看见实施后，代表瓶颈壅塞路段的红色区块大幅缩小。（摄影／黄郁芸）

从2015年元旦连假首日和2016年国庆假期首日，两次实施精进匝道仪控壅塞路段的情况与两年前未实施相比，发现壅塞情况有显著的改善，壅塞时间减少15%到20%，而壅塞路段减少20%到30%。

透过ETC资料，交通部可以掌握高速公路上车辆的行车状况，协助交通部进行交通的管理和决策。因应连续假期的高车流量，运用ETC资料制作壅塞路段时空图，比较任意日交通量了解连假车流状况，也特别掌握易塞车路段如宜兰地区的滞留车辆数，达到疏运车流的目标，降低高速公路紫爆状况的发生。

平时的交通管理也透过ETC资料，掌握大客车的行车时间，收集超时的大客车资料，也可以获得严重超速的车辆资料。此外，交通部也将ETC资料应用在研究分析，包含替代道路使用分析、服务区旅次分析和铺面损坏分析。

交通部希望透过大数据分析，挖掘看不到的资讯，提出相对应决策，以提供更贴近民众需求的服务。更将持续推动公共运输行动服务的概念，整合其他县市各项交通服务，包含提供交通资讯查询、预约、付费及票证，还有串联共享和计程车派遣平台，打造更符合民众需求与期待的服务。