台北市大数据应用实例大公开

 大数据应用 1   台北市2021跨年活动人潮管制

靠实联制仪表板管制4万人进场

2021年台北市跨年活动配合防疫需要，严格管控人数上限，并全面实施实联（名）制入场，透过实联制仪表板快速掌握进场情形。（图片来源／台北市大数据中心）

在2020年的最后一天，不少民众都会参加各地跨年活动庆祝，但在COVID-19疫情影响之下，为降低群聚感染风险，不少县市停办2021年跨年活动，台北市照常举行，成为国内少数仍举办跨年活动的县市。

为了避免群聚感染风险，除了要求民众进场要消毒、戴口罩，北市还祭出人数总量管制，限制现场人数上限为4万人，并且配合防疫需要，活动现场控管出入口，并全面以实联（名）制进场，包括使用身份证扫描进场，或是以台北通App、MyCode随行码进场。

为让台北市跨年决策小组能够监控现场人数控制，台北市大数据中心协助综合各方面资讯，建置跨年实联制仪表板。通过这个仪表板，能够看到当天入场总人数，以及民众是从哪个出入口进出，使用哪种实联（名）制方式进场居多，入场民众的性别比例等等。

为了即时掌握现场人数状况，以MyCode随行码为例，由于是资讯局建置的系统，因此每有一位民众使用随行码入场，系统就会回传一笔资料给实联制数据库，同时传送一笔不含个资的统计资料到跨年实联制仪表板，让决策小组掌握即时的入场人数。

值得注意的是，除了实联名制之外，这次活动也和电信业者合作以POC概念验证，利用手机与基地台间的通讯技术，推估当天活动现场周边的人数，供跨年决策小组参考，电信业者推估人数也同样整合到仪表板，以让活动决策小组参考。

 大数据应用 2   台北市小黄招呼站设置优化

找出百大上车热点调度近3万辆小黄

透过分析叫车业者一周的资料，结合时间前后与空间分布，可以掌握台北市计程车招呼的热门路段。（图片来源／台北市大数据中心）

国内拥有最多计程车的是哪个县市？ 没错，就是台北市，目前在台北约2.8万辆计程车，这么多的计程车虽为民众搭车带来便利性，但空车绕行、临时停车造成交通壅塞或导致交通事件发生。因此，市长柯文哲要求交通局在一个月内，提出新洞见及对策，交通局因此找上大数据中心团队，着手研究如何优化台北市计程车招呼站的设置。

交通局向叫车业者取得一周资料，包括电招、App叫车、路招等，以了解民众上车及下车需求，以地图套叠图资，能看到民众在台北市各个路段的上车、下车分布情形，如什么时段、什么路段，使用电招或是App叫车、路边招车等方式上车，观察民众上车的招呼热点或热区。

从数据来看，计程车电招较分散，而路招则以大马路为主。另外，结合时间与空间，大安区和信义区都是计程车招呼的热区，但从时间轴来看，两区的招车热区时段大不同，可能因信义区夜生活较多，信义区白天和晚上的搭车行为明显不同。

大数据中心从资料中，列出北市计程车招呼热区的百大热点路段，每个路段在当周有多少次上车行为，供交通局设计程车招呼站参考，交通局目前派员现场勘察，依当地路况、路宽是否允许，决定是否设置计程车招呼站。

这项政策研究衍生相关议题，如何疏解内湖地区交通尖峰时刻的壅塞情形。这项研究不只是交通局，也涵盖产业局、都发局所提供的资料，为降低计程车空车在高峰时段前往内湖载客，大数据中心和交通局讨论，利用计程车可附近公有停车场免费停车一小时，将停车场空位资讯提供给叫车业者，吸引计程车空车提前一小时至内湖，减轻内湖交通壅塞的问题。

 大数据应用 3   双北300条公车路线优化

分析每日130万人次乘车大数据

台北市-去年和新北市-合作，鼓励搭车的民众上下公车都要刷卡，搜集完整的乘车数据进行分析，掌握民众的起始、终点站乘车行为，作为双北市300条公车路线优化的依据。（图片来源／台北市公运处）

每天约有300条公车路线、3,500辆公车往返台北市与新北市，每天约130万人次搭乘公车在双北市移动，如何掌握民众乘车需求，优化公车路线安排，对台北与新北市-而言，都是大众公共运输上难解的题。

为了更精准的掌握民众的乘车行为，双北市、公车业者历经多次协商终于2018年达成共识，2019年他们开始鼓励民众上下公车都要刷票卡，搜集完整的公车搭乘数据，才能取代过去只有片面资料，需从其他资料比对、再经过推算，才能对民众乘车行为有粗略的了解，但还无法精确掌握民众的乘车行为样貌。经过上下车动线、上下刷卡奖励、更改票证感应机后，才成功让大多数民众习惯上下车刷卡这个新制度，同时掌握9成的乘车数据。

台北市公运处利用乘车的OD（起始站点）、车上人数变化、旅次链查询等资料，找出民众在哪里上车较多，到哪里下车居多，作为调整行车路线的参考，例如民众通勤以某个路段为主，可调整该路线公车的路线，也能缩减乘车时间，而较冷门的公车路线，可改采预约乘车的方式，避免运输资源的浪费。针对车上人数较少的路线，改以小巴载运，让中巴能够挪到其他运量较高的路线使用。

以数据分析为依据，调整公车营运路线，不论是新增、裁撤或是变更等，都能有数据佐证支持，或多或少降低民众反弹的声音。未来若能从公车取得影像、行车等其他数据，进一步扩大数据的应用，例如以AI辨识路上其他车辆违停，或者是辨识驾驶是否有不良驾驶行为等等。

 大数据应用 4   追踪24万市民卡片绑定趋势

三倍券加码政策成效分析

为让台北市掌握三倍券加码政策成效，北市大数据中心去年7月建置三倍券仪表板，综整民众绑定三倍券的趋势。（图片来源／台北市大数据中心）

去年COVID-19疫情迫使民众减少实体消费，改为线上消费，严重冲击国内各个产业，-为振兴经济，去年7月祭出振兴三倍券，民众花费1千元，就能获得三千元的三倍券，希望能带动民众的购物消费，降低COVID-19对经济的冲击。

台北市-去年响应三倍券政策，针对敬老、爱心卡领三倍券，北市加码回馈一千元，为了三倍券加码政策成效，大数据中心在去7月建置了振兴三倍券仪表板，针对北市敬老卡、爱心卡及学生卡绑定振兴三倍券加码政策，透过即时统计与历史数据呈现趋势。

从三倍券仪表板中，约24万绑定卡片的民众是自行登记或是透过机关的协助登记，最近七日的申请人数、绑定的卡证类别占比，以及年龄、性别比例，不只是台北市，仪表板也收整全国绑定的状况作为参考。