# 旅運時空資料分析在公共運輸之應用
###### tags: `資料年會`,`AI`,`DS`,`Conference`

>[name=王晉元]

A1定點資料
A2電子票證資料

可優化路線─增減班
發車班次建議
建議班次數-現有班次數
正值可增加班次
負值可減少班次

可優化路線─DRTS
- 在乘載數顯著變化處分隔
- 切點做半部的平均值與變異數偏少
- 利用DRTS做優化

## 區間車建議
- 某時空區域乘載量偏高
- 高雄公車205： 6:00去程
- 增加區間車建議區段（某些區間是通勤時間與地點）

# 掌握民眾的旅運需求

### 電子票證
- 段次收費，起訖推估不易
- 普及率有限，只能取得公共運輸使用者資料
- 沒辦法得知潛在客戶數量及所在

### 利用電信資料推估
- 信令資料
- 有訊號互動、才有資料
- 二級發布區匹配 [name=內政部開放資料]

## 旅運起訖表格產製流程
1. 依據停留時間、切割旅次鍊
2. A點與D點為全天起訖點
3. 將經緯度轉換為二級發布區 [reference]:PTX公共運輸整合流通服務平台

## 田野調查實際蒐集資料
||時間正確判讀率|
|-|-|
|實際搭乘汽車|0.85|
|實際搭乘捷運|0.84|
|實際搭乘台鐵|0.90|
### 公共運輸供需缺口分析
1. 建立旅次矩陣
2. 利用運量分析可發現某些地點的之間的運自運量很高
3. 推估該地點需要公運
#### 半夜想去哪裡
1. 知道人真正住在哪裡（非戶籍資料）
2. 分析觀光行為
3. 景點人數以及停留時間

# 手機信令資料真的萬能嗎
- 資料放大是個課題，無法單利用市占率放大
- wi-fi是很大的敵人
- 至少、至少，電信公司50分鐘至1小時大概會問手機一次手機是否還開著機
## 革命尚未成功
- 更準確的運具比對方式
- 與Wifi結合，取得更多資料
- 與停留點特性結合
- 與使用者特性結合