交通大數據新成果，高雄6萬事故大學生傷亡多，交通部要用大數據避災

去年，高雄市車禍傷亡案件高達6萬6千多件，位居全國之冠，其中18到24歲的死亡人數最高，以大學生居多。高雄市大學生的高交通事故比例，引起交通部關注，從去年開始，藉由電信信令資料，了解學生移動的地點和所乘的交通工具，希望能減少事故來救命。交通部運輸研究所運資組副組長吳東凌解釋，因為一定是人有移動的需求，才造成車子的移動，所以要了解車流，就需要先了解人移動的形態和趨勢，透過電信信令資料，可掌握民眾真實的移動狀況。

但起初交通部不知該如何將數據轉化為接續決策的行動，於是，交通部以數據分析資料為基礎，先與校方進行學校周遭交通改善方案討論。並在校內舉辦交通改善工作坊，從大學生的討論中，了解他們在上學與生活上交通的不便處，並請他們描繪希望獲得的交通運輸服務。

應用大數據與厚數據分析，助公共運輸進行數位轉型

經過工作坊的討論後，交通部從整理獲得的厚數據中，發現學生在交通工具的選擇上，最在意的是交通工具是否7天24小時運行，並最省時，另外，因應不同旅次需求，交通工具是否有選擇性和彈性，還有，交通工具是否提供穩定的服務品質和可信賴的資訊，最後，是否有個人化差異的服務。有感現行公共運輸無法滿足民眾的需求，交通部運輸研究所於是決定應用大數據與厚數據的分析結果，協助公共運輸進行數位轉型。

今年初起，看中高雄市多樣化的大眾交通工具，交通部運輸研究所與高雄市政府交通局合作，啟動高雄市運具整合Men Go系統，為鼓勵民眾使用大眾運輸工具，減少私人運具使用，特別是減少機車騎乘，以降低車禍傷亡事故率。Men Go系統已於9月底正式上線，推出交通月票和手機App規畫路線服務，結合高雄市7家公車業者、捷運、輕軌、2家共享自行車、渡輪、計程車，以及緊接著會加入停車場和共享電動機車，明年更將新增租車服務。

為了鼓勵更多大學生使用，降低他們的車禍傷亡率，交通部更首次配合4所大學的新生訓練活動，包含中山大學、輔英科技大學、樹德科技大學和正修科技大學，深入校園推廣Men Go系統，服務啟動3周就已達到傳統系統運作9個月，才能達到的會員人數，顯見高需求度。

臺中15億筆公車到站和悠遊卡乘車資料，助路線與班次調整

交通部在臺中市也獲得不錯的公共運輸大數據應用成效，透過電子票證與公車動態系統，收集公車運輸資料，挑戰分析15億筆公車運輸乘車資料，掌握公車與乘客的移動狀況，進行公車路線與班次調整。

臺中市1年有大約1億筆的悠遊卡乘車資料量，以及約14億筆的公車動態資訊，資料量非常龐大。透過悠遊卡乘車資料，交通部了解乘客上車點與下車點的分布，與乘客數量的大小，以及分析特定站點乘客之旅次終點分布，和各旅次終點的數量大小，掌握同個上車點的民眾大概都是移動到哪個區域居多。

交通部亦分析公車動態資料，將同一路線公車整日的到站動態資料，利用時空分析圖，呈現每個時段出發的公車行車軌跡。在時空分析圖上，縱軸是站點位置而橫軸是時間，所以斜率代表公車行車的速度，藉以確切地掌握公車發車與行車狀況。

吳東凌表示，過去交通部與客運業者反映各項民眾提出的公車班次問題，不管是誤點、脫班、搶開班次等情況，常因無有力證據，而無法要求業者改善，甚至得派遣人力，實際搭乘公車，才可實際記錄並糾正問題。

吳東凌展示公車動態資料經過分析後，如果公車軌跡有重疊，則顯示多臺同班公車同時到站的問題。（攝影／黃郁芸）

現在，從時空分析圖上可直接掌握，各種發車和行車問題，例如行車軌跡在圖上如果重疊，代表有多臺同班公車同時進站，追溯客運業者的發車時間，常會發現有同一時間搶開班次的問題。或是在圖上發現，晚發車班次的行車軌跡越過早發車班次的軌跡，顯現駕駛行車速度有過快和過慢的狀況。

公車到站動態資料分析，使公車誤點、脫班、搶班發車等問體都一覽無遺，也能看見行車速度異常的駕駛行為，交通部表示，公車動態資料分析有效改善客運業者的服務模式和公車駕駛的行車行為。

除了悠遊卡乘車資料和公車到站動態資訊的各別分析使用，交通部更進一步將兩者進行疊加分析，了解有限的公車資源，需進行哪些班次調整。全臺灣除臺北市和新北市以外，搭乘公車時，使用電子票證的乘客，上下車都需刷卡，交通部透過這個模式，藉悠遊卡乘車資料掌握每位乘客上下車的站點。將各公車站的乘車和下車人次總和計算後，可得到單一公車路線站點間的乘客數，再將乘客數利用不同顏色分為三級距，綠色為小於25人、灰色為26到50人、紅色為51人以上的乘客數，疊加到公車動態時空圖。

公車到站動態資料與悠遊卡乘車資料疊加分析後，圖中紅色區域顯示運輸能力不足的路段，民眾乘車需求大於供給。（攝影／黃郁芸）

紅色區域隨即浮現熱區的所在地，表示該區域乘客搭乘公車的需求遠大於供給，由此發現資源分布不均的問題，從而整合資源，調整公車班次數，增加熱區公車的服務班次，達到資源最佳化的分配。

ETC資料助管理高速公路車流和預測行車時間

連續假期出遊、返鄉，才卡在國道上的車陣中，不知要花多久的時間才可抵達目的地。國道用路計畫訂定後，別忘了上高公局網站或「高速公路1968」手機App，使用未來日旅行時間預測，提早掌握行車時間和到達時間的預測資訊，甚至可參考系統建議的出發時段，讓出遊、返鄉更順暢。

交通部利用高速公路電子收費ETC（簡稱ETC）資料、油價、日期等資料，以深度學習的方式，系統可預測未來3個月內平日、週末及連續假期，國道1號、3號及5號上任意起訖交流道間行車的時間。吳東凌表示，因數據量夠大，也掌握足夠的樣本，行車時間預測的準確度良好。

每到國定假期，國道總會有路段壅塞，甚至有回堵情況，嚴重影響用路人的行車品質，ETC資料真的幫很大，除了幫助預測未來日旅行時間，也幫助交通部實施精進匝道儀控，透過ETC資料分析，了解瓶頸路段壅塞車流來源的組成比例，決策開始實施匝道管控的路段，在相對應的上游各入口，以不同儀控率管控進入高速公路的車流量，以減緩塞車路段的長度和行車旅程的延時。

精進匝道儀控有效改善路段壅塞情況，照片右下方可看見實施後，代表瓶頸壅塞路段的紅色區塊大幅縮小。（攝影／黃郁芸）

從2015年元旦連假首日和2016年國慶假期首日，兩次實施精進匝道儀控壅塞路段的情況與兩年前未實施相比，發現壅塞情況有顯著的改善，壅塞時間減少15%到20%，而壅塞路段減少20%到30%。

透過ETC資料，交通部可以掌握高速公路上車輛的行車狀況，協助交通部進行交通的管理和決策。因應連續假期的高車流量，運用ETC資料製作壅塞路段時空圖，比較任意日交通量了解連假車流狀況，也特別掌握易塞車路段如宜蘭地區的滯留車輛數，達到疏運車流的目標，降低高速公路紫爆狀況的發生。

平時的交通管理也透過ETC資料，掌握大客車的行車時間，收集超時的大客車資料，也可以獲得嚴重超速的車輛資料。此外，交通部也將ETC資料應用在研究分析，包含替代道路使用分析、服務區旅次分析和鋪面損壞分析。

交通部希望透過大數據分析，挖掘看不到的資訊，提出相對應決策，以提供更貼近民眾需求的服務。更將持續推動公共運輸行動服務的概念，整合其他縣市各項交通服務，包含提供交通資訊查詢、預約、付費及票證，還有串聯共享和計程車派遣平臺，打造更符合民眾需求與期待的服務。