臺灣博碩士論文加值系統

論文提要：
都市的宜居性與永續發展乃當前人類生活的重要課題，其中都市運輸活動與規劃更會對兩者產生顯著的影響。然而，目前大部分的規劃策略，並未考量都市發展與都市運輸需求不斷擾動的特性，同時，都市運輸決策亦未納入因隨時間變動而產生不同考量因子所產生規劃上的影響。
另一方面，由於現今社會通訊及電腦技術的普及與進步，已使我們在蒐集、儲存及處理資料的能力今非昔比，「巨量資料（Big data）」的出現，不僅使人們在分析與預測方面更加準確，其高時效性更讓我們能即時解決許多挑戰。因此，在此契機下，我國現今應用巨量資料於都市規劃、交通運輸領域的嘗試應是十分值得研究與探討的新領域。
本研究將應用巨量資料以為基礎，希望能進一步將其應用於都市永續運輸策略之研究。研究將先針對國內外相關文獻進行回顧與分析，初步歸納出符合宜居城市原則的永續運輸指標，再採用模糊德爾菲法（Fuzzy Delphi Technique, FDT）的專家問卷方式篩選出重要指標。同時，為使研究結果能實際應用於規劃決策中隨時間而可能改變之動態環境的不同策略因應，本研究將進一步結合動態網路程序法（Dynamic Network Process, DNP）及資料探勘技術（Data Mining），希能藉由分析與都市運輸相關之巨量資料以預測指標的未來動態情況，並研擬出在動態時空變化下，宜居城市永續運輸策略的優先順序評估。本研究期望能夠藉由研究成果的呈現呼應當前都市規劃的需求，並使我國的永續運輸策略有更明確的發展基礎。

Abstract：
The Livability and Sustainability of city, which are the most important subject of human life, both be significantly influented by urban transportation. However, most decision making of planning didn’t consider the constantly changing nature of urban transportation and time factor.
On the other hand, the popularity and advancement of communication and computer technology makes us able to process large amounts of data. The coming of “Big Data”, not only let people predict more precisely, also let us solute problem more immediately. As such, applying Big Data in Urban transportation planning should be valuable.
In this study, we try to applying Big Data in Urban transportation strategy. First, we initially organize the sustainable transportation indicators that meet the principle of livable city. Second, using Fuzzy Delphi Technique to filter the most important indicators. In the end, in order to let the planning decision can consider time factor, we combine Big Data and Dynamic Network Process to assess the weight of indicators in the dynamic future. This study expects to respond to the needs of the current urban planning and sustainable transport strategy.

第一章 緒論 1
第一節 研究動機與目的 1
第二節 研究範圍 5
第三節 研究方法 7
第四節 研究內容與流程 8
第二章 文獻回顧 10
第一節 宜居城市相關文獻 10
第二節 都市永續運輸相關文獻 15
第三節 巨量資料相關文獻 21
第四節 巨量資料於都市及運輸規劃領域相關文獻探討 27
第三章 研究方法與模式建構 31
第一節 模糊德爾菲法 32
第二節 資料探勘分析 36
第三節 動態網路程序法 40
第四節 指標權重動態趨勢研擬 50
第四章 實證研究與分析 52
第一節 實證對象與範圍 52
第二節 宜居城市之永續運輸評估指標歸納與篩選 57
第三節 宜居城市之永續運輸評估指標動態趨勢分析 65
第四節 動態網路程序法之實證操作 71
第五節 實證結果呈現與分析 76
第六節 宜居城市之永續運輸指標權重動態趨勢研擬 87
第七節 擬定符合臺北市宜居城市目標下之永續運輸規劃策略 95
第五章 結論與建議 102
第一節 結論 102
第二節 後續研究與建議 106
參考文獻 108
附錄A 模糊德爾菲法專家問卷 115
附錄B 動態網路程序法專家問卷 127
附錄C 數據導向動態網路程序法運算過程 156
附錄D 專家意見導向動態網路程序法運算過程 218

1.王美惠，2014，考量成長管理原則下都市永續運輸規劃策略於生活品質之研究─以新北市板橋站為例，國立臺北大學不動產與城鄉環境學系碩士論文。
2.交通運輸研究所，2002，永續運輸之量化指標研究。
3.交通運輸研究所，2005，永續運輸綜合評估指標系統之研究（第一年期）。
4.交通運輸研究所，2009，永續運輸發展政策下智慧型運輸系統（ITS）推動策略之研究。
5.交通運輸研究所，2012，101年運輸政策白皮書─總論。
6.交通運輸研究所，2014，運輸部門歷年二氧化碳排放量推估表。
7.交通部臺灣鐵路管理局，http://www.railway.gov.tw/tw/index.html，（上網時間：2015年5月1日）。
8.交通部統計查詢網，http://stat.motc.gov.tw/mocdb/stmain.jsp?sys=100（上網時間：2015年5月1日）。　
9.交通部鐵路改建工程局，http://www.rrb.gov.tw/，（上網時間：2015年5月1日）。
10.余至浩，2013，Big Data權威：大資料問What比Why更重要。網址：http://www.ithome.com.tw/news/88806（上網日期：2014年10月10日）。
11.沈育生，2012，地區性永續運輸課題與發展策略之探討，土地問題研究季刊，第11卷，第3期，頁113-117。
12.邱林濠，2008，分析網路程序法結合資料探勘技術於顧客價值之研究─以航空業為例，銘傳大學管理研究所碩士論文。
13.翁慈宗，2009，資料探勘的發展與挑戰，科學發展，第442期，頁32-39。
14.許卜仁，2003，永續運輸指標與策略之整合模式，國立交通大學交通運輸研究所碩士論文。
15.陳文亮、林紀均，2010，標本藝術文化創意產業發展策略因素決選之研究，人文暨社會科學期刊，第6卷，第1期，頁57-69。
16.陳昭宏，2001，亞太港埠競爭力與核心能力指標之研究，運輸學刊，第13卷，第1期，頁1-25。
17.陳銘憲 & 林與絜，2013，雲報專欄：巨量資料(Big Data)的技術發展與挑戰，上網日期：2014年10月10日。網址：http://www.twcloud.org.tw/Cloud/upload/newEpaper/201311122/index/4BigDataColumn.pdf?no=66120002&msgno=309309。
18.張云濤、龔玲，2007，資料探勘原理與技術，臺北市：五南。
19.楊純明，2014，鉅量資料及其在農業生產上之應用潛力，作物、環境與生物資訊，第11期，頁51-56。
20.楊奕農，2009，時間序列分析：經濟與財務上之應用，台北市：雙葉書廊。
21.楊奕農，2010，財務計量，臺北縣板橋市：指南書局。
22.麥爾荀伯格 & 庫基耶(Viktor Mayer-Schönberger & Kenneth Cukier)，2013，大數據(Big data: A Revolution That Will Transform How We Live, Work, and Think)(林俊宏譯)，臺北市：遠見天下文化。（原作2013出版）
23.經濟部能源局，2008，永續能源政策綱領。http://web3.moeaboe.gov.tw/ECW/populace/content/SubMenu.aspx?menu_id=48
24.經濟部能源局，2013，我國燃料燃燒二氧化碳排放統計。http://web3.moeaboe.gov.tw/ECW/populace/content/SubMenu.aspx?menu_id=48
25.臺北市政府，http://www.gov.taipei/mp.asp?mp=100001（上網時間：2015年5月1日）。
26.臺北市政府工務局新建工程處，http://www.nco.taipei.gov.tw/MP_106021.html（上網時間：2015年5月1日）。
27.臺北大眾捷運股份有限公司網站，http://www.trtc.com.tw/（上網時間：2015年4月28日）。
28.臺北市公共自行車網站，http://youbike.com.tw/cht/index.php（上網時間：2014年12月19日）。
29.臺北市交通局網站，http://www.dot.taipei.gov.tw/（上網時間：2015年4月28日）。
30.臺北市交通統計查詢系統，http://dotstat.taipei.gov.tw/pxweb2007P/Dialog/statfile9.asp（上網時間：2015年5月1日）。
31.臺北市都市發展局網站，http://www.planning.taipei.gov.tw/（上網時間：2015年5月1日）。
32.臺北市統計資料庫，http://163.29.37.101/pxweb2007-tp/dialog/statfile9.asp（上網時間：2015年5月1日）。
33.臺灣高速鐵路官網，http://www.thsrc.com.tw/index.html?force=1(上網時間：2015年5月1日）。
34.臺北捷運工程局，http://www.dorts.gov.taipei/ （上網時間：2015年5月1日）。
35.鄭宇，2013，《城市計算與大數據》，發表於《中國計算機學會通訊》第90期。
36.鄭滄濱，2001，軟體組織提昇人員能力之成熟度模糊評估模式，國立台灣科技大學資訊管理系碩士論文。
37.蕭再安，2010，結合社會創新與技術創新之綠色運輸策略，《應用倫理評論》，第48卷，頁85-100。
38.蕭淳瑄，2013，應用動態網路程序法探討TOD下行人步行及自行車空間環境設計策略之研究，國立臺北大學不動產與城鄉環境學系碩士論文。
39.劉軍，2014，Hadoop大數據處理(迪宇昌譯)，臺北市：碁峰資訊。(原作2014出版)
40.環境保護署環境品質資料倉儲系統，http://edw.epa.gov.tw/default1.aspx （上網時間：2015年5月1日）。
41.蘇郁與洪富峰，2012，都市永續性評估：以改制前高雄市之能源和運輸永續性為例，中國地理學會會刊，48期，頁63–83。
42.Awasthi, A. and Chauhan, S. S., 2011. Using AHP and Dempster-Shafer theory for evaluating sustainable transport solutions. Environmental Modelling & Software. 26(6): 787-796.
43.Bagchi, M., and White, P.R., 2005. The potential of public transport smart card data. Transport Policy, 12(5): 464-474.
44.Batty, M., 2013. Big data, smart cities and city planning. Dialogues in Human Geography. 3(3): 274-279.
45.Berry, M. J. A. and Linoff, G. S., 2004, Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Indianapolis: Wiley, c2004.
46.Bollier, D., 2010. ‘The promise and peril of big data’. Retrieved 13th November, 2014, from: http://www.emc.com/collateral/analyst-reports/10334-ar-promise-peril-of-big-data.pdf
47.Boyd, D. and Crawford K., 2012. Critical questions for Big Data. Information, Communication & Society. 15(5):662-679, DOI: 10.1080/1369118X.2012.678878.
48.Black, W. R., 1996. Sustainable transportation: a US perspective. Journal of Transport Geography. 4(3): 151-169.
49.Brien, O., Cheshire, J. and Batty, M., 2014. Mining bicycle sharing data for generating insights into sustainable transport systems. Journal of Transport Geography. 34: 262-273.
50.Chang, S., Tsujimura, Y., Gen, M., and Tozawa, T., 1995. An efficient approach for large scale project planning based on fuzzy Delphi method, Fuzzy Sets and Systems, 76, 277-288.
51.Chang, D. Y., 1996. Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95: 649-655.
52.Dalkey, N.C., 1969. The Delphi method: an experimental study of group.
53.Davis, P. M., 2012. Can Big Data Revitalize Public Transit in Los Angeles? Shareable. Retrieved 13th November, 2014 from : http://www.shareable.net/blog/can-big-data-revitalize-public-transit-in-los-angeles.
54.European Environment Agency, 2000, Are we moving in the right direction? Indicators on transport and environment integration in the EU - TERM2000 - Executive summary.
55.Fayyad, U., 1996, Data Mining and Knowledge Discovery in Databases: Implications for Scientific Databases. Communications of the ACM, 39(11): 22-25.
56.Gal-Tzur, A., Grant-Muller, S. M., Kuflik, T. and Minkov E., 2014. The potential of social media in delivering transport policy goals. Transport Policy. 32: 115-123.
57.Granger and Newbold（1974），Spurious Regressions in Econometrics, Journal of Economics, pp. 111-120.
58.Hahlweg, 1997. The City as a Family - the liveable city must be a city for all people.
59.Hand, D. J., 1998, Data Mining: Statistics and More. The American Statistician, 52(2), 112-118.
60.Houston-Galveston Area Council, 2014. 2040 RTP: The Houston-Galveston Regional Transportation Plan.
61.Hsu, C-C. and Sandford, B. A., 2007. The Delphi Method: Making sense of consensus. Practical Assessment, Research & Evaluation. 12(10): 1-8.
62.Intergovernmental Panel on Climate Change (IPCC), 2013. “Climate Change 2014: Mitigation of Climate Change. Working Group III Contribution to the IPCC 5th Assessment Report”. Potsdam, Germany: IPCC WG III.
63.International Transport Forum, 2014. Transport for a changing world: Session Summaries. 2014 annual summit highlights. Retreived October 10, 2014, from http://www.internationaltransportforum.org/Pub/new.html
64.Ishikawa, A., Amagasa, M., Shiga, T., Tomizawa, G., Tatsuta, R., and Mieno, H., 1993. The max-min Delphi method and fuzzy Delphi method via fuzzy integration. Fuzzy Sets and Systems, 55(3): 241-253.
65.Kuo, Y. F. and Chen, P. C., 2008. Constructing performance appraisal indicators for mobility of the service industries using Fuzzy Delphi Method. Expert Systems with Applications, 35(4): 1930-1939.
66.Kusakabe, T. and Asakura, Y., 2014. Behavioural data mining of transit smart card data: A data fusion approach. Transportation Research Part C.
67.Larson, E., 2013. 5 Ways Cities Are Using Big Data. Mashable. Retrieved 13th November, 2014 from: http://mashable.com/2013/09/25/big-data-cities/
68.Lee, J. W. and Kim, S. H., 2001. An integrated approach for interdependent information system project selection. International Journal of Project Management, 19(2): 111–118.
69.Litman, T. and Burwell, D., 2006 “Issues in sustainable transportation”, Int. J. Global Environmental Issues, 6(4): 331-347.
70.Greater London Authority, 2010. London Plan.
71.Manovich, L., 2011. ‘Trending: The Promises and the Challenges of Big social data’, in Debates in the Digital Humanities, ed. M. K. Gold, The University of Minnesota Press, Minneapolis, MN.
72.Organisation for Economic Co-operation and Development (OECD), 1996. Towards Sustainable Transportation. 26. United Nations Environment Programme, 1992, Agenda 21.opinion. Rand Corp, Res. Pap, RM-5888-PR.
73.Peacock, P. R., 1998, Data mining in Marketing: Part1. Marketing Management, 6(4): 8-18.
74.Pelletier, M., Trepanier, M. and Morency, C., 2011. Smart card data use in public transit: a literature review. Transportation Research Part C: Emerging Technologies. 19(4): 557-568.
75.Puget Sound Regional Counil, 2010. Transportation 2040: toward a sustainable transportation system.
76.Reisi, M., Aye, L., Rajabifard, A. and Ngo, T., 2013. Transport sustainability index: Melbourne case study. Ecological Indicators. 43: 288-296.
77.Saaty, T. L., 1990. The analytic hierarchy process, RWS Publications, Pittsburgh.
78.Saaty, T.L., 1996.The analystic network process. RWS Publications, Expert Choice, Inc., Pittsburgh.
79.Saaty, T. L., 1999. Fundamentals of the analytic network process, ISAHP, Kobe, Japan.
80.Saaty, T. L. and Sodenkamp, M., 2010. The Analytic Hierarchy and Analytic Network Measurement Processes: The Measurement of Intangibles, Handbook of Multicriteria Analysis, Applied Optimization, 103: 91-166.
81.Saaty, T.L., 2007. Time dependent decision-making; dynamic priorities in the AHP/ANP: generaling from points to functions and from realto complex variables. Mathematical and Computer Modelling. 46(7-8): 860-891.
82.Said, S. E. and Dickey, D.A., 1984. Testing for unit roots in autoregressive-moving average of unknown order, Biometrika, 71(3): 599-607.
83.Santhanam, R. and Kyparisis, G. J., 1996. A decision model for interdependent information system project selection. European Journal of Operational Research, 89(2), 380-399.
84.Santos A. S., & Ribeiro, S. K., 2013. The use of sustainability indicators in urban passenger transport during the decision-making process: the case of Rio de Janeiro, Brazil. Current Opinion in Environmental Sustainability. 5(2): 251-260.
85.Southeast Michigan Council of Governments, 2013. Creating Success with Our Transportation Assets-2040 Regional Transportation Plan for Southeast Mishigan.
86.Shiau, T., 2012. Evaluating sustainable transport strategies with incomplete information for Taipei City. Transportation Research Part D. 17(6): 427-432.
87.Steenbruggen, J., Tranos, E., & Nijkamp, P., 2014. Data from mobile phone operators: A tool for smarter cities? Telecommunications Policy.
88.Soto, V., and Frias-Martinez, E., 2011. Robust Land Use Characterization of Urban Landscapes using Cell Phone Data. Workshop on pervasive urban applications in conjunction with 9th international conference on advances in mobile computing and multimedia. 151-160. ACM.
89.Tao, S., Corcoran, J., Mateo-Babiano, I., & Rohde, D., 2014. Exploring Bus Rapid Transit passenger travel behaviour using big data. Applied Geography. 53: 90-104.
90.Wang, M., Wang, J., & Tian, F., 2014. City Intelligent Energy and Transportation Network Policy─Based on the Big Data Analysis. Procedia Computer Science. 32: 85-92.
91.World Commission on Environment and Development(WCED), 1987. Our Common Future. Oxford, England: University Press.
92.Zheng,Yu., Liu, Yanchi., Yuan, Jing., Xie, Xing., 2011. Urban Computing with Taxicabs. Ubicomp’ 11, September: 17-21.
93.Zik, O., 2012. Examining the Gap between Big Data and Environmental Sustainability Measurement, Environmental Leader. Retrieved 13th November, 2014, from: http://www.environmentalleader.com/2012/07/18/examining-the-gap-between-big-data-and-environmental-sustainability-measurement/#ixzz3FzOMLrQ