| 大眾交通運輸對於減少過度資源消耗,是現
今一個非常重要解決方案。公車的使用率提升,
不僅可以減緩石化燃料排放所造成的溫室效應問
題,也可以減少自行開車,減緩交通壅塞問題。
搭乘公車的使用者,通常會在意等待公車的時間
和公車的擁擠程度。過度擁擠的公車讓搭乘的乘
客會感到不舒適,考量公車的人數是值得探討的
議題。若能準確地預測公車的乘客數量,乘客可
以依照擁擠程度搭配自己的需求,選擇更舒適的
公車搭乘。公車業者亦可以了解公車的使用狀況,
藉此調整班次,使公車的營運更符合效益。本研
究將使用台中市政府交通局所提供的悠遊卡資訊,
以台中 300 號公車作為測試,並將分別使用三種機
器學習的方式,隨機森林 (Random Forest)、支持向
量機 (Support Vector Machine) 及極端梯度提升
(eXtreme Gradient Boosting),預測公車乘客數量。
實驗結果顯示 eXtreme Gradient Boosting 預測結果
比另外兩個演算法有更少的預測誤差。
|