中型車共乘運輸系統係是針對尖峰時間道路擁擠所發展出的方案之一。然而，無論是何種操作型態，皆僅執行配對作業，並不包含路徑指引，而路徑之選擇是由駕駛人依經驗行駛，且通訊技術日新月異，傳統配對方式已不適用故中型車共乘問題實有研究之必要性。
據此，在假設顧客出現時間為不定期情形下，與共乘車輛係採用先接後送的作業方式下，本研究考慮系統使用者之時間窗限制、地理距離限制、車輛之最小與最大容量等限制下，以最小車輛旅行時間為目標，建構中型車共乘問題之數學模式。
本研究係採用靜態模式動態應用之解題方式，以定期預約需求為主，即時需求為輔，採二階段解題方法解題。第一階段為求解預約需求下之路徑規劃，利用改良式的k階均值演算法進行乘客的指派作業，再利用考量時窗限制順序之蟻群演算法或門檻接受法結合噪音擾動法進行共乘車輛的路線規劃；第二階段為求解即時需求下之路徑規劃，利用新需求位置距各駕駛者位置的距離遠近，判斷接送新需求的共乘車輛，並利用插入法將新需求者插入路線中，再利用1-1節點交換與門檻接受法改善共乘車輛路徑。
在測試例題部分，就預約需求而言，利用叢聚、均勻，以及走廊型的節點位置佈設的測試例題，就即時需求而言，採5個固定節點位置，並依均勻分佈、常態分佈，以及卜氏分布的節點出現時間的測試例題，用以測試、分析演算法的解題績效。
案例測試結果發現：在預約需求下，無論在解題績效或速度上，蟻群搜尋法皆較門檻接受法結合噪音擾動法為優；證實參數不具有轉移性；適當的增加車隊規模有助於降低系統總旅行時間與個人旅行時間；系統內績效值並不會因目標式改變而有顯著改變。在即時需求下，解題時間皆在30秒內，且以乘客出現時間呈卜氏分配之績效值表現最為優異。

With vanpooling emerging as a viable potential policy for reducing private car in congested area, the vigorous study on the vanpooling problem is critical for its success.  However, in the current practice, the supervisors of the vanpool program usually focus on the assignment of the patronages to the vans, but not on the routes taken.  In practice, the routes are determined by driver’s experiences.  With the rapid development in communication technology, we should be able to perform the van pooling program more effectively with these techniques.  
To deal with the vanpooling program in this paper, we assume the customer appearance is uncertain, and the basic principle of the vanpooling’s operation is pick-up first drop-off second.  With the constraints of the customer’s time and distance, and the maximum and minimum van capacity, the purpose of this study is to determine a set of m minimum travel time vehicle routes capable of accommodating as many users as possible, under these constraints.
A static solution procedure is developed in this study with preset demand as core, and some real time demand will be served too.  A two-phase solution procedure is adopted in the study.  In the first phase, route structure is determined based on the preset demand.  A revised ant colony optimization (ACO) and the meta-heuristic of combining the threshold accepting and noising method (TA&NM) are used to construct the route structure.  For the real time demands, based on their locations and the existing set of routes, a threshold accepting method (TA) is adopted to adjust the current set of routes to serve these demands in the second phase.  With the incorporation of these meta-heuristics, the proposed solution procedure should provide a robust route structure and patronage assignment for the vanpooling program.  . 
A series of case studies with different characteristics such as demand density, demand size were used to test the solution capability of the proposed algorithms. Several versions of revised algorithms were developed in these studies.  Based on the result of the case studies, an ACO was identified as the most suitable solution procedure for the problem addressed in this study.  The proposed procedure can be used to develop a suitable vanpool problem with real-time demand information.

中文摘要
英文摘要
誌謝
目錄	I
圖目錄	III
表目錄	V
第一章  緒論	1
1.1 研究動機與目的	1
1.2 問題描述	3
1.3 研究範圍	4
1.4 研究方法	5
1.5 研究內容與流程	6
1.6 章節配置	7
第二章  文獻回顧	8
2.1 通勤旅次下之共乘問題	8
2.1.1 中型車共乘(Vanpool)問題	8
2.1.2 小汽車共乘(Carpool)問題	10
2.1.3 共乘問題求解	12
2.2 車輛路線問題	12
2.2.1 車輛路線問題定義與類型	12
2.2.2 各種VRP之求解策略	14
2.3 動態車輛路線問題	15
2.3.1 定義動態車輛路線問題	15
2.3.2 求解動態車輛問題策略	19
2.3.3 求解動態車輛路徑問題	21
2.4 啟發式演算法	25
2.4.1 構建法	25
2.4.2 改善法	26
2.5 巨集啟發式演算法	28
2.5.1 螞蟻群聚最佳化(Ant Colony Optimization, ACO)	29
2.5.2 門檻接受法(Threshold Accepting, TA)	35
2.6 分群演算法	37
第三章  問題界定與模式構建	40
3.1 問題界定	40
3.1.1 系統環境界定	40
3.1.2 系統處理程序	41
3.1.3 研究問題界定	43
3.2 模式構建	44
3.2.1 前提與假設	45
3.2.2 符號介紹	45
3.2.3 懲罰值	47
3.2.4 數學模式	48
第四章  解題策略與架構	51
4.1 解題策略	51
4.1.1 求解課題	51
4.1.2 求解策略	52
4.2 解題架構	53
4.2.1 先期路線規劃之求解架構	55
4.2.2 新的乘客產生之求解架構	67
4.3 小結		70
第五章  數學測試與績效評估	72
5.1 實驗設計	72
5.2 績效評估	75
5.2.1 先期路線規劃	75
5.2.2 即時需求下(新乘客產生)之路線規劃	102
第六章  結論與建議	111
6.1 結論		111
6.2 建議		113
參考文獻	115

圖目錄
圖1.1 研究方法示意圖	5
圖1.2 研究流程圖	6
圖2.1. 線上型與離線型求解方式之比較	18
圖2.2 轉向策略圖示	20
圖2.3 3-Opt節線交換型態	27
圖2.4 1-0、1-1節點交換型態示意圖	27
圖2.5 門檻接受法之解題觀念與架構	36
圖2.6 門檻接受法之接受法則示意圖	37
圖2.7 三種門檻數列遞減型態	37
圖3.1 動態中型車共乘系統及其環境之關係圖	40
圖3.2 乘客資訊輸入示意圖	42
圖3.3 駕駛者資訊輸入示意圖	42
圖4.1 即時資訊下中型車共乘問題之解題模組架構圖	54
圖4.2 改良式k-mean演算法流程圖	56
圖4.3 蟻群演算法之路徑建構流程圖	58
圖4.4 含時窗限制之蟻群演算法流程圖	59
圖4.5 門檻接受法結合噪音擾動法之解題流程圖	62
圖4.6 顧客點座標位置	66
圖4.7 新需求之分群流程圖	67
圖4.8 門檻接受法流程圖	69
圖5.1 實驗設計架構圖	72
圖5.2 不同分群策略下之解題績效 (ACO範例一)	76
圖5.3 不同分群策略下之解題績效 (ACO範例二)	76
圖5.4 不同分群策略下之解題績效 (ACO範例三)	76
圖5.5 不同分群策略下之解題績效 (ACO範例四)	76
圖5.6 不同顧客分佈型態下之解題結果 (分群策略一)	80
圖5.8 不同分群策略下之解題績效 (範例一TA+NM)	81
圖5.9 不同分群策略下之解題績效 (範例二TA+NM)	81
圖5.10 ACO與TA+NM績效分析比較圖 （範例一，分群策略一）	83
圖5.11 ACO與TA+NM績效分析比較圖 （範例一，分群策略二）	83
圖5.12 ACO與TA+NM績效分析比較圖 （範例二，分群策略一）	84
圖5.13 ACO與TA+NM績效分析比較圖 （範例二，分群策略二）	84
圖5.14 不同車隊規模與不同參數組合下之解題績效(平均值)	86
圖5.15不同車隊規模與不同參數組合下之解題績效 (最小值)	86
圖5.16 不同時窗限制係數下之解題績效	89
圖5.17 不同權重下之解題績效	89
圖5.18 不同距離係數下之解題績效	90
圖5.19 不同迴圈下之解題績效	90
圖5.20 不同目標函數係數下之解題績效 (範例一、分群策略一)	92
圖5.21 不同目標函數係數下之解題績效 (範例一、分群策略二)	92
圖5.22 不同目標函數係數下之解題績效 (範例二、分群策略一)	92
圖5.23 不同目標函數係數下之解題績效 (範例二、分群策略二)	92
圖5.24 不同目標函數係數下之解題績效 (範例三、分群策略一)	93
圖5.25 不同目標函數係數下之解題績效 (範例三、分群策略二)	93
圖5.26 不同目標函數係數下之解題績效 (範例四、分群策略一)	93
圖5.27 不同目標函數係數下之解題績效 (範例四、分群策略二)	93
圖5.28 不同分群策略下之價格分佈(範例一)	94
圖5.29 不同分群策略下之價格分佈(範例二)	94
圖5.30 不同分群策略下之價格分佈(範例三)	94
圖5.31 不同分群策略下之價格分佈(範例四)	94
圖5.32 不同顧客分佈型態下之解題結果 (分群策略一)	97
圖5.33 不同顧客分佈型態下之解題結果 (分群策略二)	97
圖5.34 不同目標式對系統總旅行時間之影響	100
圖5.35 不同目標式對系統總收益之影響	100
圖5.36 不同目標式對系統總旅行距離之影響	100
圖5.37 不同目標式對平均個人旅行時間之影響	100
圖5.38 不同目標式對個人每天應付價格之影響	100
圖5.39 不同分群策略下之解題績效 (均一分配)	107
圖5.40 不同分群策略下之解題績效 (常態分配)	107
圖5.41 不同分群策略下之解題績效 (卜氏分配)	108
圖5.42 不同分配下之解題績效  (分群策略一)	109
圖5.43 不同分配下之解題績效  (分群策略二)	109

表目錄
表1.1 VRP、TSP與DCPP之比較	3
表2.1 中型車共乘(vanpool)價目表範例	10
表2.2 共乘運輸系統之特性比較表	11
表2.3 VRP相關問題彙整	14
表2.4 隨機車輛路線問題相關研究一覽表	24
表2.5 節省法與插入法之比較	25
表2.6 蟻群演算法相關文獻彙整	35
表3.1 懲罰值相關文獻彙整	48
表4.1 各節點座標值與時間窗限制	65
表4.2 距離矩陣	66
表4.3 測試例題計算結果(蟻群演算法)	66
表4.4 TA之9組測試參數組合一覽表	70
表5.1 不同違反地理限制的懲罰係數之分群結果	75
表5.2 不同分群策略下之最佳解與最差解(ACO)	77
表5.3 求解路徑參數對解題績效之Pearson相關一覽表(ACO)	78
表5.4 ACO之最佳參數值	79
表5.5 分群策略對解題績效之顯著性差異一覽表(ACO)	79
表5.6 顧客分佈型態對解題績效之顯著性差異一覽表(ACO)	80
表5.7 不同分群策略下之最佳解與最差解(TA+NM)	81
表5.8 求解路徑參數對總旅行時間之Pearson相關一覽表(TA+NM)	82
表5.9 TA+NM之最佳參數值	82
表5.10 分群策略對解題績效之顯著性差異一覽表(TA+NM)	83
表5.11 ACO與TA+NM平均程式執行時間一覽表(秒)	84
表5.12 ACO與TA+NM之績效分析比較	84
表5.13 分群結果	85
表5.14 不同參數組合下之解題績效一覽表(車輛數：9)	86
表5.15 不同參數組合下之解題績效一覽表(車輛數：10)	87
表5.16 車隊規模對解題績效之顯著性差異一覽表（平均數）	87
表5.17 車隊規模對解題績效之顯著性差異一覽表（最小值）	87
表5.18 不同目標值係數組合一覽表	91
表5.19 目標函數係數對解題績效之Pearson相關一覽表(ACO)	93
表5.20 不同分群策略下之最佳解與最差解(ACO)	95
表5.21 求解路徑參數對個人負擔費用之Pearson相關一覽表(ACO)	95
表5.22 ACO之最佳參數值	96
表5.23 分群策略對解題績效之顯著性差異一覽表(ACO)	97
表5.24 顧客分佈型態對個人負擔費用之顯著性差異一覽表(ACO)	98
表5.25 共乘前運輸系統績效分析表	98
表5.26 共乘後運輸系統績效分析表(以最小系統總旅行時間為目標)	99
表5.27 共乘後運輸系統績效分析表(以最小個人每日應付價格為目標)	99
表5.28 不定期乘客資料	103
表5.29 各分配相關參數設定	106
表5.30 新乘客資料	107
表5.31 分群策略對解題績效之顯著性差異一覽表(TA)	108
表5.32 不同分群策略下之最佳解與最差解	108
表5.33 求解路徑參數對解題績效之Pearson相關一覽表(TA)	109
表5.34 需求時間在不同分配產生下對解題績效之顯著性差異一覽表(TA)	109

中文部份
1.	王生德，中華大學 科技管理研究所碩士論文，「以巨集啟發式方法求解時窗限制回程取貨車輛路線問題之研究」，中華民國93年6月。
2.	白俊偉，大葉大學 工業工程研究所碩士論文，「隨機型區位-途程問題解法之研究」，中華民國88年。
3.	呂英志，逢甲大學 交通工程與管理研究所碩士論文，「即時資訊下車輛路線問題之研究」，中華民國91年。
4.	李洪鑫，東海大學 工業工程研究所碩士論文，「含時間窗車輛途程問題各演算法適用範圍之探討」，中華民國89年6月。
5.	卓裕仁，國立交通大學 運輸工程與管理研究所博士論文，「以巨集啟發式方法求解多車種與週期性車輛路線問題之研究」，中華民國89年。
6.	卓裕仁、尤燕祺，”結合螞蟻演算法與插入法於車輛問線問題研究”，中華民國運輸學會 第20屆論文研討會，中華民國94年11月。
7.	林依潔，國立台北科技大學 生產系統工程與管理研究所碩士學位論文，「整合模糊理論與螞蟻演算法於含時間窗限制之車輛途程問題」，中華民國92年6月。
8.	林明俊，中原大學 工業工程研究所碩士論文，「隨機環境下多車種派車問題之研究」，中華民國87年。
9.	柯景文，逢甲大學 交通工程與管理學系碩士論文，「禁制搜尋法於動態車輛巡迴路線問題之研究」，中華民國91年。
10.	胡大瀛、呂英志、陳仲強、陳佳貝，「動態車路線問題之研究」，中華民國運輸學會第16屆學術論文研究會論文集，中華民國90年頁133-142。
11.	寇世傑，國立交通大學交通運輸研究所民國碩士論文，「以習慣領域理論探討推動通勤者共乘行為之契機」，民國86年。
12.	張世峰，私立淡江大學 運輸管理研究所碩士論文，「即時訂貨資訊下物流配送作業規劃之研究」，中華民國91年6月。
13.	張有恆，「運輸管理」（二版），華泰文化，2002年4月。
14.	梅明德，中央大學 土木工程研究所博士論文，「線上型時窗限制車輛路線問題之模式與求解演算法」，中華民國88年。
15.	許再豐，朝陽科技大學 工業工程與管理學系碩士論文，「即時資訊下動態車輛途程規劃研究」，中華民國93年。
16.	許晉嘉，國立成功大學 交通管理科學研究所碩士論文，「宅配業貨物配送路線規劃問題之研究」，中華民國92年。
17.	郭秋泔，國立高雄第一科技大學 運輸與倉儲營運系碩士論文，「考慮旅行時間下之隨機旅行員銷售問題-以國際快遞業為例」，中華民國93年6月。
18.	陳冠樺，私立逢甲大學 交通工程與管理學系碩士論文，「螞蟻記憶系統應用於旅行推銷員問題」，中華民國94年7月。
19.	陳昱廷，國立高雄第一科技大學 運輸倉儲營運所，「顧客需求不確定下，即時車輛派遣系統之研究」，中華民國93年。
20.	陳致元、朱子豪，「以空間群聚分析探討單一物流中心車輛途程問題」，地理學報，第三十七期，中華民國93年頁123-137。
21.	陳茂生，國立清華大學 工業工程研究所作業研究組碩士論文，「螞蟻演算法求解零壹多限制式背包問題」，中華民國92年6月。
22.	陳德政，逢甲大學 交通工程與管理學系碩士論文，「即時資訊下物流配送問題之研究」，中華民國94年。
23.	彭百君，中原大學 電機工程學系碩士論文，「直接空調負載控制曲線自動化分類系統」，中華民國93年7月。
24.	曾惠鈺，淡江大學運輸管理學系運輸科學碩士班碩士論文，「即時行車資訊下物流配送作業規劃之研究」，中華民國92年。
25.	馮正民、邱裕鈞，「研究方法分析」，建都文化事業股份有限公司，中華民國93年6月。
26.	黃金智，大葉大學 工業工程研究所碩士論文，「隨機型車輛途程問題解法之研究」，中華民國89年。
27.	廖田華，國防管理學院資源管理研究所碩士論文，「需求不確定下物流中心車輛路線問題之研究」，中華民國89年。
28.	謝國倫，私立淡江大學 運輸科學研究所碩士論文，「基因演算法應用於捷運轉乘公車區位路徑問題之研究」，中華民國89年6月。
29.	韓復華、卓裕仁，「巨集啟發式解法在TSP與VRP上之應用：參數設定與執行機制之探討」，中華民國第五屆運輸網路研討會，中華民國89年10月。
30.	羅敏華，私立元智大學 工業工程與管理研究所，「蟻群最佳化演算法於載重限制車輛途程問題的研究」，中華民國92年7月。
31.	蘇純繒等人，「以螞蟻群聚最佳化整合噪音擾動法求解TSP問題」，商管科技季刊，中華民國92年。
英文部分
32.	Allan Larsen (2000), “The Dynamic Vehicle Routung Problem”, IMM.
33.	Bernhard Fleischmann, Stefan Gnutzmann, Elke Sandvoβ(2004), “Dynamic Vehicle Routing Based on Online Traffic Information”, Transportation Science, Vol. 38, No.4, pp.420-433.
34.	Bertsimas, D. J. (1992).” A Vehicle Routing Problem with Stochastic Demand,“ Operation Research, Vol. 40, pp.574-585.
35.	Bullnheimer, B., Hartl, R. F. and Strauss, C.(1997), “A new rank-based version of the ant system: a computational study,” Technical Report POM-03/97, Institute of Management science, University of Vienna.
36.	Dorigo M., Bonabeau E., theraulaz G.(2000),”Ant algorithms and stigmergy”, Future Generation computer Systems 16, pp.889-914.
37.	Dorigo, M. and Gambardella, L. M.(1997), “Ant colony system：acooperative learning approach to the traveling salesman problem,” IEEE Transactions on Evolutionary Computation, Vol. 1(1), pp.53-66.
38.	Dorigo, M., Caro, G. D.(1999), “New Ideas in Optimization,” McGraw-Hill.
39.	Dorigo, M., Caro, G.D., Gambardella, L.M. (1999), “Ant Algorithms for discrete Optimization,” Artificial Life, Vol.5, No.3, pp.137-172.
40.	Dror , M. and P . Trudeau. (1986). “Stochastic vehicle routing with modified savings algorithm.” European Journal of Operational Research , Vol.23, pp.228-235.
41.	Dror, M., G . Laporte and P . Trudeau. (1989). “Vehicle routing with stochastic demands properties and solution frameworks.” Transportation Science , Vol.23, pp.166-176.
42.	Dueck, G., & T. Scheuer (1990), “Threshold Accepting: A General Purpose Optimization Algorithm Appearing Superior to Simulated Annealing,” Journal of Computational Physics, Vol.90, pp.161-175.
43.	EPA Vanpool programs: Implementing Commuter Benefits under the Commuter Choice Leadership Initiative.
44.	Fa Tsai, C., Wei Tsai, C., Chang Tseng, C.(2004),”A new hybrid heuristic approach for solving large traveling salesman problem,”Information Sciences Vol. 16, No.6, pp.67-81.
45.	Gendreau, M., G . Laporte and R. Seguin. (1995). “An exact algorithm for the vehicle routing problem with stochastic demands and customers.” Transportation Science , Vol..29, pp.143-155.
46.	Ichoua, S., Gendreau, M. and Potvin, J. Y. (2000), “Diversion Issues in Real-Time Vehicle Dispatching,” Transportation Science, Vol.34, No.4, pp.426-438.
47.	Jaillet, P. (1988), “A priori Solution of a Traveling Salesman Problem in which a Random Subset of The Customers are Visited, ” Operations Research, Vol.36, No.6, pp.929-936.
48.	 L. D. Bodin, B. L. Golden, A. A. Assad, and M. Ball. (1983).“ Routing and scheduling of vehicles and crews, the state of the art. “Computers and Operations Research , Vol.10, No.2, pp.63-212.
49.	Lambert, V ., Laporte, G . and Louveaux, F . V . (1993).” Designing Collection Routes through Bank Branches.” Computers and Operation Research , Vol.20, pp.783-791.
50.	Laporte G ., Louveaux, F .V . and Mercure, H. (1992).” The Vehicle Routing Problem with Stochastic Travel Times.,.” Transportation Science, Vol.26, pp.161-170.
51.	Laporte, G ., F . Louveaux and H. Mercure. (1989). “Models and exact solutions for a class of stochastic location-routing problems.” European Journal of Operational Research, Vol.39, pp.71-78.
52.	M. Dorigo, V. Maniezzo and A. Colorni(1991), “ The Ant System: An Autocatalytic Optimizing Process, ” Technical Report No. 91-016 Revised, Politecnico di Milano, Italy.
53.	M. Dorigo, V. Maniezzo, and A. Colorni (1996), “The Ant System: Optimization by a Colony of Cooperating Agents,” IEEE Transactions on Systems, Man, and Cybernetics-Part B, Vol.26, No.1, pp.29-41.
54.	M. Gendreau, G . Laporte and R. Seguin. (1996).” Stochastic vehicle routing. ” European Journal of Operational Research , Vol.88, pp.3-12.
55.	Mingozzi A, Baldacci R, Maniezzo V(2000), “Lagrangean column generation for the car pooling problem” Technical Report WP-CO0002, University of Bologna, S.I., Cesena, Italy.
56.	Powell, W.B., and Spivey, M.Z. ( 2004), “The Dynamic Assignment Problem”,Transportation Science, Vol 38, No.4, pp.399-419.
57.	Powell, W.B., Jaillet, P. and Odoni, A. (1995), “Stochastic and Dynamic Networks and Routing”, In Ball, M.O., Manati, T.L., Monma, C. L. and Nemhauser, G. L., Eds. Handbooks in OR & MS, Vol. 8, Network Routing, Elsevier Science B. V., The Netherlands, pp. 141-295.
58.	Psaraftis, H. N. (1995), “Dynamic Vehicle Routing: States and Prospects,” Annals of Operations Research, Vol.61, pp.143-164.
59.	Regan, A. C., Mahmassani, H.S. and jailiet, P. (1994), “Improving Efficiency of Commercial Vehicle Operations Using Real-Time Information: Potential Uses and Assignment Strategies,” Transportation Research Record, Vol.1493, pp.188-198.
60.	Roberto Baldacci, Vittorio Maniezzo, Aristide Mingozzi(2004), “An Exact Method for the Car Pooling Problem Based on Lagrangean Column Generation”, Operations Research Vol.52, No. 3, pp.422-439.
61.	Roberto Wolfer Calvo, Fabio de Luigi, Palle Haastrup, Vittorio maniezzo (2004),“A distributed geographic information system for the daily car pooling problem”, Computers & Operations Research 31, pp.2263-2278.
62.	Seguin, R., Potvin, J. Y., Gendreau. M., Crainic, T.G. and Marctte, P.(1997), “Real-time decision problem: an operational research perspective”, Journal of the Operational Research Society, Vol., 48, pp.162-174.
63.	Simulation model performance analysis of a multiple station shared vehicle system
64.	Solomon, M. M.,(1983) “Vehicle routing and scheduling with time window constrains: models and algorithms,” Ph.D. Dissertation, Department of Decision Sciences, University of Pennsylvania.”
65.	SEQL sustainable environment for quality of life carpool/vanpool.
66.	Stewart, W . R. Jr . and B. L. Golden. (1983).” Stochastic vehicle routing a comprehensive approach.” European Journal of Operational Research, Vol.14, pp.371-385.
67.	Stützle, T., and Hoos, H.H.(1997), “The MAX-MIN ant system and local search for the traveling salesman problem.” in Bäck, T., Michalewicz, Z., Yao, X.(editors), Proceedings of the IEEE International Conference on Evolutionary Computation (ICEC’97), IEEE press, Piscataway, USA, pp.309-314.
68.	Taillard, E.D., and Gambardella, L.M. (1997), “Adaptive Memories for the Quadratic Assignment Problem,” Technical Report IDSIA-87-97, IDSIA, Lugano, Switzerland.
69.	Taniguchi, E., Russel G. T., Tadashi, Y. and Ron, V. D.(2001).,”City Logistics,”Elsevier Science Ltd, UK
70.	Tillman, F . A. (1969).” The multiple terminal delivery problem with probabilistic demands.” Transportation Science, Vol.3, pp.192-204.
71.	transportation strategies: guidelines for vanpooling, Nov 1994.
72.	Waters, C. D. J. (1989), “Vehicle Scheduling Problems with uncertainty and omitted customers,” Journal of the Operational Research Society, Vol.40, pp.1099-1108.
參考網站
73.	推行汽車共乘：
http://www.epa.gov.tw/b/b0100.asp?Ct_Code=04X0002755X0002806&L=
74.	APPENDIX F GLOSSARY OF TERMS USED IN CMS REPORT, http://www.nymtc.org/project/CMS/CMSfiles/CMS_appendix_F.pdf
75.	Detroit free Press, http://www.freep.com
76.	eartheasy Car Sharing : http://www.eartheasy.com/live_car_sharing.htm, (2005/09/28)。
77.	STARTING A VANPOOL, Triangle Transit Authority, TTA