對於公路運輸服務業而言，異常駕駛行為除直接導致潛在行車肇事或交通違規，提高業者經營風險，亦會降低行車服務品質，造成車輛無謂耗損徒增保養維修費用。如何針對駕駛員異常操作情形作出有效管理以及增進行車安全，是客運業者亟待解決的問題。隨著科技進步，智慧型運輸系統（Intelligent Transportation System, ITS）發展日益蓬勃，國內公路客運業者已漸由傳統「機械式行車紀錄器」改用數位式行車紀錄器。惟數位式行車紀錄器蒐集項目眾多與資料量相當龐大，如能夠有效分析與利用，對於公路客運業者行車安全、油耗與保修費用以及駕駛員管理將有所助益。
    本研究主要以公路客運為研究對象，蒐集國內某客運公司61部客運車輛數位式行車紀錄器資料、210名駕駛員資料與肇事、交通違規、油耗與保養維修資料進行分析探討，資料蒐集時間為民國93年6月至民國94年12月。資料採礦首要步驟為定義與確認駕駛異常操作行為項目與門檻值，以萃取資料庫中有意義的資訊。運用多元迴歸分析與群集分析建立資料採礦模式，前者構建駕駛員異常行為關係模式，以釐清駕駛員異常行為對於行車安全、油耗與保修費用之影響關係；後者將相同駕駛特性駕駛員進行分群，使能與後續駕駛員管理配合運用。
    研究結果發現，影響肇事次數為急減速與超速，影響交通違規次數為超速與電磁煞車操作異常；影響油耗費用為急加速、怠速過久以及引擎轉速異常，影響保養維修費用則為急減速、急加速、電磁煞車操作異常以及引擎轉速異常。群集分析將210名駕駛員分成三群，分別命名為一般等第199人，稍差等第9人、極差等第2人，分群結果符合一般現況，並構建判別模式可直接判別駕駛員所屬之群集等第。整合上述資料採礦結果提出可落實於駕駛員管理層面整合流程，與駕駛員管理獎懲案例與方法。最後評估以再教育訓練或相關管理方式提昇駕駛員素質水準之效益，結果得到一個月可以減少13次肇事、2次交通違規，以及公司可節省745,480元額外油耗與保養維修費用，可利用節省費用提撥一定比例供再教育訓練用與新進駕駛員訓練，或增購數位式行車紀錄器進行車輛進行全面裝設，以充分掌握所有駕駛員駕駛行為資料，始能搭配相關管理措施以進行有效管理。

For bus carriers, the abnormal driving behaviors will not only cause a higher risk of accident and traffic offence, but also deteriorate the vehicle worn-outs, which will cause bus service broken-down. Consequently, how to monitor and manage abnormal driving behaviors effectively and efficiently is an important issue to bus operators. With the progress of science and technology, Intelligent Transportation System is developed flourishingly. Today, many bus carriers have used digital tachographs to record the bus driving details. Particularly through data mining, the extraction of hidden predictive information from large databases will help us to find out and identify the relationship among abnormal driving behavior and driving safety, fuel consumption, and maintenance cost.
    This study collected data from digital tachograph database, which include 61 buses, 210 drivers' data. In the meanwhile, the vehicles related accident and traffic offence records, fuel consumption and maintenance cost data were also collected from June 1, 2004 to December 31, 2005. The first step of data mining is to confirm and define the variables and related threshold values of abnormal driving behaviors in order to extract the meaningful information. The data mining techniques were used in this study, such as multiple regression analysis and cluster analysis. Multiple regression models were developed to establish the empirical relationship among abnormal driving behaviors and driving safety, fuel consumption, and maintenance cost. The cluster analysis was applied to categorize the sample of drivers which have similar driving characteristics. The discriminate analysis was used to determine the driver's level directly.
    The findings of multiple regression models indicated that the emergent deceleration and speeding variables are the key determinants of the frequency of accident; speeding and abnormal operation of electromagnetic braking variables are the key determinants of the frequency of traffic offence; emergent deceleration and acceleration, long idle time of engine operation, abnormal operation of electromagnetic braking and abnormal engine rotation variables are the key determinants for fuel consumption and maintenance cost. The cluster analysis has classified the 210 drivers into 3 category levels: fair, bad and very bad.  In this case, there are 199 drivers in fair level, 9 drivers in bad level, and 2 drivers in very bad level. According to the data mining results, this study proposed an integrated driver management solution. After evaluation, it is shown that applying driver management strategies such as re-education, rewards and punishments, on a monthly basis, the frequency of accident can be reduced by 13 times, frequency of traffic offence by 2 times and a cost of NT$745,480 for extra fuel consumption and maintenance cost are saved. The above savings could be used alternately for employees' re-education and training, or to equip digital tachographs on the bus fleets.

目錄
第一章	緒論 ............................................1
1.1 研究背景與動機 .......................................1
1.2 研究目的 .............................................2
1.3 研究範圍 .............................................2
1.4 研究內容與流程 .......................................3
第二章	文獻回顧 ........................................6
2.1 數位式行車紀錄器相關回顧 .............................6
   2.1.1 國內外數位式行車紀錄器之發展 ....................6
   2.1.2 國內外數位式行車紀錄器產品類型 ..................8
2.2 數位式行車紀錄器監控指標 ............................14
   2.2.1 行車安全方面 ...................................14
   2.2.2 行車油耗與保養維修方面 .........................16
2.3 資料採礦（Data Mining）相關回顧 .....................17
   2.3.1 資料採礦的意義 .................................17
   2.3.2 資料採礦步驟與資料庫知識發現(KDD) ..............18
   2.3.3 資料採礦之功能與技術 ...........................21
   2.3.4 資料採礦之應用 .................................23
2.4 駕駛員管理相關回顧 ..................................25
2.5 小結 ................................................26
第三章	研究方法與理論基礎 .............................28
3.1 研究架構 ............................................28
3.2 資料處理作業程序 ....................................29
   3.2.1 資料蒐集 .......................................29
   3.2.2 資料前置處理 ...................................30
3.3 資料採礦方法 ........................................31
   3.3.1 多元迴歸分析 ...................................31
   3.3.2 群集分析 .......................................34
3.4 判別分析 ............................................41
3.5 小結 ................................................45
第四章  駕駛異常操作指標設定與資料蒐集 ..................46
4.1 數位式行車紀錄器駕駛異常操作監控指標與設定 ..........46
  4.1.1 行車安全方面 ....................................46
  4.1.2 燃油消耗方面 ....................................50
  4.1.3 機件磨損方面 ....................................53
  4.1.4 行車品質方面 ....................................55
4.2 數位式行車紀錄器駕駛異常操作資料蒐集 ................58
4.3 駕駛員肇事與交通違規資料蒐集 ........................59
   4.3.1 駕駛員肇事資料 .................................59
   4.3.2 駕駛員交通違規資料 .............................59
4.4 行車油耗與保養維修費用資料蒐集 ......................60
   4.4.1 車輛油耗費用 ...................................60
   4.4.2 車輛保養維修費用 ...............................61
第五章  駕駛員異常操作行為關係模式構建 ..................64
5.1 資料庫建立與分析 ....................................64
   5.1.1 資料格式 .......................................64
   5.1.2 基本資料分析 ...................................65
5.2 肇事與交通違規風險之模式構建 ........................68
   5.2.1 變數選取 .......................................69
   5.2.2 模式設定 .......................................72
   5.2.3 模式校估 .......................................73
5.3 行車油耗與保養維修費用之模式構建 ....................77
   5.3.1 變數選取 .......................................77
   5.3.2 模式設定 .......................................79
   5.3.3 模式校估 .......................................80
5.4 小結 ................................................84
第六章  駕駛員分群判別與管理 ............................86
6.1 群集分析方法 ........................................86
6.2 駕駛員群集分析 ......................................86
   6.2.1 群集數選擇 .....................................87
   6.2.2 K-Means群集分析 ................................88
   6.2.3 群集假設檢定 ...................................90
   6.2.4 駕駛員分群結果 .................................92
6.3 駕駛員異常操作行為判別模式 ..........................93
   6.3.1 判別模式架構 ...................................93
   6.3.2 判別模式構建與結果分析 .........................94
6.4 駕駛員分群管理 ......................................97
   6.4.1 駕駛員評鑑等第 .................................97
   6.4.2 駕駛員行車安全風險與額外費用估計 ..............100
   6.4.3 駕駛員管理獎懲辦法 ............................104
   6.4.4 駕駛員素質提升之效益 ..........................111
6.5 小結 ...............................................113
第七章  結論與建議 .....................................115
7.1 結論 ...............................................115
7.2 建議 ...............................................118
參考文獻 ...............................................120

圖目錄
圖1-1 研究流程圖 .........................................5
圖2-1 德國Siemens VDO公司DTCO 1381數位式行車紀錄器 .......9
圖2-2 澳洲Circuitlink公司Tacholink Millenium數位式行車紀錄器 ......................................................10
圖2-3 寶錄電子BR6800數位式行車紀錄器 ....................11
圖2-4 Siemens VDO FM200 PLUS型數位式行車紀錄器 ..........13
圖2-5 資料採礦技術流程圖 ................................20
圖3-1 研究架構圖 ........................................29
圖3-2 群集分析之決策流程 ................................36
圖3-3 群集間距離示意圖 ..................................39
圖3-4 群集分析架構圖 ....................................41
圖3-5 三群體判別基準 ....................................43
圖4-1 車輛加油流程圖 ....................................61
圖5-1 交通違規項目分析圖 ................................66
圖5-2 肇事原因分析圖 ....................................67
圖6-1 駕駛員異常操作行為群集數變化表 ....................88
圖6-2 各群集與變數顯著性檢定流程圖 ......................91
圖6-3 判別分析與模式構建流程圖 ..........................94
圖6-4 駕駛員管理整合流程圖 .............................103
圖6-5 駕駛員責任歸屬判斷流程 ...........................104
圖6-6 優良駕駛員決策圖 .................................106

表目錄
表2-1 資料採礦相關學者之定義 ............................18
表4-1 國道主要區段速限標準 ..............................47
表4-2 急加減速門檻值對照表 ..............................50
表4-3 一般路段之速度、引擎轉速與檔位對應關係（FUSO車）...51
表4-4 上坡路段之速度、引擎轉速與檔位對應關係（FUSO車）...52
表4-5 各項指標與監控項目 ................................57
表4-6 每月車輛油耗費用資料範例格式 ......................61
表4-7 公路客運營運成本及功能類別 ........................62
表5-1 駕駛員異常操作管理資料庫（部分資料）...............65
表5-2 各項費用初步統計值 ................................67
表5-3 駕駛員異常操作資料統計 ............................68
表5-4 駕駛員異常操作資料統計(續) ........................68
表5-5 複共線性判斷準則 ..................................69
表5-6 第一次複共線性檢定 ................................70
表5-7 第一次複共線性檢定（續）...........................71
表5-8 第二次複共線性檢定 ................................72
表5-9 第二次複共線性檢定（續）...........................72
表5-10 模式設定各項變數意義與單位 .......................73
表5-11 模式A與B變異數分析（一）..........................74
表5-12 模式A與B校估結果（一）............................75
表5-13 模式A與B變異數分析（二）..........................75
表5-14 模式A與B校估結果（二）............................76
表5-15 七項變數複共線性檢定 .............................78
表5-16 七項變數複共線性檢定（續）........................78
表5-17 各項費用之相關分析 ...............................79
表5-18 油耗與保養維修模式變數之意義與單位 ...............80
表5-19 模式C與D變異數分析（一）..........................81
表5-20 模式C與D校估結果（一）............................82
表5-21 模式C與D變異數分析（二）..........................83
表5-22 模式C與D校估結果（二）............................83
表6-1 各群集之起始中心點 ................................89
表6-2 各群集之疊代紀錄 ..................................89
表6-3 各群集之最後中心點 ................................90
表6-4 各群集最後中心點間之距離 ..........................90
表6-5 各駕駛員群集中之平均數 ............................91
表6-6 變異數分析表 ......................................92
表6-7 駕駛員分群表 ......................................92
表6-8 典型判別函數之係數值與結構矩陣 ....................95
表6-9 駕駛員判別分析之特徵值與Wilks Λ檢定統計分析表......96
表6-10 費雪線性判別函數係數表 ...........................96
表6-11 駕駛員分群判別分析結果分析表 .....................97
表6-12 各等第之基本統計值 ...............................98
表6-13 駕駛員評鑑等第判別模式 ...........................99
表6-14 異常操作行為風險表 ..............................100
表6-15 多重比較檢定（一）...............................100
表6-16 異常操作行為產生額外費用表 ......................101
表6-17 多重比較檢定（二）...............................101
表6-18 駕駛員貢獻度計算表 ..............................105
表6-19 優良表現駕駛員名單 ..............................106
表6-20 不獎勵或懲處之駕駛員名單 ........................108
表6-21 D039駕駛員之額外費用計算 ........................109
表6-22 稍差與極差等第駕駛員產生之額外費用 ..............110
表6-23 駕駛員素質提升節省金額計算（稍差等第）...........112
表6-24 駕駛員素質提升節省金額計算（稍差等第）...........112

一、英文部分
1.B. W. Ang and T. F. Fwa , “A study on the fuel-consumption characteristics of public buses Energy,” Volume 14, Issue 12, Pages 797-803, December 1989.
2.Decicco, J. and M. Ross, “Recent advances in automotive technology and the cost-effectiveness of fuel economy improvement, ” Transportation Research Part D, Vol. 1, No. 2, pp. 79-96, 1996.
3.Giudici, P. and Passerone, G.., “Data mining of association structures to model consumer behavior,” Computational Statistics and Data Analysis 38(4), 533-541, 2002.
4.Hooker, J. N., ”Optimal driving for single-vehicle fuel economy, ”Transportation Research Part A, Vol. 22, No. 3, pp. 183-201, 1988.
5.Mascha van der Voort, Mark S. Dougherty and Martin van Maarseveen, “A prototype fuel-efficiency support tool,” Transportation Research Part C, Vol. 9, pp. 279-296, 2001.
6.Quimby A., Maycock G., Palmer C. and Butteress S., “The factors that influence a driver's choice of speed－a questionnaire study,” Report 325, TRL, Crowthorne, 1999.
7.Kuhnert P. M., Do K.A. and McClure R., “Combining non-parametric models with logistic regression: an application to motor vehicle injury data,” Computational Statistics and Data Analysis 34(3), 371-386, 2000.
8.Rygielski C., Wang, J. C. and Yen, D.C., “Data mining techniques for customer relationship management,” Technology in Society 24(4), 483-502, 2002.
9.Stanley M. Gully, David J. Whitney and Fred E. Vanosdall, “Prediction of police officers' traffic accident involvement using behavioral observations,” Accident Analysis & Prevention, Volume 27, Issue 3, Pages 355-362, June 1995.
10.Sumit Anand, Nir Keren, Marietta J. Tretter, Yanjun Wang, T. Michael O’Connor and M. Sam Mannan , “Harnessing data mining to explore incident databases, ”Journal of Hazardous Materials, Volume 130, Issues 1-2, Pages 33-41, 17 March 2006.
11.Taylor, M.C., Lynam, D.A. and Baruya, A., “The effects of driver's speed on the frequency of road accidents,” TRL Report 421, prepared for the Road Safety Division, DETR, 2000.
12.Ulla E. and Lars K. Thomsen, “Safety effects of speed reducing measures in danish residential areas,”Accident Analysis & Prevention, Volume 24, Issue 1, Pages 17-28, February 1992.
13.Vasiliev, L. L., V. S. Burak, A. G. Kulakov, D. A. Mishikinis, and P. B. Bohan, ”Heat storage device for pre-heating internal combustion engines at start-up,” International Journal Thermodynamic Science, Vol. 38, pp. 98-104, 1999
14.Waters, M. H. L. and I. B. Laker, “Research on Fuel Conservation for Cars,” Report No. 921, Transportation Research Laboratory, Crowthorne, England, 1980.
15.U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From Data Mining to Knowledge Discovery in Databases,” American Association for Artificial Intelligence, 1996.
16.“Reducing Traffic Injuries Resulting From Excess and Inappropriate Speed,”European Transport Safety Council Rue du Cornet 34 B-1040 Brussels, 1995.
二、中文部份
1.謝邦昌，「多變量分析（3）－判別分析法」，中國統計通訊，第九期，頁28-38，民國87年9月。
2.林震岩，「多變量分析－SPSS的操作與應用」，智勝圖書，民國95年1月。
3.邱浩政，「社會與行為科學的量化研究與統計分析」，五南圖書，民國93年5月。
4.張建邦，「多變量分析」，三民書局，民國86年7月。
5.黃俊英，「多變量分析」，華泰文化，民國90年1月。
6.王鴻儒，「SQL Server 2005資料庫設計建置管理實務」，金禾圖書，民國94年12月。
7.尹相志，「SQL 2000 Analysis Service資料採礦服務」，維科圖書，民國92年。
8.胡百敬、尹相志，「SQL Server商業智慧聖經」，學貫行銷，民國93年。
9.「車輛油耗指南」，經濟部能源局，民國93年2月。
10.「高速公路年報」，國道高速公路局，民國93年。
11.鄭子玔、林維信等，「數位式行車紀錄器功能技術規範建立與示範應用之研究」，交通部運輸研究所與財團法人中華顧問工程司合作辦理，民國93年4月。
12.「汽車客運業統一會計科目」，交通部運輸研究所，民國86年2月。
13.張杏珍、邱榖等，「公路車輛行車成本調查」，交通部運輸研究所，民國89年1月。
14.林繼國、顏漏有等，「汽車客運業路線別成本計算制度」，交通部運輸研究所，民國88年9月。
15.「顧客關係管理與資料採礦」，EC研究報告，ComerceNet Taiwan，民國91年2月。
16.林雅俐、劉正華，「駕駛行為與肇事概率之關聯性研究」，工業工程學刊，第16卷第1期，頁161-172，民國88八年1月。
17.楊東麟、洪明傳，「資料探勘在資料倉儲的應用」，資訊與教育雜誌，第84期，民國90年。
18.倪達洸，「資料採礦方法論」，RUN!PC，第104期，民國91年9月。
19.黃木泳，「資料採礦技術及發展趨勢」，RUN!PC，第104期，民國91年9月。
20.林大煜，「道路交通肇事資料分析方法之探討」，運輸計劃季刊，第8卷第3期，頁379-413，民國68年。
21.謝邦昌，「資料探勘技術發展趨勢」，軟體與應用，民國91年9月。
22.謝邦昌，「多變量分析（4）─集群分析法」，中國統計通訊，第9卷第10期，頁31-42，民國87年10月。
23.廖少威、張文亮，「關渡濕地底泥性狀對植被分類判別函數之建立」，水土保持學報，第34期，頁209-226，民國91年9月。
24.吳冠宏、郭廣洋、吳信宏，「應用資料挖掘於交通事故資料分析」，警學叢刊，第36期，頁131-146，民國94年9月。
25.王立心，「集群分析的理論與應用」，高師教育研究，第6期，頁91-116，民國87年6月。
26.陳俊傑，「應用資料探勘技術於道路交通事故資料分析之研究」，中央警察大學資訊管理研究所碩士論文，民國91年6月。
27.許哲瑋，「資料挖掘與統計方法應用於資料庫行銷之實證研究-以美妝保養品業為例」，台北大學企管研究所碩士論文，民國91年6月。
28.楊進彥，「汽車行車記錄器應用於交通管理之研究」，淡江大學運輸科學研究所碩士論文，民國89年6月。
29.薛如珊，「使用自組織映射網路進行資料群集和資訊樣型採擷的資料探勘法」，臺灣大學工業工程學研究所碩士論文，民國90年6月。
30.張季倫，「公路客運行車監控之研訂及駕駛與車輛資料庫管理系統之研發--數位式行車紀錄器之應用」，交通大學交通運輸研究所碩士論文，民國90年6月。
31.廖景元，「高速公路巡邏力對行車安全之影響研究」，交通大學管理研究所碩士論文，民國69年6月。
32.黃聖源，「駕駛行為因素對市區幹道系統服務水準影響分析之初探」，台灣大學土木工程研究所碩士論文，民國77年6月。
33.吳偉碩，「台南環線高快速公路肇事特性分析與安全改善之研究」，交通大學交通運輸研究所碩士論文，民國90年6月。
34.尹維龍，「應用駕駛行為量表探討偏差駕駛行為與事故傾向關係之研究」，交通大學運輸科技與管理研究所碩士論文，民國93年6月。
35.蕭重威，「車輛行車型態駕駛模擬」，清華大學動力機械研究所碩士論文，民國83年6月。
36.胡俊生，「剎車鼓內部溫度和熱應力分析及性能改善」，逢甲大學機械工程研究所碩士論文，民國85年6月。
37.戚培芳，「中山高速公路肇事分析模式之研究」，交通大學運輸研究所碩士論文，民國86年6月。
38.劉建良，「公車駕駛員之薪資滿足感與工作壓力、工作滿足與服務品質之關係探討」，淡江大學運輸科學研究所碩士論文，民國89年6月。
39.陳國樑，「公路客運公司管理制度與駕駛員行為特性關係之研究」，逢甲大學交通工程管理研究所碩士論文，民國93年6月。