綠色運輸的概念興起，使得公共自行車蓬勃發展，過去關於公共自行車之研究主要採問卷調查，而目前受惠於營運數據之開放，可更精確瞭解使用者之騎乘狀況。本研究採用以悠遊卡資料為基礎，利用卡號串聯不同的旅次，探討各類型使用者YouBike之騎乘特性與轉乘捷運特性。明確地說，本研究串連2016年11月雙北地區YouBike與臺北捷運旅次的悠遊卡交易紀錄（分別有317萬及5,687萬筆），依使用頻率區分為偶爾、經常、忠實等三類型之YouBike使用者，並由卡號及本研究訂定之流程，判斷YouBike旅次是否轉乘捷運。研究結果顯示（1）雙北地區皆以偶爾使用者的人數最多，主要使用時段為假日昏峰，而忠實使用者的人數居末，以平日晨峰、昏峰，及約略的夜峰使用為主；（2）以區域差異來看，臺北市聚集於中心商務區、學校與捷運站，新北市則聚集於政經中心、捷運站；（3）轉乘旅次數占總旅次數25%，表示1/4的旅次數屬轉乘、接駁之用，而其餘3/4的旅次數則視YouBike為一主運具；（4）建構二元羅吉斯特模式，找出影響使用者於平、假日進行轉乘之因素。針對分析結果，分別給予政府及營運者政策建議，可望提升公共自行車之使用量，並建議後續研究可針對公共自行車與其他運具間進行轉乘行為分析，另外由於資料中缺乏YouBike借車時刻、捷運進站時刻等重要欄位，需經推估所得，因此亦建議相關單位可統整跨運具間之資料，利於後續分析。

Bikesharing has become more popular as the advent of green transportation Previous bikesharing studies tended to collect data through questionnairs. Owing to the e-ticket big data, we can capture user behavior more precicsely. This research relies on the EasyCard data provided card IDs as the key connector among trip records. The characteristics of riding YouBike and its transfer to and from Taipei mass rapid transit (MRT) were identified accordingly. Based on the transaction records of 3.17 million of YouBike trips and 56.87 million of MRT trips in November 2016, we first categoried YouBikers into casual, constant, and loyal users. Then we set a procedure to aquire transfer trips between YouBike and MRT. The findings show that (1) the majority of YouBikers were the casual users who primarily rode YouBike on the weekend afternoon, followed by the constant and loyal users who rode YouBike during the weekday morning, afternoon, and evening commuting hours. (2) YouBike trips in Taipei City occurred around the central business district, schools, and MRT stations while those in New Taipei City occurred around the city hall area and MRT stations. (3) MRT transfer trips only accounted for a quarter of the total YouBike trips, indicating that most users rode YouBike without connecting MRT. (4) Binary Logistic model was built to reveal some factors that affect YouBike-MRT transfers with respect to weekdays and weekends. Finally, we proposed suggestions for the government and the operator regarding YouBike operational strategies and transportation data integration. Future work could focus on transfer behavior between YouBike and buses.

目錄
一、    研究緣起	1
1.1	研究動機	1
1.2	研究目的	2
1.3	研究流程	3
二、	文獻回顧	5
2.1	公共自行車相關文獻	5
2.2	公共自行車大數據資料分析相關文獻	11
2.3	小結	16
三、	研究方法	18
3.1	資料說明	18
3.1.1	資料型態	18
3.1.2	資料欄位	20
3.2	資料處理	21
3.2.1	資料篩檢	21
3.2.2	資料重編	23
3.2.3	資料欄位串聯及轉乘判斷	25
3.3	羅吉斯特迴歸模式	27
四、	YOUBIKE使用者租賃與轉乘行為	29
4.1	YouBike租賃特性分析	29
4.1.1	持卡人數與旅次數分布狀況	29
4.1.2	租賃費用分析	31
4.1.3	票種分析	33
4.1.4	使用時段分析	35
4.1.5	跨市借還分析	38
4.1.6	使用地點分析	40
4.1.7	轉乘狀況分析	46
4.2	YouBike轉乘捷運分析	47
4.2.1	轉乘頻率分析	47
4.2.2	轉乘票種分析	48
4.2.3	轉乘時段分析	50
4.2.4	轉乘並跨市借還之分析	50
4.2.5	轉乘地點分析	51
4.3	捷運轉乘YouBike分析	57
4.3.1	轉乘頻率分析	57
4.3.2	轉乘票種分析	59
4.3.3	轉乘時段分析	60
4.3.4	轉乘並跨市借還之分析	61
4.3.5	轉乘地點分析	62
五、	轉乘行為之影響因素分析	69
5.1	模式說明	69
5.2	平日轉乘之影響因素	70
5.3	假日轉乘之影響因素	74
5.4	模式比較	78
六、	綜合討論	82
6.1	相關文獻比較	82
6.2	設站準則	83
6.3	YouBike與捷運間之競合關係	85
七、	結論與建議	92
7.1	結論	92
7.2	建議	93
7.2.1	政府相關政策建議	93
7.2.2	營運者相關政策建議	95
7.2.3	後續研究建議	98
參考文獻	100

圖目錄
圖 1.3 1 研究流程圖	4
圖 3.2 1 捷運路線圖	24
圖 3.2 2 YouBike與捷運之轉乘判斷流程	26
圖 4.1 1 累積旅次分布圖	30
圖 4.1 2 各類使用者人數占比及對應旅次數占比	31
圖 4.1 3租賃時間半小時內之旅次借還站特性	33
圖 4.1 4 週天別旅次數	36
圖 4.1 5 平日各時段平均旅次數	37
圖 4.1 6 假日各時段平均旅次數	38
圖 4.1 7 各行政區YouBike之月旅次數分布	41
圖 4.1 8 各行政區YouBike之站均月旅次數分布	42
圖 4.1 9 臺北市各使用者之熱門場站	43
圖 4.1 10 新北市各使用者之熱門場站	44
圖 4.2 1 週天別轉乘旅次數	50
圖 4.2 2 各行政區下之YouBike轉乘捷運旅次數分布	52
圖 4.2 3 各行政區下之平均每站轉乘旅次數分布	53
圖 4.2 4 YouBike轉乘捷運之熱門YouBike轉乘站	55
圖 4.3 1 週天別M轉Y之旅次數	61
圖 4.3 2 各行政區下之捷運轉乘YouBike分布	63
圖 4.3 3 各行政區下之平均每站轉乘次數分布	64
圖 4.3 4 捷運轉乘YouBike之主要YouBike轉乘站	66

 
表目錄
表 2.1 1 公共自行車相關研究統整	10
表 2.2 1 公共自行車大數據資料統整	16
表 3.1 1 不同資料基礎下的分析項目	19
表 3.1 2 YouBike資料欄位說明	20
表 3.1 3 捷運資料欄位說明	21
表 3.2 1 日曆（2016年11月）	22
表 3.2 2 租賃費用基本統計量（單位：元）	23
表 3.2 3 統計判斷	23
表 3.2 4 重編之捷運代碼	24
表 3.2 5 捷運起訖點與旅行時間	26
表 3.2 6 雙北公共自行車租賃費用與時間	27
表 4.1 1 重新定義公共自行車使用者	30
表 4.1 2 臺北市租賃費用基本統計量（單位：元）	32
表 4.1 3 新北市租賃費用基本統計量（單位：元）	32
表 4.1 4 臺北市票種分析	35
表 4.1 5 新北市票種分析	35
表 4.1 6 各類使用者跨市使用之比例	39
表 4.1 7 臺北市YouBike起訖站是否鄰近捷運 (N=1,540,846)	45
表 4.1 8 新北市YouBike起訖站是否鄰近捷運 (N=1,639,015)	45
表 4.1 9 臺北市各類型使用者轉乘之持卡人數之比例	47
表 4.1 10 新北市各類型使用者轉乘之持卡人數之比例	47
表 4.1 11 臺北市各類型使用者轉乘之旅次數比例	47
表 4.1 12 新北市各類型使用者轉乘之旅次數比例	47
表 4.2 1 臺北市Y轉M之轉乘率	48
表 4.2 2 新北市Y轉M之轉乘率	48
表 4.2 3 臺北Y轉M之票種分析	49
表 4.2 4 新北Y轉M之票種分析	49
表 4.2 5 各類使用者跨市借還YouBike並轉乘之比例	51
表 4.2 6 各行政區使用量與Y轉M使用量之Spearman相關係數檢定	53
表 4.2 7 臺北市Y轉M之熱門起點站	56
表 4.2 8 新北市Y轉M之熱門起點站	56
表 4.2 9 臺北市Y轉M之YouBike起訖站是否鄰近捷運 (N=160,415)	57
表 4.2 10 新北市Y轉M之YouBike起訖站是否鄰近捷運 (N=175,858)	57
表 4.3 1 臺北市M轉Y之轉乘率	58
表 4.3 2 新北市M轉Y之轉乘率	58
表 4.3 3 臺北M轉Y之票種分析	60
表 4.3 4 新北M轉Y之票種分析	60
表 4.3 5 各類使用者搭乘捷運轉乘YouBike並跨市借還之比例	62
表 4.3 6 各行政區使用量與Y轉M使用量之Spearman相關係數檢定	64
表 4.3 7 臺北市M轉Y之非轉乘站	67
表 4.3 8 新北市M轉Y之之非轉乘站	67
表 4.3 9 臺北市M轉Y之YouBike起訖站是否鄰近捷運 (N=205,146)	68
表 4.3 10 新北市M轉Y之YouBike起訖站是否鄰近捷運 (N=213,390)	68
表 5.1 1模式命名與說明	69
表 5.1 2自變數	70
表 5.2 1臺北市平日Y轉M之影響因素	71
表 5.2 2臺北市平日M轉Y之影響因素	72
表 5.2 3新北市平日Y轉M之影響因素	73
表 5.2 4 新北市平日M轉Y之影響因素	74
表 5.3 1 臺北市假日Y轉M之影響因素	75
表 5.3 2 臺北市假日M轉Y之影響因素	76
表 5.3 3 新北市假日Y轉M之影響因素	77
表 5.3 4 新北市假日M轉Y之影響因素	78
表 5.4 1 平日之羅吉斯特迴歸模式比較	80
表 5.4 2 假日之羅吉斯特迴歸模式比較	81
表 6.3 1 臺北市各類YouBike使用者搭乘捷運之持卡人數	89
表 6.3 2 新北市各類YouBike使用者搭乘捷運之持卡人數	89
表 6.3 3 臺北市各類YouBike使用者搭乘捷運之旅次數	90
表 6.3 4 新北市各類YouBike使用者搭乘捷運之旅次數	90
表 6.3 5 臺北市各類使用者購買定期票之持卡人數推估	91
表 6.3 6 新北市各類使用者購買定期票之持卡人數推估	91
表 7.2 1 政府政策建議	95
表 7.2 2 營運者政策建議	98

中文期刊、論文
1.	中華民國運輸學會（2017），悠遊卡交通類交易資料特性分析與應用期末報告。
2.	王乃翎（2016），公共自行車費率對捷運乘客轉乘使用之影響，國立交通大學運輸與物流管理學系碩士論文。
3.	余書玫（2009），公共自行車租借系統選擇行為之研究，國立交通大學交通運輸研究所碩士論文。
4.	李恒綺、楊大輝、楊明德、巫妮蓉（2016），公共腳踏車使用者特性及偏好分析-以高雄市C-Bike為例，運輸計劃季刊，45（4），331-356。
5.	周榮昌、王培龍、林建文（2017），捷運轉乘公共自行車之租賃租金願付價格，運輸計劃季刊，46（2），165-189。
6.	胡守任、劉昭堂（2014），公共自行車租賃站最佳區位選擇模式：以高雄市公共自行車為例，運輸計劃季刊，43（4），367-392。
7.	胡宜萍（2014），高雄市公共腳踏車與捷運接駁距離暨公共腳踏車租賃站設置地點之探討，國立中山大學公共事務管理研究所碩士論文。
8.	倪如霖、邱裕鈞、劉佳欣（2016），公共自行車租借量之影響因素分析-地理加權迴歸和函數資料分析方法之應用，中華民國運輸學會學術論文研討會。
9.	曹壽民、林俊宏（2004），臺北都會區捷運車站腳踏車停車需求之研究，都市交通，19（3），16-31。
10.	許嘉文、孫士峰、陳思穎、黃祥熙（2016）地理資訊系統租借配置之設計與營運方式研究－以P-Bike為例，地理資訊系統季刊，10（1），27-29。
11.	陳柏僑（2014），公共自行車租賃站使用需求之研究-以高雄市公共自行車為例，國立臺灣大學土木工程學研究所碩士論文。
12.	黃仁皇（2010），公共自行車騎乘特性、服務便利性、騎乘滿意度之相關研究-以臺北市微笑單車為例，朝陽科技大學休閒事業管理系碩士班碩士論文。
13.	黃俊良（2016），臺北市公共自行車系統旅次特性分析，淡江大學運輸管理學系碩士論文。
14.	楊淯筑（2012），自行車轉乘捷運之行為意向研究，國立臺灣大學土木工程學研究所碩士論文。
15.	臺北市政府交通局（2018a），106年臺北市公共自行車租賃系統建置及營運管理案-營運績效評估年度報告。
16.	臺北市政府交通局（2018b），大數據分析臺北市公共自行車使用特性，107年統計精進與推展研討會。
17.	蕭傑諭、蔡宗佑（2017），公共自行車之替代性與互補性-以臺北都會區為例，中華民國運輸學會2017年年會暨學術論文國際研討會，臺北市。
18.	賴淑芳（2012），公共自行車接受度與滿意度研究-以臺北微笑單車為例，運輸學刊，24（3），379-406。
19.	戴威（2018），臺北市YouBike開放大數據為基礎的公共自行車旅次與租賃站特性分析，淡江大學運輸管理學系碩士論文。
20.	鍾智林、黃晏珊（2016），開放式數據為基礎之公共自行車營運特性分析：以臺北YouBike為例，運輸學刊，28（4），455-478。
21.	羅孝賢、劉力銘（2010），接駁型公共自行車租賃系統辦理經驗與未來展望，都市交通，25（1），56-61。
中文網站
1.	105年身心障礙人數案縣市及年齡別分，衛生福利部統計處，擷取至：https://dep.mohw.gov.tw/DOS/lp-2976-113.html
2.	105年臺北市youbike設站準則，擷取自：http://www.dot.gov.taipei/public/Attachment/66281072943.pdf
3.	一卡通票證公司，使用範圍-公共自行車，擷取自：https://www.i-pass.com.tw/Range/Bike
4.	每日降雨量，交通部中央氣象局，擷取自：http://www.cwb.gov.tw/V7/climate/dailyPrecipitation/dP.htm
5.	每日溫度，擷取自：https://www.wunderground.com/history/airport/RCSS/2016/11/1/DailyHistory.html?req_city=Taipei&req_state=TPE&req_statename=%E5%8F%B0%E7%81%A3&reqdb.zip=00000&reqdb.magic=12&reqdb.wmo=46696
6.	施政成果網，新北市政府，擷取自：https://wedid.ntpc.gov.tw/Site/Policy/1560
7.	新北市公共自行車，費率說明。擷取自：https://ntpc.youbike.com.tw/cht/f43.php
8.	新北市公共自行車租賃系統站點列表，擷取自：https://zh.wikipedia.org/wiki/%E6%96%B0%E5%8C%97%E5%B8%82%E5%85%AC%E5%85%B1%E8%87%AA%E8%A1%8C%E8%BB%8A%E7%A7%9F%E8%B3%83%E7%B3%BB%E7%B5%B1%E7%AB%99%E9%BB%9E%E5%88%97%E8%A1%A8
9.	新北市政府2015年度自行研究報告，擷取自：https://www.rde.ntpc.gov.tw/userfiles/ntpc/files/%E5%85%AC%E5%85%B1%E8%87%AA%E8%A1%8C%E8%BB%8AYouBike%E7%87%9F%E9%81%8B%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90%E5%8F%8A%E7%B2%BE%E9%80%B2%E4%BD%9C%E7%82%BA(%E5%90%AB%E5%95%8F%E5%8D%B7).pdf
10.	新北地區租賃次，擷取自：http://ntpc.youbike.com.tw/cht/f212.php?nid=66a6aa3919665f1857b48207099e8a2b&rows=20&page=1
11.	臺北市公共自行車，費率說明。擷取自：https://taipei.youbike.com.tw/cht/f43.php
12.	臺北市公共自行車租賃系統站點列表，擷取自：https://zh.wikipedia.org/wiki/%E8%87%BA%E5%8C%97%E5%B8%82%E5%85%AC%E5%85%B1%E8%87%AA%E8%A1%8C%E8%BB%8A%E7%A7%9F%E8%B3%83%E7%B3%BB%E7%B5%B1%E7%AB%99%E9%BB%9E%E5%88%97%E8%A1%A8
13.	臺北地區租賃次，擷取自：http://taipei.youbike.com.tw/cht/f212.php?nid=e5e83a75016e3cda3c374954e08f96e8&rows=20&page=1
14.	臺北捷運之同站進出資訊，擷取自：http://www.metro.taipei/ct.asp?xItem=910939&ctNode=70052&mp=122035
15.	臺北捷運之票價及乘車時間，擷取自：http://web.metro.taipei/c/TicketALLresult.asp
16.	臺北捷運之雙向轉乘優惠，擷取自：http://www.metro.taipei/ct.asp?xItem=910966&ctNode=70052&mp=122035
17.	臺北捷運公司路網圖，擷取自：http://www.metro.taipei/ct.asp?xItem=78479152&CtNode=70089&mp=122035
18.	學生數，教育部統計處，擷取自：https://depart.moe.edu.tw/ed4500/cp.aspx?n=1b58e0b736635285&s=d04c74553db60cad
19.	縣市人口按單齡，內政部戶政司，擷取自：https://www.ris.gov.tw/hi/346
英文部分
1.	Bachand-Marleau, J., Larsen, J., & El-Geneidy, A. M. (2011). Much-anticipated marriage of cycling and transit how will it work? Transportation Research Record Journal of the Transportation Research Board, 2247, 109-117.
2.	Beecham, R., Wood, J. (2013). Exploring gendered cycling behaviours within a largescale behavioural data-set. Transport. Plan. Technol. 37 (1), 83–97.
3.	Bordagaray, M., Dell’Olio, L., Fonzone, A., & Ángel Ibeas. (2016). Capturing the conditions that introduce systematic variation in bike-sharing travel behavior using data mining techniques. Transportation Research Part C Emerging Technologies, 71, 231-248.
4.	Borgnat, P., Abry, P. and Flandrin, P., Rouquier, J.B. and Fleury, E. (2011). Shared bicycles in a city: a signal processing and data analysis perspective. Advances in Complex Systems, 14 (03), 415-438.
5.	Faghih-Imani, A., Hampshire, R., Marla, L., & Eluru, N. (2017). An empirical analysis of bike sharing usage and rebalancing: evidence from Barcelona and Seville. Transportation Research Part A Policy & Practice, 97, 177-191.
6.	Froehlich, J., Neumann, J., and Oliver, N. (2009). Sensing and Predicting the Pulse of the City through Shared Bicycling. IJCAI 2009, Proceedings of the, International Joint Conference on Artificial Intelligence, Pasadena, California, USA.
7.	Jäppinen, S., Toivonen, T., & Salonen, M. (2013). Modelling the potential effect of shared bicycles on public transport travel times in greater Helsinki: an open data approach. Applied Geography, 43 (43), 13-24.
8.	Jensen, P., Rouquier, J.B., Ovtracht, N., Robardet, C. (2010). Characterizing the speed and paths of shared bicycles in Lyon. Transportation Research Part D: Transport and Environment, 15 (8), 522-524.
9.	JZTI and Bonnette Consulting. (2010). Philadelphia Bikeshare Concept Study. Retrieved from http://bikesharephiladelphia.org/PhilaStudy/PhiladelphiaBikeshareConceptStudyfeb2010.pdf
10.	Kaltenbrunner, A., Meza, R., Grivolla, J., Codina, J., Banchs, R. (2010). Urban cycles and mobility patterns：Exploring and predicting trends in a bicycle-based public transport system. Pervasive and Mobile Computing, 6 (4), 455-466.
11.	Lathia, N., Ahmed, S., Capra, L. (2012). Measuring the impact of opening the London shared bicycle scheme to casual users. Transportation Research Part C Emerging Technologies, 22, 88-102.
12.	Lin, J. R. and Yang, T. H. (2011). Strategic design of public bicycle sharing systems with service level constraints. Transportation research part E: logistics and transportation review, 47 (2), 284-294.
13.	Ma, X., Wu, Y. J., Wang, Y., Chen, F., & Liu, J. (2013). Mining smart card data for transit riders’ travel patterns. Transportation Research Part C Emerging Technologies, 36, 1-12.
14.	Mattson, J., & Godavarthy, R. (2017). Bike share in Fargo, North Dakota: keys to success and factors affecting ridership. Sustainable Cities & Society, 34, 174-182.
15.	Noland, R. B., & Ishaque, M. M. (2006). Smart bicycles in an urban area: Evaluation of a pilot scheme in London. Journal of Public Transportation, 9 (5), 5.
16.	O’Brien, O., Cheshire, J., and Batty, M. (2014). Mining bicycle sharing data for generating insights into sustainable transport systems. Journal of Transport Geography, 34 (219), 262-273.
17.	Pucher, J., Garrard, J., & Greaves, S. (2011). Cycling down under: a comparative analysis of bicycling trends and policies in Sydney and Melbourne. Journal of ransport Geography, 19 (2), 332-345.
18.	Shaheen, S., Zhang, H., Martin, E., & Guzman, S. (2011). China's Hangzhou public bicycle: understanding early adoption and behavioral response to bikesharing. Transportation Research Record: Journal of the Transportation Research Board, 2247, 33-41.
19.	Singhvi, D., Singhvi, S., Frazier, P.I., Henderson, S.G., O' Mahony, E., Shmoys, D.B. and Woodard, D.B. (2015). Predicting Bike Usage for New York City's Bike Sharing System. Computational Sustainability: Papers from the 2015 AAAI Workshop.
20.	Tang, Y., Pan, H., & Fei, Y. (2017). Research on users’ frequency of ride in shanghai minhang bike-sharing system. Transportation Research Procedia, 25, 4983-4991.
21.	Utsunomiya, M., Attanucci, J., Wilson, N. (2006). Potential uses of transit smart card registration and transaction data to improve transit planning. Transportation Research Record: Journal of the Transportation Research Board, 1971, 119-126.
22.	Vogel, M., Hamon, R., Lozenguez, G., Merchez, L., Abry, P., Barnier, J., Borgnat, P., Flandrin, P., Mallon, I., Robardet, C. (2014). From bicycle sharing system movements to users: a typology of vélo’v cyclists in Lyon based on large-scale behavioural dataset. Journal of Transport Geography, 41, 280-291.
23.	Zeng, M., Yu, T., Wang, X., Su, V. and Nguyen, L.T. (2016). Improving Demand Prediction in Bike Sharing System by Learning Global Features. Retrieved from https://pdfs.semanticscholar.org/6b26/f821af3593eecb8e9a9cd2f103b3bebdbd78.pdf.
24.	Zhao, J., Deng, W., & Song, Y. (2014). Ridership and effectiveness of bikesharing: the effects of urban features and system characteristics on daily use and turnover rate of public bikes in china. Transport Policy, 35, 253-264.