COVID-19改變社會大眾之旅運行為，2021年六月北捷旅運量相較同年四月減少78%，臺北市政府決議參考運量降幅來調降五至七月公共場所租金75%，可知捷運旅運量可成為決策背景資料。本研究以2020年及2021年四至六月共5442萬筆北捷旅次開放資料為基礎，結合車站周邊特性，使用決策樹及地理資訊系統探討旅次受疫情影響多寡之因素。研究結果顯示（1）平日尖峰疫情下旅運量促跌因素為「旅行距離≧19.5或＜5.8公里」、「車站周邊青壯年人口比率愈低」，部分短程旅次被YouBike和私人運具取代；（2）平日尖峰疫情下旅運量抗跌因素為「車站周邊家戶年所得中位數≧90.9萬元」、「老年人口比率愈低之地區」、「車站周邊住宅區面積＞45%」；（3）假日疫情下旅運量促跌因素為「O/D其一或皆為觀光站點」、「車站周邊人口數愈多」；（4）假日疫情下旅運量抗跌因素為「O/D皆不為觀光站點」、「車站周邊家戶年所得中位數≧86.5萬元」、「幼年人口比率愈低且青壯年人口比率愈高之地區」；（5）依據旅運量影響因素將118車站分成4類，試提供3種精準且符合成本的租金減收方案；（6）小碧潭及新北投支線因旅運量低，建議可改由公車替代行駛。未來可考慮進行站間運量分析，並參照本研究的分析架構，探討2022年COVID-19對北捷旅運量影響，另外期盼相關單位釋出淡海輕軌旅運量資料，以更全面分析。

The COVID-19 pandemic has changed the travel behavior of the general public. In June 2021, the ridership of Taipei MRT decreased by 78% compared with that in April of the same year. In response, Taipei City Government decided a 75% off on the rent of the municipal facilities operated by the third party from May to July. The MRT ridership was used in this case as the background information for decision-making. Various open data were collected, including 54.42 million Taipei MRT trips from April to June 2020 and 2021, along with the station surroundings' social-economic and land-use characteristics. This research applied the decision tree and geographic information system to explore the factors of ridership affected by the pandemic. The research results show that (1) on weekday peaks, the factors for the largest ridership reduction under the pandemic are "travel distance ≧ 19.5 or < 5.8 km" and "areas with a lower ratio of population between the age of 15 and 64". YouBike and private mode may also replace some short-distance MRT trips; (2) on weekday peaks, the factors for the least ridership reduction under the pandemic are "annual income of households around the station ≧ NT$909,000", "areas with a lower ratio of elderly population", and "ratio of residential areas around the station > 45%"; (3) on weekends, the factors for the largest ridership reduction under the pandemic are "either trip end is a tourist MRT station" and "areas with more population"; (4) on weekends, the factors for the least ridership reduction under the pandemic are "none of the trip ends is tourist-based MRT stations", "annual income of households around the station ≧ NT$865,000", and "areas with a lower ratio of population under the age of 15 and a higher ratio of population between the age of 15 and 64"; (5) 118 stations are divided into four categories according to the factors affecting the ridership, and three rent reduction schemes are provided; (6) Xiaobitan and Xinbeitou branch lines are recommended to be replaced by buses due to the low ridership. Investigation of inter-station passenger volumes under the pandemic is suggested for future study. The impact of COVID-19 on Taipei MRT ridership in 2022 can be discussed based on the analysis framework of this research. In addition, it is hoped that the authorities will release such open data as Danhai LRT ridership for a more comprehensive analysis.

目　錄	I
圖目錄	IV
表目錄	VI
第一章 緒論	1
1.1研究背景與研究動機	1
1.2研究目的	2
1.3研究範圍與限制	4
1.4研究流程	5
第二章 文獻回顧	6
2.1 COVID-19對旅運量之衝擊	6
2.2捷運相關開放資料之應用	10
2.3相關影響因素分析之研究方法	15
2.4小結	18
第三章 研究方法	20
3.1資料蒐集	20
3.1.1資料蒐集	20
3.1.2資料欄位	21
3.2資料處理	22
3.2.1旅次分類	22
3.2.2資料擴充	23
3.3研究架構	24
3.4地理資訊系統	26
3.5決策樹	27
第四章 實證分析	33
4.1背景說明	33
4.2旅運量差異程度分析	35
4.2.1車站旅次量變化	35
4.2.2 OD起迄旅次量變化	38
4.2.3 OD起迄延人公里量變化	42
4.3旅運量影響因素分析	47
4.3.1決策樹模式之建構	47
4.3.2平日尖峰旅運量影響因素分析	49
4.3.3假日旅運量影響因素分析	54
第五章 綜合討論	58
5.1旅運量影響因素討論	58
5.2營運規劃建議	63
第六章 結論與建議	69
6.1結論	69
6.2後續研究建議	71
6.3研究貢獻	72
參考文獻	74
附錄1數字快覽	82
附錄2決策樹演算法參數設定	83
附錄3程式碼	84

圖目錄
圖2.1-1新北市YouBike租賃次	7
圖2.1-2臺北市YouBike租賃次	7
圖2.2-1政府資料開放平台中關於捷運的開放資料筆數	10
圖2.2-2強制戴口罩政策實施前後一週北捷旅運量變化對照圖	11
圖2.2-3各站8-9點進出量分級符號圖-依降水強度分類	12
圖2.2-4各站進出站人次分級符號圖-1280票證實施前後比較	12
圖2.2-5雙北各村里對應之人均搭乘次數	13
圖3.1-1臺北捷運各站分時進出量原始資料示意圖	20
圖3.2-1 COVID-19疫情發展及警戒管制日期	22
圖3.3-1分析架構流程圖	25
圖3.4-1 QGIS地理資訊系統介面圖	26
圖3.5-1決策樹基本架構圖	29
圖3.5-2決策樹架構圖-MaaS會員之行銷方案	29
圖3.5-3決策樹架構圖-交叉路口雙車事故	30
圖3.5-4 SAS Enterprise Miner系統介面圖	31
圖3.5-5本研究平日尖峰旅次決策樹示意架構	31
圖3.5-6本研究假日旅次決策樹示意架構	32
圖4.1-1疫情下每日北捷搭乘人次旅運量變化	34
圖4.2-1各站點旅次量差異與旅次跌幅關係圖（依路線別）	35
圖4.2-2各路線各站總運量（進站量＋出站量）變化示意圖	37
圖4.2-3降幅前十四大車站之OD起迄矩形樹狀圖	39
圖4.2-4排除降幅前十四大車站之OD起迄矩形樹狀圖	39
圖4.2-5降幅前十小車站之OD起迄矩形樹狀圖	40
圖4.2-6排除降幅前十小車站之OD起迄矩形樹狀圖	41
圖4.2-7北捷淡水、復興崗站部分OD延人公里量和旅次量	43
圖4.2-8北捷南港展覽館至海山區間部分OD延人公里量	44
圖4.3-1計算車站周邊老年人口比率之QGIS圖層	48
圖4.3-2平日尖峰OD旅次決策樹分析	51
圖4.3-3假日OD旅次決策樹分析	55
圖5.1-1各區土地使用分區圖	60
圖5.1-2 Google關鍵字搜尋熱度—十四張站陽光運動公園	61
圖5.1-3 2018年度綜稅所得總額中位數	62
圖5.2-1捷運各路線平日、假日平均日旅運量	65
圖6.3-1分析架構流程圖（補充建議相關單位開放之資料）	73

表目錄
表2.2-1政府開放資料下載次數前十名資料集	10
表2.3-1相關影響因素分析之研究方法比較	17
表3.1-1臺北捷運各站分時進出量原始資料之欄位	21
表3.2-1以北捷OD旅次資料為基礎擴充之欄位	23
表3.5-1 決策樹演算法之比較	28
表4.1-1疫情嚴峻時雙北各地區本土案例數	33
表4.2-1零確診時期旅次量最多前十名的車站	36
表4.2-2三級警戒時各路線總延人公里量	42
表4.2-3延人公里變化量最多前十名的車站	45
表4.2-4延人公里變化量最多前十名的OD旅次	45
表4.3-1北捷2021年4月份分時旅次量統計	49
表4.3-2臺北市主要觀光遊憩區及其對應捷運車站	54
表4.3-3平日尖峰、假日旅運量影響因素	56
表5.2-1北捷各路線之最短班距	64
表5.2-2三級警戒下小碧潭及新北投支線之旅運量	66
表5.2-3本研究之租金折減提案	68
表5.2-4青壯年人口比率及老年人口比率之基本統計量	68
表6.3-1悠遊卡票證資料可進行之後續分析	72

[政府資料或出版品]
1.	臺北市政府新聞稿（2021），公布市有不動產租金減免政策，臺北市政府秘書處。檢自
https://sec.gov.taipei/News_Content.aspx?n=49B4C3242CB7658C&sms=72544237BBE4C5F6&s=9054328961CF253A
2.	國家發展委員會（2021），政府資料開放平台。檢自
https://data.gov.tw/datasets/search?p=1&size=10&s=resource_download_times_desc&rft=%E6%8D%B7%E9%81%8B
3.	臺北市政府捷運工程局（2020），由臺北捷運客旅運量解析商圈人流變化，臺北市政府主計處統計應用分析報告。檢自
https://www.dorts.gov.taipei/News.aspx?n=F0A86A7852724EBE&sms=FF8192260EB382DA
4.	高雄市政府交通局（2019），高雄市公車路線營運概況，108年交通統計年報，檢自
https://www.tbkc.gov.tw/AboutUs/Accountant/abc150?ID=47917ffa-b3e0-41c6-8210-65a07de33bdd
5.	高雄市政府交通局（2020），高雄市公車路線營運概況，109年交通統計年報，檢自
https://www.tbkc.gov.tw/AboutUs/Accountant/abc150?ID=d67e3e1e-2e07-40c3-ae5d-f69349bd6e4b
6.	高雄市政府交通局（2021），公車營運概況，統計月報，檢自
https://kcgdg.kcg.gov.tw/kcgstat/page/BookCatalog_Main.aspx
7.	吳東旺、蕭秋木、蔣千里、方忠明、高祥麟、邱彥程（2017），捷運松山線沿線土地開發基地規劃設計與成果，臺北市政府捷運工程局之捷運技術期刊，52，137-145。檢自https://books.taipei/publication/detail?id=ee6442d9-6388-4eab-a275-f5905edd373a
8.	鄭安良（2016），臺北捷運信義線通車後之營運模式，臺北市政府捷運工程局之捷運技術期刊，51，1-9。檢自
https://books.taipei/publication/detail?id=a03272e7-362b-4bad-9e93-c0cc0e58ffcd
9.	臺北大眾捷運股份有限公司（2021），臺北捷運各站分時進出量統計，政府資料開放平台。檢自https://data.gov.tw/dataset/128506
10.	衛生福利部疾病管制署（2021），Covid-19每日確定病例數新聞稿。檢自
https://www.cdc.gov.tw/Bulletin/List/MmgtpeidAR5Ooai4-fgHzQ
11.	交通部（2009），捷運延人公里定義，交通統計名詞定義。檢自
https://www.motc.gov.tw/ch/home.jsp?id=61&parentpath=0%2C6&mcustomize=statistics102.jsp
12.	臺北市民政局（2019），臺北市每年人口數依性別及年齡分（按行政區、里別），統計資料。檢自
https://ca.gov.taipei/News.aspx?n=8693DC9620A1AABF&sms=D19E9582624D83CB、vup
13.	新北市民政局（2020），新北市各區各里人口統計，新北市人口統計。檢自
https://www.ca.ntpc.gov.tw/home.jsp?id=bfd4abbcdb3ce7a3
14.	財政部財政資訊中心（2021），綜稅所得總額各縣市鄉鎮村里統計分析表-縣市別：臺北市，政府資料開放平臺。檢自
https://data.gov.tw/dataset/17983
15.	財政部財政資訊中心（2021），綜稅所得總額各縣市鄉鎮村里統計分析表-縣市別：新北市，政府資料開放平臺。檢自
https://data.gov.tw/dataset/17975
16.	臺北大眾捷運股份有限公司（2020），臺北捷運車站各出口周邊公車路線號及方向，臺北市資料大平臺。檢自
https://data.taipei/#/dataset/detail?id=b1398491-07fe-40da-bb5a-ae73f4e45984
17.	中華民國內政部國土測繪中心（2022），國土利用調查成果圖，國土測繪圖資網路地圖服務系統。檢自
https://www.nlsc.gov.tw/NLSC_Content.aspx?n=11987&sms=11699&s=183190
18.	臺北市政府都市發展局（2022），地籍套繪查詢，土地使用分區系統。檢自
https://land.gov.taipei/cp.aspx?n=211C0013816FEED7
19.	新北市政府城鄉發展局（2022），城鄉資訊查詢平台。檢自
https://urban.planning.ntpc.gov.tw/NtpcURInfo/Map.aspx
19.	交通部公路總局（2020），機動車輛登記數，統計查詢網。檢自
https://stat.thb.gov.tw/hb01/webMain.aspx?sys=210&kind=21&type=1&funid=1110007&rdm=dtjloeNU
20.	臺北市政府捷運工程局（2020），環狀線第一階段，公告資訊。檢自
https://www.dorts.gov.taipei/cp.aspx?n=86E55BE3A390F789
21.	臺北市政府民政局（2021），臺北市各行政區最新月份人口數及戶數，統計資料。檢自
https://ca.gov.taipei/News_Content.aspx?n=8693DC9620A1AABF&sms=D19E9582624D83CB&s=EE7D5719108F4026
22.	新北市政府民政局（2021），新北市人口統計，統計資料。檢自
https://www.ca.ntpc.gov.tw/home.jsp?id=88f142fb0f4a0762
23.	衛生福利部疾病管制署（2021），時間軸-縣市鄉鎮疫情表單，COVID-19全球疫情地圖。檢自
https://covid-19.nchc.org.tw/city_confirmed.php?mycity=%E6%96%B0%E5%
8C%97%E5%B8%82&downloadall=yes
24.	新北市文化局（2020），來跳舞吧！新北文化局攜手桃園捷運打造泰山FUN舞新空間，熱門新聞。檢自
https://www.culture.ntpc.gov.tw/xmdoc?XsmSId=0G244578733604637236
25.	臺北市政府都市發展局（2022），北投區、文山區土地使用分區圖，地籍套繪都市計畫使用分區圖。檢自https://www.zone.gov.taipei/new_nav6_11.aspx
26.	臺北市政府觀光傳播局（2022），臺北市主要觀光遊憩區及其對應捷運車站，主要觀光遊憩區遊客人數調查。檢自
https://www.travel.taipei/zh-tw/statistical-bulletin/number-of-visitors
27.	內政部國土測繪中心（2021），捷運車站，政府資料開放平台。檢自
https://data.gov.tw/dataset/73233
28.	內政部國土測繪中心（2021），村里界圖，政府資料開放平台。撿自
https://data.gov.tw/dataset/7438
29.	臺北市政府財政局（2021），臺北市短期紓困措施，嚴重特殊傳染性肺炎紓困及振興專區。檢自
https://dof.gov.taipei/Content_List.aspx?n=D2A8839A34FEF96C
30.	新北市政府（2021），新北市110年助扶方案，防疫資訊。檢自
https://www.ntpc.gov.tw/ch/home.jsp?id=476f8c4752b7e74c
31.	交通部觀光局（2020），補助津貼紓困計畫，補助津貼紓困專區。檢自
https://csa.hl.gov.tw/allowance/cp.aspx?n=11776
32.	臺北市政府觀光傳播局（2021），補助申請區，防疫資訊。檢自
https://www.tpedoit.gov.taipei/Content_List.aspx?n=F29BD9C3BE9AD506
33.	臺北市政府交通局（2018），107年臺北市民眾日常使用運具狀況摘要分析，統計專題分析。檢自
https://www.dot.gov.taipei/News.aspx?n=44EAAF8913752298&sms=DADC9630355BA510
34.	中華民國內政部（2021），110年第28週內政統計通報，行政公告。檢自
https://www.moi.gov.tw/News_Content.aspx?n=9&sms=9009&s=220992
35.	交通部觀光局（2021），相關產業防疫規定及大型群聚活動調整資訊，交通新聞稿。檢自
https://www.moi.gov.tw/News_Content.aspx?n=9&sms=9009&s=220992
36.	交通部統計處（2017），105年民眾日常使用運具狀況調查摘要分析，交通統計。檢自
https://www.motc.gov.tw/ch/home.jsp?id=1679&parentpath=0,6&mcustomize=statistics105.jsp
37.	Dong J., Davidson D., Southworth F. & Reuscher T. (2012). Analysis of Automobile Travel Demand Elasticities With Respect To Travel Cost. Prepared for the Federal Highway Administration, Washington, D.C.
https://www.fhwa.dot.gov/policyinformation/pubs/hpl-15-014/TCElasticities.pdf
38.	行政院（2020），各縣市各年齡層婚姻狀況，重要性別統計資料庫。檢自
https://www.gender.ey.gov.tw/gecdb/Stat_Statistics_Query.aspx?sn=40kTsV0YPrkZxONPzODo6g%40%40&statsn=Kw0t!zwIsOxWgmaa6XhhqQ%40%40&d=&n=176336
39.	財政部（2022），綜合所得稅節稅手冊，財政部稅務入口網。檢自
https://www.etax.nat.gov.tw/etwmain/tax-info/understanding/tax-saving-manual/national/individual-income-tax/8qnp0pA
40.	衛生福利部疾病管制署（2022），Covid-19每日確定病例數新聞稿。檢自
https://www.cdc.gov.tw/Category/ListContent/EmXemht4IT-IRAPrAnyG9A?uaid=rJ1hEq8Gs1LOUiOTamKDqQ
41.	內政部營建署（2018），都市人本交通規劃設計手冊（第二版）。檢自
https://myway.cpami.gov.tw/wiki/wikimain/1

[碩博士論文]
1.	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運輸科學碩士班，新北市。
2.	林伽洧（2018），運用決策樹建構交通運輸政策決策支援系統:以軌道運輸為例，淡江大學資訊工程學系碩士在職專班，新北市。
3.	華健明（2020），應用決策樹分析交通事故情境因子，政治大學企業管理研究所，新北市。
4.	黃庭臻（2019），隨機森林與決策樹於交通事故嚴重程度分析上之應用，臺灣大學工業工程學研究所，臺北市。
5.	黃士軒（2007），交叉路口雙車事故分析，交通大學交通運輸研究所，臺北市。
6.	李舒媛（2018），以悠遊卡大數據探討YouBike租賃及轉乘捷運之使用者行為，淡江大學運輸管理學系運輸科學碩士班，新北市。
7.	顏利憲（2013），以決策樹分析鐵路誤點原因及解決方法，成功大學交通管理學系碩士班，臺南市。
8.	林芳如（2020），高速公路服務區經營績效之影響因素研究，成功大學交通管理學系碩士班，臺南市。
9.	詹雅惠（2021），號誌化路口左轉車流事故影響因素之分析，陽明交通大學管理學院運輸物流學程，臺北市。
10.	張哲寧（2016），建立風險決策模式於路段機車空間管制，臺灣大學土木工程學研究所，臺北市。
11.	吳欣璇（2020），取消第三車道禁行機車安全評估-以深度學習模型分析，臺灣大學土木工程學研究所，臺北市。

[研討會論文]
1.	卓明君、宋嵩、蔡明哲、黃郁凱（2020），2020新冠肺炎對國道交通量影響分析，中華民國運輸學會學術論文研討會。
2.	鐘仁傑、陳薇亘、陳學台、葉志宏（2020），新冠肺炎疫情對臺北市交通影響趨勢分析，中華民國運輸學會學術論文研討會。
3.	周榮昌、陳科宏、葉振翔（2020），Covid 19影響下台灣地區旅次行為分析，中華民國運輸學會學術論文研討會。
4.	American Public Transportation Association. (2020). The Impact of the COVID-19 Pandemic on Public Transit Funding Needs in the U.S. American Public Transportation Association, Washington, D.C., 
5.	盧宗成、吳東凌、陳翔捷（2020），交通行動服務方案購買之決策樹分析與行銷策略，中華民國運輸學會學術論文研討會。
6.	簡佑勳、何昕蓓、陳羽宏、鍾易詩（2021），新冠肺炎疫情對大眾運輸使用情形之影響–以臺北捷運系統為例，中華民國運輸學會學術論文研討會。
7.	胡大瀛、洪于鈞（2021），COVID-19三級警戒下臺灣中長程運具選擇之分析，中華民國運輸學會學術論文研討會。

[期刊]
1.	Brown, A. & Williams, R. (2021). Equity Implications of Ride-Hail Travel during COVID-19 in California. Transportation Research Record. 
doi: 10.1177/03611981211037246
2.	Abreu, L. & Conway, A. (2021). A Qualitative Assessment of the Multimodal Passenger Transportation System Response to COVID-19 in New York City. Transportation Research Record. doi: 10.1177/03611981211027149
3.	Qiao, Y., Medina, R. A., McCarthy, L. M., Mallick, R. B. & Daniel, J. S. (2017). Decision Tree for Postflooding Roadway Operations. Transportation Research Record, 2604,120-130. doi: 10.3141/2604-15
4.	Zheng, Z., Lu, P. & Tolliver, D. (2016). Decision Tree Approach to Accident Prediction for Highway–Rail Grade Crossings: Empirical Analysis. Transportation Research Record, 2545, 115-122. doi: 10.3141/2545-12
5.	陳菀蕙、張勝雄（2012），探討高齡化社會之旅運特性與公共運輸資訊需求課題，人文與社會科學簡訊，13（2），141-150。
6.	王銘亨（2016），閃光號誌路口交通事故特性分析-以臺南市為例，交通學報，16（1），39-54。
7.	Guo, Y. & Sayed, T. (2020). Before–After Evaluation of Left-Turn Lane Extension Considering Injury Severity and Collision Type. Transportation Research Record. doi:10.1177/0361198120920270
8.	Wei, M., Corcoran, J., Sigler, T. & Liu, Y. (2018). Modeling the Influence of Weather on Transit Ridership: A Case Study from Brisbane, Australia. Transportation Research Record, 2672(8), 505-510. 
doi:10.1177/0361198118777078
9.	Reiffer, A., Magdolen, M., Ecke, L. & Vortisch, P. (2022). Effects of COVID-19 on Telework and Commuting Behavior: Evidence from 3Years of Panel Data. Transportation Research Record. doi:10.1177/03611981221089938

[書籍]
1.	謝惠紅（2015），地理資訊系統：Quantum GIS實作範例（一版，3-5頁），華都。檢自
https://www.airitibooks.com/pdfViewer/index.aspx?PublicationID=P20160824008&GoToPage=-1
2.	Rodrigu, J. P. (2020). Road Transport Elasticity by Activity. The Geography of Transport Systems, 5,456. doi: 10.4324/9780429346323
https://transportgeography.org/contents/chapter3/provision-and-demand-of-transportation/elasticity-road-transport/

[網站]
1.	United Nations. Transcript of UN Secretary-General’s virtual press encounter to launch the Report on the Socio-Economic Impacts of COVID-19. Secretary-General.
https://www.un.org/sg/en/content/sg/press-encounter/2020-03-31/transcript-of-un-secretary-general%E2%80%99s-virtual-press-encounter-launch-the-report-the-socio-economic-impacts-of-covid-19
2.	臺北捷運公司，疫情趨緩北捷虧損拚控制在50億內，聯合新聞網。檢自
https://udn.com/news/story/7323/5795488
3.	郭巧玲、張淯翔、陳子安、賴奕達、黃瑋程、謝馥伊，細捷運藏．臺北流－探討臺北捷運旅運量變化，地理資訊系統故事地圖ArcGIS StoryMaps。檢自https://storymaps.arcgis.com/stories/9723ecc85e094278ad17d26bb5d47793
4.	黃歆貽、賴汶靖、朱峻弘、吳予耀，捷運流量樣態分析－利用K-means與時間序列模型尋找顧客群與分時預測，2017政大統計系資料競賽得獎作品。檢自http://stat.nccu.edu.tw/zh_tw/DataAnalysisCompetition
5.	YouBike微笑單車官網，2021/09新北地區租賃次，YouBike營運成果。檢自https://ntpc.youbike.com.tw/news/content?_id=61652b83083e7b70b03e6203
6.	高雄捷運公司，高雄捷運109年、110年旅運量統計表，高雄捷運統計資料。檢自https://corp.krtc.com.tw/News/statistics?p=1
7.	Goldbaum, C. Face Masks and Crowd Control: The Race to Make Your Subway Ride Safer. The New York Times, 2020. https://www.nytimes.com/2020/05/03/nyregion/mtasubway-coronavirus.html.
8.	Tseng C. H.，決策樹 Decision trees，WordPress.Org。檢自
https://chtseng.wordpress.com/2017/02/10/%E6%B1%BA%E7%AD%96%E6%A8%B9-decision-trees/
9.	SAS Taiwan臺北辦公室，活學活用決策樹（三）：運用SAS EM決策樹進行CHAID及CART分析，SAS BLOGS。檢自
https://blogs.sas.com/content/sastaiwan/2020/04/08/%E6%B4%BB%E5%AD%B8%E6%B4%BB%E7%94%A8%E6%B1%BA%E7%AD%96%E6%A8%B9%E4%B8%89%EF%BC%9A%E9%81%8B%E7%94%A8sas-em%E6%B1%BA%E7%AD%96%E6%A8%B9%E9%80%B2%E8%A1%8Cchaid%E5%8F%8Acart%E5%88%86%E6%9E%90/
10.	snowy_sakura，決策樹 C&RT、CHAID、QUEST、C5.0的區別，台部落。檢自 https://www.twblogs.net/a/5b81da8c2b71772165ae9dfc
11.	Chong H. Y. Data Mining as an Extension of EDA and Resampling. Creative Wisdom.
https://www.creative-wisdom.com/computer/sas/DM.shtml
12.	but，臺北捷運旅行距離試算，WordPress.Org。檢自
http://data.but.tw/trtc/price.html
13.	pili.app，臺北捷運路線圖。檢自
https://tw.piliapp.com/mrt-taiwan/taipei/
14.	Google搜尋趨勢，陽光運動公園-探索。檢自
https://trends.google.com.tw/trends/explore?date=2020-04-01%202021-09-01&geo=TW&q=%E9%99%BD%E5%85%89%E9%81%8B%E5%8B%95%E5%85%AC%E5%9C%92
15.	臺北捷運公司，路線及班距。檢自
https://www.metro.taipei/cp.aspx?n=EAD981369A065968