公共自行車之研究過往多以單一縣市行政區域為範圍，缺乏對於跨縣市旅次特性之瞭解。台北市與新北市之間往返旅次量大，雙北均積極推動公共自行車並持續完善自行車通行廊道，可成為跨市公共運輸服務的一種選擇。鑑此，本研究以台北至新北之跨市YouBike旅次為標的，對照台北市境內YouBike旅次，掌握這兩類型旅次特性的異同，以統計方法分析2023年3月之82,914筆跨市旅次、3,698,359筆境內旅次資料，探討租用時間長度、時段分布、費用、跨市旅次分布區域及起迄端點與捷運站之關係。其次，篩選出跨市旅次量前200名的起迄對，擷取Google Map之各該起迄對的建議路徑旅行時間，再對照YouBike實際租用時間，以瞭解YouBike旅次中停行為與效益，另從Google Map得出各該起迄對的建議路徑距離與上、下坡高差累積值，作為雙北YouBike電輔車配置的建議依據。
        研究結果顯示：(1) 跨市旅次租賃時間大多在30-60分鐘，平日平均租用37.5分鐘，假日為60.6分鐘；境內旅次時間以30分鐘內為主，平日平均14.8分鐘，假日為20.1分鐘。(2) 跨市旅次平日主要發生於7:00-8:00與17:00-18:00，假日為14:00-16:00；境內旅次平日分布於8:00-9:00、12:00-13:00與17:00-19:00，假日則集中於9:00-17:00。(3) 跨市旅次平日租賃費用平均9.6元，假日為16.6元；境內平日平均4.4元，假日為5.9元。(4) 平日跨市旅次一端點鄰近捷運站的佔比為36.6%，具有捷運接駁性質，兩端點均鄰近捷運站的佔比為5.2%，與捷運競爭，高達58.3%的平日跨市旅次端點未鄰近捷運站，可彌補捷運服務範圍不足之處；境內旅次前述三種佔比分別為46.2%、4.5%、44.7%，與捷運的互動關係不同於跨市旅次。(5) 主要跨市起迄對旅次的YouBike租用時間比Google預估所需時間平均高出11分鐘，可視為中停時間，有中停行為的比例為70%；境內旅次平均中停時間僅為2分鐘，有中停行為的比例為51%。(6) 因中停行為延長租賃時間，YouBike公司可因此額外獲利，跨市旅次之中停行為可帶來每月逾6萬元的租賃收入；若中停旅次涉及零售消費行為，假設情境下之跨市旅次可創造出每月4.4萬元至22.1萬元之零售經濟效益。(7) 跨市旅次平日平均距離為3.0公里，假日為7.3公里，兩者相差明顯；境內旅次平日平均距離為1.0公里，假日為1.1公里。(8) 跨市旅次平日平均上、下坡高差累積量值為9.2公尺、8.1公尺，假日為20.2公尺、16.5公尺；境內旅次平日平均上、下坡高差累積值為1.4公尺，假日時則為1.8公尺。
        整體而言，YouBike跨市旅次與境內旅次特性有明顯不同。依據分析結果，本研究建議在跨市旅次量較高的橋樑，可考慮增設自行車專用道，包括南港區、內湖區往返汐止區的力行橋、南港橋與華城橋，文山區往返新店區的景美溪橋與景美橋。即將引入的電輔車可配置於累積上、下坡高差大且旅次量較高的站點，以淡水河濱自行車道沿線為主，例如北投區的關渡宮、捷運關渡站、關渡自然公園、捷運石牌站，大同區的大稻埕碼頭、捷運北門站（3號出口）、永樂市場、捷運圓山站（1號出口），松山區的饒河疏散門（基四號疏散門），中山區的捷運劍南路站（2號出口）。
本研究之貢獻在於釐清過往常被忽略的跨市公共自行車旅次特性，除了旅次時間、距離、費用高於境內旅次外，跨市與境內旅次均普遍有中停行為，可達成多元旅次目的，具備捷運或公車所沒有的便利性。此外，跨市旅次往往涉及較大的坡度變化，可成為電輔車的高潛力應用場域。

Abstract:
Previous studies on public bicycles have primarily focused on single administrative regions, lacking an understanding of the characteristics of cross-city trips. The volume of trips between Taipei and New Taipei is substantial. Both cities actively promote public bicycles and continuously improve bicycle corridors, making them a potential option for cross-city public transportation. In light of this, this study focuses on cross-city YouBike trips between Taipei and New Taipei. It compares them with intra-city YouBike trips within Taipei to grasp the similarities and differences between these two types of trips. Statistical methods are used to analyze 82,914 cross-city trips and 3,698,359 intra-city trips in March 2023, exploring rental duration, time distribution, cost, distribution areas of cross-city trips, and the relationship between trip endpoints and MRT stations. Furthermore, the top 200 cross-city trip pairs are selected to extract the suggested travel time from Google Maps for each pair and compare it with the actual YouBike rental time to understand the stopover behavior and efficiency of YouBike trips. The recommended route distance and accumulated elevation differences for each pair are also obtained from Google Maps, serving as a basis for allocating electric-assisted bicycles in Taipei and New Taipei.
The study results show that (1) Most cross-city trips last 30-60 minutes, with an average rental time of 37.5 minutes on weekdays and 60.6 minutes on weekends. Intra-city trips are mainly under 30 minutes, with an average of 14.8 minutes on weekdays and 20.1 minutes on weekends; (2) Cross-city trips on weekdays mainly occur between 7:00-8:00 and 17:00-18:00, but between 14:00-16:00 on weekends. Intra-city trips on weekdays are distributed between 8:00-9:00, 12:00-13:00, and 17:00-19:00, while they are concentrated between 9:00-17:00 on weekends; (3) The average cost for cross-city trips is 9.6 NT dollars on weekdays and 16.6 NT dollars on weekends. For intra-city trips, the average cost is 4.4 NT dollars on weekdays and 5.9 NT dollars on weekends; (4) On weekdays, 36.6% of cross-city trips have one endpoint near an MRT station, indicating a connection function. 5.2% have both endpoints near MRT stations, suggesting competition with the MRT. A significant 58.3% have endpoints not near MRT stations, filling gaps in MRT service coverage. For intra-city trips, these proportions are 46.2%, 4.5%, and 44.7%, respectively, showing a different interaction with the MRT compared to cross-city trips; (5) The average YouBike rental time for major cross-city trip pairs exceeds Google's estimated travel time by 11 minutes, indicating stopover behavior, with 70% of cross-city trips involving stops. For intra-city trips, the average stopover time is only 2 minutes, with 51% involving stops; (6) Stopover behavior increases rental time, generating additional revenue for YouBike. Cross-city stopover behavior can bring in over 60,000 NT dollars in monthly rental income. If stopover trips involve retail consumption, they can create a monthly retail economic benefit of 44,000 to 221,000 NT dollars; (7)The average cross-city trip distance is 3.0 km on weekdays and 7.3 km on weekends, showing a significant difference. For intra-city trips, the average distance is 1.0 km on weekdays and 1.1 km on weekends; (8)The average cumulative elevation gain and loss for cross-city trips is 9.2 meters and 8.1 meters on weekdays, and 20.2 meters and 16.5 meters on weekends. For intra-city trips, the average cumulative elevation gain and loss is 1.4 meters on weekdays and 1.8 meters on weekends.
Based on these findings, the study suggests adding dedicated bicycle lanes on bridges with high cross-city trip volumes, such as Lixing Bridge, Nangang Bridge, and Huacheng Bridge between Nangang, Neihu, and Xizhi, and Jingmei River Bridge and Jingmei Bridge between Wenshan and Xindian. Electric-assisted bicycles should be allocated to stations with high elevation differences and trip volumes, primarily along the Tamsui Riverside Bikeway, including Guandu Temple, MRT Guandu Station, Guandu Nature Park, MRT Shipai Station, Dadaocheng Wharf, MRT Beimen Station (Exit 3), Yongle Market, MRT Yuanshan Station (Exit 1), Raohe Evacuation Gate (Ji 4th Evacuation Gate), and MRT Jiannan Road Station (Exit 2) in Beitou, Datong, Songshan, and Zhongshan districts.
This study clarifies the often-overlooked characteristics of cross-city public bicycle trips. Cross-city and intra-city trips commonly exhibit stopover behavior, achieving multiple trip purposes and offering convenience not provided by MRT or buses. Cross-city trips often involve significant elevation changes, making them high-potential applications for electric-assisted bicycles.

目錄
目錄	i
圖目錄	iii
表目錄	v
第一章 緒論    1
1.1研究背景與研究動機    1
1.2研究目的    3
1.3研究範圍與流程    4
第二章 文獻回顧    6
2.1票據旅次資料相關文獻    6
2.2以租賃站資料為基礎相關文獻    8
2.3租賃站選址與周遭土地使用相關文獻    9
2.4 電動公共自行車相關文獻    10
2.5文獻小結    12
第三章 研究方法    14
3.1資料處理與串接    14
3-2資料挖掘與運算    16
3-3Google Map估算    20
3-4研究架構    20
第四章 實證分析    22
4-1旅次特性    22
4-2公共自行車中停行為探討    39
4-3預估騎乘距離、累積上下坡高差    47
第五章 綜合討論    59
5-1旅次量差異探討    59
5-2 站點營運規劃與旅次起迄探討    63
5-3中停行為效益    65
5-4 電輔車營運相關特性    67
第六章、結論與建議    71
6-1研究結論    71
6-2研究建議    73
6-3研究貢獻    73
圖目錄
圖 1-1 公共自行車歷史圖    2
圖 1-2研究流程圖    5
圖3-1站點資料欄位示意圖    19
圖3-2 Google Map對於自行車估算示意圖    20
圖3-3 研究架構圖    21
圖4-1 跨市旅次與境內旅次佔比    22
圖4-2跨市旅次平、假日騎乘時間長度分布    24
圖4-3境內旅次平、假日騎乘長度分布    24
圖4-4跨市旅次平、假日旅次時段分布    25
圖4-5境內旅次平、假日旅次時段分布    25
圖4-6台北市與新北市假日旅次費用分布    27
圖4-7台北市境內旅次平、假日旅次費用分布    27
圖4-8跨市旅次量色階圖    32
圖4-9各站點之台北至新北旅次數暨累計旅次百分比    38
圖4-10 各站點之台北至新北旅次數暨累計旅次百分比    38
圖4-11 各站點之台北至新北旅次數暨累計旅次百分比    39
圖4-12各站點之台北至新北旅次數暨累計旅次百分比    39
圖4-13 跨市旅次與境內旅次實際騎乘時間與預估時間散布圖    42
圖4-14平日跨市旅次有無中停行為旅次時段分布    46
圖4-15假日跨市旅次有無中停行為旅次時段分布    46
圖4-16平日境內旅次有無中停行為旅次時段分布    47
圖4-17假日境內旅次有無中停行為旅次時段分布    47
圖4-18跨市旅次與境內旅次平日騎乘距離長度分布    49
圖4-19跨市旅次與境內旅次假日騎乘距離長度分布    49
圖4-20跨市旅次與境內旅次平日上坡高差分布    50
圖4-21跨市旅次與境內旅次假日上坡高差分布    51
圖4-22平日跨市累積值較大上坡高差分布站點    52
圖4-23假日跨市累積值較大上坡高差分布站點    52
圖4-24平日境內累積值較大上坡高差分布站點    53
圖4-25假日境內累積值較大上坡高差分布站點    53
圖4-26跨市旅次與境內旅次平日下坡高差分布    54
圖4-27跨市旅次與境內旅次假日下坡高差分布    55
圖4-28平日跨市累積值較大下坡高差分布站點    56
圖4-29假日跨市累積值較大下坡高差分布站點    56
圖4-30平日境內累積值較大下坡高差分布站點    57
圖4-31假日境內累積值較大下坡高差分布站點    57
圖5-1跨市旅次已完成自行車道布設橋梁    60
圖5-2跨市旅次已完成自行車道布設橋梁    61
圖5-3跨市旅次待改善或新建自行車道布設橋梁    62
圖5-4跨市旅次電輔車建議優先配置站點    69
表目錄
表3-1台北市原始欄位資料    15
表3-2擴充欄位資料    16
表3-3台北市行政區編碼    17
表3-4 新北市行政區編碼    18
表3-5雙北借還場站代號與站點    18
表3-6篩選合併行政區    18
表4-1 跨市與境內平、假日旅次量    22
表4-2跨市與境內騎乘時間敘述統計    23
表4-3跨市旅次境內旅次騎乘時間長度分布    24
表4-4跨市旅次與境內旅次費用敘述統計    26
表4-5台北市至新北市與台北市境內價格分布（享有票價優惠）    28
表4-6台北市至新北市與台北市境內價格分布（未享有票價優惠）    29
表4-7跨市旅次平、假日熱門借車站點前10名（以月旅次量排序）    30
表4-8跨市旅次平、假日熱門還車站點前10名（以月旅次量排序）    31
表4-9平、假日熱門行政區起迄前10名（台北市至新北市）	    33
表4-10跨市平、假日熱門路線前10名    34
表4-11跨市旅次與境內旅次與捷運站相關站點旅次群組    35
表4-12平日旅次群組三跨市與境內旅次前10熱門站點    36
表4-13假日旅次群組三跨市與境內旅次前10熱門站點    36
表4-14跨市旅次與境內旅次中停時間敘述統計    42
表4-15基礎情境與對比情境中停時間    43
表4-16跨市旅次平均中停時間較長之旅次起迄    44
表4-17境內旅次平均中停時間較長之旅次起迄    45
表4-18跨市旅次與境內旅次騎乘距離敘述統計    48
表4-19跨市旅次與境內旅次騎乘累積上坡高差敘述統計    50
表4-20跨市旅次與境內旅次騎乘累積下坡高差敘述統計    54
表5-1 2023年三月份台北市與新北市租賃站數量    60
表5-2台北市行政區場站跨市旅次借車佔比    64
表5-3新北市行政區場站跨市旅次還車佔比    64
表5-4跨市旅次與境內旅次中停行為對於YouBike公司營收差異    66
表5-5跨市旅次與境內旅次中停行為對於便利商店增加收益    66
表5-6台中市YouBike租賃特性對比台北跨市旅次    68

參考文獻
中文參考文獻
1.文廷林（2018）。台北市公共自行車使用之空間分析與完整街道改善策略應用。國立政治大學地政學系私立中國地政研究所碩士論文。
2.水敬心（2023）。YouBike2.0於國立台灣大學校總區生活圈營運現況調查與改善建議。國立台灣大學報告書。
3.台北市政府交通局統計室（2017）。統計應用分析報告書。大數據分析台北市公共自行車使用特性。
4.白詩滎（2013）。台北市公共自行車使用行為特性分析與友善環境建構之研究。國立政治大學地政學系碩士論文。
5.社團法人台灣連鎖暨加盟協會（2021）。你多久去超商？國人2020年人均137次、每次消費84.16元。
6.林浩偉（2016）。悠遊卡大數據應用於大眾運輸乘客旅運型態之研究。淡江大學運輸管理學系運輸科學碩士班碩士論文。
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研究。國立中山大學公共事務管理學系碩士論文。
8.倪如霖（2016）。公共自行車租借量之影響因素分析-地理加權回歸和函數分析方法資料之應用。國立交通大運輸與物流管理學系碩論文。
9.唐達言（2014）。都市公共自行車系統之健康效益評估。國立台灣大學工學院土木工程系碩士論文。
10.高鈺惠（2016）。公共自行車租賃站設置關鍵因素分析。國立高雄第一科技大學運籌管理學系碩士論文。
11.郭軒佑（2024）。利用開放資料探討公共自行車營運服務水準與績效水準－以台中市YouBike 2.0為例。淡江大學運輸管理學系運輸科學碩士班碩士論文。
12.戴威（2018）。台北市You Bike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運輸科學碩士班碩士論文。
13.鍾易詩、馮正民、呂千慈（2018）。環境空間與站點數對公共自行車租借量之影響分析。運輸學刊，30(2)，113-137。
14.鍾智林、李舒媛（2018）。以悠遊卡大數據探討You Bike租賃及轉乘捷運行為。都市交通半年刊，33(1)，16-36。
15.鍾智林、徐美蕙（2023）。以開放資料探討新冠疫情對台北捷運旅運量之影響。運輸學刊，35(3)，328-352。
16.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。
17.鍾智林、簡佑勳（2014）。公共自行車時空分析法之構建與營運策略改善-以台北微笑自行車為例。都市交通半年刊，29(1)，1-10。
18.YouBike微笑單車官網： https：//www.youbike.com
19.台北市政府交通局：https：///www.dot.gov.taipei
20.新北市政府交通局：https：///www.traffic.ntpc.gov.tw
21.台北市政府資料開放平台： https：//data.taipei
22.台北市政府工務局新建工程處：https：//nco.gov.taipei
23.台北市橋涵管理系統： https：//bridge.nco.taipei
24.科技新報technews.tw（2020）。Google地圖單車導航模式有多好用?不只有單車道，還支援坡度海拔。取自：
https：//technews.tw/2020/02/11/how-to-use-google-map-cycling-directions/
25.公民報橘（2020）。[台灣是亞洲首發]Google地圖[單車模式]上線!支援單車道+顯示坡度，讓你騎腳踏車不踩雷。取自
https：//buzzorange.com/citiorange/2020/02/15/google-maps-cycling-mode/
26.社團法人台灣連鎖暨加盟協會（2021）。你多久去超商？國人2020年人均137次、每次消費84.16元。取自
http://www.tcfa.org.tw/announce_detail.asp?id=9202199
27.聯合報新聞網（2024）。新北自行車路廊，7月串起桃園及台北。取自：
      https：//udn.com/news/story/7323/7999420?utm_source=linemobile&utm_medium
英文參考文獻
1.Bieliński, T., Kwapisz, A., & Ważna, A. (2021). Electric bike-sharing services mode substitution for driving, public transit, and cycling. Transportation research part D： transport and environment, 96, 102883.
2.Borgnat, P., Abry, P., Flandrin, P., Robardet, C., Rouquier, J. B., & Fleury, E. (2011). Shared bicycles in a city： A signal processing and data analysis perspective. Advances in Complex Systems, 14(03), 415-438.
3.Cairns, S., Behrendt, F., Raffo, D., Beaumont, C., & Kiefer, C. (2017). Electrically-assisted bikes： Potential impacts on travel behaviour. Transportation research part A： policy and practice, 103, 327-342.
4.Campbell, A. A., Cherry, C. R., Ryerson, M. S., & Yang, X. (2016). Factors influencing the choice of shared bicycles and shared electric bikes in Beijing. Transportation research part C： emerging technologies, 67, 399-414.
5.Chung, C. L., & Huang, C. L. (2023). Impacts Of Imposing A Start Fee On The Bikesharing Program： Empirical Evidence Of Taipei YouBike. Journal of Applied Science and Engineering, 26(11), 1563-1571.
6.Etienne, C., & Latifa, O. (2014). Model-based count series clustering for bike sharing system usage mining： a case study with the Vélib'system of Paris. ACM Transactions on Intelligent Systems and Technology (TIST), 5(3), 1-21.
7.Galatoulas, N. F., Genikomsakis, K. N., & Ioakimidis, C. S. (2020). Spatio-temporal trends of e-bike sharing system deployment： A review in Europe, North America and Asia. Sustainability, 12(11), 4611.
8.Götschi, T., Garrard, J., & Giles-Corti, B. (2016). Cycling as a part of daily life： a review of health perspectives. Transport Reviews, 36(1), 45-71.
9.Guidon, S., Becker, H., Dediu, H., & Axhausen, K. W. (2019). Electric bicycle-sharing： A new competitor in the urban transportation market? An empirical analysis of transaction data. Transportation research record, 2673(4), 15-26.
10.He, Y., Song, Z., Liu, Z., & Sze, N. N. (2019). Factors influencing electric bike share ridership： Analysis of Park City, Utah. Transportation research record, 2673(5), 12-22.
11.MacArthur, J., Dill, J., & Person, M. (2013). E-Bikes in North America： Results from an online survey. Submitted on, 15.
12.New York State of opportunity. (2015). Electric Bicycle Share Feasibility Study.
13.O'brien, O., Cheshire, J., & Batty, M. (2014). Mining bicycle sharing data for generating insights into sustainable transport systems. Journal of Transport Geography, 34, 262-273.
14.Useche, S. A., Montoro, L., Sanmartin, J., & Alonso, F. (2019). Healthy but risky： A descriptive study on cyclists' encouraging and discouraging factors for using bicycles, habits and safety outcomes. Transportation research part F： traffic psychology and behaviour, 62, 587-598.
15.Vogel, P., Greiser, T., & Mattfeld, D. C. (2011). Understanding bike-sharing systems using data mining： Exploring activity patterns. Procedia-Social and Behavioral Sciences, 20, 514-523.
16.Zhang, Y., Thomas, T., Brussel, M., & Van Maarseveen, M. (2017). Exploring the impact of built environment factors on the use of public bikes at bike stations： Case study in Zhongshan, China. Journal of transport geography, 58, 59-70.
17.Kou, Z., & Cai, H. (2019). Understanding bike sharing travel patterns： An analysis of trip data from eight cities. Physica A： Statistical Mechanics and its Applications, 515, 785-797.
18.Jiageng, N., Lanlan, Z., & Xianghong, L. (2022). A study on the trip behavior of shared bicycles and shared electric bikes in Chinese universities based on NL model—Henan Polytechnic University as an example. Physica A： Statistical Mechanics and its Applications, 604, 127855.