交通行動服務(MaaS)對於通勤族群運具選擇 行為之研究—以雙北地區為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：139

、訪客IP：3.138.60.190

姓名

賈子葳(Tzu-Wei Jia) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

交通行動服務(MaaS)對於通勤族群運具選擇行為之研究—以雙北地區為例

相關論文

★ 圖書館系統通閱移送書籍之車輛途程問題	★ 起迄對旅行時間目標下高速公路匝道儀控之研究
★ 結合限制規劃法與螞蟻演算法求解運動排程問題	★ 共同邊界資料包絡分析法在運輸業之應用-以國內航線之經營效率為例
★ 雙北市公車乘客知覺服務品質、知覺價值、滿意度、行為意向路線與乘客之跨層次中介效果與調節式中介效果	★ Investigating the influential factors of public bicycle system and cyclist heterogeneity
★ A Mixed Integer Programming Formulation for the Three-Dimensional Unit Load Device Packing Problem	★ 高速公路旅行時間預測之研究--函數資料分析之應用
★ Behavior Intention and its Influential Factors for Motorcycle Express Service	★ Inferring transportation modes (bus or vehicle) from mobile phone data using support vector machine and deep neural network.
★ 混合羅吉特模型於運具選擇之應用-以中央大學到桃園高鐵站為例	★ Preprocessing of mobile phone signal data for vehicle mode identification using map-matching technique
★ 含額外限制式動態用路人均衡模型之研究	★ 動態起迄旅次矩陣推估模型之研究
★ 動態號誌時制控制模型求解演算法之研究	★ 不同決策變數下動態用路人均衡路徑選擇模型之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 (2025-9-1以後開放)

摘要(中)

私有運具具有高機動性與方便性，造成台灣私有運具使用比例高居不下，在有限的道路交通負荷量下，私有運具的數量日益增加除了產生交通壅塞的情況之外，汽機車廢氣排放也造成都市的空氣汙染日益嚴重，因此，為了能夠減少私有運具的使用率，政府積極推動城市交通智慧化，期能提升公共運輸的效能。其中，「交通行動服務」(Mobility as a Service, MaaS)為運輸領域的新型服務概念，其理念為透過手機App整合多元運具之服務平台，提供旅運者可一次購足的優惠型套裝旅運服務，滿足其無縫和及戶(door-to-door)的移動需求。
本研究主要探討雙北市通勤族群對於公共運輸月票結合手機App服務之偏好行為，利用敘述性偏好進行問卷設計並透過問卷調查的方式，蒐集通勤族群運具使用情形並進行相關之旅次特性分析，同時利用多項羅吉特模式以及誤差成分羅吉特模式探討私有運具使用者和大眾運具使用者運具選擇之相關影響因素。分析結果顯示，月票價格、提供手機App服務、居住地與捷運站距離、居住地與火車站距離、居住地所在縣市、工作地停車費、每月交通花費、年齡、月所得、職業、通勤時間等，皆會影響運具選擇行為。
另外，本研究亦進行彈性分析以及價格敏感度分析，以了解不同價格下各個月票方案和汽機車之市佔率比例變化，分析結果發現，對於私有運具使用者而言，增加私有運具的旅行成本相較於降低月票價格較能使私有運具使用者轉而使用月票，對於大眾運具使用者而言，則是可以降低月票價格以及搭配手機App服務來吸引其使用公共運輸月票，最後，從上述結果，本研究亦提出相關政策管理以供政府未來推行公共運輸月票和MaaS之參考。

摘要(英)

Due to the high mobility and convenience of private vehicles, the proportion of Taiwan’s private vehicles is still high. Yet, the exhaust emission of private vehicles, which caused the air pollution more and more serious in the city. Futhermore, under limited road traffic load, the expansion of the population and the increasing number of private vehicles have lead to traffic congestion as well. Therefore, in order to reduce the use of private vehicles, the government actively promotes the intelligent transportation of the city and hopes to improve the efficiency of public transportation.
Among them, " Mobility as a Service (MaaS)" is a new service concept of transportation. Its concept is to integrate all transportation service in a platform through a mobile App, which provides monthly ticket, route planning, online booking and payment. Makes the travel more seamless and convinence.
This study aims to investigate the key factors contributing to the purchase intention of the Monthly tickets by using multinomial logit model (MNL) and error components logit model (ECL) based on a stated preference questionnaire survey. The results show that the monthly ticket price, the provision of mobile App services, the distance between the residence and the MRT station, the distance between the residence and the train station, the county and city where the residence is located, parking fee at the work place, monthly travel expense, age, monthly income, career, commuting time are the key factors affecting the purchase intention of public transportation monthly tickets.
In addition, this study also conducted elasticity analysis and price sensitivity analysis to understand the changes in the market share of various monthly ticket plans and private vehicles at different prices. The analysis found that for private vehicle users, the increase in private vehicle compared with lowering the monthly ticket price, travel costs can enable private vehicle users more willing to switch to monthly tickets. For public vehicle users, it can reduce monthly ticket prices and use mobile app services to attract them to use monthly tickets. At the end, suggestions on improvements of MaaS services and monthly ticket for public transportation are proposed.

關鍵字(中)

★ 交通行動服務
★ 公共運輸月票
★ 多項羅吉特
★ 誤差成份羅吉特
★ 顯示性偏好
★ 敘述性偏好

關鍵字(英)

★ Mobility as a Service,
★ Monthly ticket for public transportation
★ Multinomial logit model
★ Error components logit model
★ Reavealed preference
★ Stated preference

論文目次

中文摘要 i
Abstract ii
誌謝 iv
圖目錄 viii
表目錄 ix
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研究範圍對象 2
第二章文獻回顧 3
2.1 MaaS定義與國內外實際實行案例 3
2.1.1 MaaS定義 3
2.1.2 國外MaaS實際實行案例 3
2.1.3 國內MaaS實際實行案例 4
2.2 MaaS相關文獻探討 5
2.3 個體選擇模式之相關理論及應用 7
2.4小結 10
第三章研究方法 14
3.1 多項羅吉特模式 15
3.2混合羅吉特模式 16
3.2.1 隨機係數羅吉特模式 17
3.2.2 誤差成份羅吉特模式 19
3.2.3 隨機係數羅吉特模式和誤差成份羅吉特模式比較 21
3.3 羅吉特模式統計特性 21
3.4 模式變數設定 23
3.5 結合顯示性偏好與敘述性偏好法 24
3.6 田口玄一實驗計畫法 26
第四章問卷設計、調查與基本統計分析 29
4.1問卷設計內容 29
4.1.1通勤相關資訊及通勤運具使用特性 29
4.1.2情境方案選擇調查 29
4.1.3個人基本資料 30
4.2敘述性偏好情境方案設計 30
4.2.1 月票方案 31
4.2.2私有運具使用者以及大眾運具使用者敘述性偏好水準值設計 33
4.2.3私有運具使用者以及大眾運具使用者敘述性偏好直交設計 34
4.3問卷調查 35
4.3.1調查時間 35
4.3.2調查範圍與方式 35
4.3.3樣本數決定與抽樣設計 36
4.3.4問卷調查發放予回收狀況 36
4.4問卷基本統計分析 37
4.4.1私有運具使用者樣本特性 38
4.4.2大眾運具使用者樣本特性 45
第五章模式結果與分析 53
5.1 變數說明 53
5.2 私有運具使用者公共運輸月票方案選擇模式 54
5.2.1 顯示性偏好多項羅吉特模式 54
5.2.2 敘述性偏好多項羅吉特模式 56
5.2.3 顯示性偏好結合敘述性偏好之多項羅吉特模式 58
5.2.4敘述性偏好之混合羅吉特模式 61
5.3 大眾運具使用者公共運輸月票方案選擇模式 63
5.3.1 顯示性偏好多項羅吉特模式 63
5.3.2 敘述性偏好多項羅吉特模式 65
5.3.3 顯示性偏好結合敘述性偏好之多項羅吉特模式 67
5.3.4敘述性偏好之混合羅吉特模式 69
5.3.5 模式比較分析 71
5.4 彈性分析 72
5.5價格敏感度分析 73
5.5.1私有運具使用者 73
5.5.2大眾運具使用者 75
5.6 MaaS的策略分析 77
5.6.1 MaaS功能性策略分析 77
5.6.2 國內現有MaaS計畫的改進策略 78
第六章結論與建議 79
6.1 結論 79
6.2 建議 82
參考文獻 84
附錄A:調查問卷(私有運具使用者) 89
附錄B:調查問卷(大眾運具使用者) 97

參考文獻

[1] 台北市政府交通局統計處 (2013)，大台北地區(雙北市)15歲以上居民通勤通學型態分析。
[2] 台北市政府交通局統計處 (2016)，悠遊卡交通類交易資料特性分析與應用。
[3] 台北市政府交通局統計處 (2017)，大數據分析台北市公共自行車使用特性。
[4] 台北市政府交通局統計處 (2018)，台北市交通民意調查報告。
[5] 台北市政府交通局統計處 (2018)，台北市民眾通勤(學)使用交通工具性別與統計分析。
[6] 交通部運輸研究所 (2018)，從電子票證大數據觀察旅運轉乘。
[7] 交通部統計處 (2018)，台北市民眾日常使用運具狀況摘要分析。
[8] 交通部統計處(2018)，交通運術發展概況專題統計分析。
[9] 台北市政府主計處(2019)，台北市就業人口之年齡結構。
[10] 李輝煌 (2011)，「田口方法：品質設計的原理與實務」，高立圖書有限公司。
[11] 林卓漢 (2001)，「捷運到站運具選擇模式之研究」，國立台灣大學，碩士論文。
[12] 邱靜淑 (2005)，「都市通勤者運具選擇行為之研究」，國立暨南大學，碩士論文。
[13] 周宏彥與張玄岡 (2007)，「接駁服務對城際運具選擇之影響分析」，運輸學刊，第十九卷第三期，頁 271~300。
[14] 陳建銘 (1998)，「腳踏車使用者轉乘捷運系統之個體選擇行為模式」，國立成功大學，碩士論文。
[15] 陳韋穎 (2011)，「通勤運具選擇行為異質性之研析: 混合羅吉特模式之應用」，國立交通大學，碩士論文。
[16] 陳惠國 (2019)，「混合羅吉特模式」，運輸規劃與網路(修訂版)，國立中央大學土木工程學系，滄海圖書資訊股份有限公司。
[17] 陳恒宇 (2017)，「多元整合出行服務(MaaS)願付價格之研究」，國立台灣大學，碩士論文。
[18] 楊志文 (2013)，「從航線相似性探討多機場區域下的市佔分佈:重疊誤差成份與交錯巢層結構指定」，國立臺中科技大學，科技部計畫。
[19] 張皓筑 (2017)，「應用科技接受模式及聯合分析法初探交通行動服務(MaaS)之使用意圖與服務屬性偏好特性」，私立淡江大學，碩士論文。
[20] 賴筱婷 (2009)，「建構汽機車傳統與替代能源車型之整合選擇模式」，國立交通大學，碩士論文。
[21] Bartholdi III, J. J. (1981). A guaranteed-accuracy round-off algorithm for cyclic scheduling and set covering. Operations Research, 29(3), 501-510.
[22] Bradley, M. A., & Daly, A. J. (1997). Estimation of logit choice models using mixed stated preference and revealed preference information. Understanding Travel Behaviour in an Era of Change, 209-232.
[23] Brownstone, D., Bunch, D. S., & Train, K. (2000). Joint mixed logit models of stated and revealed preferences for alternative-fuel vehicles. Transportation Research Part B: Methodological, 34(5), 315-338.
[24] Brownstone, D., & Train, K. (1999). Forecasting new product penetration with flexible substitution patterns. Journal of Econometrics, 89(1-2), 109-129.
[25] Ben-Akiva, M. E., Lerman, S. R., & Lerman, S. R. (1985). Discrete Choice Analysis: Theory and Application to Travel Demand (Vol. 9). MIT press.
[26] Debrezion, G., Pels, E. and Rietveld, P. (2009), “Modelling the joint access mode and railway station choice”, Transportation Research Part E: Logistics and Transportation Review, Vol.45, No. 1, 270-283.
[27] Guidon, S., Wicki, M., Bernauer, T., & Axhausen, K. (2020). Transportation service bundling–for whose benefit? Consumer valuation of pure bundling in the passenger transportation market. Transportation Research Part A: Policy and Practice, 131, 91-106.
[28] Greene, W. H., Hensher, D. A., & Rose, J. (2006). Accounting for heterogeneity in the variance of unobserved effects in mixed logit models. Transportation Research Part B: Methodological, 40(1), 75-92.
[29] Greene, W. H., Hensher, D. A., & Rose, J. (2006). Accounting for heterogeneity in the variance of unobserved effects in mixed logit models. Transportation Research Part B: Methodological, 40(1), 75-92.
[30] Ho, C. Q., Hensher, D. A., Mulley, C., & Wong, Y. Z. (2018). Potential uptake and willingness-to-pay for Mobility as a Service (MaaS): A stated choice study. Transportation Research Part A: Policy and Practice, 117, 302-318.
[31] Hensher, D. A., Rose, J. M., & Greene, W. H. (2008). Combining RP and SP data: biases in using the nested logit ‘trick’–contrasts with flexible mixed logit incorporating panel and scale effects. Journal of Transport Geography, 16(2), 126-133.
[32] Hensher, D. A., & Greene, W. H. (2003). The mixed logit model: the state of practice. Transportation, 30(2), 133-176.
[33] Hensher, D. A. (1994). Stated preference analysis of travel choices: the state of practice. Transportation, 21(2), 107-133.
[34] Hensher, D. A., & Bradley, M. (1993). Using stated response choice data to enrich revealed preference discrete choice models. Marketing Letters, 4(2), 139-151.
[35] Hensher, D. A., & Houghton, E. (2003). Implementing performance-based quality contracts in the bus sector: growing patronage and post-transitional arrangements. International Conference on Competition and Owner in Land Passenger Transport Vol. (8), 1-27.
[36] Kamargianni, M., Li, W., Matyas, M., & Schäfer, A. (2016). A critical review of new mobility services for urban transport. Transportation Research Procedia, 14, 3294-3303.
[37] Matyas, M., & Kamargianni, M. (2017). Survey design for exploring demand for Mobility as a Service plans. Transportation, 46(5), 1525-1558.
[38] Matyas, M., & Kamargianni, M. (2018). The potential of mobility as a service bundles as a mobility management tool. Transportation,46(5),1951-1968.
[39] McFadden, D. (1974). The measurement of urban travel demand. Journal of Public Economics, 3(4), 303-328.
[40] McFadden, D., & Train, K. (2000). Mixed MNL models for discrete response. Journal of Applied Econometrics, 15(5), 447-470.
[41] Petrin, A., & Train, K. (2003). Omitted product attributes in discrete choice models (No. w9452). National Bureau of Economic Research.
[42] Swait, J., Louviere, J. J., & Williams, M. (1994). A sequential approach to exploiting the combined strengths of SP and RP data: application to freight shipper choice. Transportation, 21(2), 135-152.
[43] Stopka, U., Pessier, R., & Günther, C. (2018, July). Mobility as a service (MaaS) based on intermodal electronic platforms in public transport. International Conference on Human-Computer Interaction ,419-439. Springer, Cham.
[44] Schmid, B., Jokubauskaite, S., Aschauer, F., Peer, S., Hössinger, R., Gerike, R., & Axhausen, K. W. (2019). A pooled RP/SP mode, route and destination choice model to investigate mode and user-type effects in the value of travel time savings. Transportation Research Part A: Policy and Practice, 124, 262-294.
[45] Train, K. E., & Winston, C. (2007). Vehicle choice behavior and the declining market share of US automakers. International Economic Review, 48(4), 1469-1496.
[46] Train, K. E. (2009). Discrete choice methods with simulation. Cambridge university press.
[47] UbiGo 網站: https://www.ubigo.me/
[48] Whim 網站: https://whimapp.com/
[49] MenGo 網站: https://men-go.tw/
[50] Umaji+ 網站: https://www.metropia.com/umaji

指導教授

陳惠國

審核日期

2020-8-19

推文