透過旅次組成解析台北車站人流

捷運分時資料3

Shih-Wen WU
GeoPainter 劃地圖
Apr 27, 2019

--

回顧

依人流變化替台北捷運站點做分類中,我們將各站點的進站及出站人數變化透過K-means Clustering進行分類,最後產出7種類型(G類、H類併入D類)。透過熱圖的幫助,我們可以進一步將這些類別區分為居住、工作以及假日休閒3個面向。

緣起

前面提到的進站及出站人數,實際上是由許多不同的旅次所組成,以台北車站為例,台北車站的進站人數,是由”以台北車站為起點”的旅次人數所組成,這樣的旅次組合總共有108種,出站人數則是”以台北車站為終點”的旅次人數所組成,同樣有108種,如下圖所示:

進站及出站人數的組成

本篇將使用旅次概念,解構台北車站的進出站人數組成,透過K-means Clustering將這108個旅次的時間分布進行分類。除了可以了解站點的人從哪邊來、去哪邊之外,也能知道各旅次之間是否有類似的人流變化模式。

操作流程如下:

  1. 準備資料
  2. 使用K-means Clustering 進行分類
  3. 依分類結果視覺化成熱圖
  4. 透過熱圖判斷cluster特性

分類結果

進站旅次

台北車站進、出站旅次各分為3類,先從進站旅次(以台北車站為起點的旅次)來看:

以下熱圖是由3個分類結果中各取10個旅次來看,從熱圖可以明顯看出各類別的人流特性。左邊兩直條的類別中,人流主要在午後至傍晚出現(pm),本類別的旅次人數前3名為北車到劍潭、北車到頂溪、北車到新補;中間兩條是上午為主(am)的旅次,前3名為北車到台北101、北車到中正紀念堂、北車到雙連;右邊兩條則是綜合型(mixed),前3名為北車到西門、北車到市政府、北車到淡水。

左二直條: 午後型(pm) 中二直條:上午型(am) 右二直條:綜合型(mixed)
進站各類別之人數比例

將各旅次類別的站點及總人數進行比較,可以發現綜合型(mixed)旅次人數站整體44.6%、包含30種旅次;午後型(pm)佔36.8%、包含58種旅次;上午型(am)佔18.7%、有20種旅次。如左圖所示。下圖為透過旅次的日平均人數進行排序,發現綜合型在前20名中佔了13名、午後型佔4名、上午型佔3名。前3名旅次為北車到西門、北車到市政府、北車到淡水。

進站日平均旅次人數前20名

將各類別的旅次透過地圖來呈現,如下圖所示。圖中黃色三角形代表旅次起點,藍色圓圈代表旅次終點。下午型(pm)旅次的終點站大多出現在市區外圍;上午型(am)出現在南京東路、信義路、台北車站以南及內湖科學園區;綜合型(mixed)出現在忠孝東路、民權東路、民權西路、羅斯福路以及西門町附近。

左: 午後型(pm) 中:上午型(am) 右:綜合型(mixed)

將”以台北車站為起點”旅次的周間人流變化製成動態圖,可以進一步了解人流變化情形。黃色三角形代表旅次起點、左上角代表時間、圓圈大小代表該時刻移動到該站點的人數。

人都從台北車站搭去哪?

經過觀察可發現,從台北車站的兩個尖峰時段為上午8點到9點及下午6點到7點。上午尖峰的目的地主要集中在中正、中山、大安、信義及松山區內的站點;下午尖峰時段的目的地則是涵蓋大部分站點(新莊、蘆洲及內湖線人數相對較少)。

左:上午尖峰人流移動至市中心 右:下午尖峰人流移動至四面八方

出站旅次

出站旅次的部分(以台北車站為終點的旅次),透過熱圖呈現發現有些特性比較模糊的站點,所以將3個類別的全部旅次結果放在一起做比較。下圖由左至右分別為綜合型(mixed),人數前3為西門到北車、市政府到北車、淡水到北車;午後型(pm),人數前3為台北101到北車、中正紀念堂到北車、忠孝敦化到北車;以及上午型(am),人數前3為頂溪到北車、新埔到北車、以及永安市場到北車。

左: 綜合型(mixed) 中: 午後型(pm) 右: 上午型(am)
出站各類別之人數比例

將各旅次類別的站點及總人數進行比較,可以發現綜合型(mixed)旅次人數站整體42.8%、包含27種旅次;午後型(pm)佔29.9%、包含38種旅次;上午型(am)佔27.2%、有43種旅次。如左圖所示。下圖為透過旅次的日平均人數進行排序,綜合型在前20名中佔了14名、午後型佔4名、上午型佔2名。前3名旅次為西門到北車、市政府到北車、淡水到北車。

出站日平均旅次人數前20名

將各類別的旅次透過地圖來呈現,如下圖所示。圖中黃色三角形代表旅次終點,紅色圓圈代表旅次起點。上午型(am)旅次的起點站大多出現在市區外圍;下午型(pm)出現在忠孝東路以外的市中心區域、內湖、新莊以及三重;綜合型(mixed)出現在忠孝東路、台北車站一帶。

左:綜合型(mixed) 中: 午後型(pm) 右:上午型(am)

將”以台北車站為終點”旅次的周間人流變化製成動態圖。黃色三角形代表旅次終點、左上角代表時間、圓圈大小代表該時刻從該站點移動到台北車站的人數。

人都從哪裡來到台北車站?

和進站旅次的結果相反,上午尖峰的人流來自除了新莊、蘆洲及內湖線的大部分站點;下午尖峰時段的人流來源則是集中在中正、中山、大安、信義及松山區等市中心站點。

左:上午尖峰人流來自四面八方 右:下午尖峰人流來自市中心

小結

本篇將台北車站進站及出站人數各細分成108種旅次,並使用K-means Clustering進行分類。可以發現不同的旅次間在時間、人流以及空間的分布上的關聯。進站旅次的部分,午後型(pm)旅次分布在台北市區外圍、上午(am)及綜合型(mixed)分布於台北市區內。其中綜合型(mixed)旅次人數佔總體人數約4成5;出站旅次的部分,上午型(am)旅次分布於台北市區外圍、午後(pm)及綜合型(mixed)分布於市區。其中綜合型(mixed)旅次人數占整體約4成3。

從動態圖則能夠觀察到台北車站在上午時段,一股來自雙北幾乎所有站點(新莊、蘆洲及內湖線比例較低)的人流進入台北車站;同時有另一股人流從台北車站出發,移動至中正、中山、大安、信義及松山區等市中心站點。到了傍晚時段,市中心區域的人流回到台北車站、同時另一股人流從台北車站出發,流回大台北地區各個站點。

操作過程可以參考我的Github

--

--