依人流變化替台北捷運站點做分類
捷運分時資料2
回顧
上一篇和大家介紹政府公開資料的捷運分時資料，並將各站點周一到周日各小時的人流資訊透過熱圖(heatmap)來呈現，並拿旅次量前三名的台北車站、西門、市政府以及比較特別的動物園站來做說明。可以發現有些站點的人流模式相似、有些卻差距甚大。那麼有沒有方法可以透過這些人流變化的資料將站點做分類呢?這一篇將使用K-means Clustering來替全部108個站點的進、出站的人流資料做分類。
K-means Clustering
K-means Clustering (K平均演算法)，是屬於非監督式機器學習的一種演算法。它可以替一組資料做快速分類(可以參考wiki或這裡)。以我們的例子來說，可以替我們將108站的捷運的人流資料依照變化模式分成不同的類別。本篇將會以下面的流程來操作:
1. 將108個站點的進站人流分成4個類別(ex:進站分類0,1,2,3)
2. 將108個站點的出站人流分成4個類別(ex:出站分類0,1,2,3)
3. 依照各站的進、出站類別進行分類，產生最終的站點分類(ex: 0_0,1_2…)，再給予新的代號(A,B,C)
分類結果
進站
由於台北捷運各站點人流的實際數值差距甚大(台北車站每日30多萬人 vs 動物園1.4萬人)，所以進行K-means分析前先將全部人流資料進行標準化(min max normalization)，故以下流量值為各站對各站最大值的比例，非實際數值。
先從進站來看，藍色實線是每個分類(cluster)內，站點的人流平均變化；淡灰色是該分類全部站點。
如上圖所示，分類1(右上)平日尖峰出現在上班時刻，其他時段包含假日皆少於0.4；分類3(右下)則是相反的類型，平日高峰出現在下班時間，其他時間包含假日皆少於0.4。
分類0(左上)的平日尖峰出現在下班時間，同時上班時間也有超過0.5的水準(1.0 vs 0.5)，假日的尖峰出現在下午時段，達0.7左右；分類2(左下)相較於分類0(左上)，高峰較為平均的出現在上下班時間(1 vs 0.7)，但是假日人潮相對較少，最高約0.5左右，但仍高於分類1(右上)和分類3(右下)。
進站的分類結果如下:
0: 上下班尖峰+假日，包含西門、台北車站、忠孝新生、忠孝復興、忠孝敦化、國父紀念館、市政府、松山機場、劍南路、公館、台電大樓、中正紀念堂、中山、古亭、東門、大安森林公園、雙連、劍潭、士林及新北投共20站。
1: 上班尖峰 ，包含頂埔、永寧、土城、海山、亞東醫院、府中、新埔、江子翠、木柵、萬芳社區、萬芳醫院、辛亥、麟光、文德、內湖、大湖公園、葫洲、東湖、新店、新店區公所、七張、小碧潭、萬隆、南勢角、景安、永安市場、頂溪、台北橋、菜寮、三重、頭前莊、新莊、丹鳳、迴龍、三重國小、三和國中、徐匯中學、三民高中、蘆洲、明德、唭哩岸、北投、復興崗、竹圍及紅樹林等45站。
2: 上下班尖峰 ，包含板橋、龍山寺、永春、後山埤、南港、南港展覽館、動物園、六張犁、科技大樓、大直、大坪林、景美、松山、大橋頭、輔大、圓山、芝山、石牌、奇岩、忠義、關渡、淡水共22個站。
3: 下班尖峰，包含善導寺、昆陽、中山國中、西湖、港墘、南港軟體園區、小南門、北門、南京復興、台北小巨蛋、南京三民、松江南京、行天宮、中山國小、民權西路、先嗇宮、象山、台北101/世貿、信義安和、大安、台大醫院等21個站點。
若將分類結果呈現於地圖上，可以發現進站人潮出現在平日上下班和假日(進站上下班+假日，分類0)的站點全部位於台北市且主要集中在台北市中心區，包含板南線西門站往市政府站的大部分站點；松山新店線從公館站到中山站大部分站點；淡水信義線在本類站點包含大安、東門、劍潭、士林及新北投；文湖線有劍南路及松山機場2站。
進站人潮出現在下班時刻(進站下班尖峰，分類3)的站點，如下圖右所示，主要出現在台北市區內、板南線以外的大部分站點，以及文湖線的港乾、溪湖及南港軟體園區3站；中和蘆洲線的先嗇宮站是本類別唯一出現在新北市的站點。
進站人潮出現在上班時刻(進站上班尖峰，分類1)的站點，如下圖中所示，主要分布在離市中心較遠的地區，淡水信義線出現在明德站以北；中和蘆洲線出現在台北橋站以西、頂溪站以南；板南線出現在江子翠以西；文湖線出現在麟光站以南以及文德站到東湖站等5站之間。
屬於上下班時段皆出現人潮的站點傾向於出現在前2類(上班尖峰及下班尖峰)的交界區域，如上圖左所示，大橋頭、龍山寺、科技大樓及六張犁屬於此類；或是出現於終點站，如淡水、松山、動物園；或是其他類型，如輔大站、板橋站、圓山站、大直站以及芝山站以北的5站，整體上來看較無明顯的脈絡。
出站
出站的部分，如下圖所示，分類1(右上)和分類2(左下)為相對的兩種類型，一個尖峰時間出現在下班時刻(分類1)，一個在上班時刻，比較不一樣的是在假日的部分，高峰出現在下班時刻的分類1在假日的下午仍有一段高峰出現(約0.5)，而高峰出現在上班時刻的分類2在假日只有在中午有稍微熱絡一些(約0.3)。
分類0(左上)和分類3(右下)在平日的上下班皆出現高峰，分類0最大值在下班時刻，上班時刻約為0.6、假日最高約0.5~0.6；分類3在平日的高峰更平均的分配在上下班時間，假日的部分最高超過0.6，比分類0更為熱絡。
出站類型結果如下:
0:上下班尖峰， 包含頂埔、永寧、板橋、龍山寺、永春、後山埤、南港、木柵、六張犁、大直、文德、新店、七張、大坪林、景美、台電大樓、松山、大橋頭、三重、頭前莊、輔大、劍潭、芝山、明德、石牌、唭哩岸、北投、復興崗、紅樹林及淡水等30個點。
1: 下班尖峰，包含土城、海山、亞東醫院、府中、新埔、江子翠、萬芳社區、萬芳醫院、辛亥、麟光、內湖、大湖公園、葫洲、東湖、新店區公所、小碧潭、萬隆、南勢角、景安、永安市場、頂溪、台北橋、菜寮、新莊、丹鳳、迴龍、三重國小、三和國中、徐匯中學、三民高中、蘆洲及竹圍等32個站。
2: 上班尖峰 ，包含善導寺、國父紀念館、市政府、昆陽、南港展覽館、科技大樓、中山國中、西湖、港墘、南港軟體園區、中正紀念堂、小南門、北門、南京復興、台北小巨蛋、南京三民、松江南京、行天宮、中山國小、民權西路、先嗇宮、象山、台北101/世貿、信義安和、大安、台大醫院、雙連、奇岩、忠義及關渡共30個站點。
3: 上下班尖峰+假日 ，包含西門、台北車站、忠孝新生、忠孝復興、忠孝敦化、動物園、松山機場、劍南路、公館、中山、古亭、東門、大安森林公園、圓山、士林、新北投等16個站。
若將分類結果呈現於地圖上，可以發現出站人潮出現在平日上下班和假日(出站上下班+假日，分類3)的站點全部位於台北市。主要出現在市中心區域，市區北側的站點有圓山、士林、及新北投3站；文湖線有松山機場及劍南路2站；市區南側有公館站及動物園2站。
出站人潮出現在下班時刻(出站下班尖峰，分類1)的站點，如下圖右所示，主要出現在新北市，中和蘆洲線出現在台北橋站以西、頂溪站以南；板南線出現在江子翠站以南；松山新店線在萬隆站以南；文湖線出現在麟光站以南以及內湖到東湖之間的4站。
出站人潮出現在上班時刻(出站下班尖峰，分類2)的站點，如下圖中所示，主要集中出現在台北市區，北側有關渡、忠義及奇岩3站；文湖線有港乾、西湖、南港軟體園區及南港展覽館4站。先嗇宮站為本類唯一位在新北市的站點。
上下班時段皆出現出站人潮的站點(上班尖峰及下班尖峰，分類0)位置如上圖左所示，如同進站的上下班尖峰，傾向於分布在市中心以外的地區，此外單從捷運資料來看並無明顯脈絡可循。
彙整
最後將4種進站分類和4種出站分類兩兩結合後，產生的9種組合，再依人流出現時間分成居住、工作以及假日休閒3個面向，結果如下表:
將各分類站點呈現於地圖上:
關於"D類變形"
由"上下班尖峰"以及"上下班尖峰+假日"組合成的G類及H類的車站共有4站，分別為動物園、圓山、劍潭及台電大樓。先來看H類的台電大樓及劍潭2站，下面將人流變化以熱圖及折線圖2種方式來呈現(下圖左、中)，並和D類的西門站(下圖右)做比較:
可以發現2站在假日的進出人流皆高於該分類平均水準，劍潭站甚至為最大值。若將該2站與屬於D類的站點做比較，可以發現其人流變化其實是相似的，熱門時段同樣出現在上下班時間，且假日也有一定的人流。
再來看G類的動物園及圓山:
可以發現圓山站的模式與D類站點也是類似的；但是動物園卻整個長歪。
小結
本篇將各捷運站點的分時人流資料切成進、出站2類，並透過K-means Clustering將這2類資料各分成4個分類，最後再將各站點的進、出站分類兩兩組合後，共產生9種分類，而這9種分類可以進一步歸納為工作、居住以及假日休閒3種面相。
不過在觀察各分類站點的人流變化後發現，G類及H類站點中的台電大樓、劍潭以及圓山，其人流變化與D類其實是相似的，故將其歸納為D類的變形；而動物園則是在台北捷運108站中，真正與眾不同(歪掉)的類型。
操作過程可以參考我的Github。
