Fw: [分享] 用捷運資料觀察乘客的移動軌跡 — 下

[unhumanWu (阿文)]

※ [本文轉錄自 MRT 看板 #1T16O-98 ]

作者: unhumanWu (阿文) 看板: MRT
標題: [分享] 用捷運資料觀察乘客的移動軌跡 — 下
時間: Sat Jun 15 11:30:04 2019



網誌好讀版: https://reurl.cc/64r2M


回顧

上一篇介紹了捷運站點在大台北地區的分布狀況，

主要可分為市中心區和市區外圍2種。

再依據捷運站點空間分布上的特性，

進行站點服務範圍的劃分。

市中心的部分使用空間分割方法沃羅諾伊圖來劃分；

市區外圍則是直接依行政區劃分，

最後製成大台北地區的捷運站點服務範圍地圖。

https://imgur.com/dBC1KHt


本篇將使用2018全年的捷運分時資料，依照星期、時刻做平均後，

再透過服務範圍地圖來呈現乘客在平日及假日的捷運使用情形。


平日時段(周一至周五)


總覽

下圖是台北捷運於平日時段的人流圖。暖色系代表進入該區域的人數大於離開的人數，

反之則為寒色系。

整體而言，平日的乘客移動狀況可以用下午3點做分界，

下午3點以前，乘客主要從市區外圍進入市中心，

而上午7點到10點之間是進入市區的高峰時段，

除市區外，內湖區在上午8點到10點之間也是大量乘客進入的區域。

下午3點之後乘客開始由市中心往外圍移動，高峰期出現在晚上6點到10點之間。

https://imgur.com/7Aaq31f


上班時段

平日上午8點至9點為捷運人潮的最高峰時段。

下面5張圖由左至右為2018年週一到週五上午8點到9點的全年平均。

在這個時段中，人從四面八方往市中心區及內湖區移動。

板橋區(區內站點包豪含江子翠、新埔、板橋、府中及亞東醫院等5站)

為移出人數最大的區域，週一平均約18,000人、

週二到週五各約22,000人；

移入人數最多的是代號O08的松江南京站，

週一平均約9,500人、週二到週五各約11,000人。

https://imgur.com/rfW8nM4


若把時間前後各推一個小時，

可以發現板橋區仍是移出量最大的區域，約移出10,000人，

而移入量最大的區域在上午7點至8點之間是台北小巨蛋站(G17)，

約4,000人、上午9點至10點之間時為市政府(BL18)，同樣約4,000人。

https://imgur.com/L6Qp4dp

https://imgur.com/DDrgZMn


下班時段

下班時段的人潮在下午5點開始出現，持續到晚上10點，

高峰期持續時間相對於上班時段長，出現在下午6點到10點之間，

其中下午6點到7點為最高峰，這個時段中，

與上班時段相反，人以市中心及內湖區為中心，往南、西、北方向移動。

移出量最大的區域為松江南京，約6,000人、

移入量最大的區域為板橋區，約12,000人。與上午的站點正好相反。

https://imgur.com/qEm36aI


若把時間前後各推一個小時，

可以發現板橋區仍是移入量最大的區域，

而移出量最大的區域在下午5點至6點之間是中正紀念堂站(G10)，近2,500人、

到了下午7點至8點之間時，

週二至週四為松江南京(O08)，約4,000人、

週一為市政府(BL18)，約3,800人、

週五為內湖區(包含西湖、港墘、文德、內湖、大湖公園、湖洲及東湖等7站)，

約3,700人。

https://imgur.com/9Psl1s6

https://imgur.com/bvoN1pl


假日時段

假日時段的人流變化相對於平日時段較為緩和。

進入市中心的人潮在上午10點以後開始出現，

持續到下午4點，上午10點至中午12點為高峰時段 ;

下午4點之後人流的移動趨勢反轉為移出市中心，並持續到午夜，

高峰時段為晚上9點至11點。


在下午4點以前，板橋區是主要的人流移出區域；

移入部分，上午7點到9點台北車站有2000人以上，為最大移入站點；

上午9點到11點為台北101；

上午11點到下午1點為忠孝復興；

下午1點到4點則為西門和台北車站。


下午4點以後，板橋區成為主要的人流移入區域；

移出部分，晚上6點以前為台北101，

之後到午夜前則是以台北車站及忠孝復興2站為主，詳下圖。

https://imgur.com/X83b7pF


小結

這一篇將政府2018年的捷運分時資料依照星期、時刻整理後，

再與上一篇製作的捷運服務範圍地圖結合，用來呈現台北捷運乘客在週間的移動軌跡。

在平日部分，

人流的移動趨勢可以下午3點為分界，

以前為往市中心區移動，高峰期為上午7點至10點，

移出量最大值出現在8點到9點的板橋區(共5個捷運站），移出約20,000人；

移入量最大值出現在8點到9點的松江南京，移入約11,000人。


下午3點以後，人流開始由是中心區往市區外圍移動，

高峰期出現在下午6點至10點之間，

移出量最大值出現在6點到7點的松江南京，移出約6,000人；

移入量最大值出現在6點到7點的板橋區，移入約12,000人。


假日部分，人流移動趨勢的分界出現在下午4點。

進入市區的高峰期出現在上午10點至中午12點；

離開市區的高峰期出現在晚上9點至11點。


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.44.244 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/MRT/M.1560569406.A.248.html
→ hicker: 板橋被稱為"睡城"不是沒原因呀 XD
→ hicker: 從移動軌跡也可看出 板橋是純粹睡覺的地方 工作都在台北市
→ hicker: 其實也不是有捷運才這樣 在有捷運之前 早上板橋往台北
→ hicker: 不論是華江橋 光復橋 或是台鐵 都是大塞車
→ hicker: (當時台鐵還在地面跑 所以沒有華翠橋 同時也沒有萬板橋)
→ hicker: 直到現在 通勤人潮完美轉移進捷運 四座橋早上都很好走
推 PHb787: 推分析
→ Tudo11927: 178行：下午3點移後→以後
推 gigihh: 那也難怪板橋會成為人口第一多的行政區了
推 shun01: 應該說是，作為人口第一多的行政區產生的結果吧！
→ gigihh: 不過板橋人口成長也趨緩了
推 chuegou: 板橋內提供大量工作機會 看看亞東那區未來如何
→ MarcoChieh: 不是曾經有傳聞說板橋欲直接脫離當時的北縣獨立出來!?
推 shun01: 板橋自己當省轄市是OK的
推 charlyboy: 推推
※ 編輯: unhumanWu (122.147.255.71 臺灣), 06/15/2019 14:36:39
→ ji394xu3: (哈欠) 台灣幾乎所有地方都是晚上睡覺 何止板橋 ...XD
→ ji394xu3: 至於要說早上進台北市區工作,晚上回新北市,其實也不是只
→ ji394xu3: 有板橋,中永和新店汐止...也都是,只是差別在有些地方的
→ ji394xu3: 交通工具依賴程度不同。
→ coon182: 某人在說什麼啊...
→ coon182: 靠北推錯-.-
→ ji394xu3: 根據上一次的全國普查資料來看,板橋還不是通勤台北市區
→ ji394xu3: 最明顯的地方,比例最高的是汐止與淡水,其次雙和,再次板
→ ji394xu3: 橋土城。
→ ji394xu3: 板橋也不是只有通勤台北市區,也有通勤板橋的(土城樹林每
→ ji394xu3: 天合計約1.5萬人~2萬人左右,中和有8000人上下)。
→ ji394xu3: 但也有板橋土城也有通勤中和的,每天合計約1.4萬人上下。
→ ji394xu3: 汐止通勤台北市區每天約8.5萬人。淡水約7萬人。新店約
→ ji394xu3: 7.5萬人。雙和約10萬人。板橋土城約6萬多人。(99年普查)
→ ji394xu3: 上面是指99年的預估捷運通勤需求。
推 alenn: 板橋叫睡城還真沒聽過...
推 qazthlin: 比例跟數量的差別 板橋通勤人口多但比例不是最高
推 shun01: 淡水跟汐止...都是幾乎只有一條路能進台北的地方（好吧！
→ shun01: 汐止好一點有高速公路，但也...）
→ shun01: 不過一般給人睡城印象的不是雙和或三重嗎？汐止反而台北市
→ shun01: 中心吧？那麼多辦公室的地方
推 PHb787: 汐止辦公大樓主要也就遠東世界中心跟Utown那幾棟吧...
→ shun01: 那幾棟都不是普通的大...南港經貿園區都未必有此規模了
推 ek252: https://i.imgur.com/k79GaZh.jpg 早期的統計
→ coffeemilk: 沒有聽說板橋叫睡城這種說法...
→ hicker: 現在的板橋不是睡城 但在新板特區發展前 還真的是睡城
→ hicker: (我那一整段都是在說過去 鐵路跑到地下之前的過去)
推 dogluckyno1: 推
→ coffeemilk: 住板橋30年以上了，從未聽過睡城這說法...
→ hicker: 要修正一下說法 應該說是區域性質
推 MiaoXin: 今天戶政事務所顯示板橋區555550人
推 PHb787: 那幾棟是不小啦... 但通勤到台北的人還是占了大多數 每天
→ PHb787: 尖峰時段還是大塞車
→ compuworld: 住板橋30年以上沒聽過睡城這說法+1
推 yao: 新北幾乎都是睡城XD
※ 發信站: 批踢踢實業坊(ptt.cc)
※ 轉錄者: unhumanWu (140.112.25.121 臺灣), 06/17/2019 16:50:08
→ NiChu: 用台鐵的資料來分析應該也可以找出生活圈的相關性