板橋行李寄放的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列特價商品、必買資訊和推薦清單

比較分群法處理個體選擇模式中個體偏好差異之研究

為了解決板橋行李寄放的問題，作者許峰銓 這樣論述：

進行旅運行為分析時，常使用市場區隔法將旅程決策者分群處理，其目的在於將性質相近的決策者歸為同一類，藉由分類的方式區分屬於不同分群的資料間之差異，使得屬於同一分群的決策者有較高的同質性，並且跟隸屬其他分群者有較多差異，此即市場區隔。建立市場區隔時需要使用到若干分群方法，包括由分析者根據先驗知識主觀假設不同群間之差異，也可藉由數學或統計方法之演算得出分群結果，本研究將選擇三種不同分群方法之分群結果予以比較分析，並根據分群結果建立之個體選擇模式進行討論。本研究以國道五號小客車使用者為研究對象，分別藉由面訪與網路問卷蒐集，探討其運具移轉行為資料，運用三個分別具有不同特色之分群方法，包括K-means

、隨機森林以及潛在類別模式進行分群，比較分群結果特徵與行為差異。研究結果顯示即使三個分群方法之最適分群數不盡相同，但影響分群效果之變數大致相同，其中18-29歲之學生與年輕族群和其他族群具有明顯區隔，且18-29歲族群在充分理解大眾運輸服務場站與路網資訊條件下，願意轉移至大眾運輸工具之比例較其他族群高。本研究係以隨機抽取80%之觀察資料根據分群結果分別建立個別群組之羅吉特模式，其中另以旅程出發地分別建立不限出發地模式與北北基桃模式兩組模式；參數校估後之檢定結果顯示分群模式與不分群模式有顯著差異，且分群模式中變數之顯著程度與不分群模式確有不同；而比較不同兩組分群模式內部子群模式之參數亦有顯著差異

，顯示市場區隔具有分群之效果。另外，相較於不限出發地模式，北北基桃模式之分群模式內部具顯著差異之變數更多。模式參數校估結果亦顯示非年輕族群與出發地非位於雙北、基隆、桃園之受訪者對於小客車容易有起始之偏好；家中可用車輛數越多或與家人同行亦會降低移轉至大眾運輸意願；降低使用大眾運輸所需花費的時間，包含進入國道五號前、行駛於國道五號上及離開國道五號後三段時間皆可提升受訪者移轉至大眾運輸之意願；其中針對移轉意願較高之年輕族群又可透過降低國道客運票價進一步提升其意願。本研究最後以未參與模式構建之剩餘20%資料進行模式驗證以作為模式預測能力之比較，結果顯示不限出發地模式中，K-means分群方法之平均預測

正確率約與不分群模式相等，但隨機森林與潛在類別分群方法則皆高於不分群模式；北北基桃模式中則是隨機森林分群方法之平均預測正確率略低於不分群模式，K-means與潛在類別模式分群方法則皆高於不分群模式。歸納三個分群方法之特徵區分能力、運具移轉意願比例之差異、不限出發地模式與北北基桃模式之分群模式內部具顯著差異參數個數、分群模式自我驗證平均正確率及分群模式預測平均正確率，本研究認為以潛在類別模式與隨機森林分群較優於K-means分群法。