文／彭琬馨

你對大數據的想像是什麼？當全世界都在用 Big Data 找商機、研究如何修正策略進行精準行銷時，有一群人看見的是如何透過大數據解決問題。在為期四天的 2016 台灣資料科學愛好者年會中，除了雲端服務、物聯網、電商，這些亟需資料科學家分析使用者時刻生產出的龐大數據資料外，還有另一個重要討論主軸是如何利用科技回應／解決城市發展需求。

系統性整合現有資訊，提供車主即時精準的停車訊息

想停車找不到停車位？如果你總有不得不的理由在尖峰時段的台北市開車，一定對這樣的情況心有戚戚焉。車主對即時停車動態的需求無所不在，市面上能有效率解決車主龐大需求的應用程式服務卻很稀少。停車大聲公其實不是市面上第一支跟停車相關 APP，卻能在幾個月內創下上萬的 APP 下載次數，創造不同的秘訣就在於將現有資訊進行系統性整合。

團隊實地走訪各公營民營停車場，將目前散落各處的訊息有系統的資訊化；補足地圖資訊後，停車大聲公做的第二件事，是實地讓使用者參與使用，透過使用者回報提供更精準的資料品質，要使用者幫忙找錯的想法聽起來荒謬，公司創辦人兼執行長余致緯卻說，「只要有 1% 的車主回饋，就能提供剩下的 99% 更多資訊」；在資料科學領域中，能分析資料不稀奇，如何建立模型、透過機器學習自動分析預測未來資料，是技術端最困難的階段，余致緯說，團隊在實地探訪階段，掌握各停車場的平均停車情況，藉此推估周遭停車場屬性來建立預測模型。

當然，預測一定會出錯，為了讓系統即時修正錯誤訊息，停車大聲公針對使用者回饋參數進行強化，讓系統能快速將第一線使用經驗納入預測模型中，藉此縮小現況與系統差距。

公車動態系統優化：如何整併不同系統的非結構化資料

停車問題只是都市交通的其中一環，「即時精準」在大眾運輸的應用，體現在公車動態系統的修正。曾協助台中市政府進行公車路線優化的交大運輸與物流管理學系副教授王晉元提到，要處理一年 36 億筆、約 477G 的公車資料量，最大問題在於如何整合不一致的系統資料。舉例來說，就算是同一條路線，公車動態和電子票證的站牌數、站名都沒有統一，導致系統在後端整合遇到很大的困難，此時就需要以人工判定應該優先擷取哪部分資料。資料整合後有什麼優點？王晉元透過電子票證掌握實際載客量，加上客運公司提供的公車座位供給數量，藉此了解每條路線上的每台公車，在不同時段、不同區段中的使用效率，以此建議公司在某些時段增加／減少公車班次。

在失敗中找方法 重新定義資料塑模

同樣情況也出現在另一個案例分享，創代科技公司的創辦人兼執行長闕嘉宏，以自身協助交通部執行 PTX 資料交換平台的經驗提到，原先希望整合陸海空三方交通訊息、以提供更良好大眾運輸服務的想法，卻在剛開始就面臨資料不精確、不一致的情況，「失敗經驗才值得學習」，闕嘉宏從錯誤中找到解決方法，重新認識如何進行資料標準定義與塑模，讓不同系統、名稱不一致的資料能進行整合，並將系統化後的資料全數上網公開，「資料公開兩天後，就有國外業者完成全台的旅遊運輸規劃」。想像下回你從機場出關後，就有自動導航系統提供各種交通工具的搭配組合，讓你不用花費時間找出最省時間的交通方案，有多麼美好！

參考資料：

• 闕嘉宏／我在智慧交通資料解析的失敗歷程
• 余致緯／用數據解決都會城市的停車問題
• 王晉元／數據分析在運輸管理之應用