我國公共運輸系統長年以來多仰賴政府補貼，以東部地區為例，地形狹長、居住人口數偏低且聚落分散，客運業者經營不易且績效不彰，即使是人口相對較為聚集之花蓮市區，多數公路公共運輸路線路網設計單調且多為重複路線，服務頻率亦偏低。有鑑於此區域內站牌分布及路線設計長年未配合需求進行調整，本研究特發展量化模式，希冀能透過檢視花蓮市區周邊之公共運輸路線與站牌分佈，進行站牌分區與路線整合設計，提供更具效率之公共運輸服務路線與更密集之服務班次，逐漸提昇花蓮地區之公共運輸服務水準。
研究方法大致分為以下步驟: (1)既有站點重新分群、(2) 根據站點分群結果，以最小化實際距離進行TSP優化，決定路線的繞行順序、(3) 檢查是否需要再次分群(是否超過業者建議之路線長度上限)、(4)分析不同的發車頻率，計算所對應的各項成本、(5)探討不同的延車公里搭車人數(平均載客量)對乘客成本的影響、(6)分析並比較各項方案與政府所提方案之總成本差異。總成本包含業者層面的營運成本、車輛折舊成本與場站設置成本，以及使用者層面的乘客起站等車時間成本、轉車等車時間成本、轉車次數成本與車輛外部成本。
本研究透過集群分析之K-means分析法，將公車站點進行初步分群，站點之間距離較靠近者歸被為同一族群，此步驟目的為避免重新設計之路線總距離過長(業者建議花蓮市區單一路線以不超過19.2Km為原則)。針對花蓮市區附近站點數量過多進行第二階段的K-means分群，將旅行員銷售問題的概念納入路線規劃，最小化路線繞行的行駛總距離。
接著以評估總系統成本進行方案之間優缺點之衡量標準，並同時與即將實施之低碳計劃路線進行比較，瞭解該計劃未透過最佳化進行路線規劃，與本研究之路線方案有些差距，低碳計劃路線總距離最長但是涵蓋站點數卻非至多，而本研究方案C包含站點較多且總距離也較少，因此，透過總成本的衡量更可以明顯發現低碳計劃之路線還有許多改善之處，同時得知適切考慮使用者角度之成本之於系統總體成本而言相當重要，偏頗的衡量將忽略乘客之利益。

Public transit systems are key contributors to entire regional transportation performance, which can effectively improve the utilization of existing transit transportation infrastructure, reduce the usage of private vehicles, decrease traffic accidents of young adults and seniors, and reduce greenhouse gas emissions, fuel consumption, and traffic congestion.
There are six steps of the research method: (1) Re-organize existing sites, (2) According to the results to minimize the actual distances are optimized by TSP Algorithms, to decide route sequence, or (3) If distances of routing is too long to re-clusters (whether the upper limit of the route length suggested by the bus company is exceeded), (4) Analyze with different frequency of departures ,to evaluating the total system costs , (5)When there are different number of passengers (average capacity of passenger) , and explore the impact of passenger costs , (6) Analyze and compare the total cost difference between each case and the government new routing plan.
According to evaluating the total system costs, we find that the total distance of government new routing plan is the longest one. However, the proposed route of Case C in this paper includes the most number of stops with even shorter total distances.
Therefore, we understand that there are many improvements to the new routing plan by government with the total cost, and it is important to consider the cost of the user's perspective properly in terms of the overall cost. The biased measure will ignore the interests of the passengers.

摘要 I
Abstract III
目錄 V
圖目錄 VII
表目錄 IX
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 4
1.3 研究範圍 5
1.4 研究流程 6
第二章 文獻回顧 9
2.1 公共運輸網路設計 9
2.1.1 路網規劃以及排班設計之研究 9
2.1.2 排班設計之研究 14
2.1.4 小節 17
2.2 集群分析相關文獻 18
2.3 小節 19
第三章 研究方法 25
3.1 研究問題 25
3.2 模型建構 27
3.2.1 研究模型假設 29
3.2.2 參數設定 30
3.2.3 模型建立 31
第四章 案例分析 35
4.1 花蓮縣公路客運現況分析 35
4.2 花蓮縣站點集群分析 39
4.3 GA-TSP在Matlab平台執行結果 53
4.4 花蓮市站點集群分析 63
4.5 Lingo-TSP結果 67
4.6 評估系統總成本之模式 74
4.7 本研究方案與低碳計畫成本比較 76
第五章 結論與建議 95
5.1 結論 95
5.2 管理意涵 100
5.2.1 客運業者方面 100
5.2.2 政府方面 101
5.3 未來研究建議 101
參考文獻 103

朱正祺(民 85)。高速公路城際客運轉運操作最佳化模式之構建與求解。國立交通大學交通運輸研究所碩士論文，未出版，新竹市。
李明潔與邱裕鈞(民 103)。國道客運轉運區位、路線與排班之最佳化模式。國立交通大學運輸與物流管理學系碩士論文，未出版，新竹市。
邱裕鈞(民 89)。線性軸福路網接駁轉運最適整合模式之研究。國立交通大學交通運輸研究所博士論文，未出版，新竹市。
張國振(民 93)。城鄉客運營運路線之規劃與設計－遺傳演算法之應用。國立暨南國際大學土木工程學系碩士論文，未出版，南投縣。
陳昱豪與李克聰(民 92)。公路客運轉運站最適規模與服務策略之規劃設計。逢甲大學交通工程與管理學系碩士論文，未出版，台中市。
游政霖與周義華(民 85)。城際客運轉車系統路線設計之研究。國立台灣大學土木工程學系研究所碩士論文，未出版，台北市。
歐信宏與魏健宏(民 91)。國道客運轉運系統車輛排班模式之研究。國立成功大學交通管理科學研究所碩士論文，未出版，台南市。
Amiripour, S., Ceder, A., Mohaymany, A. (2014). Designing large-scale bus network with seasonal variations of demand. Transportation Research Part C 48, pp.322-328.
Arimond, G. and Elfessi, A. (2001). A Clustering Method for Categorical Date in Tourism Market Segementation Research. Journal of Travel Research, vol.39,Issue4, pp.391-397.
AykinT. (1995). Networking policies for hub-and-spoke systems with application to the air transportation system. Transportation Science, vol.29,Issue3, pp.201-221.
Chang, S. K. and P.M. Schonfeld. (1991a). Multiple period optimization of bus transit system. Transportation Research, vol.25B,No6, pp.453-478.
Chang, S. K. and P.M. Schonfeld. (1991b). Optimization models for comparing conventional and subscription bus feeder services. Transportation Science, vol.25,No4, pp.281-298.
Chew, J., Lee, L., Seow, H. (2013). Genetic Algorithm for Biobjective Urban Transit Routing Problem. Journal of Applied Mathematics, 15 pages.
Ciaffi, F., Cipriani,E. and Petrelli, M. (2012). Feeder bus network design problem:a new metaheuristicprocedure and real size applications. Social and Behavioral Sciences, 54, pp.798-807.
Dobson, G. and Lederer, P. J. (1993). Airline scheduling and routing in a hub-and-spoke system. Transportation Science, vol.27, pp.281-297.
HurdleH.V. (1973). Minimum cost schedules for a public transportation route-I. theory. Transportation Science, vol.7,No 2, pp.109-137.
JanssonO.J. (1980). A simple bus line model for optimization of service frequency and bus size. Journal of Transport Economics and Policy, vol.14,No1, pp.523-536.
Martins C. L. and Vaz Pato M. (1998). Search strategies for the feeder bus network design problem. Europea Journal of Opreational Resaerch 106, pp.425-440.
NewellF.G. (1971). Dispatching policies for a transportation route. Transportation Science, vol.5,No 1, pp.91-105.
OkazakiS. (2006). What do We Know about Mobile Internet Adopters? A Cluster Analysis. Information and Management, vol.43, pp.127-141.
Punj, G and Stewart, D.W. (1983). Cluster Analysis in Marketing Research: Review and Suggestion for Appication. Journal of Marketing Research, vol.20, pp.134-148.
SalzbornJ. M.F. (1972). Optimum bus scheduling. Transportation Science, vol.6,No 2, pp.137-148.
Shih C.M. (1994). A Design Methodology for Bus Transit Rout Networks with Coordinated Operations. PhD. Dissertation, The University of Texas at Austin.