71 /342
臺大管理論叢
第
27
卷第
2S
期
71
依據所有資料點與每一個集群中心點的距離，將所有的資料點分配到各自最接近的集
群。然後再從新產生的每一個集群中，找的新的集群中心點，並依照新產生的集群中
心點來從新分配所有的資料點。此步驟會反覆執行到每一個集群中心都不再改變為
止。如以下公式：
(2)
其中
u
i
是
Si
集群的中心點。
本研究將台灣大車隊所提供的大量
GIS
資料，藉由
MySQL
撰寫
Java
程式碼進行
資料轉換與分析，最後再將演算成果進行輸出。另外本研究再以「空車繞行距離」、
「定點候車的平均時間」兩種最關鍵的變數進行集群分類的基礎。主要的原因是空車
繞行距離代表駕駛的找尋客人的範圍，代表駕駛空間構面；定點候車的平均時間代表
駕駛找尋客人的行為模式，也代表駕駛時間構面。兩者足以初步判斷駕駛的工作模式、
找尋客人的方式。其他的次要變數，用於輔助說明及支撐分群的準確性。
在本研究中，空中排班點所提供的服務庫存概念是提升司機“回應速度”。空中
排班點的背後是一巨量資料
(Big Data)
，車隊透過巨量資料的分析，提供可能的需求
發生地點，利用誘因（例如：提供司機載客機會大的需求點）來限縮司機位置、繞行
距離，以增加司機回應速度並降低服務庫存移動的總成本，最主要是解決供需之間的
資訊不對稱問題。而空中排班點得以讓司機在需求點庫存，待需求發生，即時因應需
求。也就是說，空中排班點所提供的服務庫存概念是一種「分享經濟」，利用
Big
Data/Cloud/Mobile App
的資料分析，服務在資訊透空之後，產生有效率的媒合，來解
決供給與需求雙方的「資訊不對稱」。
三、研究變數說明
（一）司機尋客繞行行為
司機行為資料中，萃取
300
位司機連續
12
天的駕駛行為紀錄，並針對「空車繞行
距離」、「定點候車的平均時間」、「定點候車比率」、「時間規律性」、「空間規
律性」及「每天工作時數」變數進行資料運算。各變數之定義及其運算公式說明如下：
1.
空車繞行距離
(S)
：為了計算司機偏好空車巡迴的距離長短。本研究取出
12
天空車
次數，加總空車次數的繞行距離的長邊
(L)
與寬邊
(W)
，再取平均，公式如
(3)
所
示。但若圖形面積是窄邊，短邊至少會取長邊的
10
分之一，避免繞行面積被低估。
例如：若
A
司機一天中若有三次空車繞行（如圖
1
所示），第一次的長度是
20
公里、