110 高普考高考三級 交通技術 運輸規劃學 考古題詳解

核心觀念

本題考查運輸規劃中「交通資料」的種類、傳統交通調查方法，以及手機信令與 GPS 大數據在交通資料蒐集上的應用比較。

運輸規劃所需資料，主要可分為：

1. 交通供給資料：道路、路網、車道數、道路容量、速限、號誌、停車設施、大眾運輸路線與班次等。
2. 交通需求資料：旅次起訖點（Origin-Destination, O-D）、旅次數量、旅次目的、運具選擇、出發時間、到達時間等。
3. 交通運行資料：交通量、車種組成、行車速度、旅行時間、壅塞程度、延滯、事故等。
4. 社會經濟資料：人口、家戶數、所得、就業人口、車輛持有數、土地使用及活動強度等。

其中，交通需求資料常透過旅次產生、旅次分布、運具選擇及交通指派等程序，作為運輸規劃模式的輸入資料。交通調查的目的，即是建立現況交通需求與交通運行狀況，供交通分析、預測及方案評估使用。

本題不涉及特定法條或計算公式；法規適用問題依題意並無須援引。

---

解題方法

答題宜採取三段式架構：

1. 先說明運輸規劃基本交通資料的內容。
2. 再列出三種傳統調查方法，說明調查方式及可取得資料。
3. 最後以「資料特性、空間時間解析度、成本、代表性、隱私及資料品質」等面向，比較傳統調查與手機信令、GPS 智慧判讀方法。

---

一、運輸規劃之基本交通資料

（一）交通量與交通流資料

包括：

• 路段及路口交通量
• 尖峰、小時及日交通量
• 車種組成
• 行車速度
• 旅行時間
• 延滯及排隊長度
• 路口轉向量
• 大眾運輸搭乘量

交通量資料可用於道路容量分析、服務水準評估、號誌設計及壅塞分析。

（二）起訖點資料

即 O-D 資料，記錄旅次的出發地與目的地，可進一步分析：

• 各交通分區間的旅次量
• 旅次流向
• 內部旅次、外部旅次及穿越旅次
• 不同時段的旅次分布
• 不同運具的 O-D 流量

O-D 資料是旅次分布、運具選擇及交通指派的重要基礎。

（三）旅次特性資料

包括：

• 旅次目的：通勤、就學、商務、購物、休閒等
• 旅次發生時間
• 旅次頻率
• 旅次起訖地點
• 旅次所使用的運具
• 轉乘情形
• 旅次旅行時間
• 旅次費用
• 駕駛人及乘客人數

這些資料可用於分析不同族群的交通行為及運具選擇。

（四）交通供給資料

包括：

• 道路幾何條件
• 車道數與車道寬度
• 道路等級
• 速限
• 路口型式與號誌控制
• 公車路線、站位與班次
• 軌道運輸路線與班距
• 停車場位置、容量與費率
• 道路容量及服務水準

（五）社會經濟與土地使用資料

包括：

• 人口及家戶數
• 年齡、所得與就業情形
• 車輛持有數
• 學校、商業區、工業區及住宅區分布
• 土地使用強度
• 建築樓地板面積
• 就業及活動人口

此類資料常作為旅次產生及交通需求預測的解釋變數。

---

二、傳統上最常用的三種交通調查方法

（一）交通量調查

1. 調查方式

在道路路段、路口或特定斷面，以人工、攝影、感應線圈、雷達或其他計數設備，記錄通過該地點的交通流量。

調查時通常依時間區分為：

• 全日交通量
• 尖峰小時交通量
• 平日與假日交通量
• 早尖峰與晚尖峰交通量

2. 調查內容

主要包括：

• 各方向交通量
• 各進出口及轉向交通量
• 車種組成
• 小客車、機車、貨車及大型車數量
• 時間分布
• 速度
• 車頭時距
• 排隊長度及延滯

路口調查通常特別重視直行、左轉及右轉交通量，因為這些資料直接影響號誌時制及路口容量分析。

3. 優點與用途

交通量調查具有操作簡單、資料容易量化、適合大範圍布點等優點，可用於：

• 道路容量分析
• 路口號誌設計
• 服務水準評估
• 交通指派校估
• 壅塞及交通改善前後比較

4. 限制

交通量調查通常只知道「某一斷面通過多少車」，無法直接知道每輛車的完整起點、目的地、旅次目的及個人特性。因此，單獨使用交通量資料難以完整建立 O-D 矩陣。

---

（二）路邊訪問調查

1. 調查方式

在道路路邊、檢查站、停車場出入口或特定交通節點攔停車輛，由調查員訪問駕駛人或乘客，取得旅次資訊。

為降低對交通流的干擾，通常採抽樣方式進行，並配合交通量資料進行推估。

2. 調查內容

常見內容包括：

• 車輛目前所在地
• 旅次起點與目的地
• 旅次目的
• 使用運具
• 出發時間
• 預計到達時間
• 旅行頻率
• 車內人數
• 是否為本地車輛
• 行經路線
• 停留地點
• 貨車載運貨物種類及重量

3. 優點

路邊訪問調查具有下列優點：

• 可直接取得 O-D 資料
• 可詢問旅次目的與行程資訊
• 可取得交通量調查無法觀察的個人回答資料
• 適合調查穿越性交通、外地車輛及特定走廊交通

4. 限制

其限制包括：

• 攔停車輛會造成交通干擾及壅塞
• 調查成本高且需要較多人力
• 受訪者可能拒答或回答不完整
• 調查時段通常有限，難以涵蓋全年及所有時段
• 受訪者可能因記憶或理解偏差而產生誤差

---

（三）家戶訪問調查

1. 調查方式

以家戶為抽樣單位，透過面訪、電話、紙本問卷或網路問卷，調查家戶成員在特定基準日或調查期間的所有旅次。

家戶調查通常採分層抽樣，依行政區、交通分區、家戶型態或所得等條件抽取樣本，再依抽樣權重推估母體。

2. 調查內容

常見內容包括：

• 家戶人口數
• 年齡及職業
• 所得
• 車輛及機車持有數
• 家戶居住地
• 每位成員的出發地與目的地
• 旅次目的
• 出發及到達時間
• 使用運具
• 轉乘情形
• 旅行時間
• 旅次頻率
• 未滿足的交通需求

3. 優點

家戶訪問調查可取得完整的旅次鏈資訊，並可同時掌握旅次與社會經濟特性，適合用於：

• 旅次產生分析
• 旅次分布分析
• 運具選擇分析
• 家戶交通行為研究
• 運輸需求模型建構
• 社會公平及交通弱勢族群分析

4. 限制

其限制包括：

• 調查成本高、週期長
• 受訪者可能漏報短程旅次
• 回憶誤差及填答誤差明顯
• 回收率下降會造成樣本代表性問題
• 調查結果多屬特定日期或期間，難以反映即時交通變化
• 隱私及個人資料保護要求較高

---

三、手機信令及 GPS 智慧判讀方法

（一）手機信令資料

手機在與基地台進行通訊、位置更新、通話、簡訊或行動數據傳輸時，會留下基地台連線紀錄。透過連續手機信令，可判讀使用者的：

• 大致位置
• 移動方向
• 停留地點
• 停留時間
• 移動路徑
• 可能的居住地及工作地
• 區域間移動量
• 交通分區間 O-D 旅次

手機信令通常是以基地台涵蓋範圍判定位置，因此空間精度受基地台密度影響。在市區通常較佳，在郊區、高速公路及山區則可能較粗略。

（二）GPS 資料

GPS 資料可來自：

• 車載 GPS
• 智慧型手機定位
• 導航軟體
• 物流車隊
• 計程車車隊
• 共享運具
• 具定位功能的穿戴裝置

透過連續定位點與地圖匹配技術，可判讀：

• 精細移動軌跡
• 行駛路線
• 行車速度
• 旅行時間
• 停留時間
• 路口延滯
• 轉向行為
• 壅塞路段
• 交通事件影響

GPS 的定位精度通常高於手機基地台信令，但實際效果仍受裝置、訊號環境、取樣頻率及地圖匹配品質影響。

核心觀念

四步驟旅運需求預測程序通常包括：

1. 旅次發生與吸引：估計各分區產生旅次數與吸引旅次數。
2. 旅次分布：將產生旅次分配至各目的地，形成起迄矩陣。
3. 運具選擇：依時間、費用、舒適性及所得等因素，決定各起迄旅次使用不同運具的比例。
4. 交通量指派：將各運具旅次分派至路網，估計路段流量、旅行時間及壅塞程度。

傳統四步驟法採取「前一步驟完成後，再將結果交給下一步驟」的循序方式，因此容易產生介面不一致。例如：

• 旅次分布使用的區間旅行時間，與交通量指派後因壅塞產生的實際旅行時間不同。
• 運具選擇使用的旅行成本未充分反映路網壅塞。
• 旅次發生、分布及運具選擇彼此獨立估計，造成總旅次量、起迄分布及運具比例彼此不協調。

因此，本題重點在於說明如何降低四步驟間的資訊落差，使預測結果更接近運輸系統的均衡狀態。

---

改進方法一：建立回饋迭代程序

最直接且有效的方法，是在旅次分布、運具選擇與交通量指派之間建立回饋迴路，反覆更新各步驟所使用的旅行時間與旅行成本。

一、基本作法

先依初始路網成本進行四步驟預測，取得指派後的路段流量，再依容量限制與壅塞函數計算新的路段旅行時間：

$$t_a=t_a^0\left[1+\alpha\left(\frac{v_a}{c_a}\right)^\beta\right]$$

其中：

• $t_a$：路段 $a$ 的壅塞後旅行時間；
• $t_a^0$：路段 $a$ 的自由車流旅行時間；
• $v_a$：路段流量；
• $c_a$：路段容量；
• $\alpha,\beta$：壅塞函數參數。

再將新的旅行時間回饋至旅次分布及運具選擇模型，重新計算起迄旅次、運具比例，最後再次進行交通量指派。

二、迭代流程

$$\text{初始旅行時間} \rightarrow \text{旅次分布} \rightarrow \text{運具選擇} \rightarrow \text{交通量指派} \rightarrow \text{更新旅行時間} \rightarrow \text{再計算}$$

持續迭代至前後兩次的旅行時間、路段流量或起迄矩陣差異小於預先設定的收斂標準。例如：

$$\max_a\left|t_a^{(k)}-t_a^{(k-1)}\right|<\varepsilon$$

其中 $k$ 表示第 $k$ 次迭代，$\varepsilon$ 為容許誤差。

三、改善效果

此方法能使：

• 旅次分布所使用的阻抗接近指派後的實際旅行時間；
• 運具選擇所使用的旅行成本反映道路壅塞；
• 交通量指派結果與旅客選擇路徑、目的地及運具的決策相互一致；
• 預測結果逐漸接近交通需求與路網供給的均衡狀態。

此種作法又可稱為「回饋程序」、「迭代程序」或「平衡程序」。其核心不是只將指派結果作為最後輸出，而是將壅塞後成本回傳至前端模型。

---

改進方法二：採用整合式或同時性需求模式

第二種方法是將原本分離的步驟加以整合，建立聯立或同時估計的模式，使旅次分布、運具選擇與路網指派不再完全獨立處理。

一、傳統循序模式的問題

傳統模式通常先決定目的地，再決定運具，最後決定路徑。但實際旅客決策具有相互影響關係：

核心觀念

本題考查動態交通量指派（Dynamic Traffic Assignment, DTA）的兩大建模路線：

1. 分析性方法（analytic approach）
2. 模擬性方法（simulation-based approach）

靜態交通量指派（Static Traffic Assignment, STA）通常以一段分析期間內的總流量與平均旅行時間為基礎，假設流量在分析期間內以穩定狀態存在，無法表現：

• 車輛於各時段進入路網的時間差異；
• 尖峰期間壅塞的形成、消散與回堵；
• 車輛在路段間的流量傳導；
• 不同出發時間所造成的旅行時間差異；
• ATIS 或動態路線導引對交通流的即時影響。

DTA則以時間為主要分析軸，將交通需求表示為出發時間函數，並以交通流在路網中的動態傳播過程計算各路徑、路段及時段的流量與旅行時間。

---

一、DTA的基本數學概念

1. 動態需求

在靜態指派中，起訖點對 $(r,s)$ 的需求通常表示為單一數值 $q_{rs}$；在DTA中，需求須依出發時間表示：

$$q_{rs}(t)$$

其中 $q_{rs}(t)$ 表示時間 $t$ 從起點 $r$ 出發前往終點 $s$ 的車流率。

若以路徑 $k$ 表示起訖點對 $(r,s)$ 的一條可行路徑，則路徑流量為：

$$h_k(t)$$

並須符合動態需求守恆：

$$\sum_{k\in K_{rs}}h_k(t)=q_{rs}(t)$$

2. 路段流量與旅行時間

設路段 $a$ 在時間 $t$ 的進入流量為 $u_a(t)$，離開流量為 $v_a(t)$，則路段內車流須滿足流量守恆：

$$\frac{\partial n_a(t)}{\partial t}=u_a(t)-v_a(t)$$

其中 $n_a(t)$ 為路段內車輛數。

路段旅行時間不再只是流量的靜態函數，而是與出發時間及整個路網的交通狀態有關：

$$\tau_k(t)=\tau_k\bigl(t,h\bigr)$$

其中 $\tau_k(t)$ 表示於時間 $t$ 出發，行經路徑 $k$ 所需的旅行時間。

3. 動態使用者均衡

動態使用者均衡（Dynamic User Equilibrium, DUE）的核心是：在已知交通需求及路網條件下，使用者無法藉由單獨改變路徑或出發時間而降低旅行成本。

若路徑 $k$ 在時間 $t$ 被使用，其廣義成本須等於該起訖點對的最低成本：

$$C_k(t)=\pi_{rs}$$

未被使用的路徑則須滿足：

$$C_k(t)\geq \pi_{rs}$$

其中 $C_k(t)$ 可包含旅行時間、行程延誤、收費及轉乘成本；$\pi_{rs}$ 為起訖點對 $(r,s)$ 的最低動態成本。

相較之下，動態系統最適（Dynamic System Optimum, DSO）是從整體路網角度，使總旅行成本最小：

$$\min \; Z=\sum_a\int C_a\bigl(x_a(t),t\bigr)\,dt$$

DUE偏重個別用路人的選擇，DSO則偏重整體路網效率。

---

二、分析性動態交通量指派模型

1. 基本觀念

分析性方法是將交通流的移動與壅塞演化，以數學方程式、最佳化模型、變分不等式或數值離散方式描述。模型先建立交通流的運動規則，再透過方程式求出路段流量、路徑流量、旅行時間及均衡狀態。

常見分析工具包括：

• 動態流量守恆方程式；
• 路段旅行時間函數；
• 變分不等式（Variational Inequality, VI）；
• 非線性規劃；
• 最佳控制；
• 時空網路（time-space network）；
• 動態使用者均衡模型；
• 宏觀交通流模型，如LWR模型；
• 離散時間、離散路段的細胞傳輸模型（Cell Transmission Model, CTM）。

2. 交通流傳導的描述

分析性模型通常以宏觀流量描述交通狀態，例如密度、流率及速度之間的基本關係：

$$q_a(t)=k_a(t)v_a(t)$$

其中：

• $q_a(t)$：路段流率；
• $k_a(t)$：路段密度；
• $v_a(t)$：平均速度。

宏觀交通流理論可用偏微分方程式描述車流在路段上的傳遞：

$$\frac{\partial k_a(x,t)}{\partial t} + \frac{\partial q_a(x,t)}{\partial x} =0$$

此式代表路段內車輛數的守恆。當上游進入流量大於下游可排出流量時，密度增加並形成壅塞；下游容量恢復時，壅塞波向上游消散或退移。

在離散模型中，路段可切割為許多細胞，依據每一時間間隔的流量轉移更新車輛數：

$$n_i(t+\Delta t) = n_i(t)+y_{i-1}(t)-y_i(t)$$

其中 $n_i(t)$ 為細胞 $i$ 內的車輛數，$y_{i-1}(t)$ 與 $y_i(t)$ 分別為進入及離開該細胞的車流量。

3. 分析性DTA的求解觀念

分析性DTA通常採取下列程序：

1. 將每日交通需求依出發時間切分為不同時段或連續時間流。
2. 建立路段容量、自由流旅行時間、壅塞延滯及轉向限制。
3. 依交通流守恆與路段傳導方程式，計算每一時段的路段進入流量、離開流量與排隊長度。
4. 由路徑組合路段成本，求得各條路徑在各出發時間的動態旅行成本。
5. 依DUE、DSO或其他均衡條件調整路徑及出發時間流量。
6. 反覆計算，直到路徑成本與流量分配符合均衡條件。

若採變分不等式表示，求解目標可概念化為尋找路徑流量 $h^*$，使：

$$\sum_{k}\int C_k(t,h^*) \left[h_k(t)-h_k^*(t)\right]dt\geq 0$$

對所有滿足需求守恆的可行流量 $h$ 均成立。

4. 分析性方法的優點

（1）理論結構清楚

分析性模型能明確表達需求、容量、旅行時間、排隊、流量守恆及均衡條件，適合進行理論分析與政策評估。

（2）計算效率較高

宏觀模型不需逐一模擬每輛車，適合處理大型路網、長時間分析及大量政策情境。

（3）容易進行最佳化與敏感度分析

可直接分析道路容量、號誌控制、匝道儀控、收費、車道配置及需求變化對系統效率的影響。

（4）結果較容易解釋

模型輸出通常包括路段流量、旅行時間、排隊長度、總延滯及系統總成本，適合做規劃報告及政策比較。

（5）適合均衡與最適問題

DUE、DSO、動態收費及容量配置等問題，均可用數學規劃或變分不等式架構處理。

5. 分析性方法的缺點

（1）假設較多

為了使模型可以求解，常須簡化駕駛行為、跟車行為、換道行為、事故影響、號誌反應及路口運作。

（2）難以描述個體差異

宏觀流量通常以平均速度、平均密度及平均旅行時間描述，無法充分表現不同駕駛者的反應差異。

（3）路口及複雜交通控制的表現受限

對於號誌時制、轉向衝突、車道變換、織流區、匝道合流及交叉口排隊，分析模型往往須額外簡化。

（4）均衡求解可能困難

DUE通常具有非線性、非凸性及時間相依性，且路徑數量隨路網規模快速增加，可能產生多重均衡解或計算收斂問題。

（5）對模型校估要求高

容量、自由流速、瓶頸位置、排隊規則及流量傳導參數若設定不當，模型結果會與實際交通狀況產生差異。

---

三、模擬性動態交通量指派模型

1. 基本觀念

模擬性方法是建立一個虛擬路網，依時間逐步推演車輛進入、行駛、排隊、換道、轉向及離開路網的過程，再由模擬結果估計交通流量與旅行成本。

模擬性DTA通常包含兩個主要部分：

• 交通流模擬器或動態網路載入（Dynamic Network Loading, DNL）；
• 路徑選擇與流量更新機制。

DNL的功能是：在給定路徑流量及出發時間分配後，模擬車流在路網中的運動，產生每輛車或每一類車輛的行程時間、路徑流量及路段交通狀態。

核心觀念

本題考查個體旅運需求模型的三個重點：

1. 以個人或家庭為分析單位，解釋旅運者如何在不同方案中進行選擇。
2. 以效用最大化與隨機效用理論建立選擇模型。
3. 說明偏好資料的調查方式，以及羅吉特模型的參數顯著性、模型配適度與選擇預測能力。

個體旅運需求模型（disaggregate travel demand model）與傳統總體模型不同。傳統總體模型以交通分區、人口或所得總量進行分析；個體模型則直接分析個人、家庭或旅次的選擇行為，因此能納入個人社經特性、旅次目的、時間價值及方案屬性等因素。

---

一、個體旅運需求模型之架構

（一）分析單位與選擇方案

個體旅運需求模型的基本分析單位包括：

• 個人
• 家庭
• 家戶
• 單一旅次
• 旅運者在特定情境下的選擇行為

首先界定決策者所面對的選擇集合 $C_n$。例如通勤者的運具選擇集合可能包括：

$$C_n=\{\text{小客車、機車、公車、捷運、步行}\}$$

若研究目的為目的地選擇，選擇集合則可能是不同商業區；若研究目的為出發時間選擇，選擇集合則是不同時段。

（二）隨機效用理論

假設個體 $n$ 選擇方案 $i$ 時所獲得的效用為：

$$U_{in}=V_{in}+\varepsilon_{in}$$

其中：

• $U_{in}$：個體 $n$ 選擇方案 $i$ 的總效用
• $V_{in}$：可觀察效用，取決於方案及個體特性
• $\varepsilon_{in}$：不可觀察效用，代表偏好差異、資料遺漏及隨機因素

可觀察效用通常表示為：

$$V_{in}=\beta'X_{in}$$

其中 $X_{in}$ 包括：

• 旅行時間
• 旅行成本
• 等候時間
• 轉乘次數
• 舒適性
• 可靠度
• 個人所得
• 年齡、性別、職業
• 汽機車持有情形
• 旅次目的

個體選擇效用最高的方案：

$$i=\arg\max_{j\in C_n}U_{jn}$$

因此，模型並非直接預測「一定選擇哪一種運具」，而是計算個體選擇各方案的機率。

（三）選擇機率

若各方案的隨機誤差項服從獨立且相同的極值分配，即可導出多項羅吉特模型：

$$P_{in} = \frac{\exp(V_{in})} {\sum_{j\in C_n}\exp(V_{jn})}$$

其中 $P_{in}$ 為個體 $n$ 選擇方案 $i$ 的機率。

模型估計後，可將所有個體的選擇機率加總或加權，推估市場占有率、運具分配比例及政策方案下的旅運量：

$$\widehat{Q_i}=\sum_{n=1}^{N}P_{in}$$

這就是個體模型由「個體選擇」推估「總體需求」的基本架構。

（四）決策層級架構

個體旅運需求模型可依旅運決策的先後順序，建立階層式架構，例如：

1. 是否產生旅次
2. 旅次目的選擇
3. 目的地選擇
4. 出發時間選擇
5. 運具選擇
6. 路線選擇

實務上可建立巢式羅吉特模型（nested logit model），將具有相近特性的方案置於同一巢內，例如先選擇私人運具或大眾運輸，再選擇小客車、機車、公車或捷運。

---

二、個體旅運需求模型在交通領域之適用範圍

（一）運具選擇

分析旅運者在小客車、機車、公車、捷運、鐵路、計程車及步行等方案間的選擇。

適用政策包括：

• 大眾運輸票價調整
• 停車費及道路使用費
• 公車專用道
• 捷運新線通車
• 汽機車持有成本改變
• 運具旅行時間及可靠度改善

（二）目的地選擇

分析個人前往不同商業區、工作地點、休閒地點或服務設施的選擇。

模型可評估：

• 新設購物中心對旅次的吸引效果
• 商業區開發對交通量的影響
• 公共設施區位改變
• 工作地點與居住地點的空間選擇

（三）出發時間選擇

分析旅運者選擇尖峰、離峰或不同時段出發的行為。

適用於：

• 尖峰差別費率
• 彈性工時
• 擁擠費
• 大眾運輸班次調整
• 道路壅塞管理

（四）路線選擇

分析駕駛人或乘客在不同路線間的選擇，可納入：

• 行駛時間
• 距離
• 收費
• 壅塞程度
• 事故風險
• 路線可靠度

（五）旅次產生與旅次鏈

個體模型可分析個人或家庭是否產生旅次、產生多少旅次，以及通勤、購物、接送等旅次活動的組合。

（六）新運輸系統與政策評估

特別適合評估具有下列特性的政策：

• 尚未存在的新運具
• 新增收費制度
• 新服務型態
• 服務品質改善
• 票價、時間及舒適性同時改變
• 不同使用者受到差異化影響的政策

此類政策通常缺乏既有觀察資料，必須透過偏好調查建立需求模型。

（七）適用限制

個體模型雖然具有行為解釋能力，仍有下列限制：

• 需要大量個體層級資料
• 問卷設計與樣本品質會直接影響估計結果
• 模型假設可能與真實決策過程不完全一致
• 選擇集合若設定不完整，會造成模型偏誤
• 多項羅吉特模型具有獨立於不相關替代方案的假設，即 IIA 假設

---

三、個體選擇行為偏好資料之調查問卷種類

（一）敘述偏好調查：SP（Stated Preference）

敘述偏好調查係向受訪者描述假設性選擇情境，請其表示偏好。

例如設定：

• 公車旅行時間 40 分鐘、票價 30 元
• 捷運旅行時間 25 分鐘、票價 50 元
• 小客車旅行時間 20 分鐘、停車費 80 元

再請受訪者選擇偏好的方案。

SP 的常見形式

1. 選擇法（choice） 受訪者從數個方案中選出最偏好的方案。

2. 排序法（ranking） 受訪者將所有方案依偏好順序排列。

3. 評分法（rating） 受訪者對每一方案給予分數，例如 1 至 10 分。

4. 配對比較法（paired comparison） 一次比較兩個方案，判斷偏好哪一個。

SP 的優點是能評估新方案及尚未存在的運輸服務；缺點是受訪者在假設情境下的回答，未必等同於實際支付金錢或實際搭乘時的行為。

（二）揭示偏好調查：RP（Revealed Preference）

揭示偏好調查係蒐集受訪者在真實環境中已經做出的選擇。

資料內容包括：

• 實際使用運具
• 實際出發時間
• 實際目的地
• 實際旅行時間
• 實際旅行成本
• 實際旅次頻率
• 個人與家庭社經特性

RP 的優點是反映真實行為；缺點是只能觀察既有方案，無法直接觀察受訪者對全新運具或新政策的偏好，且不同方案的屬性可能存在高度相關。

（三）揭示偏好與敘述偏好混合調查：RP／SP Combined

混合調查同時蒐集：

• 受訪者目前實際採取的選擇
• 受訪者面對假設情境時的選擇