時間維度 / 2025-09-11 · 同日四路口
比較各路口的樣本最高格。
觀測範圍 07:00–09:00；標記為最高 15 分鐘區間的起點。不是壅塞排名，也不能據此判定移入時段的容量。
WHEN / 流量在何時集中
小型車機車大型車車次／15 分鐘
WHERE / 同日路口比較
內湖晨峰 / 企業分批到班提案
分流，也可以從
到達時間著手。
目標：用資料協助企業協調分批到班，降低同時抵達的壓力。
目前做到找出值得查的集中時段官方路口調查 ＋ 獨立合成比較
尚未驗證企業參與與現場改善效果
尚未驗證企業參與與現場改善效果
需求組成 / 港墘 × 瑞光 · 2025-09-11
08 時增加的車流，主要是機車。
增加的車次如何組成？
資料支持的判斷
分流分析需要同時看路口、時段與車種。
我們提出的做法
與可彈性到班企業協調分批，再檢查承接時段與下游。
下一個要驗證的問題
哪些通勤者能調整時間？調整後，誰的等待與負擔改變？
2025 官方現地調查 · 15 分鐘解析度
拆開晨峰，找到分流的切入點。
點路口切換上圖
合成模型 · 延續參考 Dashboard 的單一瓶頸案例
同樣 1,800 車次，
等待可以很不一樣。
固定假設的四案比較 · 全部合成
一起晚到，與分批晚到，差別在哪裡？
每案皆為 1,800 合成車次；小圖為 07:00–10:00 合成抵達需求（0–500 車次／15 分），虛線為容量；小圖與等待橫條各自共用刻度。點選可看下方排隊變化；調整下方假設不會改變這組固定比較。排序取決於容量與延後時間，不代表內湖最佳移轉比例。
固定模型前提：單一瓶頸、07:00 無排隊、每格均勻抵達、容量固定、後段原始需求補零、無下游回堵；未使用上述路口資料校準。
展開排隊圖與調整假設
調整需求到達方式
為什麼不是越多越好？
一批車移得太集中，可能在後段形成新的排隊。下面可直接比較不同移轉量。
固定目前延後時間及容量；各格為模型總等待車小時。1,800 → 1,800 車次
原配置調整後合成車次／15 分鐘
等待如何累積、何時消退
區間端點排隊車數每 15 分鐘平均排隊（車） · 共用色階
模型前提：07:00 無排隊、每格均勻抵達、固定容量、單一瓶頸、無下游回堵；原始 09:00 後需求補零，延後需求仍納入並計算到排隊清空。車小時是所有車的等待加總，不是每人的通勤時間。
問題規模 → 分流對象 → 專案目標
要協調的是到達時間，
也要找對可以協調的人。
2024 年底 · 內湖科技園區
177,574名員工5,112家進駐企業
這是就業與組織的規模；不是每天到班人數，也不能換成通勤車次。
產發局 2025 年調查成果 ↗歷史研究 · 大內科通勤車流
經過內科，未必在內科上班。
TUIC 引述 2019 年運輸走廊研究，區分過境與進入大內科的車流。這提醒我們：企業錯峰不能代表整條道路的所有需求。
歷史比例，不能套用到 2025 路口數據，也不是企業錯峰的可改善上限；大內科與左側內科統計範圍不同。
臺北城市智慧化工作站研究 ↗專案目標 / PROPOSED
讓錯峰成為可比較的選擇。
看見集中路口 × 方向 × 15 分鐘 × 車種
協調分批與可彈性到班的自願企業討論時間窗
驗證效果看通勤時間、排隊與下游負擔，而非只看流量
目前已完成歷史車流整理與合成機制比較；企業參與、現場試辦及改善幅度尚未驗證。
執行關鍵
車流資料找出值得查的時段；企業資料確認誰能調整；現場比較決定是否擴大。