高速公路尖峰時段的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

豐田人高效率動線思考：雙手怎麼動、腳步往哪移、筆記如何抄、座位這樣排，豐田最強動作經濟學，貝佐斯都在學。

為了解決高速公路尖峰時段的問題，作者原正彥 這樣論述：

◎進電梯後，你先按關門鍵還是樓層鍵？別輕忽這動作，一年可幫你省13小時。 ◎某員工上班老遲到，他可能不是懶散，而是上班動線有問題。 ◎W/＠St.msgd/c……這不是亂碼，而是豐田人都懂的簡寫筆記，工作省時又省力。 　　這就是豐田人高效率動線思考， 　　連亞馬遜創辦人貝佐斯都深受影響。 　　作者原正彥曾任豐田維修技師，剛進豐田時，資深前輩總這樣告誡： 　　「工作時，雙手要處理同一件事。」 　　「每個動作都先思考，這件事跟那件事可不可以一起進行？」 　　「桌上只能放現在要用的物品，不要找東西，要拿東西。」 　　…… 　　「我要怎麼做，才能讓現在的動作成為一種習慣？」 　　原來，豐田

人從走動路線，到工作方式、檔名設定等， 　　都很重視動線，作者利用這方法創業，在IT產業連續五年顧客滿意度第一名。 　　作者說，工作品質常跟時間有關，而決定時間長短的，就是動線， 　　動線錯誤，就會產生多餘動作，動作多就得花更多力氣做， 　　難怪你總覺得自己很忙又很累， 　　本書就是要告訴你，如何刪除這些多餘動作，讓你的工作快又有效。 　　◎事情老做不完？因為物品放錯位置了： 　　影印機放總務部？碎紙機放業務部？大錯特錯。影印紙呢？其他文具呢？ 　　員工座位應按年資還是任務規劃安排？一定要設社長辦公室嗎？ 　　2019年創下日本企業最高市值的豐田，幹部會議一定用圓桌，理由是？ 　　◎我用

25％規則設期限，工作最省力又提早完成： 　　最需要創造力的工作記得早上做，需要外出開會的時間最好排同一天， 　　作者還研發25％規則，將原本的截止期限及作業時間自行縮短25％， 　　如期限為20天後，就縮為15天；8小時提前到6小時，時間管理更到位。 　　他還自創能排解工作壓力的「After5」行程安排術，工作生活都滿足。 　　◎文具怎麼放？筆記怎麼抄？都有動線： 　　常用資料要放慣用手那側，右撇子就放右側，減少動作的幅度或次數。 　　筆記本要選方格的，且橫向使用，這樣閱讀最省力， 　　電腦檔案命名也有眉角，「數字_種類_名稱_日期_版本」你得這樣排列， 　　還有豐田人自創的簡寫筆記：

　　＠＝at（在）、w/＝With（跟誰）、St.＝車站…… 　　原本要花3分鐘寫一段備註，透過簡寫，10秒就能完成，大家都能看懂。 　　雙手怎麼動、腳步往哪移、筆記如何抄、座位這樣排， 　　豐田最厲害的動作經濟，省時省力，貝佐斯都在學。 各界推薦 　　精實管理顧問／江守智 　　創新管理實戰研究中心執行長／劉恭甫 　　《經理人月刊》總編輯／齊立文  

高速公路尖峰時段進入發燒排行的影片

旅行時間預測與其模型選擇的實證研究

為了解決高速公路尖峰時段的問題，作者許致嘉 這樣論述：

近年來，旅行時間預測一直是智慧交通系統中一個重要的議題，特別是在處理擁堵問題上，旅行時間預測更是扮演重要的角色。根據2017年ACM KDDCUP的聲明，高速公路尖峰時段的擁堵問題可能會壓垮相關交通管理部門，因為正如我們所知，擁堵會造成經濟損失。如果有一個準確的旅行時間預測模型來預測旅行時間，便可以幫助旅行者做出關於何時旅行以及旅行路線的決策，從而避免擁堵所造成的經濟損失和浪費旅行者的時間。本論文中，我們採用傳統的流程來預測旅行時間，找出重要特徵，並比較了四種傳統模型在旅行時間預測中的準確性。實驗結果表明SVR模型具有更好的總體準確性，因此我們選擇它作為我們的基線模型。在旅行時間預測所使用的

特徵中，我們猜測降雨量和當前的交通狀況特徵可能會對旅行時間產生很大影響。我們提出了雙特徵方法，以不同於傳統方式的方式處理降雨特徵和當前交通狀況特徵，從而提高SVR模型的準確性。我們設計了一系列的實驗來證明雙特徵方法是否能有效提升SVR模型的準確性，結果表明，我們提出的雙特徵方法可以提高SVR模型的準確性，符合我們的預期。

將大數據由「潮流」化為「營收」的8個法則：由理論落實到工作現場

為了解決高速公路尖峰時段的問題，作者高橋範光 這樣論述：

《排除妄想的大數據實踐術》全新封面版 為什麼「大數據」是史上最常被打搶的熱門技術！ 為什麼專家得到的結論，到了實務現場卻根本行不通？ 本書不討論資訊技術，只是用大量的例子告訴你， 該如何讓大數據在你的公司產生真正的效果！ 　　一家日本的餐廳想知道增加熟客的來店比率是否有助於提升業績！公司總部的大數據專家把熟客的定義為一周來店三次的客人。打算對他們推出促銷方案，但是實際進行時發現一周來店三次的客人根本沒有幾個，於是只好改變熟客的定義！ 　　一家公司聘用了外部的資料科學家，來進行資料分析，得到的結果興沖沖的和現場的銷售人員分享！但對方的回應是：你的資料有問題，和現況完全不符！ 　　由於大數據

是科技浪潮的代表性名詞，因此大家對它的作用存在很大的幻想，期望它對公司產生快速而巨大的影響。 　　當你聽到大數據在行銷領域的運用，是不是想到類似「啤酒」與「尿布」的例子？公司檢視來自網路及實體通路收銀機的銷售資料，發現買尿布的男客人，同時買啤酒的機率很高。因此公司立刻通知通路人員，把尿布與啤酒放在一起，營業額於是快速成長。 　　很可惜，企業在大數據的運用上，立竿見影的發現很少出現，要透過層層的梳理，才可以找到有效的運用。因此在利用大數據的過程中必須處理一連串的問題，化解一連串的迷思才能替公司帶來實際的效果。 　　而且，大數據的用途多半相對平實。日本軟銀（SoftBank）的電信服務，在9

5%以上的區域通訊良好，但是少數地方會傳回通訊不良的訊號，於是公司針對極少數通訊不良的地方進行改進，最後在同業中，因為這些小幅的改進而贏得更高的滿意度。 　　同樣的，日本著名的旋轉壽司店，利用食品在轉盤上行進的距離，來決定新鮮度，再配合來店客數，預估大約15分鐘後可能的點餐量，並據以出餐，同時滿足成本及品質控制。 　　幾年之內，全球會有500億部可以連網的終端設備。不斷由賣場、辦公室，甚至是噴射引擎內部傳送訊息，讓大數據的分析具有3V的特徵（Volume：大量；Variety：多樣性；Velocity：即時）。不過在資料運用處於核心的人類對如何利用大數據來提升營運效率，卻還沒有準備好。

　　以下情況充斥於企業界，讓大量的數據無法對公司的營運產生效用： 　　1 認為只要蒐集資料數據就能搞定一切。 　　2 要追求與眾不同的事實、新奇的發現。 　　3 只看數據，不去看現場狀況。 　　而本書則以明確的模式及具體的案例，告訴你如何把大數據由「雲端」的天上拉回人間的「收銀機」。 本書特色　　　　　　　　　　　 　　◆從尖端趨勢到實務操作全說明： 　　物聯網（IoT）的發展將對企業營運產生重大的影響，預估全球將有500億個終端連網裝置運行。如果電力問題可以克服，那麼日本的工具機廠商，可以立刻獲得銷售往全球各地機具的使用情況，有那些零件要更換；德國則據以發展工業4.0，即在德國本土，以

無人工廠，大量客製化生產產品；氣象預報可以每平方公里為預報單位，每幾分鐘就更新數據。而連鎖店則可以隨時得知店內有多少顧客上門、待了多久、有多少人沒有買東西。 　　除了最先進的技術發展，本書也說明在大量資訊產生時，如何利用資訊產生有助於提升營運績效的具體做法。包括「活用計畫專案」與「定型化專案」兩個階段。活用計畫專案是以資料科學家為中心，為了達成目的而蒐集、分析數據，再導出成為結果的啟發專案。其過程包括樣本的假設成立、數據的蒐集、假設驗證、樣本的最終確定（得出對策）。「定型化專案」則是以「活用計畫專案」得到的啟發為基礎，在事業現場實施對策並創造成果的專案。其分為對策的導入和監控成果兩個部分。

　　◆用實際案例來說明大數據運用的過程： 　　本書用完整的案例來說明大數據研究及運用的過程。其中一個案例為在商店街展店的餐廳「定食屋change」。 　　「定食屋change」的漢堡定食是店內固定的熱門菜單，另外也提供數種午餐菜單。由於會有假日的營業額比平日差的情形，該店的目標是「要設法增加平日午餐的營業額」。因此，定食屋change的店家利用每日點餐明細的資料而開始活用大數據。 　　於是，立刻開始進行「大數據活用計畫專案」。成立假設、活用可能取得的數據、進行各種分析的結果，發現了「連續兩天來吃漢堡定食的所有客人，隔天都不會來店裡消費」的傾向。 　　這是以前從未注意到的新發現，從這個結

果中就能知道「如果針對連續兩天吃漢堡定食的客人，設法讓他們隔天也來消費的話，就能確實增加營業額」。因此，可以說「大數據活用計畫專案」暫時是達成目標了。 　　雖然「大數據活用計畫專案」本身是順利結束了，但這時候其實尚未出現成果。這是因為要在現場實踐的「讓連續兩天來吃漢堡定食的客人，隔天也會來店」的對策還沒有落實。因此，要落實對策付諸實踐、檢驗成果的就是「大數據定型化專案」。這個專案所進行的就是「導入和監控」以及「成果」這兩項。 　　例如，以「定食屋change」的情形來說，如果沒有決定要如何辨別「連續兩天吃漢堡定食的人」，以及如何應對的話，那麼這個對策就無法運作。因此，如何辨別「連續兩天吃漢

堡定食的人」、如何促使目標顧客隔天來店消費，還有如何掌握實際上連續3天來店的人、在結帳時該如何應對等，這些事項都要一一給予定義。而且，在掌握到進行此對策的成果之前，都是屬於這個專案的範圍之內。 　　本書以具體的步驟來說明大數據研究的運用，讓讀者可以確實遵循。 　　◆全面的實作經驗分享，讓你少走冤枉路： 　　由於大數據的運用成為風潮，因為形成許多新的專業工作，如分析資料的「資料科學家」，由於許多企業沒有相關的專業人士，因此常常用外聘的方式進行。這些外聘人士往往與公司內部人士，特別是現場人員的溝通不足，因此取得的研究往往無法推動。為了避免以上問題發生，本書建議在組成大數據相關專案時，要將現場的

人員納入聽取其意見。 　　而在許多大數據方案的進行過程中，大家都會有以下的看法：如果只是用數據來證明「大家都能感受得知的事實」，就談不上有什麼價值。但是，假如對大數據抱持過度幻想，想盡辦法要找出「無法找到的事實」，就會步上一條辛苦的道路。 　　作者指出大數據並不是要強行從數據中找出在工作現場大家都感受不到的傾向，而是要證實現場的專家或老手等一部分的人所感受得知的傾向。也就是說，要將內隱知識（tacit knowledge）變成外顯知識（explicit knowledge）。面對數據分析時如果沒有瞭解這一點，就只會白白浪費時間了。 　　本書作者輔導過大量企業進行大數據的研究，在本書中分享

他們的迷思與經驗，讀者不必重蹈覆轍。   作者簡介 高橋範光（たかはし　のりみつ） 　　日本首創專研大數據的線上雜誌『大數據雜誌』總編輯，change股份公司的董事。 　　於東京工業大學研究所專攻經營工學及集團決策模型等領域。畢業後進入外資公司Cosulting Firm Andersen Consulting（現在的埃森哲）。從事於業務系統開發、Web系統開發、市場行銷投資回報率（ROI）分析等跨領域的IT諮詢顧問工作。2005年進入change股份公司服務，從事於超過100家IT&系統開發企業的人才培育。現在專注於資料科學家的培育及數據解析諮詢。除了在『日經情報戰略』連載有關大數

據的文章，也在日本航空等多家企業開設有關大數據的研習、講座等，積極投入工作。 譯者簡介 蔡姿淳 　　淡江大學日文系畢業。曾任出版社編輯，目前為專職文字SOHO，從事翻譯、採訪與企畫等文字相關工作。 鄭睿芝 　　淡江大學日文系畢業，曾任職時代外語、健峰企管顧問公司，現為專職翻譯。譯作有《免捏御飯糰》、《蛋營養‧常備蛋料理100道》、《狗狗這樣吃，癌細胞消失！》等書。   前言 序章 大數據從熱門話題邁向「活用」的階段 0－1 利用大數據能夠做什麼？ 0─2 大數據帶給我們瑰麗色彩的未來！？ 0─3 要思考的並非「做或不做」，而是「如何去做」 第1章 理解大數據這項「工具的特性

」 1－1 為什麼大數據會受到注目呢？ 1－2 大數據的3個「Ｖ」 1－3 將大數據當成工具——第四個「V﹙Value價值﹚」 1－4 圍繞著大數據的社會環境 1－5 熟練運用工具的「資料科學家」 第2章 大數據的活用要以「目的」為前提 2－1 無法順利活用大數據的3個模式 2－2 沒有目的的大數據計畫就無法順利進行 2－3 向『魔球Moneyball』學習活用大數據的重點 2－4 在商業上活用大數據的4種模式 2－5 利用大數據開展「新經濟」 2－6 「增加銷售額」是活用大數據的第一步 2－7 大數據也有助於「提升品質」或「降低風險」 第3章 活用大數據的進階方法 3－1 理解活用大數據

的兩種設計 3－2 設計大數據活用計畫的程序 3－3 設計大數據固定化的程序 3－4 小動作串聯出大成果 第4章 活用大數據邁向成功的8個法則 4－1 大數據是工具，而非目的 【更深入的認知】大數據與IoT、Industrie4.0 4－2 「創意」是從資料中啟發而生 4－3 過度「深信不疑」就會分析錯誤 4－4 為了正確掌握實際情況，就得組合複數的資料 4－5 資料的查證不能只做一次就結束 【interview 1】資料的假說驗證當然要經過不斷的嘗試和錯誤 國際大學國際交流中心（GLOCOM）準教授中西崇文先生 4－6 大數據的關鍵就在細節處 4－7 除了分析，還要串聯現場的行動才能產生成

果 【interview 2】分析與成果是兩回事 GiXo股份有限公司CEO網野知博先生 4－8 傾聽現場的聲音，打動現場並持續進行 【interview 3】將現場想知道的數據可視化 akindo sushiro股份有限公司情報系統部長田中覺先生 第5章 透過大數據的活用，我們的生活會如何改變 5－1 持續活用大數據的未來會是什麼樣貌 5－2 大數據的活用在協調社會中能展現豐盛成果 【interview 4】將大數據當成表演 Rhizomatiks Research真鍋大度先生 結語 參考文獻   前言　　　　　　　　　　　　　 　　大約從2011年出現「大數據」（Big Data

）這個關鍵字以來，到目前為止，已經有許多和「大數據」相關的書籍出版上市。 　　在這段期間，大數據成了掀起熱潮的流行術語，被說成像是不可思議的魔法棒，和「大數據」有關的各類新聞幾乎每天都在報導，另一方面也逐漸開始進行了實際具體的議論。 　　然而，深入探討這議論的人還是少數，也一直處於認知度不高的狀態。而且，積極致力於應用大數據的企業也不多。至今蔚為話題、也被稱為魔法棒的「大數據」，為什麼活用它的企業會如此少呢？ 　　「因為資料的分析相當困難」，有人會提出這樣的意見吧，或許也有意見認為「並不保證一定成功，所以才無法全力進行」。 　　的確，雖然出現了許多論及大數據的概念或事例的書籍，或是針對

各種統計分析手法與實踐應用而寫的書籍，但卻很少有寫到「資料分析是簡單的」、「只要努力進行就必定成功」的著作。 　　事實上，大數據並不是魔法棒。但是，它的確是非常有效的工具。這項工具雖然在用法上需要耗費不少功夫，但只要能完整地善加運用就一定可以獲得成果。而且，隨著技術的進步，這項工具還能提供從適合初學新手到適合高階使用者的各種多元選擇。 　　筆者參與過許多為了培養從事大數據專案人才、資料科學家（data scientist）而舉行的演講或研討會，在本書中，就是根據累積至今的登台演說經驗，整理出在具體進行活用大數據方面容易陷入的錯誤要點，以及如何成功的know how祕訣。 　　為了能讓更多

人對大數據抱持關注、努力加以應用，因此書內記載的是以進行程序或方法的理解說明為主，完全不會出現任何計算公式。 　　那麼，接下來就開始進入大數據的世界吧。   筆者 序章：大數據從熱門話題邁向「活用」的階段 在報章或電視新聞中頻繁出現的「大數據」，雖說是一個掀起熱潮的流行術語，但最近活用的事例卻正在逐漸增加。序章中所觸及的內容，就是在不遠的未來，大數據將會帶來的未來面貌，以及我們應該思考的事項等相關方面。 0－1利用大數據能夠做什麼？ ◆利用大數據，打造出事先知道「會發生○○」的世界 假如能夠事先知道「會發生○○」，那我們的日常一切將有怎樣的變化呢？以天氣為例，如果可以「正確得知接下

來的24小時內，日本全國會出現的天候或氣溫的變化」，那麼日常生活應當會變得非常便利。 「下午兩點起的40分鐘內，會有間歇驟雨，由於不是通勤時段，因此不用帶傘」，「明日傍晚六點會降雪達5公分，要準備長靴和防寒用品」，「明日會有強烈雷雨，一定要做好農作物的防護措施」等等，如此一來，在工作或日常生活上就能事先做出最適宜的措施計畫，應該也能大幅減少天災所造成的損害。 還有，假如變成「正確得知在接下來的二十四小時內，鐵路、公路、飛機、船舶等所有交通網絡中會發生什麼事」的話，將是怎樣的狀況呢？「這條高速公路從早上開始將持續5小時的塞車，因此抵達目的地的時間會是下午三點」，「明日山手線的上下車乘客人數是○○

萬人，尖峰時段有兩個，分別是早上8點後的兩個小時以及下午6點後的兩個小時。這段期間會調整發車班距，因此從涉谷車站到東京車站需要28分鐘。」 假如能事先得知像這樣的資訊，就可以調整上班時間或外出時間。而且，交通轉乘等的移動過程也會非常順利。如果你的工作是業務人員，就不會在重要的公事洽談時遲到；如果你是在物流公司上班，就能訂立出準確的配送流程。 不只是工作，個人的生活也一樣。以飲食生活為例，如果有一套系統能配合自己的身體狀況或健康狀態，提供最適合的餐廳和最適合的菜單建議，就可以預防肥胖或生活習慣病。 還有，假如有一項服務是能根據體溫、血壓、心跳數等生命徵象資料，給予最適當的睡眠或運動建議，應該就能

度過更健康的生活。或許，大家現在的衣櫃裡可能會有一些在特賣會時過度購物，買來後就放著沒穿的衣服吧。

變動k值之k-NN法應用於高速公路旅行時間預測之研究

為了解決高速公路尖峰時段的問題，作者劉軒寧 這樣論述：

提供準確的旅行時間給用路人能使其進行更妥善的旅次規劃，決定出發時間與路線選擇，進而達到分散車流、紓解交通擁擠之目的。本研究提出一套以 k-NN演算法為基礎進行改良之旅行時間預測模組，並應用於高速公路此類無號誌路段上。本研究之變動 k 值旅行時間預測模組先以一般 k-NN 法依照施測之歷史旅行時間資料庫進行校估，得到預測使用之 k 值，再以現況車流狀態進行 k 值之變動調整，相較於一般 k-NN 方法所使用之 k 值為一定值，本研究預測使用之變動 k值能依各時階之車流狀態作更適合之配適。本研究利用國道高速公路之車輛偵測器（Vehicle Detector,VD）作為資料來源，並對高速公路尖峰時

段進行實測，根據實測結果，使用本研究所提出之變動 k 值方法相較於單純使用 k-NN 方法進行預測其預測結果更為準確。