1. NCCU Academic Hub
  2. Publications
  3. College of Commerce
  4. Theses
  5. Item

Publications-Theses

Article View/Open

Publication Export

Google ScholarTM

NCCU Library

Citation Infomation

Related Publications in TAIR

題名 時間序列分析於台灣地區公路汽車貨運業之研究
The Study of Time Series Analysis on Highway Trucking Carriers in Taiwan Area
作者 邱俊騫
貢獻者 鄭宇庭
邱俊騫
關鍵詞 公路汽車貨運
時間序列分析
ARIMA
指數平滑法
日期 2012
上傳時間 2-Sep-2013 16:10:46 (UTC+8)
摘要 公路汽車貨運為台灣地區內陸運輸之首要方式，而近年來新興公路汽車貨運業萌芽及國外貨運業者進駐，皆為臺灣公路貨運業帶來重大衝擊，同業競爭更為激烈。因此，本研究依據台灣地區公路汽車貨運營運概況資料，以交通運輸業預測常用之時間序列分析進行實證研究，以預測未來台灣地區公路汽車貨運之貨運量及貨運收入，藉此作為調度車輛、人力配置及營運規模調整之參考。
     
     本研究資料係自交通部統計查詢網取得，蒐集1981年至2012年每月公路汽車貨運營運概況資料，惟資料於2000年前後之統計範圍及對象有所差異，故以2001年1月至2012年6月共138筆資料配適模型，2012年7月至2012年12月共6筆資料驗證模型之預測能力。其中，時間序列分析以ARIMA與指數平滑法進行實證研究，並比較兩者方法之優劣。
     
     根據時間序列分析之結果，提出本研究結論如下：一、2001年至2012年貨運量呈緩慢上升趨勢，預測2013上半年趨勢呈現先降後升；二、2001年至2012年貨運收入略為上升，ARIMA模型預測2013年上半年趨勢呈顯上下波動情形，指數平滑法之預測趨勢則呈現先降後升；三、ARIMA模型配適及預測效果優於指數平滑法模型。
     
     隨著台灣公路汽車貨運業競爭日益白熱化，如何做好成本管控降低營運風險，調整適當營運規模避免入不敷出，皆為貨運業者所須正視的課題，而依據本研究之結論提出以下建議：一、貨運量緩步成長，可適時增派車輛及新聘人員以因應市場需求；二、貨運收入成長有限，是否擴大營運規模需謹慎考慮；三、ARIMA預測效果佳，可與企業訂單資訊系統結合，預測未來趨勢。
謝誌 I
     摘要 II
     目錄 III
     表目錄 IV
     圖目錄 V
     第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 3
     第三節 研究流程 3
     第貳章 文獻探討 5
     第一節 公路汽車貨運業 5
     第二節 時間序列分析於交通運輸業之應用 10
     第參章 研究方法 16
     第一節 資料來源與變數說明 16
     第二節 時間序列分析之ARIMA模型 17
     第三節 時間序列分析之指數平滑法 26
     第肆章 實證分析 28
     第一節 ARIMA模型分析 28
     第二節 指數平滑法分析 47
     第三節 ARIMA與指數平滑法模型比較 51
     第伍章 結論與建議 55
     第一節 結論 55
     第二節 建議 57
     參考文獻 58
參考文獻 一、中文部分
     1.交通部運輸研究所，1998，兩岸未來直航貨物預測分析。
     2.吳奇軒，2002，臺灣西部走廊客運需求時間序列決策模型之研究，國立台灣大學土木工程學研究所碩士論文。
     3.吳柏林，1995，時間數列分析導論，臺北：華泰文化。
     4.李懿展，2003，航材物流中心設立與經營之重要因素研究，臺中健康管理學院經營管理研究所碩士論文。
     5.林小萍，2002，我國宅配業經營模式及關鍵成功因素之探討。國立台灣科技大學工業管理系碩士論文。
     6.林正章、楊松杰，1999，美國、日本與台灣時效貨運業經營與管理比較研究，1999國際物流研討會論文集，頁318-332。
     7.林茂文，2006，時間數列分析與預測：管理與財經之應用（三版）。臺北：華泰文化。
     8.邱振崑，1996，港埠營運量時間數列之預測－管理與控制的工具，海運研究學刊，第一期，頁121－134。
     9.孫永明、鄭光平，2007，基於灰理論的港口吞吐量預測研究，中國水運，第5 卷，第4 期，頁160-162。
     10.馬正義，2003，物流中心建立知識管理架構之研究，長榮大學經營管理研究所碩士論文。
     11.張惠如，2007，應用模糊時間序列預測與分析桃園國際航空站運量，國立臺灣海洋大學航運管理學系碩士論文。
     12.陳帝宏，2005，汽車貨運業顧客滿意度之研究，國立高雄第一科技大學運籌管理系碩士論文。
     13.陳敦基，1994，臺灣地區城際客運需求時間數列模式建立之研究，運輸計畫，23卷2期，頁155-183。
     14.黃秀娥，2004，宅配業務關鍵成功因素之研究─以中華郵政臺南縣郵局包裹業務為例。國立成功大學高階管理碩士在職專班碩士論文。
     15.楊文瑋，2004，中正國際機場需求預測模式建構與評估─時間序列之應用，淡江大學管理科學研究所碩士論文。
     16.經濟部商業司，2009，2008台灣物流年鑑，臺北：經濟部。
     17.葉小蓁，1998，時間序列分析與應用，國立台灣大學。
     18.趙義隆，1991，物流中心的策略定位，流通業專業研討會論文報告。
     19.劉金珊，2003，台灣宅配廠商策略配適之個案研究，國立東華大學企業管理學系碩士論文。
     20.劉郁呈，2007，港埠貨櫃吞吐量之時間序列模型研究，國立高雄第一科技大學運籌管理系碩士論文。
     21.歐陽恬恬，1999，宅配經營特性分析與郵局面對宅配之挑戰與因應，國立台灣大學土木工程研究所碩士論文。
     22.賴宥辰，2004，台灣物流運輸業的供應鏈績效評估之研究，南台科技大學行銷與流通管理系碩士論文。
     23.鍾榮欽，2002，第十二屆物流技術整合工程師班講義資料，中華民國物流協會。
     
     二、英文部分
     1.Babcock, W. Michael and Lu, Xiaohua, 2002, Forecasting inland waterway grain traffic, Transportation Research Part E, Vol. 38, pp. 65-74.
     2.Box, G.E.P. and Jenkins, G.M., 1976, Time Series Analysis Forecasting and Control, 2nd edition. San Francisco: Holden-Day.
     3.Brown, R. G., 1963, Smoothing, Forecasting and Prediction. Prentice Hall.
     4.Changkyum and Antoine, 1993, A Short-Term Demand Forecasting Model From Real Time Traffic Data, Infrastructure Planning and Management, ASCE.
     5.Chen S. M., 1996, Forecasting enrollments based on fuzzy time series, Fuzzy Sets and Systems, 81(3), pp. 311-319.
     6.Davis; Nihan; Hamed, 1990, Adaptive Forecasting of Freeway Way Traffic Congestion, Transportation Research Record , 1287, pp.29-33.
     7.DeLurgio, S. A., 1998, Forecasting Principles and Applications, International Editions, McGraw Hill.
     8.Gooijer, G. DE Jan and Klein, André, 1989, Forecasting The Antwerp Maritime Steel Traffic Flow: A Case Study, Journal of Forecasting, Vol. 8, No. 4, pp. 381-398.
     9.Lewis, C. D, 1982, Industrial and Business Forecasting Model, London: Butterworths.
     10.Pitfield, D. E., 1993, Predicting air-transport demand, Environment and Palnning A 25(4), pp.459-466.
     11.Winters, P. R., 1960, Foresting Sales by Exponentially Weighted Moving Averages, Management Science, 6(3), 324-342.
描述 碩士
國立政治大學
經營管理碩士學程(EMBA)
99932402
101
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0099932402
資料類型 thesis
dc.contributor.advisor 鄭宇庭zh_TW
dc.contributor.author (Authors) 邱俊騫zh_TW
dc.creator (作者) 邱俊騫zh_TW
dc.date (日期) 2012en_US
dc.date.accessioned 2-Sep-2013 16:10:46 (UTC+8)-
dc.date.available 2-Sep-2013 16:10:46 (UTC+8)-
dc.date.issued (上傳時間) 2-Sep-2013 16:10:46 (UTC+8)-
dc.identifier (Other Identifiers) G0099932402en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/59341-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 經營管理碩士學程(EMBA)zh_TW
dc.description (描述) 99932402zh_TW
dc.description (描述) 101zh_TW
dc.description.abstract (摘要) 公路汽車貨運為台灣地區內陸運輸之首要方式，而近年來新興公路汽車貨運業萌芽及國外貨運業者進駐，皆為臺灣公路貨運業帶來重大衝擊，同業競爭更為激烈。因此，本研究依據台灣地區公路汽車貨運營運概況資料，以交通運輸業預測常用之時間序列分析進行實證研究，以預測未來台灣地區公路汽車貨運之貨運量及貨運收入，藉此作為調度車輛、人力配置及營運規模調整之參考。
     
     本研究資料係自交通部統計查詢網取得，蒐集1981年至2012年每月公路汽車貨運營運概況資料，惟資料於2000年前後之統計範圍及對象有所差異，故以2001年1月至2012年6月共138筆資料配適模型，2012年7月至2012年12月共6筆資料驗證模型之預測能力。其中，時間序列分析以ARIMA與指數平滑法進行實證研究，並比較兩者方法之優劣。
     
     根據時間序列分析之結果，提出本研究結論如下：一、2001年至2012年貨運量呈緩慢上升趨勢，預測2013上半年趨勢呈現先降後升；二、2001年至2012年貨運收入略為上升，ARIMA模型預測2013年上半年趨勢呈顯上下波動情形，指數平滑法之預測趨勢則呈現先降後升；三、ARIMA模型配適及預測效果優於指數平滑法模型。
     
     隨著台灣公路汽車貨運業競爭日益白熱化，如何做好成本管控降低營運風險，調整適當營運規模避免入不敷出，皆為貨運業者所須正視的課題，而依據本研究之結論提出以下建議：一、貨運量緩步成長，可適時增派車輛及新聘人員以因應市場需求；二、貨運收入成長有限，是否擴大營運規模需謹慎考慮；三、ARIMA預測效果佳，可與企業訂單資訊系統結合，預測未來趨勢。		zh_TW
dc.description.abstract (摘要) 謝誌 I
     摘要 II
     目錄 III
     表目錄 IV
     圖目錄 V
     第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 3
     第三節 研究流程 3
     第貳章 文獻探討 5
     第一節 公路汽車貨運業 5
     第二節 時間序列分析於交通運輸業之應用 10
     第參章 研究方法 16
     第一節 資料來源與變數說明 16
     第二節 時間序列分析之ARIMA模型 17
     第三節 時間序列分析之指數平滑法 26
     第肆章 實證分析 28
     第一節 ARIMA模型分析 28
     第二節 指數平滑法分析 47
     第三節 ARIMA與指數平滑法模型比較 51
     第伍章 結論與建議 55
     第一節 結論 55
     第二節 建議 57
     參考文獻 58		-
dc.description.tableofcontents 謝誌 I
     摘要 II
     目錄 III
     表目錄 IV
     圖目錄 V
     第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 3
     第三節 研究流程 3
     第貳章 文獻探討 5
     第一節 公路汽車貨運業 5
     第二節 時間序列分析於交通運輸業之應用 10
     第參章 研究方法 16
     第一節 資料來源與變數說明 16
     第二節 時間序列分析之ARIMA模型 17
     第三節 時間序列分析之指數平滑法 26
     第肆章 實證分析 28
     第一節 ARIMA模型分析 28
     第二節 指數平滑法分析 47
     第三節 ARIMA與指數平滑法模型比較 51
     第伍章 結論與建議 55
     第一節 結論 55
     第二節 建議 57
     參考文獻 58		zh_TW
dc.language.iso en_US-
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0099932402en_US
dc.subject (關鍵詞) 公路汽車貨運zh_TW
dc.subject (關鍵詞) 時間序列分析zh_TW
dc.subject (關鍵詞) ARIMAzh_TW
dc.subject (關鍵詞) 指數平滑法zh_TW
dc.title (題名) 時間序列分析於台灣地區公路汽車貨運業之研究zh_TW
dc.title (題名) The Study of Time Series Analysis on Highway Trucking Carriers in Taiwan Areaen_US
dc.type (資料類型) thesisen
dc.relation.reference (參考文獻) 一、中文部分
     1.交通部運輸研究所，1998，兩岸未來直航貨物預測分析。
     2.吳奇軒，2002，臺灣西部走廊客運需求時間序列決策模型之研究，國立台灣大學土木工程學研究所碩士論文。
     3.吳柏林，1995，時間數列分析導論，臺北：華泰文化。
     4.李懿展，2003，航材物流中心設立與經營之重要因素研究，臺中健康管理學院經營管理研究所碩士論文。
     5.林小萍，2002，我國宅配業經營模式及關鍵成功因素之探討。國立台灣科技大學工業管理系碩士論文。
     6.林正章、楊松杰，1999，美國、日本與台灣時效貨運業經營與管理比較研究，1999國際物流研討會論文集，頁318-332。
     7.林茂文，2006，時間數列分析與預測：管理與財經之應用（三版）。臺北：華泰文化。
     8.邱振崑，1996，港埠營運量時間數列之預測－管理與控制的工具，海運研究學刊，第一期，頁121－134。
     9.孫永明、鄭光平，2007，基於灰理論的港口吞吐量預測研究，中國水運，第5 卷，第4 期，頁160-162。
     10.馬正義，2003，物流中心建立知識管理架構之研究，長榮大學經營管理研究所碩士論文。
     11.張惠如，2007，應用模糊時間序列預測與分析桃園國際航空站運量，國立臺灣海洋大學航運管理學系碩士論文。
     12.陳帝宏，2005，汽車貨運業顧客滿意度之研究，國立高雄第一科技大學運籌管理系碩士論文。
     13.陳敦基，1994，臺灣地區城際客運需求時間數列模式建立之研究，運輸計畫，23卷2期，頁155-183。
     14.黃秀娥，2004，宅配業務關鍵成功因素之研究─以中華郵政臺南縣郵局包裹業務為例。國立成功大學高階管理碩士在職專班碩士論文。
     15.楊文瑋，2004，中正國際機場需求預測模式建構與評估─時間序列之應用，淡江大學管理科學研究所碩士論文。
     16.經濟部商業司，2009，2008台灣物流年鑑，臺北：經濟部。
     17.葉小蓁，1998，時間序列分析與應用，國立台灣大學。
     18.趙義隆，1991，物流中心的策略定位，流通業專業研討會論文報告。
     19.劉金珊，2003，台灣宅配廠商策略配適之個案研究，國立東華大學企業管理學系碩士論文。
     20.劉郁呈，2007，港埠貨櫃吞吐量之時間序列模型研究，國立高雄第一科技大學運籌管理系碩士論文。
     21.歐陽恬恬，1999，宅配經營特性分析與郵局面對宅配之挑戰與因應，國立台灣大學土木工程研究所碩士論文。
     22.賴宥辰，2004，台灣物流運輸業的供應鏈績效評估之研究，南台科技大學行銷與流通管理系碩士論文。
     23.鍾榮欽，2002，第十二屆物流技術整合工程師班講義資料，中華民國物流協會。
     
     二、英文部分
     1.Babcock, W. Michael and Lu, Xiaohua, 2002, Forecasting inland waterway grain traffic, Transportation Research Part E, Vol. 38, pp. 65-74.
     2.Box, G.E.P. and Jenkins, G.M., 1976, Time Series Analysis Forecasting and Control, 2nd edition. San Francisco: Holden-Day.
     3.Brown, R. G., 1963, Smoothing, Forecasting and Prediction. Prentice Hall.
     4.Changkyum and Antoine, 1993, A Short-Term Demand Forecasting Model From Real Time Traffic Data, Infrastructure Planning and Management, ASCE.
     5.Chen S. M., 1996, Forecasting enrollments based on fuzzy time series, Fuzzy Sets and Systems, 81(3), pp. 311-319.
     6.Davis; Nihan; Hamed, 1990, Adaptive Forecasting of Freeway Way Traffic Congestion, Transportation Research Record , 1287, pp.29-33.
     7.DeLurgio, S. A., 1998, Forecasting Principles and Applications, International Editions, McGraw Hill.
     8.Gooijer, G. DE Jan and Klein, André, 1989, Forecasting The Antwerp Maritime Steel Traffic Flow: A Case Study, Journal of Forecasting, Vol. 8, No. 4, pp. 381-398.
     9.Lewis, C. D, 1982, Industrial and Business Forecasting Model, London: Butterworths.
     10.Pitfield, D. E., 1993, Predicting air-transport demand, Environment and Palnning A 25(4), pp.459-466.
     11.Winters, P. R., 1960, Foresting Sales by Exponentially Weighted Moving Averages, Management Science, 6(3), 324-342.		zh_TW