113 年 國立臺北大學不動產與城鄉環境學系碩士班《測量學及地理資訊系統概論》

本題主要在考驗考生對於高斯最小二乘法原理的理解與應用。最小二乘法是處理觀測值誤差、求取最佳參數估計的常用方法。

核心觀念： 最小二乘法旨在尋找一組參數，使得觀測值與模型預測值之間的誤差平方和最小。

(1) 證明 $X = (A^TA)^{-1}(A^TL)$ 為 $AX = L$ 的最小二乘解：

給定一個線性系統 $AX = L$，其中 $A$ 是 $m \times n$ 的係數矩陣 (通常 $m > n$)， $X$ 是 $n \times 1$ 的未知數向量， $L$ 是 $m \times 1$ 的觀測值向量。此系統通常是超定系統 (overdetermined system)，意即 $m > n$，可能不存在精確解。我們希望找到一個向量 $\hat{X}$，使得誤差向量 $e = AX - L$ 的平方和 $\|e\|^2 = e^T e$ 最小。

誤差向量的平方和為：
$S = \|AX - L\|^2 = (AX - L)^T (AX - L)$
$S = (X^T A^T - L^T)(AX - L)$
$S = X^T A^T AX - X^T A^T L - L^T AX + L^T L$

為了找到使 $S$ 最小的 $\hat{X}$，我們對 $S$ 分別對 $X$ 的每個分量進行偏微分，並令其偏微分等於零。這等同於對向量 $X$ 求梯度，並令梯度為零向量：
$\nabla_X S = 0$

對 $S$ 關於 $X$ 求梯度：
$\frac{\partial S}{\partial X} = \frac{\partial}{\partial X} (X^T A^T AX - X^T A^T L - L^T AX + L^T L)$

我們需要用到矩陣微分的性質：

1. $\frac{\partial}{\partial X} (X^T B X) = (B + B^T) X$
2. $\frac{\partial}{\partial X} (X^T c) = c$
3. $\frac{\partial}{\partial X} (c^T X) = c$

在這裡，$B = A^T A$ 是一個對稱矩陣，所以 $B^T = (A^T A)^T = A^T (A^T)^T = A^T A = B$。
因此，$\frac{\partial}{\partial X} (X^T A^T AX) = (A^T A + (A^T A)^T) X = 2 A^T AX$。
$A^T L$ 是一個向量，所以 $\frac{\partial}{\partial X} (X^T A^T L) = A^T L$。
$L^T AX$ 可以寫成 $(L^T A) X$，其轉置是 $X^T (L^T A)^T = X^T A^T L$。因此 $\frac{\partial}{\partial X} (L^T AX) = \frac{\partial}{\partial X} (X^T A^T L) = A^T L$。
$L^T L$ 是常數，微分為 0。

所以，
$\nabla_X S = 2 A^T AX - A^T L - A^T L = 2 A^T AX - 2 A^T L$

令梯度為零：
$2 A^T AX - 2 A^T L = 0$
$A^T AX = A^T L$

本題主要在考驗考生對於台灣地區現行及過去主要使用的大地測量坐標系統與高程系統的認知。

核心觀念： 坐標系統是地理空間資訊的基礎，不同的坐標系統有其歷史演進、基準點、投影方式及適用範圍。高程系統則提供垂直基準。

(1) TWD67 虎子山坐標系統、TWD97 坐標系統(含各期公告內容)：

• TWD67 虎子山坐標系統 (Taiwan Datum 1967)：

  • 定義： 這是台灣最早廣泛使用的國家大地坐標系統，基於1967年的測量成果。
  • 大地基準點 (Datum)： 虎子山 (Hutoushan)。
  • 橢球體： 國際1924年橢球體 (International 1924 Spheroid)，也稱為PZ-90橢球體。長半軸 $a = 6378388$ 公尺，扁率 $f = 1/297$。
  • 投影方式： 高斯-克呂格投影 (Gauss-Kruger Projection)，採用中央經線投影。台灣本島通常分為三個投影帶，每個投影帶中央經線相差3度。東經121度為第一帶中央經線。
  • 坐標單位： 公尺。
  • 特性： 由於是以虎子山為基準點，且未考慮板塊運動，因此在長期的使用中，各地區的測量成果累積了較大的系統性誤差，尤其是在東部地區。
  • 各期公告內容： TWD67系統本身較少有「期」的區分，但其基礎測量成果會隨著時間累積與更新。其主要問題在於基準點的單一性與地球動力學效應的忽略。

• TWD97 坐標系統 (Taiwan Datum 1997)：

  • 定義： 為了解決TWD67的系統性誤差問題，並配合全球衛星導航系統 (GNSS) 的發展，台灣於1997年建立了新的國家大地坐標系統。
  • 大地基準點 (Datum)： 國際大地測量學與地球物理學聯合會 (IUGG) 所定義的1984年世界大地基準 (World Geodetic System 1984, WGS84) 作為基準。
  • 橢球體： WGS84橢球體。長半軸 $a = 6378137$ 公尺，扁率 $f = 1/298.257223563$。
  • 投影方式： 高斯-克呂格投影，台灣本島通常分為三個投影帶，中央經線分別為東經119度、121度、123度。這與TWD67的中央經線有差異。
  • 坐標單位： 公尺。

本題主要考驗考生對全球導航衛星系統 (GNSS) 的基本概念、原理及其關鍵術語的理解。

核心觀念： GNSS 系統透過衛星訊號進行定位，其精確度受多種因素影響，並發展出不同的技術來提升量測精度。

(1) 何謂 e-GNSS 系統及其定位原理：

• e-GNSS (Enhanced GNSS) 系統：

  • "e-GNSS" 通常指的是「增強型 GNSS」或「增強 GNSS」。它並非一個獨立的衛星導航系統（如GPS、GLONASS、Galileo、BeiDou），而是指在現有的 GNSS 基礎上，額外加入的增強服務或技術，以提高 GNSS 的可用性、完整性、精確度或可靠性。
  • 常見的增強服務包括：
    • 差分 GNSS (DGNSS)： 利用地面參考站的觀測數據，計算並傳播誤差改正數值給用戶端，以提高定位精度。
    • 增強系統 (SBAS - Satellite-Based Augmentation System)： 如 WAAS (北美)、EGNOS (歐洲)、MSAS (日本) 等，利用地球同步衛星廣播的差分改正資訊。
    • 地面增強系統 (GBAS - Ground-Based Augmentation System)： 如 LAAS (用於航空)，在機場附近設置地面站提供高精度差分服務。
    • 多頻段與多系統接收： 現代 GNSS 接收機支援多個衛星系統 (GPS, GLONASS, Galileo, BeiDou) 和多個頻段 (L1, L2, L5)，這本身也是一種增強。
    • 精密單點定位 (PPP - Precise Point Positioning)： 利用高精度星曆和精密鐘差產品，在單一接收機上實現高精度定位。

• 定位原理：
  GNSS 的基本定位原理是測量衛星到接收機之間的距離 (或偽距)，然後利用三維空間的交會 (trilateration) 概念來確定接收機的位置。

  1. 衛星訊號： 導航衛星會不斷廣播包含其精確軌道資訊 (星曆) 和精確時間資訊的訊號。
  2. 訊號傳播時間： 接收機接收到衛星訊號後，會記錄訊號到達的時間。由於接收機知道訊號發出的時間 (來自衛星訊號中的時間戳)，透過計算訊號的傳播時間 ($\Delta t$) 即可得知訊號從衛星傳播到接收機所需的時間。
  3. 距離計算： 距離 ($d$) 等於訊號傳播速度 (光速 $c$) 乘以傳播時間 ($\Delta t$)，即 $d = c \cdot \Delta t$。
  4. 偽距 (Pseudorange)： 實際上，接收機的時鐘與衛星的原子鐘之間存在未知的時間偏差 ($\delta t$)，這會導致計算出的距離並非真實的衛星到接收機的幾何距離，而是稱為「偽距」。因此，偽距的量測方程為 $\rho_i = d_i + c \cdot \delta t$，其中 $\rho_i$ 是第 $i$ 顆衛星的偽距，$d_i$ 是真實距離，$\delta t$ 是接收機時鐘誤差。
  5. 定位方程： 假設接收機的位置是 $(x, y, z)$，第 $i$ 顆衛星的位置是 $(x_i, y_i, z_i)$，則真實距離 $d_i = \sqrt{(x - x_i)^2 + (y - y_i)^2 + (z - z_i)^2}$。
  6. 解算未知數： 偽距量測方程可以寫成：
     $\rho_i = \sqrt{(x - x_i)^2 + (y - y_i)^2 + (z - z_i)^2} + c \cdot \delta t$

本題主要考驗考生對地籍測量相關概念，特別是三維地籍的理解，以及地籍圖重測作業中遇到所有權人未到場時的處理程序與法源依據。

核心觀念： 地籍測量是土地管理的重要基礎，現行的二維地籍已無法滿足複雜的空間需求，三維地籍是未來趨勢。地籍圖重測作業有嚴謹的程序，需依循相關法規辦理。

(1) 何謂「三維地籍」及其面臨的課題,並與現行的二維地籍比較：

• 現行的二維地籍 (2D Cadastral System)：

  • 定義： 目前台灣普遍使用的地籍系統，是以平面上的坐標 (X, Y) 和地號來表示土地的空間位置與面積。地籍圖是土地權屬、面積、形狀的圖示，但主要僅包含水平面的資訊。
  • 內容： 主要記錄土地的邊界點坐標、地號、面積、使用分區、建管資訊等。
  • 限制：
    • 垂直資訊缺失： 無法表示土地在垂直方向上的權屬，例如建物的所有權、樓層、地下室、空中權等。
    • 空間衝突： 難以處理複雜的空間疊加問題，如地上權、地下權、公寓大廈等。
    • 應用受限： 在都市更新、土地利用規劃、基礎設施建設 (如管線、隧道) 等需要垂直空間管理的領域，二維地籍難以滿足需求。

• 三維地籍 (3D Cadastral System)：

  • 定義： 指的是一個能夠完整描述土地權屬在三維空間中的地理資訊系統。它不僅包含二維的平面坐標，還納入了垂直方向上的資訊，如高度、深度、樓層、體積等。
  • 內容： 除了二維地籍的資訊外，還可能包括：
    • 垂直坐標： 如高程 (Z 值)、建物樓層、地下室深度。
    • 空間單元： 如體積單元 (voxel)、樓層單元，用以定義具體的空間範圍。
    • 權屬關係： 明確定義不同空間單元 (如不同樓層、地下室) 的所有權、使用權、限制等。
    • 時間維度： 某些三維地籍系統還會考慮時間維度，記錄權屬的變動歷史。
  • 優勢：
    • 完整性： 全面反映土地在三維空間中的權屬狀況。
    • 精確性： 能夠精確處理公寓大廈、地下管線、空中權等複雜的空間權益。
    • 應用廣泛： 有利於都市規劃、不動產開發、基礎設施管理、災害應變、司法訴訟等。

• 三維地籍面臨的課題：

  1. 技術標準不統一： 缺乏國際或國家級的統一三維空間數據模型與標準，如 CityGML、LandXML 等標準的導入與整合。
  2. 數據採集與轉換困難： 如何有效地從現有的二維地籍圖、建物測量成果、其他空間數據中提取和轉換出準確的三維空間資訊。例如，如何自動辨識建物輪廓、樓層、開窗開門等細節。
  3. 數據量龐大與處理能力： 三維空間數據的檔案量遠大於二維數據，需要強大的計算能力、儲存設備和高效的處理演算法。
  4. 權屬劃分的複雜性： 如何在法律和技術上定義和劃分複雜的三維空間權屬 (如分層所有權、共同壁、管道井等)，這需要法律、技術和行政部門的協同合作。

本題主要考驗考生對於地理資訊系統 (GIS) 中常見的空間分析操作——套疊運算 (Overlay Analysis) 的理解。

核心觀念： 套疊運算將兩個或多個空間圖層 (通常是多邊形圖層) 疊加在一起，根據它們之間的空間關係，生成新的圖層，並結合原圖層的屬性資訊。

套疊運算有幾種基本類型，題目列出的四種是其中最常見的：Union (聯集)、Intersect (交集)、Difference (差集) 和 Clip (擷取)。

假設我們有兩個多邊形圖層：Layer A 和 Layer B。

1. 聯集 (Union)：

• 定義： Union 操作會產生一個新的圖層，其中包含 Layer A 和 Layer B 的所有空間範圍。如果兩個圖層有重疊，重疊區域只會出現一次。新圖層的屬性會包含來自 Layer A 和 Layer B 的所有屬性。
• 繪圖說明：
  • 繪製兩個簡單的多邊形，例如一個圓 (Layer A) 和一個方形 (Layer B)，它們有部分重疊。
  • Union 操作的結果是一個包含整個圓形和整個方形的圖形。如果圓形和方形的邊界有交叉，則在邊界處會產生新的頂點。
  • 在屬性表中，對於原始 Layer A 的區域，會保留 Layer A 的屬性；對於原始 Layer B 的區域，會保留 Layer B 的屬性；對於重疊區域，則會合併或根據規則處理來自 A 和 B 的屬性。
• 輸出： 產生一個或多個新的多邊形，其空間範圍是 A 和 B 的並集。
• 圖示概念： 就像將兩個拼圖塊完全拼在一起，覆蓋的區域只算一次。

2. 交集 (Intersect)：

• 定義： Intersect 操作會產生一個新的圖層，其中包含 Layer A 和 Layer B 重疊的空間範圍。新圖層的屬性是來自 Layer A 和 Layer B 的重疊部分的屬性的組合。
• 繪圖說明：
  • 使用上述圓形和方形的例子。
  • Intersect 操作的結果是圓形和方形重疊的部分，形成一個帶有弧形邊緣的區域。
  • 在新圖層的屬性表中，只有這個重疊區域的屬性，這些屬性是來自 Layer A 和 Layer B 在該重疊區域的屬性的組合。
• 輸出： 產生一個或多個新的多邊形，其空間範圍是 A 和 B 的交集。
• 圖示概念： 就像將兩個透明的圖層疊加，只顯示它們共同被覆蓋的區域。

3. 切除 (Difference)：

• 定義： Difference 操作通常是指從一個圖層中移除另一個圖層的重疊部分。最常見的執行方式是 A - B，即保留 Layer A 中不與 Layer B 重疊的部分。結果圖層的屬性來自 Layer A。
• 繪圖說明：
  • 使用上述圓形和方形的例子 (A - B)。
  • Difference (A - B) 操作的結果是圓形，但其與方形重疊的部分被挖空了。
  • 結果圖層的屬性來自原始 Layer A 的部分，被挖空的區域則沒有對應的屬性。
• 輸出： 產生一個或多個新的多邊形，其空間範圍是 A 減去 A 和 B 的交集。
• 圖示概念： 就像用一個圖形 (B) 在另一個圖形 (A) 上打洞。

4. 擷取 (Clip)：

• 定義： Clip 操作使用一個圖層 (Clip Layer) 作為「剪刀」，將另一個圖層 (Input Layer) 的範圍「剪裁」到 Clip Layer 的範圍內。輸出圖層的空間範圍是 Input Layer 與 Clip Layer 的交集。輸出圖層的屬性來自 Input Layer。
• 繪圖說明：
  • 假設 Input Layer 是 Layer A (圓形)，Clip Layer 是 Layer B (方形)。
  • Clip 操作的結果是 Input Layer (圓形) 中被 Clip Layer (方形) 覆蓋的部分。也就是說，只保留圓形在方形內的部分。

本題主要考驗考生對於地理資訊系統 (GIS) 在實際應用場景中的理解，特別是餐飲外送平台如何運用 GIS 的圖資與空間分析功能來優化其營運。

核心觀念： 現代的地理資訊系統不僅是地圖顯示，更包含強大的空間分析能力，能解決實際問題，提升效率。

根據題目敘述，該平台系統運用了以下地理資訊系統的圖資及空間分析功能：

1. 圖資 (Geographic Data / Geospatial Data)：
平台系統需要仰賴多種地理圖資作為基礎，以進行後續的空間分析與決策。

• 店家位置圖資：
  • 內容： 記錄所有合作餐飲店家的地理坐標（經緯度或投影坐標）、店名、地址、營業時間、菜單資訊等。
  • 應用：
    • 建立店家圖層，方便使用者搜尋和選擇。
    • 提供給外送員，讓他們知道店家在哪裡。
• 外送員位置圖資：
  • 內容： 實時或近實時的外送員地理坐標，通常是透過外送員手機 App 上的 GPS 訊號取得。
  • 應用：
    • 讓平台知道外送員的即時位置，以便進行訂單派發。
    • 供使用者追蹤外送員的路徑。
• 用戶（訂餐者）位置圖資：
  • 內容： 記錄用戶下單時提供的送達地址，並將其轉換為地理坐標。
  • 應用：
    • 確定餐點的送達地點，供導航系統使用。
    • 計算外送距離與預估時間。
• 道路網路圖資 (Road Network Data)：
  • 內容： 包含所有可供車輛通行的道路（包含不同類型的道路，如主要幹道、次要道路、巷弄等）、道路屬性（如速限、單行道、允許通行車輛類型）、節點（交叉口）等資訊。
  • 應用：
    • 這是進行路徑規劃 (導航) 的基礎。
    • 用於計算兩點之間的距離和預估行車時間。
• 地理區域圖資 (如行政區、熱點區域)：
  • 內容： 如餐飲店密集的區域、用戶訂餐集中的區域、外送員常活動的區域等。
  • 應用：
    • 用於分析外送員的接單策略（選擇密集區域）。
    • 用於分析訂單分佈，優化外送員的調度。

2. 空間分析功能 (Spatial Analysis Functions)：
平台系統運用多種空間分析功能來優化其營運流程。

• 點位分析 (Point Analysis) / 位置查詢 (Location Query)：
  • 應用：
    • 「選擇到餐飲店比較密集的區域準備接單」：這涉及到查詢店家位置圖資，找出店家密度高的區域。可以透過點密度分析或空間連接分析（例如，在某個半徑範圍內有多少家店家）。
    • 「當用戶訂好餐點下單後，平台系統會自動將用戶訂單傳送至店家以及正在店家附近的外送員」：這需要查詢「店家附近」的外送員。
• 鄰近分析 (Proximity Analysis) / 緩衝區分析 (Buffering)：
  • 應用：
    • 「正在店家附近的外送員」：可以為店家位置建立一個緩衝區（例如 500 公尺或 1 公里），然後找出所有在這個緩衝區內的外送員。

本題主要考驗考生對於三維地理資訊模型，特別是 CityGML 標準中的 Level of Detail (LOD) 概念及其在不同應用中的意義的理解。

核心觀念： 三維城市模型需要能夠表達不同層次的細節，以適應各種不同的應用需求，LOD 規範就是為此而生。

CityGML 是一個基於 GML (Geography Markup Language) 的開放標準，用於表示城市建築、地形、水體、道路等三維地理空間資訊。其中，LOD (Level of Detail) 規範定義了模型在細節程度上的差異。LOD 的數值越高，表示模型的細節越豐富。

題目中列出的三個 LOD 等級及其含義和應用如下：

1. LOD1 (積木模型 / Block Model)：

• 細緻表現程度：
  • 這是最低的細緻度等級。
  • 建物模型通常表現為簡單的長方體或塊狀體，僅包含一個屋頂平面（可能是平頂或簡單坡頂）。
  • 不包含建築物的具體形狀、立面細節、門窗、材質等資訊。
  • 只表示建物在地面上的平面位置和一個近似的高度。
• 應用方向：
  • 城市規劃與概覽： 用於快速生成城市的三維視覺化模型，進行大範圍的城市景觀分析、陰影分析、視域分析。
  • 大規模空間查詢： 例如，查詢某區域內的建物數量、大致建築高度範圍。
  • 影響分析（初步）： 如初步的日照模擬、風力模擬，但精度有限。
  • 基礎數據： 作為更精細模型的基礎，或在數據獲取困難、對細節要求不高的情況下使用。
• 優點： 數據量小，處理速度快，易於生成和維護。
• 缺點： 細節缺失，無法進行精確的分析，如建築物內部空間、精確的立面細節等。

2. LOD2 (結構建物模型 / Structural Model)：

• 細緻表現程度：
  • 比 LOD1 更精細。
  • 建物模型不僅包含塊狀體，還會包含更精確的屋頂形狀（如坡屋頂、多邊形屋頂），並可能包含基本的立面資訊，如牆體。
  • 可能包含簡單的門、窗的輪廓，但通常不包含精確的幾何形狀、材質或紋理。
  • 仍然是建築物的外部幾何描述，不包含內部結構。
• 應用方向：
  • 城市景觀分析： 更真實地模擬城市景觀，進行視覺影響評估。
  • 太陽能潛力評估： 分析屋頂的坡度、朝向，估算太陽能板的安裝潛力。
  • 陰影分析與日照模擬： 由於屋頂形狀和建築體的精確度提高，分析結果更準確。
  • 初步的建築物碰撞檢測： 對於外部空間的碰撞，有一定判斷能力。
  • 基本的地形與建築物交互分析。
• 優點： 在保持較小數據量的同時，提供了比 LOD1 更豐富的幾何細節，適用於多數城市規劃和景觀分析。
• 缺點： 仍然缺乏建築物的內部結構和精確的立面細節。

3. LOD3 (細緻建物模型 / Detailed Model)：

• 細緻表現程度：
  • 最高細緻度等級（通常指外部精細化）。
  • 建物模型包含非常詳細的幾何資訊，如精確的牆體、門、窗（包含其位置、大小、形狀）、陽台、屋簷、裝飾細節等。
  • 模型通常能準確反映建築物的真實外觀。
  • 在某些定義中，LOD3 也可能開始包含建築物的內部空間結構，如房間、樓層劃分等（但更詳細的內部結構可能屬於 LOD4 或更高）。
• 應用方向：
  • 建築設計與審批： 用於建築設計的初步視覺化，建築法規的審批（如視線、日照、建築高度限制的精確檢查）。
  • 精確的城市模擬： 如精確的風洞模擬（考慮建築物的氣動影響）、精確的聲學模擬。
  • 消防和緊急應變規劃： 了解建築物的出入口、逃生通道等細節。
  • 房地產市場與行銷： 提供高度真實的建物模型，用於展示和銷售。
  • 資產管理： 對於精確的建築物資產管理（如設施管理）。

本題主要考驗考生對物聯網 (IoT) 的定義理解，以及其與地理資訊系統 (GIS) 結合的應用與效益。

核心觀念： 物聯網是將日常物品連接到網際網路，使其能夠收集和交換數據。GIS 則能為這些數據提供空間維度，使其更具意義和應用價值。

1. 何謂 IoT？

根據牛津線上字典的解釋，物聯網 (Internet of Things, IoT) 指的是：
"日常物件中的設備透過網際網路相互連接，使其能夠分享數據"。

更深入地解釋，IoT 是一個由嵌入了感測器、軟體和其他技術的實體設備組成的網路，這些設備能夠透過網際網路與其他設備或系統進行數據交換。這些「物件」可以是任何東西，從智慧家電、穿戴式裝置，到工業設備、車輛，甚至城市基礎設施。IoT 的核心在於：

• 連網能力 (Connectivity)： 設備能夠連接到網際網路或區域網路。
• 數據收集 (Data Collection)： 設備配備感測器，能夠收集環境或自身狀態的數據。
• 數據交換 (Data Exchange)： 設備能夠將收集到的數據傳輸給其他設備或平台，並接收指令。
• 自動化與智慧化 (Automation & Intelligence)： 透過對收集到的數據進行分析和處理，實現自動化控制、遠端監控和更智慧化的決策。

2. IoT 與地理資訊系統 (GIS) 結合的應用方向及其效益：

GIS 為 IoT 數據提供了關鍵的「空間維度」，使來自物體位置不明的數據變得有意義。IoT 設備產生的數據，如位置、狀態、環境參數等，如果能與地理空間資訊結合，就能進行更豐富的分析，並產生更高的應用價值。

應用範例一：智慧交通監控與管理

• IoT 設備：
  • 安裝在車輛上的 GPS 追蹤器 (用於計程車、貨車、公車、共享單車、共享汽車)。
  • 設置在道路上的交通流量感測器（如地磁感測器、攝影機、雷達）。
  • 智慧交通號誌。
  • 感測車輛位置、速度、行駛軌跡、交通流量、停車位狀態等。
• GIS 結合應用：
  • 實時交通監控地圖： 在 GIS 平台上，可以將所有車輛的位置、交通感測器的流量數據、停車位可用性等，以圖層的形式疊加顯示在地圖上。
  • 動態路徑規劃與導航： 結合實時交通流量數據，GIS 驅動的導航系統可以為用戶推薦避開擁堵的最優路徑。
  • 交通流量分析與預測： 分析歷史和實時的交通數據，預測未來交通狀況，並優化交通號誌的配時，緩解擁堵。
  • 車輛調度優化： 對於共享單車/汽車、計程車隊等，GIS 可以根據熱力圖顯示的供需分佈，指導車輛調度，將車輛從供大於求的區域調往需求旺盛的區域。
• 效益：
  • 提升交通效率： 減少交通擁堵，縮短通勤時間。
  • 節省能源與降低排放： 減少怠速時間，優化燃油消耗。
  • 提高公共交通服務質量： 實時公交位置查詢，優化調度。