SQL GROUP by 最後 一筆的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

運用悠遊卡巨量資料分析公車乘客行為

為了解決SQL GROUP by 最後 一筆的問題，作者謝萬興 這樣論述：

近年來，巨量資料分析應用在交通領域對於政府、營運者、乘客之效益逐漸獲得重視，其中智慧卡資料具備可儲存大量個人旅行資料、由卡號連接到使用者以及比現存運輸資料來源可以獲得更長期連續旅次資料的特性，具備相當高的商業價值。悠遊卡自2000年發行至今，累積發卡量已突破5,000萬張，目前平均每日應用於各領域之總交易筆數合計超過550萬筆。本研究係以悠遊卡刷卡資料輔以站點刷卡人數統計，由2014年11月1日至11月30日共4,973,841筆交易資料中，針對南京東西路廊公車群組共20路線進行分析，了解公車使用者之行為及特性，並探討不同族群在時間面與空間面的變異情形。 時間面分析結果顯示平日

比起假日具有較明顯的尖峰，學生族群在平日下午8點至10點會出現另一使用尖峰。敬老族群在平日與假日的使用規律性十分相似，與全部票種、一般及學生族群不同。此外，捷運松山線通車後造成南京路廊整體路線日運量在平日下降14.65%，假日下降8.97%，對於一般以及學生族群衝擊較大，而其餘票種在週日的運量反而有所提升。在空間面分析，研究結果呈現不同票種在上、下午尖峰的站點選擇所不同，以及通車前後各站點搭乘人數的變化。本研究另以關聯法則的Apriori演算法探勘資料欄位間關係，發現各路線間在通車前、通車後與不同票種間捷運轉乘比例的差異，由通車前的11.47%下滑到通車後9.74%。本研究選取2014年11月

第二週之平常日資料進行通勤旅次分析，建立出對應卡號在第一筆與最後一筆交易紀錄的使用時間及路線選擇矩陣，研究結果指出上午8至9點與下午6至7點為使用頻率最高的組合，而選擇搭乘同一條路線的比例54.96%，兩者的時間間隔，可呈現出不同族群的搭乘特性與機動力。 本研究建立出一套從資料前置處理、時間面分析、空間面分析、資料關聯性分析與通勤旅次分析之流程，對於任何使用智慧卡搭乘之公車路線皆可應用，具可應用性及可移轉性，可供其他城市參考。主管機關在新政策之實施、新路線之引進以及接駁路線的協調等議題時，可檢視各族群的使用特性、路線載客績效及變化輔助決策的進行，業者亦可據以進行營運策略的調整，提升整體服

務品質。