機捷線車廂載重 3D
車站 × 小時的 3D 承載率分布,顏色依承載率分級
車站輸運人數
今日與上週同日的累計出站對照,推估活動衍生人潮與散場後未回站人潮
票務進出站統計
每小時與每 15 分鐘的輸運人數,標出活動衍生人潮最大的時段
15 分鐘輸運人數
三條線對照:推估活動衍生人潮、上週累計、今日累計
全日監控燈號
每站每 30 分鐘一格的維持、警戒、告警燈號
列車承載率監控
依尖離峰、方向與車種篩選的承載率與每班車明細
車廂載重分析
每一節車廂的人數與擁擠度
票務進出站統計
兩個活動日並排比較,每小時與每 15 分鐘的進出站人數
資料說明:截圖中的運量、承載率等數字皆為模擬資料,僅呈現儀表板的架構與設計,不代表實際營運狀況。

01 · Context

背景

軌道運輸業者的運輸規劃單位需要掌握兩件事:大型活動前後各站的進出站人潮,以及每一班列車、每一節車廂有多擁擠。原本這些數字分散在票務與列車資料裡,要靠事後整理才看得到。

這個專案為運輸規劃單位製作一組 Power BI 監控儀表板,從站、列車到車廂三個層級呈現運量,並用燈號讓值班人員一眼看出哪裡需要處理。

02 · Role

我的角色

我以資訊服務公司合作數據分析師的身分加入,是專案中唯一的報表製作者:整套報表共六大類監控畫面、四十多頁,全部由我設計與製作;同時和營運方一起討論、訂定監控指標,再把指標落實成儀表板。

參與定義與呈現的指標包括:

  • 站的層級:各站進站與出站人數、滯留人數,以及大型活動的預估人數:以今日與上週同日的累計出站差異,推估進場後的活動衍生人潮與散場後的未回站人潮,並標出最大值出現的時段。
  • 列車層級:總車數、承載率、載客數,依尖峰、離峰、行駛方向、車種與車次拆分。
  • 車廂層級:每節車廂的人數與擁擠度,以及車站 × 小時的承載率分布。
  • 燈號門檻:依車種分別設定維持、警戒、告警的載客數區間。

03 · Dashboards

代表畫面

四十多頁報表歸納為六大類監控畫面,以下挑出幾個代表頁面說明。

機捷線車廂載重 3D

以車站 × 小時為底、承載率為高度的 3D 柱狀圖,顏色依承載率分級,一眼看出哪幾站、哪幾個小時最擁擠。

車站輸運人數

今日與上週同日的累計出站並排,兩者的差就是活動帶來的額外人潮;畫面上方直接標出活動衍生人潮最大與未回站人潮的時段。

票務進出站統計

選兩個關注的活動日並排比較,用每小時與每 15 分鐘兩種粒度看進出站人數,找出活動散場的尖峰。

列車承載率監控

依尖峰、離峰、行駛方向與車種篩選,看時段內的總車數、平均承載率與平均載客數,下方列出每一班車的明細。

非重點時段全日監控

從首班車到末班車,每 30 分鐘一格、每站一列,以維持、警戒、告警三色燈號呈現,普通車與直達車各有不同門檻。

車廂載重分析

拆到每一節車廂的人數與擁擠度,看出同一班車裡是否有特定車廂特別擠。

04 · Iteration

和使用單位一起修出來的細節

上線前經過多輪檢視,每一輪的回饋都整理成逐頁的修改清單。幾個有代表性的調整:

  1. 平均要用列車數加權。時段平均承載率原本是各筆平均值直接再平均;改成「各筆平均承載率 × 該筆列車數 ÷ 總車數」,載客數也比照辦理,避免車次少的時段被高估。
  2. 用詞貼近業務語言。「活動衍生人潮」拆成「進場後推估活動衍生人潮」與「散場後推估未回站旅次」,指標名稱直接說明怎麼推估。
  3. 明細要能對上班表。列車明細補上車次欄位,並依發車時刻排序;日期改為單日選擇,時段限定在首班車到現在。
  4. 對不上的數字先查篩選邏輯。使用單位發現「兩站合計比全選還多」,追查後是車站篩選與空白值的處理方式不一致,修正後加入「空白」選項讓資料完整可見。

05 · Principles

監控型儀表板的原則

  • 燈號比數字先被看到。值班人員不需要讀懂每個數字,只需要知道哪一格變黃、變紅。
  • 門檻依車種分開設定。普通車與直達車的座位配置不同,同一個載客數代表的擁擠程度也不同。
  • 每個畫面都標示更新時間。監控數字最怕看到舊資料而不自知。