可解釋推薦 · 公開旅運量

搭捷運，下一站去哪？

結合 PageRank 與 OD 人流，把「哪些人往哪一站移動」化成分數； 再依你的時段與偏好排出 Top 5，每一步都能對照說明。

推薦分數怎麼來的？

每個目的地站都有一個可查核的總分：把四個面相加總（旅行成本為扣分）。 你選的時段會影響熱門度與人潮連結；偏好則加強類型標籤相符的站點。

查看完整公式與符號說明

捷運路線圖

點站台設為起站 · 可搭配下方搜尋

路線著色對應實際路網語意；推薦結果產出後將同步高亮目標站。

推薦演算法說明

核心概念：PageRank 應用於捷運人流

Google PageRank 以「連結」衡量重要性；在捷運上我們把旅運 OD 視為連結：某一時段越多人流從各站朝向 j，該站在該時段的 PRj 越高。

轉移機率矩陣

pij = γ × (eij / si) + (1 - γ) × (1 / n)

  • eij：時段內從站 i 到站 j 的人流量
  • si：站 i 出發的總人流
  • γ = 0.85：阻尼係數
  • n：總站數

推薦分數公式（與卡片拆解同色）

Score(i→j, t, pref) = w1×PRj(t)
+ w2×pij(t)
+ w3×PreferenceMatch(j, pref)
- w4×TravelCost(i, j)
  • i：出發站，j：目標站，t：時段，pref：使用者偏好
  • PRj(t)：站點 j 在時段 t 的熱門度（PageRank）
  • pij(t)：從 i 到 j 的人流連結強度
w1 = 0.30 — 熱門度（PR）
w2 = 0.25 — 連結性（轉移）
w3 = 0.30 — 偏好匹配
w4 = 0.15 — 旅行成本（扣）