全端系統開發

計程車派遣系統(獲獎)

本專題開發一套結合機器學習、交通資料與地圖視覺化的智慧計程車派遣系統。系統以紐約市計程車行程資料為核心，整合交通速度、311通報、號誌及時間特徵，建立15分鐘需求預測模型，預測不同區域下一時段的乘車需求。 資料處理部分使用Python進行資料清理、格式統一、特徵工程與模型訓練，並透過PostgreSQL及PostGIS管理大量時間與空間資料。預測模型採用LightGBM，加入星期、時段、週末、歷史需求量、平均車速及區域通報數量等特徵，以提升預測準確度。 系統前端使用Streamlit與Folium建立互動式地圖介面，可選擇預測時間、查看各區域需求量、需求熱點及相關交通資訊，協助使用者快速掌握計程車需求分布。後端負責資料庫查詢、模型推論與視覺化資料傳遞，形成完整的資料處理、模型預測及網頁展示流程。 此外，專題亦使用SUMO建立模擬車流及計程車派遣情境，分析不同車輛數量與乘客需求量下的平均等待時間、空車里程、載客里程、平均速度及車輛使用效率，作為派遣策略與系統效能評估依據。

使用的技能專長

• Python
• Machine learning
• 資料視覺化
• PostgreSQL
• Streamlit
• LightGBM
• PostGIS
• Folium
• SUMO
• 資料前處理