1 簡介

　　上篇文章以「台北人口分布地圖：空間資料的尺度變換」為題，這篇文章則利用信令資料，比較戶籍人口和信令人口的分布差異。

　　何謂信令資料？因為行動裝置（手機）固定都會回傳信號給基地台，電信公司可以利用訊號的變化，擷取用戶移動的距離與時間變化，拼湊得出使用者的移動路徑，詳細介紹可以參考這篇報告的第三頁。

　　為什麼要看信令資料？雖然有戶籍資料在，從生活經驗中不難發現，它與實際生活情況有不小落差，無論是負笈求學、離家工作，不只通訊地址和戶籍地址可能不同，通訊地址也未必就是現在的住所。另外，早上到公司上班、晚上和朋友小酌、午夜時分回家睡覺，戶籍資料無法捕捉這些動態變化。利用信令資料，不僅能看居住地點和工作位置，若原始資料足夠豐富，也能看到出發點和目的地（Origin & Destination, 簡稱 OD）以及之間的流動情形。

　　事實上，電信公司的信令資料已經有不少商業和學術上的應用，台灣也不例外。本文即利用台灣某電信公司提供的台北市信令資料，呈現台北市的人口分布。然而，本文重點並不完全放在於台北人口究竟怎麼分布，而是更大程度地關注信令人口和戶籍人口的差異，以及信令資料本身的限制。

2 台北市人口分布

　　台北市政府的信令資料尺度是 250 公尺 x 250 公尺的網格，經過電信公司去識別化，考慮市占率進行一定推估後，得到各網格當中的各年齡層、性別人數；另外，因為原始資料中有時間維度，可以據此計算不同時間的人口分布。就內容來說，其實和最近內政部在 SEGIS 平台上公布的電信信令人口統計資料 內容相似，只是內政部的資料已經從網格對照為以行政區域為基礎了。

　　利用空間資料的尺度變換文中提過的方法，將人口從網格映射（mapping）至村里，再依照上班時間和睡覺時間，取平均後粗略地將兩個時段的人口分為居住人口和工作人口，便能夠和戶籍人口比較。

　　因為若以絕對人數上色，會因為面積不等而影響視覺判斷，因此下圖先呈現信令數據當中的居住人口密度。

Figure 2.1: 台北市信令人口密度

　　從圖中可以看到台北市東北、東南人口密度很低，大部分人口聚集於中間與偏西邊。前者稀疏的理由主因是該地地形以坡地和山區為主，較少人居住，且也被劃為都市計畫保護區。

Figure 2.2: 台北市信令人口密度與保護區

　　另外，光從圖來看很難直接看出哪些村里的人口密度較高。若將捷運路網疊上密度圖，便可以發現兩者有著緊密關聯。以北投區與士林區來說，人口主要聚集於和北投士林接壤的捷運明德站、石牌站、芝山站一帶，北投的另一個聚集區則是奇岩、北投、新北投構成的三個里，而士林也有士林與劍潭一帶的密集區。內湖也呈現類似情況，人口沿著捷運沿線分布。相對來說，發展多年的中正萬華一帶，人口稠密區域便沒有直接和捷運站點對應，松山信義區也因為商辦密集，人口分布不完全和捷運站貼合。

Figure 2.3: 台北市信令人口與捷運路網

　　當然，人口的分布絕非看了密度地圖，或者疊上捷運路網或者山地便可有全盤了解，當中有許多台北發展的歷史脈絡，像是地形特色與限制（松山機場建設和風向有關）、都市規劃的考量（發展上先西後東）、與周遭區域如新北市的互動（聚落遷徙）等。若想了解台北更多，可以參考這本臺北．原來如此。

3 信令與戶籍人口分布差異

　　實際比較戶籍人口和信令居住人口密度，並控制各個密度區間的顏色方便對照，單用肉眼檢視分布狀況來說，其實戶籍和信令人口是接近的。

Figure 3.1: 台北市人口密度

　　比較戶籍和信令人口分布上的差異，從下圖中可以發現，其實各區都有或多或少的落差，在信令多於戶籍人口的區域旁邊，也有戶籍人口多於信令的區域，並沒有明顯的聚集情況。利用空間性局部指標（LISA）分析，雖然有冷區和熱區存在，但其範圍都非常小，沒辦法清楚的看出模式，因此在這沒有附上圖表。

Figure 3.2: 台北市信令居住與戶籍人口密度差異

　　其實，雖然數字略有落差，但如同人口分布章節所言，兩者的分布大致接近。將人口分布和台北市土地利用中的住宅區套疊，可以看到人口大約都在住宅區上。

Figure 3.3: 台北市信令人口與住宅區

Figure 3.4: 台北市戶籍人口與住宅區

　　因為從地圖中看不出差異，因此改用別的圖表看差值。將戶籍人口放在橫軸，信令人口放在縱軸，再加上斜率 = 1 的斜直線，可以見到兩者偏離多遠。

Figure 3.5: 村里的信令與戶籍人口散布圖

　　若再用行政區細分，可以見到較為細緻的變化。以中山區與中正區為例，大部分的村里都在斜直線周遭，但各自有一個村里的信令人口多出戶籍人口許多。

Figure 3.6: 村里的信令與戶籍人口散布圖 - 分行政區

　　那麼，為什麼這些區域的信令人口若會多出戶籍人口許多呢？從單一資料來看很難直接查出原因，不僅需要熟悉 GIS，也要對該區域有足夠的理解才行。舉例來說，我們或許會推測，某區的學齡戶籍人口年比例高，又考慮到大學生很多都在外地求學，因此這些區域的戶籍人口可能會低出信令人口許多；而老年人口比例高的地方，或許有機會將房屋出租給人，因此這些區域的戶籍人口可能會低出信令人口許多。下圖便在原有的散布圖以外，增加老年人口比例的維度，但還沒有明顯的趨勢，需要更細緻的挖掘原因。

Figure 3.7: 台北市的村里人口統計

　　除了人口變數以外，還有其他因素可以用來推敲人口動態背後的原因。舉例來說，統計租屋市場上的供給、考慮學校與周遭學區、計算生活機能等，有許多可能的維度，相關資料也不難搜集，內政部的 SEGIS 上有相關資料集可供下載，研究者也能自行搜集點位資料（POI），或是依照自己的假設蒐集其他公開資料。

4 小結與反思

　　本文呈現信令人口的分布，再輔以都市保護區、捷運路網、土地利用，並比較戶籍人口差異。

　　信令資料確實有眾多優點，如動態測量人口分布，並能捕捉人口的起迄與旅次。台北市大數據中心有一個專案，即是利用信令人口的居住地與起迄資料，查看內湖科學園區的工作人口來源，並搭配捷運與公車的搭乘資料，試圖處理該地的交通壅塞問題。

　　但也容許我指出，信令資料雖然好用，因為其仰賴推估的特性（考量市占、去識別化故要考量性別與年齡、考量網格尺度、考量抽樣天數是否有代表性），若樣本不足，便會面臨許多問題，不可不慎。

　　最後感謝 TUIC 諸位夥伴提供的建議。因為篇幅限制與本文目的，其實沒有談太多信令人口分析上的應用，因此文末附上三張信令人口相關的地圖，希望你會喜歡！

Figure 4.1: 台北市分時信令人口分布 - 動態版

Figure 4.2: 台北市分時信令人口分布 - 靜態版

Figure 4.3: 台北市信令人口工作居住比

Figure 4.4: 台北市週間與週末晚上人口分布