當談到要培養哪些大數據AI的應用技能時，過去在中華顧問工程五年發展計畫中所提出的幾項功能應用或可提供參考。

大數據AI應用技能培養

當談到要培養哪些大數據AI的應用技能時，過去在中華顧問工程五年發展計畫中所提出的幾項功能應用或可提供參考：

1.進行自動校準的需求預測
需求預測可運用至訂位、訂車、訂房、訂餐，人、車派遣、產品規劃等服務。傳統需求預測方法多以季節(淡季旺季月份)、活動、天候、事件等來設定需求類別，計算各類型之資源使用率，從符合的機率分佈，計算累積機率密度函數；再由定位資料，釐定相關需求與影響因素之間的關係，建立資源使用之需求預測模型。
以大數據技術分析季節(淡季旺季月份)、活動、天候、事件等資料，利用長、短期與即時需求之分類與特徵，建立需求與影響因素之間的關係，發展一個自動的校準與學習的機制，是需求預測模組中不可或缺的重要項目，初步可以先進行影響應因素差異比對分析，決定那種類型、特徵之需求數據最貼合實際情境，再於歷史數據與即時數據間設定權重作為調校參數，以增加需求預測的準確度，讓管理者能對需求變化及早因應，有效率的進行資源分配、管理。

2.發展視覺化、自動化的回應架構
結合機器學習與人工智慧，影像辨識在大數據領域中可擔綱偵知、分辨、追蹤與比對等功能，能夠發展出許多自動化的功能模組，加速智慧化的進程。特別是當大數據視覺化之後，讓機器來判斷類型，並用深度學習建立特徵與分類之間的權重，以及根據實際數據所驅動之管理、管制、作業等流程，建立能夠替代人為處理的技術模組，真正落實資訊加值應用，作法上可以交通路網數據為基礎，分析交通運行的規律性和相似性，建立學習模型，利用機器學習預測流量、壅塞等交通參數，再探討建立自動化車流分析回應的可行架構方案。

3. 提取交通服務之關聯與特徵值
交通大數據包含人移動的數據、交通流、路網結構、氣象、空氣品質、社交媒體、能源與興趣點等多種類型，分別具有單點或網路特性，在演變上具有靜態、時間動態空間靜態，以及時空動態等樣貌。傳統的交通理論難以發現隱含在複雜維度的知識，無法對交通旅次規律性及其時空演化、環境與交通行為等進行綜合知識和資料的解釋與評量。因此如何將這些數據資料進行分群、分類、分區，建立時空索引並提取關聯與特徵值，將是分析技術發展之重點，發展應用機器學習處理交通服務資訊的能力，以區域路網交通服務數據，進行地域、時期、時段、事件、天候、壅塞等之分類、特徵與標籤化之研究，以建立高維度複雜問題的隱性知識循序挖掘與演化的技術方法。

4.處理具有多元影響因素的決策
重點在機器學習中有關深度學習技術、方法在交通領域之應用，建立深度學習的神經網絡模型，進行監督或非監督式的學習，讓整個數據分析與問題處理的過程能夠落實踐任務化的需求。

初步構想將以路網層級的整合交控作為研究測試的標的，其概念是我們可以將一個區域（如台北市）不同時段的交通壅塞的圖像視為是一張臉，這個臉會對映出包含控制策略與邏輯在內的許多關聯與資訊，也就是他有自己的名字與屬性，為了辨識這張臉是誰？而這張臉特徵又很複雜，因此應用深度學習的複合多重結構的神經網絡，作多重非線性轉換，再進行辨識與確認，來決定所使用的最佳策略與控制參數。

5.最佳供需媒合
供給與需求媒合是所有市場服務的基礎，應用大數據進行媒合分析，著重在使用歷史規律統計分析、供給不足規律分析與資源配置關聯分析、資源佔用情況提取與歷史統計以及時空需求分佈特徵分析等，並可以停車供給與需求分析作為主要之研究標的，重要內容包括：停車位配置資料、停車場位使用歷史態樣統計分析、停車場區域交通壅塞規律分析與停車資源配置關聯分析、路邊停車位佔用情況提取與歷史統計、路邊停車時空需求分佈特徵分析、違規停車集中時空分佈特徵分析，研究成果將提供作為相關停車公共（私設）服務平臺運營的參考。

6.預測旅行時間
影響旅行時間的因素包括：固定變動因子：如月份、週日、同日各時段、平常日、假日（假別、天數）、連續假期、特殊活動等，因有不同的生活內容，因而產生不同的交通需求；氣候變動因子：如溫度、晴雨、颱風等；以及交通影響因子：如交通管制措施（匝道儀控、高乘載）、需求管理（差別費率、停止收費）等。

較完整而精確的旅行時間預測， 應是整合歷史數據與即時數據的調適性預測方法，歷史資料是過去蘊含各種影響因素下的需求產出，而即時數據則是目前各種影響因素下之產出，如果當下至未來情境轉換中各種影響因素如時段、氣候、交通狀況等等變化不大，則即時數據進行預測即可，如果預期未來時段可能遭遇情境會有變化，則應採依其改變的影響因素所對映之歷史數據進行預測，或是以歷史數據與現況數據之差異，策略性的調整未來時段所使用的歷史數據，讓預測能夠更為精準。

7.結合移動服務之軌跡大數據分析
主要是在建立對於軌跡數據的整合分析能力。車輛與人流的軌跡等，在地域上有點、線、面甚至3度空間的關係，具有距離與層次上的特性，而時間數據則在時間軸上流動，有歷史、實時與未來的關係，並具有時段鄰近性、週期與趨勢等特性，這類的數據流隨著人類活動不停快速增長，而且數據間的順序關係也不能更換。這是交通數據中很重要的一個特性，要發展資料加值應用，必須先對軌跡處理技術有所掌握。
目前交通部公路總局已掌握國內所有遊覽車之軌跡資訊，以遊覽車軌跡數據作為研究標的，可從中分析出遊覽車產業的狀況，個別公司與車輛之營運特性與情況、業者安全風險評量、關聯產業與旅宿、餐飲、景點等的運營狀況，甚而可分析出國人旅遊的偏好、特性等更上層之資訊。