论文名称 交通场站内广告对旅客影响之研究-以台北捷运广告为例
年别 109
学位 硕士
学校系所 淡江大学运管系运输科学硕士班
作者 朱德安
指导教授 董启崇
论文摘要       在整个台北捷运场站环境中,广告数量不断持续增加的情形下,恐会对行经于场站中的旅客产生所谓的广告干扰(Advertising Clutter)影响。然而目前台北捷运公司在广告的规范上,并没有对于广告数量的限制设定。基于期望能在未来提供管理单位,对于交通环境中的广告数量设定建议,本研究将初步探讨个别单幅广告对于旅客的影响。
       本研究工作内容包含三部分:(1)本研究将运用信息论(Information Theory)将广告量化,将广告的资讯量以(Shannon Entropy)作为控制量。(2)透过控制实验的方式,控制单一幅广告的资讯量层级大小,观测受测者对于广告的反应。(3) 建立支援向量回归(Support Vector Regression, SVR)模式,探讨个别单幅广告对旅客之影响。本研究建立模式分为两个部分,核心模式为仅考虑广告「资讯量」与「广告干扰」的关系,另一模式为基于核心模式上加入个人对于广告的「偏好」。另外,亦使用顺序罗吉斯回归(Ordered Logistic Regression Model),分别建立「偏好-主观情绪」与「偏好-客观情绪」模式;前者探讨广告偏好与Russell环境体验情绪之间的关系,后者为探讨广告偏好与表情分析情绪之间的关系。
       归纳本研究的重要发现:(1)本研究运用支援向量回归建立广告「资讯量」与「广告干扰」的关系以及加入「偏好」变量的两种SVR模式,虽然两种模式预测效能与我们的预期有些许落差,但已达到可接受之预测能力(MAPE<50%)。(2)运用情感运算(Affective Computing)的表情分析,所建立的「客观情绪」与「偏好」顺序罗吉斯回归模式,可用于预测人对于广告的偏好感受;并且纳入偏好感受可提升支援向量回归对于广告干扰值的预测能力。而在构建「主观情绪」与「偏好」的部分,则其结果不符合等成比例发生比假设条件(proportional odds assumption)。(3)本研究将SVR预测结果进行落点分布检视,并依循落点分布层级进行分群结果能有效提升SVR之预测能力。惟本研究尝试以现有的「性别」与「捷运搭乘频率(每周搭乘天数)」两种外显变量,分别以「决策树」与「潜在类别」两种分群法的方式进行落点集群之分群效果不佳,且依据此分群结果所建立的SVR模式之预测能力亦无显着的提升。
附件下载 (作者未授权电子档全文)
张贴日 2020/09/22
Hashtags
查看次数: 5