836公車的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品

春天逃城

為了解決836公車的問題，作者阿鏡 這樣論述：

　　「春天逃城」是作者在創作生涯約三千首詩作品中，經過無數個無辜咖啡廳的夜晚，以及無數梯次重新思考編修故事線的痛苦決定，精心挑選了不得不放進去的七百零二首詩，共收入八百七十六頁，約十二萬字的個人獨立詩集。 　　 　　「春天逃城」分成十三個子集，每個子集都是一本獨立的詩集，裡頭的寫作風格各有不同，有傳統抒情，有以女性角度出發的書寫體，有情色詩選，有生物詩，有Google語音辨識即興書寫，有白話直述型式的書寫，也有超長詩與自動書寫體，編排方式大多按照創作時間先後來安排，考量頁數的關係，除了童詩，散文詩與小說詩捨棄之外，其餘可能呈現的創作方法與型態都包含在裡頭了。 　　這本詩集

是目前華人出版詩集中最大型的個人單一詩集，沒有人會作那麼華麗而愚蠢的冒險，不顧及市場行銷以及讀者對小本詩集的購買習慣。它被作者定義成為一本逆向操作的詩集，不是那種文青小旅行的鋁箔攜帶包，而是一本新詩紀念字典。它同時是燈火，而讀者只是飛蛾，在枱燈下不斷地撞擊，來證明自己並不疼痛的詩集。 　　寫詩容易寫成敘事，寫成說一件事，寫成你所認為最有效率的抒情方式。 　　最近幾年，我開始改變方式，我寫狀態。描述一件事很混亂，與用混亂的方式來描述一件事，有很大的不同。前者最後容易淪為說理，你看到一則現實中的故事，或是你心中的一條心情，因為你想要呈現的是一種有脈絡可追溯因果關係的事件，所以你會不知不覺把它寫

得更完整，最後還會不知不覺地下了結論，而變成一個原來只是想要說大道理的傢伙，你希望每個讀者都懂我在寫什麼，如果自己又沒有太大自信，你甚至會不理會讀者，自行在詩的最後定義了結果，這種方式對多數的讀者顯然有用，因為讀者非常快樂，他們居然懂你在寫什麼，他們是如此順從於作者的意志，絕不二心，是可愛又迷人的不反叛角色，他們也以為他們讀到的是美詩，然後天空散滿了花瓣，一片歡樂的景象。 　　後者的創作方法，因為要表達的是狀態，所有使用到的文字與文字背後的意圖想展示的比喻都是為了演好混亂這個狀態作服務與準備，因此每一種腳本與延伸故事線的發展都有機會到達那種混亂的狀態，剪碎的玫瑰花、紅豆混著綠豆的碗、魚缸裡有

三隻鬥魚，都是以不同的句子去表達混亂，用具象物件的聯合排列演練、用時間順序來交錯，以長鏡頭與廣角鏡頻頻交換來製造跳躍的情境，打破邏輯，來表達抽象的情緒。 　　具象的物件不一定是真實在現實世界中發生的物件，它們都是道具，那些具象的道具，最後都會在我們的腦中變成圖像，然後我們的腦子就開始腦補，腦子會搜索它自己現有的資料庫來比對與聯想， 剪碎的玫瑰花是什麼意思，為什麼玫瑰花被剪碎了，是誰剪碎的，何時被剪碎了，在那裡被剪碎 了，腦子開始發熱，它終於感到了威脅，它覺得不安全，它需要趨近於更安全穩定，所以它一定要想辦法解決目前的困境，因為那是腦子的生物本能，腦子必須保持穩定的狀態，所以它越來越熱，如果沒

有更多的線索輸入，它就會開始迷惑，等到淡入一張紅豆混著綠豆的碗，一個新的轉場效果，它開始繼續努力，後來它發現這張圖片與上一張圖片有雷同的地方，它終於知道那是一種熟悉的感覺，直到三隻鬥魚的圖片接進來，腦子終於比對出來，去年因為出現第三者而失戀的時候，一個人躲在浴室大哭的感覺。 　　我們根本不想讓讀者那麼快樂的讀詩，而不先燒他們幾個卡路里的熱量，那簡直是不道德的，我寧願讓讀者一開始就是一種苦悶的閱讀，然後再來恍然大悟，發出那種，喔原來我也曾經有過如此感覺的嘆息。一首詩原來可以用一些很簡單的白話文但彼此看起來不關連的句子就能說全了。如果你那一天遇到了一個不再愛的人，但是又無法說出不再愛他的那個情境

，你可以大聲地用這兩句詩，來安慰自己。 　　完全不愛了的那人坐在對面看我 　　像空的寶特瓶不易回收消滅困難 　　──夏宇／秋天的哀愁 　　寫狀態的這種創作方式，才是真正的抒情。它會讓詩的創作進入了一個象徵的境界，而達到目的地之前，會有無限可能的途徑可以到達，你不需要一定要遇到一個事件才能寫，你所要練習的只是觸類旁通與隔空取物的能力，你要學會的只是招喚外頭的魔獸來幫你達成你想要描述的狀態，而不是學習說一個完整故事的能力。把描述一個簡單的故事交給散文，把描述一個複雜的故事交給小說，把想批評國家政府的事，交給偉大的評論文吧，把描述一個神秘感覺的示現就交給詩吧。當然，如果可以用幽默的方法來表達這種

感覺，你就能從黯然銷魂掌，進入了九陰真經的境界，而夏宇就是知道了這個心法，那麼多年的創作體會，我也體會了一些這種心法，千萬不要問我我在寫什麼，如果我回答了你，一首詩就沒有了其它的可能，這是一件殘忍的事，你看不懂的，只是現在也許無緣，或許也是一種幸運，又或許詩本來就不是要讀懂的，而是感受的。 　　寫狀態的這種創作方式，正是春天逃城這本詩集中所要展現的抒情，你可能在讀詩的過程中會遇到很多的挫折，但是它們只會跟你過去的生活經驗有關，已經與我無關。  

836公車進入發燒排行的影片

Inferring transportation modes (bus or vehicle) from mobile phone data using support vector machine and deep neural network.

為了解決836公車的問題，作者何曉晴 這樣論述：

本研究以探討在運輸規劃領域當中利用行動電話資料進行運具判斷為例。運輸規劃中最重要的幾個步驟分別為旅次產生、旅次分派、運具選擇以及交通量指派。在過去都是利用例如家戶或是路邊訪問的問卷調查方式獲得運輸規劃所需的資料，但透過問卷調查的方式通常面臨了(1)耗費大量人力、(2)高拒訪率以及(3)因受訪者記憶不完整而造成錯誤填答。近年來雖然已經嘗試利用GPS資料取代過去的調查方法，但GPS資料除了不易獲得外還容易受到建築物的因素引起遮蔽效應造成定位不準確，因此不適合將GPS資料應用於大型路網中。而行動電話資料以在運輸規劃當中成為另一個備受矚目的資料蒐集方式，它無須再額外新增設備即可自動且有效率的紀錄使用

者的時空資料。因此，獲得行動電話資料的成本很低，甚至可以忽略不計。在本研究當中，我們採用了兩種監督式機器學習的方法–支持向量機(SVM)與深度神經網路(DNN)–以探討在何種特徵(旅行時間、蹤跡的發生時間、兩蹤跡間的速度、旅程中最大的速度以及平均速度)、時間區段(尖峰時段、離峰時段以及全天)、運具路線組合(公共汽車路線、汽車行走於公共汽車路線與汽車行走於非公共汽車路線)以及訓練的方法，是如何影響運具判斷的準確性。以混淆矩陣為評估指標比較各結果的準確率，結果顯示，在(1)採用五種特徵、(2)全天、(3)公車與所有汽車路線組合與(4)支持向量機進行訓練，其結果準確率高達96.58%。不幸的是，使用

五種特徵進行訓練的方式需對指定的起迄對進行實際的資料蒐集，但此種方法若是應用於大型路網上是非常昂貴的。但我們可以選擇另一種可以接受的方式，採用四種特徵(蹤跡的發生時間、兩蹤跡間的速度、旅程中最大的速度以及平均速度)進行訓練(在本研究中，準確性從96.58%降為74.21%)。透過將路網中所有的起迄對以組內差異最小化組間差異最大化的方式進行分群，在各分群中挑選一起迄對進行實際的資料蒐集並建立運具判斷模型，可將此模型應用在同一分群中的其他起迄對，再利用公車電子票證進行驗證，如此一來可以減少資料蒐集的工作量。隨著電信通訊技術的發展與進步，可以預期在不久的將來利用行動電話資料進行運具判斷的準確率會更高

。還值得一提的是，在本研究中對於行動電話飄移現象的消除提出了一種改良的方法，此方法消除了在過去文獻提到的方法中所造成缺失。