用 TDX 開放資料實測「台鐵誤點導致旅客錯過下一段高鐵」的發生率。 資料期間 2025-01-21 ~ 2026-07-27（553 天），約 3,940 萬筆列車動態紀錄。
在板橋站台鐵轉高鐵的行程中，約 12.4% 會因上游誤點而錯過原訂班次 — 大約每 8 次轉乘就有 1 次接不上。
真正意外的是：多留緩衝時間幾乎沒有幫助。
| 預留轉乘緩衝 | 斷鏈率 |
|---|---|
| 10 分鐘 | 12.43% |
| 15 分鐘 | 11.42% |
| 20 分鐘 | 11.71% |
緩衝加倍，斷鏈率只降 0.7 個百分點，甚至在 20 分鐘時回升。
原因是高鐵板橋站的班距中位數只有 10 分鐘：無論你多早出門，系統都會把你排進「表定抵達 + 緩衝」之後最早的一班，所以你相對於那一班的寬裕度永遠落在 0–10 分鐘之間。提早出門只是換到另一班同樣脆弱的車。
推論：這個問題旅客無法靠自己的行為解決，只能靠事前資訊。
完整方法、口徑與限制見 docs/findings.md。
如果你要用 TDX 歷史 API — 直接看 docs/tdx-api-notes.md。
裡面是實測踩出來的坑，官方文件上查不到：
- 歷史 API 的路徑要有
/Historical/這一段，少了就 404 - 同一個 API 群組有三種回傳格式（單一 JSON 物件 / JSON 陣列 / NDJSON），要分別處理
- 日期參數有兩種慣例：時刻表走路徑
/Date/{date}，其他走查詢字串?Dates= - 氣象資料用
-99當缺值哨符，不轉換會污染統計 - 保存期限：文件寫 2021/06 起，實測只回溯到 2025-01-21，是約 18 個月的滾動窗口
- 高鐵
AlertInfo在特定日期會固定回 HTTP 500（伺服器端 bug，重試無效）
如果你想重現這個分析 — 見下方「重現步驟」。
| 路徑 | 內容 |
|---|---|
src/ |
全部程式（抓取、轉檔、分析、繪圖） |
docs/tdx-api-notes.md |
TDX 端點盤點與踩坑筆記（本 repo 最有參考價值的部分） |
docs/data-catalog.md |
各資料集的欄位、筆數與兩種台鐵動態資料來源的差異 |
docs/findings.md |
分析結果、方法與限制 |
output/ |
分析圖表與結果 CSV |
data/ |
資料集本體（不在版控內，2.9 GB，需自行抓取） |
pip install -r requirements.txt
cp .env.example .env # 填入自己的 TDX 憑證TDX 憑證申請：https://tdx.transportdata.tw/register 歷史資料 API 需要歷史資料等級的訂閱權限，一般帳號會拿到 403。
python -u src/fetch_extra_api.py # 抓歷史資料（可中斷續跑，會跳過已存在的日期）
python src/analyze_connection.py # 產出斷鏈率分析
python src/analyze.py # 產出誤點分布圖表fetch_extra_api.py 逐日抓取並寫成 parquet，已存在的日期會自動跳過，所以中斷後直接重跑即可。全量約需數小時。
TDX 歷史 API 是約 18 個月的滾動窗口，舊資料會持續往外掉。
這個 repo 不含資料本體，而本文的分析期間（2025-01-21 起）已有部分落在窗口外，無法再抓取。若你要完整重現，實際能拿到的起始日會晚於此。
想長期累積的話，把 fetch_extra_api.py 設成每日排程抓前一天，成本極低。
程式碼採 MIT License — 可自由使用、修改、散布，保留著作權標示即可。
授權只涵蓋程式碼，不涵蓋資料。 TDX 與各政府開放平台的資料各有其使用條款，再散布前請自行確認。本專案的做法是只提供抓取程式，資料由使用者以自己的憑證取得。
- 開發環境為 Windows 11 + Python 3.13
requirements.txt中pandas==3.0.0/pyarrow==22.0.0為刻意鎖版：更新版本的 pyarrow DLL 會被 Windows Smart App Control 阻擋而無法載入