「難道，真的回不去了嗎？」「沒錯，真的回不去了…….」
塞車是春節返鄉的遊子們不得不面對的嚴峻考驗，尤其當高速公路徹底化身為一個大停車場時，更是令人絕望到想砸車窗。
究竟塞車是怎麼發生的？
______________________________
想了解更多塞車的科學？你需要看這三篇：
每到年節時期，不管返鄉或是出遊，用路人最討厭遇到的就是塞車，漫長的等待、讓人踩剎車踩到腳痛的行車速度，抑或是被汽車廢煙包圍的感覺，本是愉悅心情恐怕都大打折扣。你也是恨不得讓「塞車」這個詞消失在這世界上的人嗎？自動駕駛或許能幫你達成心願喔～感到好奇的話，那就繼續看下去吧！
試想，人類與機器人在駕駛汽車時，要維持車與車之間等速前進，誰會 hold 得最好呢？答案很明顯是……機器人！為什麼呢？關鍵就在於「人類的反應速度」，反應速度因人而異：當老（手）司機在開車時，他們能夠對於哪時候該踩剎車、油門的反應速度快，因此不會因誤判與前車之間的距離，而落下一大段「空白車距」；然而菜鳥司機就不一樣了，他們反應速度沒有老（手）司機快，所以在看到前方車輛時，因無法正確判斷哪時候踩剎車最恰當，加上基於安全意識都會先減慢避免 A 到前車為第一反應，「空白車距」自然就出現了～而後方的車輛們會因為這位菜鳥司機（老鼠屎）的行車速度減慢而開始擠成一團，造成塞車。
相反地，當機器人在行車時，因為他們的動作程序一致，因此能穩穩地維持等速行駛。這也就是為何現今車廠想推出自動駕駛車（以下簡稱「自駕車」）的原因之一。自動駕駛真有那麼神嗎？讓我們來一一剖析它吧！
延伸閱讀：連假無法逃離宿命！為什麼會塞車呢？
自動駕駛，顧名思義就是讓車子在無人為操作的情況下，將行車速度與控制車間距離等原本需要手動操控車子行進的動作轉為自動化，以減輕駕駛人的行車負擔。
自動駕駛可是也有分級制度的！國際汽車工程師協會 （Society of Automotive Engineers, SAE） 依據汽車的自動化程度分為以下級別：
時至 2020 年末，汽車業的自動駕駛即將發展至第四級，第五級則是各企業競相達成的最終目標。
參考資料：自駕車發展趨勢與關鍵技術
自駕車本身雖能達到自動辨識路口標誌及安全煞停系統，但它就像一個好的食材，需要透過精湛的廚藝及調料的輔助才能發揮它最完美的風味，而輔助自駕車的便是「車聯網」。究竟什麼是「車聯網」？自駕車與車聯網的搭配真的能解決塞車嗎？就讓台大資工系的林忠緯教授來幫大家解惑吧！
林忠緯教授小檔案：
林忠緯教授在博班時期的研究題目即是關於 Cyber-Physical System（CPS）的研究，而 CPS 簡單來說是指能夠執行物理層面上動作的電子產品，例如車子（能在路上行走）、心律調節器（能放電控制心律）都屬於 CPS。林教授在博班的研究即是關於車子的 CPS，也曾在美國通用汽車（General Motors）實習，畢業後持續拓展自己所長，進入加州矽谷的豐田汽車（Toyota InfoTechnology Center）擔任研究員。林教授熟知自駕車與車聯網的研究，自身也致力於自駕車、車聯網與資安問題的研究，並開心表示對於未來 28 年後自駕車的展望懷抱深深的期許。
林教授認為自駕車結合車聯網勢必能解決部分層面的塞車問題，也能避免酒駕、恍神、視線死角等人為意外肇事的發生比率，但在現實生活要自駕車能實際放在道路上跑，現階段仍面臨重重難關。
當我們檢視塞車問題的視野再拉遠一點，除了自駕車及車聯網以外，教授也慷慨地分享了以下管道解決塞車問題：
雖然現階段自駕車要完全解決塞車問題仍需經時間歷練，但相信透過林忠緯教授及眾多研發單位的辛勤貢獻，大家在春節期間能夠利用自駕車與車聯網享受更加順暢、迅速的行車體驗，而不再受塞車之苦的日子指日可待!新春期間，也祝大家行車平安，旅途別塞！
「 2000 年受臺大財金系合聘之邀，我開了一門『財務統計』課程。當時股市正值科技泡沫，我很好奇為什麼會有這個現象，加上受到財金系同事和學生的耳濡目染，漸漸覺得財務的『實證研究』蠻有趣，就一直研究到現在……」
研究室位於中研院統計所的迴廊深處，何淮中像個隱士般。置身股市戰線之外，以嚴謹的統計模型、歷史的股市資料，驗證股票市場的理性與不理性。
但 2017 年獲得諾貝爾經濟學獎的 Richard H. Thaler ，曾經做一個有趣的實驗，闡述另一位諾貝爾經濟學獎得主 Herbert Simon 所提的「有限理性」（bounded rationality），證明人沒有辦法完全理性。
Richard H. Thaler 在 1997 年 5 月於《金融時報》（Financial Times）刊登一則活動廣告，希望大家來報名參加 “pick a number game” ，大獎是英國航空往返倫敦與紐約/芝加哥的機票。玩法很簡單，只要玩家在 1~100 中選一個整數寫在信中、寄回主辦單位，截止後將所有收到的數字蒐集起來「取平均數、再乘以三分之二 」 ，最靠近這個數字的玩家，就是贏家。
假設 5 個人參加比賽，他們選擇 10，20， 30， 40 和 50 ，在此情況下，平均數是 30，而 30 的三分之二是 20 ，因此最初選擇 20 的玩家是勝利者。
這遊戲的隱含意義是──人們的預期心理、有限的理性。
若按照「市場是理性」假說，所有玩家應該會預期別人選擇什麼數字、並取平均數再乘以三分之二；然後又預期別人應該也會這麼做，又再取平均數再乘以三分之二……；經過這樣的循環，直到最後每個人都會選擇 1。
但無論是 1997 年《金融時報》這次、或我在各場合玩這個遊戲，都發現理性是有限的，人們一開始只會猜測別人的答案兩到三次循環，然後就選一個直覺大概沒錯的數字。
不同市場群體，會理性到什麼程度，我們可能不知道，就需要蒐集資料、根據統計來估計，這就是統計的重要性。
但其實台股的「菜籃族」常常搞不清楚股票上漲或下跌的原因，聽聞小道消息就跟風「追高殺低」，導致損失慘重。其實這背後有「動能效應」可以解釋，1993 年由 Jegadeesh and Titman 提出，指的是股票報酬率有持續性的現象，強者恆強、弱者恆弱。
投資人會有預期心理，預期心理又受到小道消息影響。由於小道消息的資訊傳遞像漣漪一層層擴散出去，因此股價在一定期間內呈現漲繼續漲、跌繼續跌，好像有個「動能」在持續推高或拉低股價。
動能投資策略，就是運用這種現象來規劃投資組合：買進贏家股票（漲繼續漲）、搭配賣出輸家股票（跌繼續跌）。
然而，2000 年之後的股票市場，這種動能效應似乎消失了。有些人認為是因為大家都知道這種賺錢方法，有些人認為是時機不對。但我們認為動能效應應該還存在，只是被一些「雜訊」給掩蓋，所以就撈出 1930 年 1 月到 2010 年 12 月的美國股市資料，和學生一起設計我們的「WL-LH 動能投資策略」做實證研究。
其實這與過往的動能投資策略差不多，差別在於，我們透過美股歷史資料分析，於投資策略中刪掉一些「雜訊」：「漲幅被高估」的贏家股票，也就是動能燃料已經燒完、會開始下跌；還有「跌幅被高估」的輸家股票，因為超跌、未來會再漲回來。這兩者分別代表投資人對於市場中好與壞的資訊，呈「過度反應」的現象。
困難的是，如何判定漲幅或跌幅是否被高估？我們從「資訊擴散」的角度出發，提出一個資產價格模型。然後藉由價格模型，設計一個價格風險指標，有效地篩選掉超漲或超跌的股票，從而驗證了市場的預期心理和動能效應，也同時說明市場的不效率性。
其中相關的統計模型算式，通常大家看了就頭痛，這裡先不贅述，有興趣的朋友請直接看看我們的論文。
從 1930 年 1 月的資料開始，我們先看過去一年的累計複利報酬、排序，買表現好的股票、賣表現壞的股票，一個月後檢視這樣的投資組合的報酬率。因為資料時序已經移動一個月，所以我們再從新的一個月回頭看過去一年的累積複利報酬、排序，再進行一次剛剛說的投資。
最後把累計複利報酬取平均值，例如下圖的 2000 – 2010 年資料所示。其中可看到， 2000 年以後的動能效應，原本大家認為已經消失了，但經由我們的 WL-LH 投資策略挖掘，失而復得，動能投資策略的獲利空間仍然存在。
我們對這個詮釋抱持懷疑，所以我們試著將 WL-LH 投資策略，套用至不同國家股市的歷史資料（1990-2014 年）驗證，發現只要去掉「雜訊」──上漲動能燃料已燒完的股票、以及超跌的股票，無論是美國、歐洲、日本、印度等 21 個國家，都能看見動能效應，比率接近九成。
換言之，因為人們投資行為的偏誤，例如貪婪追高股價、恐懼在低點持股，而導致市場的不效率性，是超越地域、族群而存在的共通現象。
但是台股比較特別，在 WL-LH 策略下，仍看不到動能效應。
在台股歷史資料（1990-2014 年）中，刪掉漲幅「被高估」的贏家股票、跌幅「被高估」的輸家股票後，並未找到動能效應。我們的推斷認為，台股投資人普遍容易過度預期，以及股票交易周轉率較高，可能是主要的原因。兩者都影響了模型預測「資訊擴散程度」的準確性。
由機率跨入統計，是很自然的。兩者都是處理「不確定性」的方法體系，密不可分。
我的研究，包括前面提到市場效率性的課題，「機率」與「統計」兼而有之。透過資料分析，可以證實股市有一定程度的不效率性，也有獲利的空間。但投資仍有風險，不會因為這些研究發現就產生過度自信，所以我老婆和我還是存定存、買共同基金。再說，她的錢我也管不了呀。
本著作由研之有物製作，原文為《行情總是在希望中毀滅？ 專訪何淮中》以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。
本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位
相信大家都曾碰過高速公路發生「塞車」，如果塞車的理由是前面發生車禍或有車輛拋錨，那還可以理解。但是更常見的情形是明明前面沒有狀況，可是就是塞車、塞著塞著又慢慢地變順暢了，這究竟是為什麼呢？
人類科技發展到今日，飛機、火車、輪船都具能夠讓電腦自動駕駛，唯獨就是只有跑在路上的車輛很難靠著電腦控制，到目前為止也頂多是用「自動定速」的方式來減輕駕駛的負荷。雖然每個人的駕駛習慣不太一樣，但是畢竟駕駛是需要經過訓練的過程，所以其實也相去不遠。所以，當很多車輛在一條路上形成「車流」時，人類的反應習慣，就對於車流有非常關鍵的影響特性。
根據交通工程師的統計，他們發現在一台又接著一台的「穩定車流」中，駕駛會形成一個有趣的默契。以一群小客車所形成的車流，他們會穩定地保持車頭與車頭約2秒的間距、也就是你站在一點觀察一群穩定通過的車流，大約每2秒可以通過一台小汽車。
巧妙的是，這個2秒的間距，從一般道路、車速大約30公里起，至高速公路環境下、大約車速為90公里的環境都能適用，但是同樣的間距時間、卻能構成不同的安全距離。以時速36公里、也就是每秒10公尺、車輛長度5公尺來算，前後車頭間距2秒，代表前車的車尾大約距離後車車頭15公尺（2X10-5=15）；但是如果時速增加到90公里、也就是每秒25公尺計算，前後車頭間距2秒、則前車車尾到後車車頭的距離就會拉長到45公尺（2X25-5=45）。
大部分的駕駛會有這樣的默契，其實是受到人類神經「反應時間」的影響。根據統計顯示，人類的反應時間，從你看到前車煞車燈亮、到踩下煞車有煞車反應時，大約需要0.5~1秒的反應時間，在這一段反應時間中，因為神經在運作，所以車輛還是保持在原本的速度、並不減慢或停止。因此，人類為了要保持安全的反應時間，會自然而然地以2~3倍反應時間來拉長車距。所以，那些每天在路上開車的計程車駕駛，他們因為熟悉車況與路況、所需的反應時間較短，通常就會縮短與前車的距離；而剛拿到駕照的新手，因為對於反應時間所需較長，自然而然就會拉開距離。
受到了反應時間限制，這就讓高速公路的每一台高速行駛的車輛都需要和前車保持安全距離。所以，如果以單一車道中、每2秒通過1台車來算，每一個車道每1分鐘就可以通過30輛小客車，也就是每小時可以通過1,800輛車。當然，如果車流裡面有像是大客車、聯結車等大型車輛，因為他們所需的安全距離更長，當然，也會降低可以通過的車流量。
當使用高速公路的車流達到穩定的情形時，再加入這些穩定車流的人就是破壞穩定的罪魁禍首了。以高速公路車速90公里來說，可能每個駕駛人都穩定地和前車保持45~50公尺的安全距離，這時從交流道上來的車子硬是「插隊」進入安全距離時，後面的車輛因為安全距離只剩下一半、讓後面駕駛人覺得反應時間不足具有風險時，自然而然就會降低車速、甚至踩下煞車。當有一台車踩下煞車、後面穩定跟隨的車輛就會因為前車煞車而放慢速度，於是後面跟著的車越來越慢，就讓整個車速降低、導致塞車。那前面的兇手呢？其實早就逃之夭夭、也不知道後面因為他造成塞車了……
也是因為這個理由，高速公路的管理機關才要使用「匝道儀控」或是「高乘載管制」的手段，利用紅綠燈或者乘車人數管制的方式，避免太多車流一下子上到高速公路上去破壞車流的順暢。同時，也會提醒駕駛人保持適當的安全距離，免得一下子踩煞車導致後面的車輛也跟著採了煞車而塞車。最重要的是，不要在高速公路上蛇行，不僅讓自己變得危險、也縮短不了多少時間，最重要的是，如果害後車煞車時，就會影響整個車流的穩定。下次上了高速公路，別忘了提醒開車的爸媽，保持安全距離，才能讓大家都能又快又安全地抵達目的地喔！
狐禪
