「研究分析方法」為交通運輸領域之重要核心課程。為因應學術與實務之快速發展，本書兼顧不同層次與背景之讀者需求，內容涵蓋廣泛，具備以下特色：
基本知識：以傳統的資料收集與調查、統計、經濟、數學規劃以及網路分析模型為主要內容，介紹一般性之背景知識，同時亦納入若干已發展成熟但相對複雜的建模技巧與求解演算法。就大學部高年級的同學而言，可著重參考第2~13章、23章，共計等十三章內容。
進階技術：以國外已發展但尚未普及的研究成果，或具潛力且值得繼續鑽研之研究課題為主要內容，例如：高等統計方法、績效評估與分析、資料處理以及元演算法。研究所學生可進一步研讀第14~22章以及第24~26章等十二章內容，以進行深度學習並奠定進一步研究之基礎。
創新應用：人工智慧之發展方興未艾，其在交通運輸領域之應用亦日益廣泛，未來的研究與發展方向包括：(1)AI基礎式的交通管理與號誌控制；(2)車輛之辨識、追蹤與計數；(3)自駕車的相關應用；(4)車輛偵測、追蹤與計數。這些應用需結合道路與車載偵測設備、影像處理以及即時路況資訊分析，以支援有效率之決策。有關人工智慧之基礎知識請參見第26章。
國家考試：本書蒐集近年來交通工程技師高考的所有考題，並依照主題詳加整理分類，各章「問題探討」之後均附有「相關考題」單元，供讀者對照章節內容，藉此加強學習與應考效果。

陳惠國

現職：
中央大學土木工程學系教授

學歷：
美國香檳伊利諾大學土木工程博士

經歷：
桃園縣副縣長

考試：
69年考試院高等考試都市計劃科
72年教育部公費留學考試交通管理學門

出版書籍：
Dynamic Travel Choice Models (Springer)、交通工程（五南）、運輸工程（五南）、運輸規劃―基礎與進階（五南）、研究分析方法―基礎與進階（五南）

第1章　緒 論
1.1 研究分析之流程
1.2 資料蒐集
1.3 研究模型
1.4 資料處理、數據分析與預測
1.5 績效評估與決策分析
1.6 結論與建議

第2章　資料種類與抽樣方法
2.1 資料種類與蒐集方法
2.2 抽樣的重要性與誤差
2.3 抽樣方法與內容
2.4 問卷設計原則
2.5 結論與建議

第3章　統計估計
3.1 隨機抽樣與隨機樣本
3.2 統計估計
3.3 結論與建議

第4 章　統計假設與檢定
4.1 假設之建立
4.2 型I、II 錯誤與檢定力
4.3 檢定之步驟
4.4 平均數之假設檢定
4.5 母體比例之假設檢定
4.6 變異數之假設檢定
4.7 結論與建議

第5 章　迴歸與相關分析
5.1 簡單線性迴歸模型
5.2 多元迴歸模型與其他迴歸模型
5.3 相關分析
5.4 結論與建議

第6 章　線性規劃
6.1 基本名詞解釋
6.2 線性規劃模型
6.3 線性規劃問題之數例
6.4 線性對偶問題
6.5 線性整數規劃
6.6 結論與建議

第7 章　最大流量問題
7.1 基本觀念與名詞解釋
7.2 最大流量問題數學模型
7.3 最大流量問題求解演算法
7.4 最大流量問題之數例計算
7.5 最大流量問題與指派、運輸問題之關係
7.6 結論與建議

第8 章　最小成本流量問題
8.1 基本觀念與名詞解釋
8.2 最小成本流量問題的最佳化數學模型
8.3 最小成本流量問題的最佳化條件
8.4 最小成本流量問題求解演算法
8.5 最小成本流量問題為最短路徑、運輸與最大流量問題之一般化問題
8.6 結論與建議

第9 章　最短路徑問題
9.1 最短路徑問題的種類
9.2 資料輸入格式與三角運算
9.3 一對一最短路徑問題
9.4 一對多最短路徑問題
9.5 多點對多點最短路徑問題
9.6 K 條最短路徑問題
9.7 結論與建議

第10 章　中國信差問題
10.1 基本觀念與名詞解釋
10.2 歐拉路徑／迴路問題
10.3 中國信差問題
10.4 結論與建議

第11 章　旅行推銷員問題
11.1 基本觀念與名詞解釋
11.2 漢米爾頓路徑／迴路問題
11.3 旅行推銷員問題之數學模型
11.4 旅行推銷員問題之求解演算法
11.5 旅行推銷員問題之延伸與國際標竿題庫
11.6 結論與建議

第12 章　車輛途程問題
12.1 車輛途程問題基本觀念
12.2 車輛途程問題數學模型
12.3 車輛途程模型求解演算法
12.4 結論與建議

第13 章　設施區位問題
13.1 中心設施區位問題
13.2 中位設施區位問題
13.3 結論與建議

第14 章　主成分分析
14.1 主成分分析理論
14.2 從最大變異量的角度來理解主成分分析
14.3 從新變數彼此不相關的角度來理解主成分分析
14.4 決定主成分數目的標準
14.5 主成分分析之數例
14.6 結論與建議

第15 章　因素分析與路徑分析
15.1 共變異數與相關分析
15.2 因素分析定義與模型
15.3 探索性因素分析
15.4 驗證性因素分析
15.5 路徑分析
15.6 結論與建議

第16 章　結構方程模型
16.1 結構方程模型
16.2 結構方程模型的分析程序
16.3 模型辨識
16.4 參數估計
16.5 結構方程模型的評鑑
16.6 結構方程模型的修飾
16.7 結論與建議

第17 章　偏最小平方結構方程模型
17.1 偏最小平方結構方程模型
17.2 偏最小平方結構方程模型的估計運算
17.3 偏最小平方結構方程模型的統計特性
17.4 形成性指標與反映性指標
17.5 偏最小平方結構方程模型結果的評估與分析
17.6 結論與建議

第18 章　資料包絡分析
18.1 績效評估方法分類
18.2 CCR 基本模型
18.3 BCC 基本模型
18.4 考量環境影響與隨機干擾之DEA 模型
18.5 網路DEA 模型
18.6 其他DEA 模型
18.7 DEA 應用程序系統化架構
18.8 結論與建議

第19 章　隨機前緣模型
19.1 生產力與效率
19.2 生產函數之形式
19.3 生產函數之前緣模型
19.4 生產前緣之估計方法（產出導向）
19.5 隨機共同前緣模型
19.6 結論與建議

第20 章　 效率前緣邊際生產力與非意欲產出方向性影子價格
20.1 DEA 的邊際生產力
20.2 DEA 的非意欲產出的邊際生產力
20.3 DEA 的方向性影子價格
20.4 數例分析
20.5 實例應用
20.6 結論與建議

第21 章　希爾伯特—黃轉換理論
21.1 希爾伯特—黃轉換的概念與組成
21.2 經驗模態分解
21.3 希爾伯特轉換
21.4 希爾伯特頻譜
21.5 經驗模態分解於旅行時間預測之應用
21.6 結論與建議

第22 章　函數資料分析
22.1 函數資料之概念
22.2 函數資料的表示
22.3 探索性函數資料分析
22.4 函數線性模型
22.5 函數資料分析在旅行時間預測之應用
22.6 結論與建議

第23 章　多屬性決策
23.1 專有名詞解釋
23.2 多屬性決策的分類
23.3 估算權重的方法
23.4 層級分析法
23.5 網路分析法
23.6 理想解相似度法
23.7 優勢關係法
23.8 結論與建議

第24 章　基因演算法
24.1 基因演算法簡介
24.2 編碼、解碼方式
24.3 複製、交叉與突變
24.4 適應度評估
24.5 基因演算法的步驟與特性
24.6 結論與建議

第25 章　螞蟻啟發式演算法
25.1 螞蟻演算法簡介
25.2 螞蟻演算法特性
25.3 螞蟻演算法之種類
25.4 螞蟻演算法之費洛蒙更新
25.5 蟻群系統演算法
25.6 螞蟻系統求解步驟與例題說明
25.7 結論與建議

第26 章　類神經網路與深度學習
26.1 人工智慧的發展
26.2 機器學習
26.3 深度學習
26.4 外掛套件之例題說明
26.5 人工智慧在交通號誌控制之應用
26.6 結論與建議

第27 章　R 語言簡介
27.1 R 語言的基本概念
27.2 R 語言環境的啟動
27.3 資料格式與運算子
27.4 R 的函數
27.5 R 環境中的程式編碼
27.6 可應用之R 套件
27.7 結論與建議