近年來，民眾跨區移動頻率增加，導致部分地區實際活動人口和戶籍人口之間存在差距。在都市計畫中，通常使用戶籍人口來預測計畫人口，可能會導致部分區域公共設施的實際需求被低估。因此本研究建議以實際活動人口輔助都市公共設施使用強度，以最大化公共設施的使用率和效益。
本研究透過檢視通盤檢討邏輯與計畫人口，盤點活動人口的相關研究，發現台灣學者已關注活動人口議題多年，但都市計畫領域依舊以戶籍人口為人口依據，這可能與活動人口取得容易度及計算方式有關。恰逢內政部統計處公布109年行政區電信信令人口統計資料，其透明、動態且擁有時空資訊的屬性作為實際活動人口最為合適。
本研究最終選定109年11月之行政區信令人口資料作為活動人口之資料，對全台368個鄉鎮市區進行分析與比較。由於既有研究較少採用內政部信令資料，因此將優先檢視資料於空間規劃的適用性，並透過分析信令資料屬性差異，對全台368個鄉鎮市區進行分類，根據不同人口屬性差異關注不同公共設施之使用強度：日間人口大於夜間人口處，代表此區有較多就學就業空間，可特別檢視區域內對通勤相關之公共設施如道路、人行道等需求；相反夜間人口大於日間人口處，代表此區為多住宅空間，可檢視休憩功能之公共設施是否足夠。在公共設施使用強度檢討下，本研究將分別以假日夜間人口檢討休憩用地，以平日夜間人口檢討停車場用地。透過對人口差值、公共設施使用強度、使用強度差值的分析，最終推導出合適的公共設施使用強度檢討情境與方法。
實證結果發現，公共設施使用強度方法將因公共設施是否有排他性、服務族群等而有不同使用方法，休憩用地因其服務族群單純，相較於停車場更適合使用行政區信令人口資料進行檢討。

In recent years, the frequency of inter-district movement among residents has increased, leading to a significant discrepancy between the actual active population and the registered population in certain areas. In urban planning, registered population is typically used to predict planned population, which may result in the underestimation of actual demand for public facilities in some regions. This study proposes using the actual active population to assist in evaluating the intensity of public facility usage, aiming to maximize the utilization and efficiency of these facilities. The research examines the comprehensive review logic and planned population, and reviews relevant studies on the active population. The administrative district telecommunications signaling population data from November 2020 was selected as the data source for analyzing and comparing the active population across 368 towns and districts in Taiwan. By analyzing the differences in signaling data attributes, the study classifies the 368 towns and districts in Taiwan and focuses on the intensity of public facility usage based on different population attributes. Empirical results demonstrate that the methods for evaluating public facility usage intensity will vary depending on the exclusivity and service population of the facilities.

中華民國都市計劃學會（2000）。國內外日間人口估算方法彙整及可行性分析。https://www.abri.gov.tw/News_Content_Table.aspx?n=807&s=37938。
王晉元、盧宗成、李晟豪、陳其華、吳東凌、陳翔捷（2019）。手機信令資料探勘於改善觀光旅客公共運輸服務之研究－以花蓮縣臺灣好行路線為例。運輸計劃季刊，48（2），105-131。https://www.airitilibrary.com/Article/Detail?DocID=10177159-201906-201910250011-201910250011-105-131。
高雄市政府（2020）。變更路竹都市計畫（第三次通盤檢討）（第一階段）案（pp.72-76）。https://www.v523.tw/upload/fileUrl/2019-08/20/ccfebff8-eb35-45ee-bafd-38d458d63ef7.pdf。
曲平（2019）。利用手機信令資料與馬可夫鏈模式預測觀光景點拜訪人數。﹝碩士論文。國立交通大學﹞臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/7g7bx9。
林峰田（1997）。公共設施檢討空間分析方法。都市與計劃，24（2），171-192。https://www.airitilibrary.com/Article/Detail?DocID=10181067-199709-24-2-171-192-a。
施昶睿（2019）。都市活動人口數推估-以台北市信義區西村里為例〔碩士論文，國立臺灣師範大學〕。華藝線上圖書館。https://doi.org/10.6345/NTNU201900692。
卿誠（2022）。應用手機信令資料分析人口時空群聚與土地使用之關聯性。﹝碩士論文。國立臺北大學﹞臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/s3zx67。
郭昌儒（2019）。從電子票證大數據觀察旅運轉乘。主計月刊，763，88-92。http://www.bas-association.org.tw/catalog/arts/010807088.pdf。
陳逸淞、陳玟穎、施多加（2019）。利用電信大數據掌握人潮遊憩與交通行為。台灣當代觀光，（2），1-26。https://doi.org/10.6348/TMT.201903_2.0001。
盧宗成、梁竣凱、曲平、王晉元、吳東凌、陳翔捷（2021）。應用手機信令資料預測觀光景點拜訪人數。運輸計劃季刊，50（2），145-176。https://www.airitilibrary.com/Publication/alDetailedMesh?DocID=10177159-202106-202107290006-202107290006-145-176。
顏郁慈（2022）。探討多元大數據下的都市空間結構-以臺北市為例。﹝碩士論文。國立成功大學﹞臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/k8dnpk。
Alexander, L., Jiang, S., Murga, M., & González, M. C. (2015). Origin–destination trips by purpose and time of day inferred from mobile phone data. Transportation Research Part C: Emerging Technologies, 58(Part B), 240-250. https://doi.org/10.1016/j.trc.2015.02.018 .
Chen, Y., Hu, Y., & Lai, L. （2022）. Demography-oriented urban spatial matching of service facilities: Case study of Changchun, China. Land, 11（10）, 1660. https://doi.org/10.3390/land11101660.
Darzi, A., Frias-Martinez, V., Ghader, S., Younes, H., & Zhang, L. （2021）. Constructing evacuation evolution patterns and decisions using mobile device location data: A case study of Hurricane Irma. Machine Learning. https://doi.org/10.48550/arXiv.2102.12600.
Gao, F., Deng, X., Liao, S., Liu, Y., Li, H., Li, G., & Chen, W. （2023）. Portraying business district vibrancy with mobile phone data and optimal parameters-based geographical detector model. Sustainable Cities and Society, 96, 104635. https://doi.org/10.1016/j.scs.2023.104635.
Lin, Y., Zhou, Y., Lin, M., Wu, S., & Li, B. （2021）. Exploring the disparities in park accessibility through mobile phone data: Evidence from Fuzhou of China. Journal of Environmental Management, 281, 111849. https://doi.org/10.1016/j.jenvman.2020.111849.
Liu, S., Long, Y., Zhang, L., & Liu, H. （2021）. Quantifying and characterizing urban leisure activities by merging multiple sensing big data: A case study of Nanjing, China. Land, 10（11）, 1214. https://doi.org/10.3390/land10111214.
Liu, Y., Fang, F., & Jing, Y. （2020）. How urban land use influences commuting flows in Wuhan, Central China: A mobile phone signaling data perspective. Sustainable Cities and Society, 53, 101914. https://doi.org/10.1016/j.scs.2019.101914.
Liu, Y., Lu, A., Yang, W., & Tian, Z. （2023）. Investigating factors influencing park visit flows and duration using mobile phone signaling data. Urban Forestry & Urban Greening, 85, 127952. https://doi.org/10.1016/j.ufug.2023.127952
Niu, B., Yin, P., & Shen, P. （2023）. Industrial spatio-temporal distribution of high-speed rail station area from the accommodation facilities perspective: A multi-city comparison. Land, 12（2）, 332. https://doi.org/10.3390/land12020332.
Phithakkitnukoon, S., Horanont, T., Di Lorenzo, G., Shibasaki, R., & Ratti, C. （2010）. Activity-aware map: Identifying human daily activity pattern using mobile phone data. In A. A. Salah, T. Gevers, N. Sebe, & A. Vinciarelli （Eds.）, Human behavior understanding （pp. 25-36）. Lecture Notes in Computer Science, 6219. Springer. https://doi.org/10.1007/978-3-642-14715-9_3.
Shi, Y., Yang, J., & Shen, P. （2020）. Revealing the correlation between population density and the spatial distribution of urban public service facilities with mobile phone data. ISPRS International Journal of Geo-Information, 9（1）, 38. https://doi.org/10.3390/ijgi9010038.
Zheng, J., Hu, M., Wang, C., Wang, S., Han, B., & Wang, H. （2022）. Spatial patterns of residents’ daily activity space and its influencing factors based on the CatBoost model: A case study of Nanjing, China. Frontiers of Architectural Research, 11（6）, 1193-1204. https://doi.org/10.1016/j.foar.2022.04.003.
內政部統計處，109年行政區電信信令人口統計資料_縣市；109年行政區電信信令人口統計資料_鄉鎮市區，取自https://segis.moi.gov.tw/STAT/Web/Platform/BigData/STAT_BigData.aspx。
台灣統計資訊網（n.d.）。人口及住宅普查常用統計指標編算概念簡介，取自https://ws.dgbas.gov.tw/Download.ashx?u=LzAwMS9VcGxvYWQvNDYzL3JlbGZpbGUvMC8zOTcwLzlmMDYzZmQ3LWM0ODEtNGJkZS04NjdmLWU2YWZiZWNhODc2Mi5wZGY%3d&n=5Lq65Y%2bj5Y%2bK5L2P5a6F5pmu5p%2bl5bi455So57Wx6KiI5oyH5qiZ57eo566X5qaC5b%2b157Ch5LuLLnBkZg%3d%3d<，取得日期：113年5月22號。
內政部國土測繪中心，108年12月土地利用分級分類系統表（陸域部分）取自https://www.nlsc.gov.tw/cl.aspx?n=13705。
社會經濟資料服務平台，109年12月行政區人口統計_鄉鎮市區，取自https://segis.moi.gov.tw/STATCloud/QueryInterface。
都市計畫定期通盤檢討實施辦法（民國105年04月18日）。
都市計畫法（民國110年05月26日）。