編輯修改：Ader
記得曾經有人說過，若是台北把計程車給封印起來，交通會好上一倍。台北計程車有超過一半的時間不是在讓人到達目的地，而是浪費汽油資源, 浪費司機時間, 浪費道路流量。
計程車這麼浪費資源目的只是為了讓一些人節省一點時間。雖然說很多狀況下都是招不到的，所以也節省不到時間但我們早已感到習慣。由於這樣的習慣帶來這樣的市場，帶來這樣的狀況。我們不需要用高道德標準來看人要不要計程車，但如何在改善交通，節省資源、節省時間，創造價值的角度來看，我們是否真的可以建立一套系統能夠實現這願望？
交通會是經濟成長的重點
我一直認為，政府是不需要 「創造」 什麼經濟成長，這應該由人民來主導，政府需要的是創造環境來讓經濟更順暢就夠了， 而其中最重要的一點就是: 「交通」。在十幾年前因為參與一些 ITS (Intelligent Transport System) 的經驗，也一直在想說透過資訊系統，如何來輔助這樣的系統的建立，能夠讓交通運輸降低資源需求但提高使用的情形以現在的角度來看，就是如何利用 Big Data 來促成 "Smart City" 的可能。
我們不該只是討論 Uber 的合法性， 創新與創業的問題，不該鎖定在計程車生計等等的問題，而是更應該去思考，我們如何去創造出我們要的社會，我們要的城市，而我們知道影響到我們生活與情續最大的一個關鍵也是 "交通"。
要設計出一套系統能夠讓節省接送時間，降低等待時間，最重要的關鍵就是 "能夠預測出乘客的需求， 並規劃出最省資源的可能性"，這樣就可以做到了， 這句話聽起來很簡單， 但真的要實作是沒那麼簡單，因為能夠預測未來是最困難的。
但話說那麼困難， 事實上每一個計程車司機都有一個能夠預測的頭腦，有時他們的經驗與準確度是可以嚇死人的， 所以聽起來也不是完全做不到。
只是這種經驗與預測能不能被記錄， 被擴大， 被實用而已。
在 10 年之前就有推出 Smart City 的計劃， 但這些計劃有很多前置動作是沒有完成的，也就是那時候得資訊系統， 要知道人流與車流的成本太高了， 所以在資料不足的情型下準確度當然不足。
所以效用與實用就大打折扣， 而現在的世界已經不一樣了，要精確的知道人流與車流已經沒有那麼困難， 甚至要進一步的做出預測或輔助系統跟以前的環境與條件好很多了。
甚至下一步的建立交通的共享經濟， 公用腳踏車、機車、汽車，或是 "共享交通工具" 等等的概念也不是沒有人想過，甚至有很多人在做或想做，只是這部份說要做出實用需要很大的量變到質變。
就像是 U-Bike 之前的公共腳踏車不是沒有推動過，但在之前沒有足夠的資訊系統讓大家租借與付款、使用方便之前， 已經有太多次失敗。但這樣不代表這概念不會成功， 現在不是就成功了嗎？所以真的要建立智慧交通， 智慧城市也不是一蹴可及的， 但也不是做不到，我認為台灣或台北市有很多機會點都比很多國家城市有更好的基礎
無論是網路使用率或心態等等， 雖然不會是最有利， 也不至於最差，再加上台灣工程師能力， 與台灣的產業， 倒是很有機會去打造出真正的 Smart City。
依台灣現在的政商模式， 更容易發生就像我當初離開 ITS 計劃的原因， 也包含我們已經很熟知的 「遠通電收」 事件。浪費更多的資源去打造出這樣的系統， 或者是明明有機會做得更好卻沒有去做，
更像是現在在討論 Uber 與計程車的問題……
所以我們該討論的不是禁Uber而是如何優化我們的交通系統，讓這種花太多人力資源與能源，占據道路面積吞吐量的計程車，在很多地方很多角落可以升級成 "客製化共用汽車系統"。讓原本傳統計程車系統去轉型， 而不是透過 「法律去禁止」， 就像是我們在面對 Uber 一樣。
接下來我們該怎做， 事實上我也知道台灣有不少人已經在規劃與實驗，再加上國外有更多的經驗與實例， 這些技術與資源也都慢慢解決與成熟。
真正的問題不是怎做而已， 而是我們的心態， 更包含我們對社會的期許，以及接下來大家所需要的努力， 以及 Big Data！！！
這邊舉個已經實作的例子，就像是 Google Now 一樣，可以從 Android 手機來知道一個人移動改變，就可以輕易判斷出在今年五月一日上線的 Parking Location (停車地點)，透過這樣的機制，可以發展出即時人流與車流的交通狀況與須求，甚至可以發展成預測出交通運輸的須求的系統，若是加以結合日曆或行事曆系統，就可以知道活動與人潮的須求，提高準確度，做出一套交通預測與規劃系統。
政府該做只是這套系統後，提供資訊給計程車司機，誰說要達到目標是很困難的？
圖片來源 by CC 2.0：
Seamus Travers https://www.flickr.com/photos/treamus/
Craig Sunter https://www.flickr.com/photos/16210667@N02/
Kate Ter Haar https://www.flickr.com/photos/katerha/
Ash Berlin https://www.flickr.com/photos/slayeh/
5 顆 
10 顆 
15 顆 
20 顆