資料科學 地理資訊系統 公共安全 課程報告

資料科學課程報告：以台灣環境為例設計戰時避難疏散路線指引

資料科學課程報告：以台灣環境為例設計戰時避難疏散路線指引

  • 撰稿日期：2025年2月23日
  • 作者：aaronyu
  • 類別：資料科學、地理資訊系統、公共安全
  • 標籤：Python、KML、地理數據、MongoDB、避難疏散、資料清理、路線規劃、台灣環境、宮廟資料

摘要

本報告利用資料科學方法，從「車床天地」的Google Map KML檔案提取數據，結合台灣政府開放資料平台（https://data.gov.tw）中的多項資料集（包括內政部的宮廟資料），設計一套適用於台灣環境的戰時避難疏散路線指引系統。系統基於車泊點與宮廟資料，加入避難相關元數據（如可容納人數、即時收容人數），並採用MongoDB作為資料庫，實現高效儲存與查詢。本報告刻意排除民防系統常見的學校與公園作為主要避難場域，並解釋其理由。內容涵蓋資料提取與清理、Metadata設計、路線規劃邏輯、資料庫設計，以及未來擴展建議，旨在提供一個具實用性與可擴展性的避難解決方案。

課程目標

利用資料科學技術，將車床天地KML檔案中的車泊點數據與政府開放資料（特別是內政部的宮廟資料）整合，設計戰時避難疏散路線指引系統。目標包括：

  1. 整理並擴展車泊點與宮廟資料，適配避難需求。
  2. 結合政府開放資料，提升系統的全面性與即時性。
  3. 設計可擴展的資料結構與儲存方案，支援戰時應用。
  4. 明確排除學校與公園作為主要避難場域，提供替代方案。

資料來源與背景

主要資料來源

  • 車床天地KML檔案：
    • 內容：台灣各地車泊點的區域、名稱、經緯度座標（N,E）、地址及電話等基礎資訊。
    • 格式：Google Map KML（XML結構）。
    • 特點：涵蓋全台露營與車泊地點，多位於郊區或山區，具有避難潛力。

政府開放資料

從政府開放資料平台（https://data.gov.tw）獲取以下相關資料集，補充系統資訊：

宮廟資料

  • 資料集：宗教團體登記資料（內政部）
    • 內容：全台宮廟的登記名稱、地址、負責人資訊及部分經緯度資料。
    • 應用：宮廟在台灣文化中常作為社區避難場所，具備空間、設施（如廁所、水源）及社會信任優勢，可與車泊點結合形成避難網絡。
    • 格式：CSV，部分資料需透過地址轉換為經緯度。

地理與空間資料

  • 全國避難收容處所資料（內政部）：避難所位置、名稱、地址及經緯度，用於比對與驗證。
  • 道路網圖資（交通部）：台灣道路GIS數據，用於路線規劃。
  • 全國建物資料（內政部營建署）：建物分佈與用途，評估人口壓力與安全風險。

人口與容量相關資料

  • 人口統計資料（內政部戶政司）：鄉鎮區人口數與分佈，估算避難容量。
  • 災害潛勢圖（國家災害防救科技中心）：地震、颱風、洪水潛勢，計算安全評分。

交通與基礎設施資料

  • 公共運輸站點資料（交通部運輸研究所）：公車與火車站點，提升可達性評估。
  • 電力設施分布（台灣電力公司）：電網位置，判斷電力供應能力。

災害應變相關資料

  • 即時地震資訊（中央氣象署）：地震數據，動態調整路線與地點。
  • 颱風即時資訊（中央氣象署）：颱風路徑與影響，更新安全評分。
  • 緊急醫療資源分布（衛生福利部）：醫療設施位置，提供傷患支援。

其他潛在資料

  • 土地使用分區資料（內政部國土測繪中心）：土地用途，評估長期避難適宜性。
  • 行動通訊基地台分布（國家通訊傳播委員會）：通訊覆蓋，確保避難地點聯繫能力。

為何不納入學校與公園作為主要避難場域

在台灣民防系統中，學校與公園常被指定為避難場所，但本報告刻意排除其作為主要場域，理由如下：

  1. 戰時脆弱性：
    • 學校：多位於人口密集區，建築結構（如教室）易受砲火或地震損壞，且為敵方潛在目標（如徵用為指揮中心）。
    • 公園：多為開放空間，缺乏遮蔽與基礎設施，易受空襲或氣象災害影響。
  2. 容量與設施限制：
    • 學校：雖有教室與操場，但戰時可能優先用於安置學生或軍事用途，避難容量受限，且缺乏獨立供水與電力。
    • 公園：無穩定設施（如廁所、庇護所），不適合長期避難。
  3. 交通與隱蔽性不足：
    • 學校與公園：多位於城市中心或顯眼位置，交通易堵塞，缺乏隱蔽性，增加暴露風險。
  4. 替代方案優勢：
    • 車泊點位於郊區或山區，隱蔽性高且遠離潛在目標；宮廟具備社區信任與基礎設施（如水源、集會空間），更適合戰時分散避難。

背景

台灣地形多山，人口分佈不均，戰時避難需考慮地點的可達性、安全性及容量。車泊點與宮廟結合官方避難所，可形成分散式避難網絡，避免過度依賴脆弱的學校與公園，提升整體韌性。

資料整理思路與流程

1. 資料提取與清理

  • 輸入格式：
    • KML檔案：XML結構，含Placemark標籤。
    • 宮廟資料：CSV格式，需地址轉經緯度。
  • 提取步驟：
    1. 使用Python的pykml解析KML檔案，提取車泊點名稱、座標及描述。
    2. 從內政部「宗教團體登記資料」提取宮廟名稱、地址及負責人資訊，使用地理編碼工具（如Google Geocoding API）轉換地址。
    3. 將非結構化數據（如「雨棚◎」）轉為結構化欄位。
  • 清理步驟：
    • 座標轉換：將"25° 7'43.50""N,121°46'48.34""E"轉為[121.78009, 25.12875]。
    • 狀態標記：車泊點「解約」、「停業」設為非活躍，宮廟假設「活躍」除非註記歇業。
    • 缺失值處理：地址或電話缺失時，補充「未知」或從其他資料填充。

2. Metadata設計

為適配避難需求，設計以下欄位：

  • 基礎欄位：
    • type（類型）：區分「車泊點」或「宮廟」。
    • region（區域）
    • name（名稱）
    • coordinates（座標）：[longitude, latitude]
    • address（地址）
    • phone（電話）
    • status（狀態）：活躍、解約、暫停
  • 避難相關欄位：
    • capacity（可容納人數）：車泊點參考面積，宮廟參考人口與空間估計。
    • current_occupancy（即時收容人數）：戰時動態更新。
    • facilities（設施）：車泊點如「淋浴」，宮廟如「水源」、「集會空間」。
    • accessibility（可達性）：參考道路網與運輸站點。
    • safety_score（安全評分）：結合災害潛勢圖與隱蔽性計算。
  • 擴展性欄位：
    • last_updated（最後更新時間）：ISO 8601格式。
    • additional_notes（附加註釋）：如宮廟的「宗教活動頻率」或醫療資源位置。

3. 資料結構範例（JSON）

車泊點範例 

{
  "type": "車泊點",
  "region": "信義",
  "name": "基隆全方位汽車 (簡小璇)",
  "coordinates": [121.78009, 25.12875],
  "address": "基隆市信義區",
  "phone": "02-24658636",
  "status": "活躍",
  "capacity": 50,
  "current_occupancy": 0,
  "facilities": ["淋浴", "車泊", "電力"],
  "accessibility": "公路附近",
  "safety_score": 70,
  "last_updated": "2025-02-23T10:00:00Z",
  "additional_notes": "遠離城市中心，隱蔽性佳"
}

宮廟範例 

{
  "type": "宮廟",
  "region": "萬華",
  "name": "台北市華中露營場",
  "coordinates": [121.49634, 25.01463],
  "address": "台北市萬華區萬大路底華中河濱公園左區",
  "phone": "0932210734",
  "status": "活躍",
  "capacity": 100,
  "current_occupancy": 0,
  "facilities": ["淋浴", "集會空間", "水源"],
  "accessibility": "河濱公園內",
  "safety_score": 65,
  "last_updated": "2025-02-23T10:00:00Z",
  "additional_notes": "社區信任高，可短期避難"
}

4. 路線規劃邏輯

  • 目標：根據使用者位置，推薦最近、安全且有空位的避難地點（車泊點或宮廟），並生成路線。
  • 方法：
    1. 距離計算：使用Haversine公式： 
      from math import radians, sin, cos, sqrt, atan2
def haversine(lon1, lat1, lon2, lat2):
    R = 6371
    dlon, dlat = radians(lon2 - lon1), radians(lat2 - lat1)
    a = sin(dlat/2)**2 + cos(radians(lat1)) * cos(radians(lat2)) * sin(dlon/2)**2
    c = 2 * atan2(sqrt(a), sqrt(1-a))
    return R * c
    2. 篩選條件：
      • status = “活躍”
      • current_occupancy < capacity
      • safety_score > 50
    3. 路線生成：使用道路網圖資與Google Maps API生成導航路徑。
  • 優先級：距離近、安全性高、容量充足，宮廟因社區信任可優先於偏遠車泊點；排除學校與公園以降低暴露風險。

5. MongoDB資料庫設計

  • 選擇理由：
    • 支援非結構化數據，適配車泊點與宮廟差異。
    • 內建GeoJSON地理查詢。
    • 高效更新即時數據。
  • 集合設計：
    • 集合名稱：shelter_locations
    • 索引：db.shelter_locations.createIndex({ "coordinates": "2dsphere" })
  • 查詢範例： 
    db.shelter_locations.find({
  "coordinates": {
    $near: {
      $geometry: { type: "Point", coordinates: [121.78009, 25.12875] },
      $maxDistance: 10000
    }
  },
  "status": "活躍",
  "current_occupancy": { $lt: "$capacity" }
});

政府開放資料應用

資料整合

  • 方法：使用Python（Pandas）合併KML與政府資料： 
    import pandas as pd
shelters = pd.read_csv("carpark_data.csv")
temples = pd.read_csv("宗教團體登記資料.csv")
gov_shelters = pd.read_csv("全國避難收容處所資料.csv")
merged_data = pd.concat([shelters, temples, gov_shelters]).drop_duplicates(subset=["latitude", "longitude"])

容量估算

  • 車泊點：根據面積估計（如每100平米10人）。
  • 宮廟：結合人口統計與空間大小，假設平均容納50-200人。

即時更新

  • 透過API（地震、颱風資料）更新safety_score與current_occupancy。

注意事項

  • 更新頻率：宮廟資料需定期驗證狀態。
  • 格式轉換：地址轉經緯度使用地理編碼工具。
  • 安全性：戰時加密敏感資訊。

未來擴展建議

  1. 動態數據整合：接入交通與氣象API。
  2. 手機應用程式：開發APP提供即時指引。
  3. 容量管理：使用IoT動態更新人數。
  4. 多用途應用：平時旅遊與宗教活動，戰時避難。

結論

本報告透過資料清理、Metadata設計與MongoDB儲存，將車床天地KML檔案與內政部宮廟資料等政府開放資料整合，打造一個高效、可擴展的戰時避難疏散系統。刻意排除學校與公園，轉而利用車泊點與宮廟的隱蔽性與設施優勢，形成分散式避難網絡。系統結合地理查詢與路線規劃，能為台灣民眾提供實用支援，未來可進一步提升即時性與應用範圍。

延伸閱讀

Anytype 推薦：去中心化的個人知識管理新選擇，重拾數據掌控權 第一性原理：從根本思考問題，打造創新解決方案

標籤

#Python #KML #Tags/地理數據 #Tags/MongoDB #Tags/避難疏散 #資料清理 #Tags/路線規劃 #Tags/台灣環境 #Tags/Metadata #Tags/戰時應用