Data for Social Good Data for Social Good
  • 最新消息
    • 佈告欄
    • 熱門活動
  • 資料英雄計畫
    • 團隊募集
    • 專案成果
    • 資料英雄榜
  • 媒體報導
  • 聯絡我們
  • 最新消息
    • 佈告欄
    • 熱門活動
  • 資料英雄計畫
    • 團隊募集
    • 專案成果
    • 資料英雄榜
  • 媒體報導
  • 聯絡我們

資料英雄計畫

  • Home
  • 資料英雄計畫
  • 智慧防洪,韌性城市

智慧防洪,韌性城市

  • Posted by 值班編輯
  • Categories 資料英雄計畫
  • Date 2019-08-22
  • Comments 0 comment
應用過去十年的雨量、流量、上下游測站水位資料,透過資料整合、資料探索和統計建模的方式,來建立彈性且低成本的防洪解決辦法。以有效預測降雨時下游下水道的水位可能高度,為相關單位做到預警的效果,提前應對防洪的時間。
 
Fellows:廖昱程、李佳臻、張升懋、姜亭安、蕭聖哲、葉禹安、江政矩、蔡涵涵、張哲偉
Mentors:陳潔寧、詹欣諭
Project Manager:黃凱暉
Project Partner:臺北市政府工務局大地工程處

近年來,由於全球氣候變遷的影響,暴雨事件屢見不鮮,就臺灣而言,地形陡峭、河川短促、位處亞熱帶氣候與西北太平洋颱風活動的主要路徑,這些因素使得臺灣遭受瞬時豪大雨所帶來的洪患、坡地崩塌,且問題日益嚴重;另外,極端降雨的問題也使城市原有的排水系統過載,癱瘓社會經濟活動,進而威脅國人生命與財產安全。

因此,本專案希望透過 2 個子計畫來解決臺灣水土保持和都市防洪:子計畫一是以智慧防洪為主,子計畫二則是專注山坡地開發違規案件分析。

子計畫一:智慧防洪

比照工業 4.0 的模式,我們將防洪的方法可分為四個面向,分別是:

  • 《防洪 1.0》圍堵:建堤防;
  • 《防洪 2.0》疏導:圓山仔分洪道、基隆河截彎取直;
  • 《防洪 3.0》局部改善:滯洪池、抽水站;
  • 《防洪 4.0》即時反應:抽水站運作應變、臨時抽水機設置。

《防洪 1.0》及《防洪 2.0》需要長期規畫及大筆金錢;《防洪 3.0》則是基於《防洪 1.0》及《防洪 2.0》的建設之下,一勞永逸地解決局部地區易淹水的問題;《防洪 4.0》則是基於前三者的建設,運用大數據及AI的方法預測即將淹水的地區,在有限的時間內做出適當的反應,以減少甚或避免淹水所帶來的損失。市面上大部份的大數據防洪治水方案多是用以建議《防洪 2.0》或《防洪 3.0》的實施方案,而本計畫則是專注於《防洪 4.0》。

子計畫二:山坡地開發違規案件分析

透過對山坡地違規發生地點進行空間變異分析,探討違規所在熱區,並結人力配置和行政區資料,建立違規開發視覺化平台,最後結合衛星影像變異偵測、道路圖與坡度地形圖,有效篩選實際上沒有違規的舉報案件,過濾出真正的違規地區,搭配針對熱區設計有效的取締路線與工具,協助相關單位達到更高效率的人力配置,強化違規熱區所需的監控,加快通報流程和提高違規的取締效率。

子計畫一:智慧防洪


現行方式

以既有的水文學說而言,工程性的防洪方法,《防洪 1.0》及《防洪 2.0》,是最能有效降低洪水災害影響的做法,然而防洪、疏濬工程興建成本高,也有其限制,因此還需搭配其他非工程的減災手段(《防洪 3.0》)及災害預警和應變措施(《防洪 4.0》),將災損降到最低。然而,傳統水文模擬防災方式,需要大量經費及人力來建置 3D 模型,高成本使其難以擴及到山區或偏遠鄉鎮,再加上傳統水文模擬在水位或淹水預測方面,其運算時間頗長,難以達到《防洪 4.0》所需的即時反應特性。

專案目標

基於現有政府建設及不遷移居民的前提,應用過去十年的雨量、流量、上下游測站水位資料,透過資料整合、資料探索和統計建模的方式,來建立彈性且低成本的防洪解決辦法。以有效預測降雨時下游下水道的水位可能高度,為相關單位做到預警的效果,提前應對防洪的時間。

此方法不僅可以保障人民財產安全,對提案單位及其他相關單位而言,更是一項啟動災害防救機制的有力參考依據,能改善重點區段防洪流程及防救災資源配置效能,進一步找出與自然共存永續發展的新型城市模式,達到韌性城市的目標。

資料來源

由氣象局、臺北市政府工務局水利處及大地處三方提供 2010-2019 歷年資料約 1,640 萬筆。

水文資料架構圖

模型建立與預測

本專案藉由歷年豪大雨事件來探討上、下游水位間的關係。以 2017/06/02 豪雨事件為例,可以看出上游(雨量站)與下游(下水道、抽水站)間存在時域上相關,因此可以藉由這個關係來建立模型,進而達到預警防洪。另外,從兩個鄰近集水區(陽光港墘集水區、康寧南湖集水區)中可發現,在降雨量差不多的情況下,康寧南湖集水區的抽水量遠不足陽光港墘集水區,故康寧南湖集水區在 11:00~14:00 左右發生淹水。這更顯示,若能提前預知下水道水位,即可在下水道系統過載前增加抽水量,以防排水不及造成的淹水問題。

由於每次降雨位置分佈不同及其他不確定因素(排水管線遭變更、遭其他管線穿越等),使得各下水道的稽延時間並不一致,所以我們會針對各下水道使用 Distributed Lag Regression Model 分別進行模擬;以延遲 60 分鐘模型來說,應變數是現在的下水道水位,自變數是一小時前的下水道水位、雨量站的雨量及抽水站的抽水量,用豪大雨的資料配置。如此一來,當我們提供即時的下水道水位、雨量等資料,即可由模型預測 60分鐘後的下水道水位高度。

從結果來看,模型只有在水量較小時預測較差,但小水量並不致淹水,模型僅需要抓得到淹水時的狀態即可。此外,雖然預測高點與實際相差10分鐘,但由於模型是對未來60分鐘做預測,所以尚有50分鐘給決策者做反應,這對現有抽水機的能效而言是綽綽有餘的。

因此,淹水前60分鐘的預警能夠提供相關單位及時採取行動,例如提早打開抽水機以減低下水道負荷等,防止降水在都市地區匯流時,來不及排水,所造成地下水道過載而淹出地面的情形。

2017/06/02 豪雨事件圖

???

陽光港墘集水區及康寧南湖集水區地理位置圖

Distributed Lag Regression Model 預測圖

 

子計畫二:山坡地開發違規案件分析


現行方式

目前違規案件回報主要來源有:巡查人員(巡山員)主動查報、其他公務機關通報、外包工具(衛星影像監測、航照系統監測)、熱心民眾檢舉,案件回報大地工程處後,將由取締人員協同查報人員進行現場查證。

專案目標

水土保持與生態保育一直以為都是積極推動的環境議題,本專案收集過去 5 年合計共 245 件的違規案件,以違規的類型與地區等特徵來作為分析資料,期望能找出更具體有效的違規標的,提供更有效率的取締。另外,結合現有監測外包工具,探索優化的可能性,並將工具和方法導入監測與取締流程,進一步解決山坡地開發違規取締上的痛點。

資料來源

由臺北市政府工務局大地工程處提供:

  • 2014-2018 山坡地違建案件共 245 件
  • 2018 年衛星圖層與各月份變異點圖層

台北市街道與山坡地違規案件發生地點圖

專案成果

為了更瞭解台北市山坡地開發違規案件,我們以過去五年的違規案件來探討,並從兩個角度切入:

1. 山坡地開發違規案件的變化趨勢

我們將違規案件以行政區為劃分單位,透過觀察 Moran’s I 指標,來討論山坡地開發違規案件的變化趨勢。Moran’s I  為計算全域自相關中常用的指標,Moran's I 值介於 -1~1,> 0 表示空間正相關性,其值越大表示空間聚集越明顯,因此,從 Moran’s I 指標中,我們可以發現台北市違規案件在近五年有逐漸集中的趨勢,且在 2018 年最為明顯,數值達到 0.82。

台北市近五年 Moran’s I 指標圖

2. 山坡地開發違規熱區分析

由於集中趨勢分析無法直接指出確切的聚集地,即違規案件究竟在哪個地點,所以,我們嘗試視覺化以違規案件的歷史資料,來找出違規的熱區。藉由違規案件經緯度位置比對,我們發現主要違規熱區為士林區的新安、華岡與北投區的泉源等地區,猜測背後原因可能與近幾年房市成長逐年趨緩相關,由於地主不願土地因房價低迷而閒置,轉而自行違規開發獲取更大利益價值,又或者若干地區開發利益和誘惑大,地主傾向先違規開發再尋求就地合法途徑,以致開發時就違反法律規定,但背後真實原因和違規動機,需結合多方資料後才可深入各熱地區去實際驗證。

台北市近五年違規熱區圖

建立巡山員人力配置 Dashboard

從過去五年的違規案件中,可知違規案件有越來越聚集的趨勢,且一旦該地有違規案件出現,其每年重覆違規的情形也相對較多,此問題容易在現行巡山員人力配置的原則下,出現責任分配過載或閒置的情形,因此,整合人力配置區和違規案件熱區,提供巡山員人力配置的建議,協助未來山坡地開發違規取締更有效率。

我們結合過去五年的違規案件資料庫與實際地圖,真實地了解違規開發案件的所在地,並透過違規熱區與道路圖等分析和過濾方式,以 Tableau 平台將資料視覺化的呈現,藉此處理巡山員在稽查上費時費力的問題,也解決無人機空拍上需事先了解目的地的痛點。

巡山員人力配置 Dashboard

結論與討論

相較於傳統水文模擬方式,以降雨、水位等資料來評估淹水風險,可以在大幅降低電腦運算量、避免繁雜參數設定及運用公開資料的條件之下,進行即時的市區淹水預測。而未來可以透過收集更多影響淹水因子的資料(氣象資料)及探討其他模型預測能力來提昇淹水預警系統。此方法可以發揮最大效用的條件是,應用的城市需要擁有完善地下水道設施、並有密集的地下水水位測站。其它城市或鄉村的淹水預警可以利用類似的統計模式建構預警系統,但是可用的資料則另待探索。

在山坡地開發違規案件分析方面,下一步規劃整合坡度地形圖與水士保育流失地區等資料,找出導致特定地區違規的原因,以及該區附近的開發案件是否造成連帶影響關係,進一步利用數據建議加重特定違規開發的取締與罰則方式。我們希望此想法和平台能夠協助保育山上的每一塊土地,守護山下的每一位居民。

Tag:水土保持, 防洪, 韌性城市

  • Share:
值班編輯

Previous post

空汙追追追
2019-08-22

Next post

D4SG Fellowship 冬季班暫停公告
11 12 月, 2019

You may also like

  • 黨產會專案文本分析系統
    3 10 月, 2022
  • 讓社工外勤不再危險
    22 7 月, 2022
  • 採購稽核智慧化
    6 10 月, 2021

Leave A Reply 取消回覆

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

分類

  • 佈告欄
  • 未分類
  • 紀錄
  • 資料英雄計畫

近期文章

  • 兒少保護高效能網絡合作
  • 請回答1966 長照專線資料分析
  • 黨產會專案文本分析系統
  • 讓社工外勤不再危險
  • 採購稽核智慧化

標籤

OCHA workshop 便民看板 假設檢定 儀表板設計 兒少保護 家暴預警 就業輔導 席次分配 循證治理 急轉診 排班管理 政府採購 數位敘事 文字探勘 文字雲 服務設計 標準範本產生流程改造 水土保持 法律扶助 火災風險 畜牧廢水 知識本體 社工安全 社會救助 空汙 結巴 緊急醫療優化 脫離貧窮 自然語言處理 表單工作流程自動化 資料工作坊 資料治理 資料英雄計畫 跨域合作 農地種電 開放資料 防洪 隨機森林 韌性城市 高風險家庭

彙整

  • 2024 年 5 月
  • 2023 年 2 月
  • 2022 年 10 月
  • 2022 年 7 月
  • 2021 年 10 月
  • 2020 年 10 月
  • 2020 年 5 月
  • 2019 年 12 月
  • 2019 年 8 月
  • 2019 年 2 月
  • 2019 年 1 月
  • 2018 年 12 月
  • 2018 年 11 月
  • 2018 年 7 月
  • 2018 年 6 月
  • 2018 年 2 月
  • 2018 年 1 月
  • 2017 年 12 月
  • 2017 年 6 月
  • 2017 年 5 月
  • 2017 年 3 月
  • 2017 年 2 月
  • 2017 年 1 月
  • 2016 年 12 月
  • 2016 年 11 月
  • 2016 年 8 月
  • 2016 年 7 月
  • 2016 年 6 月
  • 2016 年 1 月
  • 2013 年 6 月

D4SG資料英雄計畫 ©2014-2023