公私協力模式—以資料英雄計畫「高雄火災風險地圖2.0」為例
•Download as PPTX, PDF•
1 like•707 views
「高雄火災風險地圖2.0」係由智庫驅動與高雄市政府消防局共同推動之資料英雄計畫，本計劃透過資料科學找出火災關鍵因子，進而在消防資源有限的情況下優化巡視家訪建物之效率。根據內政部消防署公布火災統計資料，105 年火災發生次數1,856 次，火災發生類型以建築物火災1,424次最多，造成火災死亡人數約占年度火災死亡人數的86%。鑑此，降低當地建築物火災事故是各縣市政府消防局的難題之一。 對抗火災的最佳策略是採取預防性介入，防患於未然，本次專案選定鳳山區作為標的，從建築物火災角度出發，彙整建築物及人口特性資料，建構火災風險評估模型，設法找出影響建築物火災關鍵因子，面對當前人力、資源有限的挑戰下，優化現有防火診斷、宣導策略。 研究後我們也進一步將結果彙整給高雄市政府消防局供往後使用。此外，過程中發現諸多地方政府在跨部會的資料倉儲管理之缺失，我們也加以從「公私協力」角度反饋給地方政府，希望藉由專案的互動交流意見，能夠進一步讓資料倉儲成為政府開放資料之基石。
Recommended
More Related Content
More from DSP智庫驅動
More from DSP智庫驅動 (20)
公私協力模式—以資料英雄計畫「高雄火災風險地圖2.0」為例
- 2. 劉憲錡 Toby Liu http://blog.toby.taipei toby@toby.taipei 國立中央大學經濟系畢 鈦坦科技軟體工程師 國立清華大學資應所碩二生 文字探勘、情緒分析 數巨飛船工作室
- 6. 火災風險地圖1.0
- 10. 為什麼是鳳山區?
- 12. 資料說明
- 14. 資料來源 建照資料 稅捐資料 100年~105年 火災報案紀錄 身障、低收入、 獨居長者紀錄 狹小巷弄數據 223 11,150 28,912 130,000 130,490 鳳山火災建物 394 • 陳國瑋, 高志瀚, “應用類神經網路建構建築物火災財物損失預測模式—以金門縣為例”, 建築學會2010第22屆第2 次建築研究成果發表會.
- 16. 模型建構
- 19. 機率模型：非平衡學習 精準度 99.9% 模型預測全部建物不會失火 Balance Cascade (Liu, 2009) • X. Y. Liu, J. Wu and Z. H. Zhou, “Exploratory Undersampling for Class-Imbalance Learning,” in IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), vol. 39, no. 2, pp. 539-550, April 2009.
- 20. 機率模型：非平衡學習 對一般建築分類 基於 Backpropagation KNN演算法(K-Nearest Neighbors algorithm) • https://en.wikipedia.org/wiki/Backpropagation
- 21. 機率模型：非平衡學習 將每一群和失火建築物放在 一起訓練小模型 XGBoost (Random Forest) (Chen, 2016) M1 • Tianqi Chen and Carlos Guestrin. XGBoost: A Scalable Tree Boosting System. In 22nd SIGKDD Conference on Knowledge Discovery and Data Mining, 2016
- 22. 機率模型：非平衡學習 137個小模型產生的機率總 和取平均 準確度 Accuracy 88% 召回率 Recall Rate 78% M2
- 23. 重要因素
- 24. 重要因素
- 25. 重要因素
- 27. 損失模型：深度學習演算法 400 棟失火建物、62個屬性 三層 Fully Connected DNN (Chollet, 2015) 預測建物失火所造成的損失 MSE epoch • Fran ̧cois Chollet et al. Keras. https://github.com/fchollet/keras, 2015.
- 29. 高雄市鳳山區 火災機率熱圖
- 30. 高雄市鳳山區 住宅性質分布
- 31. 高雄市鳳山區 火災損失熱圖
- 32. 高雄市鳳山區 火災風險熱圖
- 33. 精準有效的 防火診斷
- 35. 居家訪視 隨機抽取示意圖
- 36. 居家訪視 指定名單示意圖
- 37. 參與心得
- 38. 參與心得 Imbalanced data 火災風險背後的社會結構性因素 資料科學時代的資料基礎建設 表面的 KPI 制度 考慮時序和空間的模型
- 39. 探索式 資料分析
- 40. 年度比例圖
- 41. 月均火災數
- 42. 連續假期日均火災數
Editor's Notes
- Johnson、CK 高文宗、靜雅、宏杰 立哲（信義房屋）、偷筆、冠玲
- Johnson 海賊王
- 地址當作 unique key
- 我上輩子是薯條嗎？為什麼要被炸？ 地址不存在
- 有沒有出水？
- 問大家猜猜看月份
- 客家人
- locality 團購鐵湯匙 time-seires