使用工具
災害事件檢索
由路徑分類、受災地區、登陸城市、最大雨量站等項目，篩選相關性較高之災害事件，以藉過去災害資料來協助研判。
文字雲
為能快速了解一災害事件最關鍵訊息，我們想以文字雲方式呈現災害之「主要成分」，以在找到相關事件後，
能快速了解該事件之關鍵訊息。以下為三項實作重點：- 為了解事件中最關鍵的訊息，我們以出現字頻來判斷重要性
- 為解決中文斷字問題，我們以建立防災語料之方式
- 但可能有些重複性高但不是重要的字（如：颱風），須給予權重調整
為建立防災語料庫，我們從經驗學習中心中人工挑選出防災詞彙，包括原先個災害事件的關鍵字和社會關注議題。此外，亦加入各鄉鎮縣市名稱作為語料，以提供呈現地區重要性之可能。
我們以「Concise」這套中文文字雲產生軟體為實作工具，用以產生防災文字雲，其本身亦納入教育部所提供的詞彙作為基本語料，並可加入自訂詞庫。
左圖為預設產出形式，可自行調整底色、用色、顯示總字數、字體大小與大小差異度。
另外，Concise中也能設定停用詞表，將設計者認為是贅字之詞彙去除。尤其在本案例中，只需要出現防災關鍵語彙，然而由於本身內建之教育部詞庫，造成許多「雜訊」出現。最後我們選擇先不彙入語料庫即產生字頻表，並直接將非關鍵字彙設為停用詞，以增進呈現品質。
Gapminder
以GAPMINDER為發想基礎，嘗試效仿其動態呈現散布圖之方式，分析災害趨勢。
為取得歷史災害事件之數值統計資料，我們由以下網站取得：
共分為數值形式與分類形式之資料。前者至於X、Y軸或原點大小，後者可以顏色區分。
數值
- —死亡失蹤人數
- —總損失金額
- —農業損失金額
- —最大雨量值
- —最大風速值
分類
左圖之橫軸為經通膨率換算之各災害總損金額，縱軸為最大降雨量，並以顏色區分最大降雨區域、大小表示死亡失蹤人數。結果可發現，東部(綠色)之最大雨量雖都不是很大，但卻造成總損金額多寡不等之災害。
使用者與使用情境
經過使用者訪問後，歸納出以下三類主要使用對象：新進防災人員、決策者與一般民眾。以下分別就三類使用者進行情境模擬。
| 新進防災人員 | | (左上) 沒有救災經驗之新進防災人員加入防災團隊。
(右上) 在歷年災害事件過後，留下許多應變處置報告，內容記載了各個事件之詳細資訊，例如：大氣資訊、災情通報與處置行為，為前人所留下之防災經驗紀錄。然而，資料內容龐大而繁瑣，對新進人員來說無法有效地消化並汲取知識。
(中) 由每份應變處置報告經防災人員彙整過後，以網站形式呈現「經驗學習中心」平台，以記錄每次事件最精華之資訊，以快速了解災害始末與關鍵訊息。
(下) 在使用「經驗學習中心」後獲得經驗傳承，新進人員得以儘速進入狀況，並能應用過去經驗協助決策。 | 決策者 | | 然而對於決策者來說，除了提供他們過去災害事件之應變紀錄外，更重要的是要能在災害來臨前夕，協助他們判別可能之災害類別。換句話說，在他們使用經驗學習中心之前，應提供他們檢索災害類型之功能，以引導決策選擇較具關連性之災害。以颱風來說，一般以颱風路徑類型作為分類依據，但在訪問過程中發現，決策有時須同時關心其他類別，如：受災地區、登陸城市等，而這部分目前尚未有適合之工具可以協助決策。 | | | (上) 為實現多項類別篩選之功能，我們想到拍賣網站常會用的「縮小範圍顯示功能」，已針對多個屬性，如：全新品且無底價之商品，另外也可限制價格範圍。
(中) 在篩選過後，右側會參考比價網站形式列出符合條件之災害事件，並顯示災害名稱和簡單的描述內容，讓使用者快速了解災害概況，或可進一步點擊進入該災害之經驗學習中心頁面。
(下) 此圖為災害篩選介面之紙本原型，整體架構與經驗學習中心相同，希望能納入平台中使用。 | 民眾 | | 在使用經驗學習中心時，民眾除了詳細閱讀內容，有時需要在短時間內獲得最關鍵之訊息。因此，我想到以文字雲的方式呈現。文字雲之頻率計算一般分為出現字頻與點擊率兩大類：前者即依照輸入資料中個字詞出現次數為依據，即當某字詞在文章中出現次數越多，該字越為重要，可能會加大顯示或以顏色凸顯。後者則仰賴使用者之對於特定字詞標籤之點擊數來累計次數，而由於後者需要夠多之人流且技術實踐上之不易，我們選擇以前者方式實作。
(上) 一般部落格或網站中常出現之文字雲。
(下) Processing之文字雲範例。 | | | 但文字雲產生過程中需考量字詞加權問題。舉例來說，由於災害事件多為颱風事件，因此字彙「颱風」理應會出現相當多次，造成較大之字體。然而，該詞雖為防災詞彙但卻不能代表該事件之關鍵資訊，因此該降低其權重或是予以去除。 | |
前言
每逢夏秋之際，台灣受風災影響甚鉅，平均每年受到約三到四個颱風侵襲，近年來又因氣候變遷造成雨旱季雨量分布不均，嚴重影響供水。由於天災的複雜性與其難以預測，若能將歷史水利災害事件資料予以保存，在經過分析整理與篩選後，找出可能各種影響災情的因素，並予以歸類。在災始時，依照現有可用的資料與過去災害資料進行比對，根據其相關性來判斷可能帶來的，並加上原本的預測方式，便能在當下給予及時性的決策。
現有蒐集資料
災害來臨期間，水利署進駐防災人員，彙整來自各相關機關之氣象狀況與災情資訊，以協助決策者判斷可能災害趨勢，並提前發布警戒，降低災損。災後，防災人員經過整理過後撰寫應變處置報告，以記錄應變值勤期間之詳細情形，以供後人參考。
應變處置報告為一份含有大量文字與圖片之文件，其中大致以事件陳述、氣象動態、水情分析等項目進行分類，並提供紅外線雲圖、雷達圖與降雨分布圖等圖片檔案，內容詳細記錄了該次水利災害事件細節。
資料處理現況
圖1、首頁 經防災專業人員對於災害事件進行評估後，挑選出認為最具經驗學習價值事件，以網頁方式呈現於「水利署經驗學習中心」網站(圖1)。災害事件共分為三大類：水災事件、旱災事件和重大水利事件，目前約收錄約30次水災、
4次旱災等及
9次重大水利事件。
各項事件又依以下內容細分：- 事件名稱
- 事件陳述
- 氣象動態
- 水情分析
- 災情處理
- 衍生行為
- 重要經驗
各項目皆由應變處置報告經彙整後精簡而成，以方便使用者有效率地瀏覽各災情資訊，並使決策者能快速依過去事件協助判別現況。
使用者與使用情境
經過使用者訪問後，歸納出以下三類主要使用對象：
- 新進防災人員：為協助新進人員快速了解歷史災情，經驗學習中心能提供精簡而豐富的歷史經驗。
- 決策者：在災始時，藉由各次事件之特性比對(如：路徑、登陸地區等)，即可對於相似性高之事件進行經驗學習，協助決策。
- 民眾：由於經驗學習中心為開放平台，一般民眾也可以藉過去經驗增進防災知識。
面臨困難
- 未來資料量會更為龐大：目前由於災害事件數還不算龐大，要尋找各事件還算容易，但在未來事件數增多後，以目前平台架構可能會有查詢上的困難。
- 考量多項分類方式：目前有提供路徑與受災地區之分類檢索，但當要同時考量以上兩項因素時不易操作。
RSS Feed