# T大使資料統整
###### tags: `paper`
``` google map 金鑰 AIzaSyB0QavRvbxbuk0Ief5OQsAYsQwCjvthy2k ```
## 0706
* https://www.weather.gov/dvn/road_conditions
NOAA的Area Road Conditions服務
* https://driveweatherapp.com/
美國氣象公司類似app
* https://www.qweather.com/en/business/tws
中國氣象公司類似app -> api不給用(要會員卻不能用台灣手機)
* https://www.oxxostudio.tw/articles/201810/google-maps-19-directions.html
奇怪語言但很棒的google map API示範
* https://jupyter-gmaps.readthedocs.io/en/latest/install.html#installing-jupyter-gmaps-with-pip
jupyter gmap 下載包
* https://developers.google.com/maps/web-services/client-library?hl=zh-tw
Google 地圖網路服務適用的用戶端程式庫
* https://github.com/googlemaps/google-maps-services-python
Google 地圖服務適用的 Python 用戶端
* https://www.gushiciku.cn/pl/gkoK/zh-tw
利用Python開發App實戰
* https://morecast.com/en/plan-your-route
美國Morecast路線天氣預報
* https://www.metoffice.gov.uk/services/transport/road
英國氣象局
* https://github.com/ideaSkyNCU
全端小專案
* https://djangogirlstaipei.gitbooks.io/django-girls-taipei-tutorial/content/django/installation.html
django
* https://developers.google.com/maps/documentation/geolocation/overview
google map api feedbackOverview
## plan B 可能會用到的data
* https://tw.live/
台灣道路即時影像
* https://data.moi.gov.tw/moiod/Data/DataDetail.aspx?oid=67781E29-8AAD-46A9-A2C8-C3F339592C27
台灣歷史交通事故資料
* https://data.gov.tw/dataset/25766
水利署淹水資料
* https://data.gov.tw/dataset/40448
即時(1hr)空氣品質指標(AQI)(資料筆數較少)
* https://tdx.transportdata.tw/api-service/swagger/basic/7f07d940-91a4-495d-9465-1c9df89d709c#/CityTraffic/CCTV_City_1
https://github.com/tdxmotc/SampleCode
* https://traffic-api-documentation.gitbook.io/traffic/xiang-dai-zhao-biao
交通代碼
google map API
https://tutorials.webduino.io/zh-tw/docs/socket/useful/google-map-1.html
->
目前整體想法：
展皇:利用google api規劃路線服務，加上氣象資訊(cwb or ??)去對幾條路徑進行天氣風險指數的計算，計算的方法天氣資料可能會像是從沿途路線抓最近測站資料，交通的就...，每一段都拿來算指標(看是要綜合性指標還是分成諸如~~熱浪指標~~、~~寵蟲指標~~、霧氣指標、午後雷雨指標、砂石車指標、容易車禍路口、淹水指標等)(根據用路人行車工具分類?)
其他人覺得ㄋ？
和我們想法相近的成果(APP)
目前的進度
預計的實作架構
討論ppt
https://onedrive.live.com/redir?resid=7B92F05465D1D78F!24030&authkey=!APDHxJiGIO1noIc&ithint=file%2cpptx&e=xU6h9a
GeoPandas：https://www.osgeo.cn/pygis/others-pyshp.html
## 0708
產品想像圖（功能、介面）➡️ 分工（前後端）or 選擇提供API(後端產品）
TODO：
1. 整理PPT，完整產品想像圖 --> 可宜、婉麗
2. 確認資料可用度(格式，來源，時/空解析度，可能誤差，解析格式等等) --> 展皇、丹宇、芳妤
3. 寄送PPT給蔡明春老師確認可用AI模型 --> 定澤
資料：
* 觀測：降雨率、氣溫、能見度、降雨強度(雷達)[天險]、空汙aqi、風
* 預報：降雨率、氣溫、能見度、降雨強度(雷達)[天險]、空汙aqi、風
* 交通：砂石車、車流量、容易車禍路口、淹水、土石流潛勢區
```
資料後端分工：
展皇：交通資料彙整(砂石車、車流量、容易車禍路口...)跟IDX的api串接
芳妤：氣象資料彙整(降雨率、氣溫、能見度、降雨強度(雷達)、空汙aqi、風)跟氣象局的api串接
丹宇：QGIS的資料彙整(淹水、土石流潛勢區)、shp檔轉geopandas
```
展皇----------------------
1. 資料api取得：
* 取得指定[縣市]路況壅塞水準：https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/CongestionLevel/City/Taipei?%24format=JSON ，會給一份不同屬性道路的時速水準
* 取得指定[縣市]車輛偵測器：https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/VD/City/Taipei?%24format=JSON ，可由此取得整個台北市的車輛偵測器資訊清單
* 取得指定[縣市],[VD設備]車輛偵測器即時路況：https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/live/VD/City/Taipei/{id}?%24format=JSON ，用上述資訊清單跟VDID呼叫api查詢即時路況
* 取得[高速公路局]車輛偵測器： https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/VD/Freeway?%24format=JSON
* 取得[高速公路局]指定[VD設備]車輛偵測器即時路況： https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/Live/VD/Freeway/{id}?%24format=JSON
* 取得[公路總局]車輛偵測器： https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/VD/Highway?%24format=JSON
* 取得[公路總局]指定[VD設備]車輛偵測器即時路況： https://tdx.transportdata.tw/api/basic/v2/Road/Traffic/Live/VD/Highway/{id}?%24format=JSON
---> 有非常詳細的路種/路況/路寬等可用資訊
2. 估計需要的資料總表
解析格式 來源 時/空解析度
砂石車 json(VD的T是聯結車) idx api 分鐘
車流量 json(MSLT取加權?) idx api 分鐘
容易車禍路口 ?????
3. 小project API串接嘗試
https://github.com/110621013/T_ambassador/tree/master/project
上面是T大使專案的github
./project/pj.py內含一支自動抓每個台北市車輛偵測器的api code/每五秒抓天險最近的車輛偵測器，車輛/速度有變會顯示
問題一：是否有結果的量化指標可以證明根據這套系統的路線走會更好？--->目前想到比較可行的方式是服務上線後給用路人(尤其是通勤仔)一個回饋評分，用過這個網站/app後騎完根據自己的交通體驗決定走這條路線是否較好，再分析這個app是否真的有顯著提升交通舒適性
問題二：各縣市/高速公路/省道其實都可以抓到車輛偵測器的api，時間解析都是分鐘算，詳細的計算方式怎麼樣比較合理
不一定每個縣市都有提供VD： 
問題三：政府開放資料有"各年臺北市A1及A2類交通事故明細.csv"可以抓：https://data.gov.tw/dataset/130110，但沒有詳細位置只有肇事地點的簡單地理描述
，怎麼辦ㄋ(有這個)
歷史交通事故資料
https://data.gov.tw/dataset/12197
----------------------展皇
----------------------方於
### 氣象資料彙整(降雨率、氣溫、能見度、降雨強度(雷達)、空汙aqi、風)跟氣象局的api串接
O空汙、
X能見度、
1. API取得
* 溫度、風速、能見度、相對溼度、降雨全部合在一起的
[CWB] TEMP(攝氏) WDSD(公尺/秒) VIS(公尺) HUMD(%)
https://opendata.cwb.gov.tw/api/v1/rest/datastore/O-A0003-001?Authorization=CWB-800E53EB-AF03-4977-99E7-0C1F2AE8BFB7&format=JSON&stationId=466850,466880,466900,466910,466920,466930,466940,467050&elementName=WDSD,TEMP,HUMD,VIS,Weather¶meterName=
[AUTO] TEMP(攝氏) WDSD(公尺/秒) HUMD(%)
https://opendata.cwb.gov.tw/api/v1/rest/datastore/O-A0001-001?Authorization=CWB-800E53EB-AF03-4977-99E7-0C1F2AE8BFB7&format=JSON&stationId=C0A520,C0A530,C0A540,C0A550,C0A560,C0A570,C0A640,C0A650,C0A660,C0A770,C0A860,C0A870,C0A880,C0A890,C0A920,C0A931,C0A940,C0A950,C0A970,C0A980,C0A9C0,C0A9F0,C0AC40,C0AC60,C0AC70,C0AC80,C0ACA0,C0AD00,C0AD10,C0AD30,C0AD40,C0AD50,C0AG80,C0AH00,C0AH10,C0AH30,C0AH40,C0AH50,C0AH70,C0AH80,C0AH90,C0AI00,C0AI10,C0AI20,C0AI30,C0AI40,C0AJ10,C0AJ20,C0AJ30,C0AJ40,C0AJ50,C0B010,C0B040,C0B050,C0C460,C0C480,C0C490,C0C590,C0C620,C0C630,C0C650,C0C660,C0C670,C0C680,C0C700,C0C710,C0C720,C0C730,C0C740,C1A630,C1A750,C1A760,C1A9N0,C1AC50,C1AI50,C1AI60,C1C510&elementName=WDSD,TEMP,HUMD¶meterName=
[AUTO] RAIN(毫米)
https://opendata.cwb.gov.tw/api/v1/rest/datastore/O-A0002-001?Authorization=CWB-800E53EB-AF03-4977-99E7-0C1F2AE8BFB7&format=JSON&stationId=C0A520,C0A530,C0A540,C0A550,C0A560,C0A570,C0A640,C0A650,C0A660,C0A770,C0A860,C0A870,C0A880,C0A890,C0A920,C0A931,C0A940,C0A950,C0A970,C0A980,C0A9C0,C0A9F0,C0AC40,C0AC60,C0AC70,C0AC80,C0ACA0,C0AD00,C0AD10,C0AD30,C0AD40,C0AD50,C0AG80,C0AH00,C0AH10,C0AH30,C0AH40,C0AH50,C0AH70,C0AH80,C0AH90,C0AI00,C0AI10,C0AI20,C0AI30,C0AI40,C0AJ10,C0AJ20,C0AJ30,C0AJ40,C0AJ50,C0B010,C0B040,C0B050,C0C460,C0C480,C0C490,C0C590,C0C620,C0C630,C0C650,C0C660,C0C670,C0C680,C0C700,C0C710,C0C720,C0C730,C0C740,C1A630,C1A750,C1A760,C1A9N0,C1AC50,C1AI50,C1AI60,C1C510&elementName=RAIN¶meterName=
* 空汙aqi
https://data.epa.gov.tw/api/v2/aqx_p_432?api_key=668a6684-c173-483e-a05c-03b993655ce4
~~* 降雨強度(雷達)
雷達資料-雷達整合回波資料之短期過去資料(過去10天)(格點)(dBz)
https://opendata.cwb.gov.tw/historyapi/v1/getMetadata/O-A0059-001?Authorization=CWB-800E53EB-AF03-4977-99E7-0C1F2AE8BFB7&format=JSON~~
* 體感溫度(溫度、風速、相對濕度)
2. 資料格式
|名稱|資料格式|時間解析度|空間解析度|
| ----| ---- | ---- | ---- |
|[CWB]|json|10分鐘|74站|
|[AUTO]氣象站|json|1小時|413站|
|[AUTO]雨量站|json|10分鐘|1091站(?)|
|空汙aqi|json|1小時|縣市o 鄉鎮區x|
|雷達整合回波資料之短期過去資料|json|10分鐘|1.25公里|
|最新雷達整合回波圖資料|json|10分鐘|3600x3600(?)|
3. 來源網站
* 中央氣象局開放資料平臺之資料擷取API (雨風能見度…)
https://opendata.cwb.gov.tw/dist/opendata-swagger.html#/%E8%A7%80%E6%B8%AC/get_v1_rest_datastore_O_A0001_001
金鑰: CWB-800E53EB-AF03-4977-99E7-0C1F2AE8BFB7
* 環保署環境資料開放平台開放資料API (空汙)
https://data.epa.gov.tw/swagger/#/
金鑰:668a6684-c173-483e-a05c-03b993655ce4
* 民生公共物聯網-氣象相關資料集 (雷達)
https://ci.taiwan.gov.tw/dsp/dataset_weather.aspx
* 雷達整合回波圖-臺灣 (雷達)
https://data.gov.tw/dataset/75125
* 中央氣象局開放資料平臺之短期過去資料下載API (雷達)
https://opendata.cwb.gov.tw/dist/opendata-swagger.html?urls.primaryName=historyAPI#/%E8%A7%80%E6%B8%AC/get_v1_getMetadata_O_A0059_001
* 天險WRF API
http://premium-weather-api-reference.s3-website-us-west-2.amazonaws.com/
key=future-3t
-> 可用：https://premium-weather-api.weatherrisk.com/future-3t/168hr-3km-model-forecast/25.052168,121.540672
## 歷史天氣資料(都是要下載的資料沒有線上直接看的)
* 大氣水文資料庫
|項目|時間解析度|空見解析度|資料區間|更新時間|資料格式|
| ----| ---- | ---- | ---- | ---- | ---- |
|自動逐時|1hr|500多站|1897-2021|每月10-15號|txt|
|局屬逐時|1hr|30多站|1897-2021|每月10-15號|txt|
|局屬逐日|1日|30多站|1897-2021|每月10-15號|txt|
|局屬逐月|1月|30多站|1897-2021|每月10-15號|txt|
測站經緯度:
網頁
https://e-service.cwb.gov.tw/wdps/obs/state.htm
[CWB]
https://cwbopendata.s3.ap-northeast-1.amazonaws.com/DIV3/C-B0074-001.json
[AUTO]
https://cwbopendata.s3.ap-northeast-1.amazonaws.com/DIV3/C-B0074-002.json
大氣水文資料庫: https://dbar.pccu.edu.tw
* CWB氣象資料開放平台
|項目|時間解析度|空見解析度|資料區間|更新時間|資料格式|
| ----| ---- | ---- | ---- | ---- | ---- |
|每日雨量-過去9年局屬地面測站每日雨量資料|1日||2013-2021|每年更新|ZIP+xml|
|每日雨量-過去一季每日雨量資料|1日||2022.04.01-2022.06.30|每月|JSON|
|每月氣象-過去9年局屬地面測站每月氣象資料|1月||2013.01-2021.12|1次/年，如有資料更新不定期更新|ZIP+xml|
下載位置:
每日雨量-過去9年局屬地面測站每日雨量資料
https://opendata.cwb.gov.tw/dataset/observation/C-B0025-002
每日雨量-過去一季每日雨量資料
https://opendata.cwb.gov.tw/dataset/observation/C-B0025-003
每月氣象-過去9年局屬地面測站每月氣象資料
https://opendata.cwb.gov.tw/dataset/observation/C-B0026-002
----------------------方於
展皇回覆方於：目前交通/天氣資料資料後端目標為：寫個程式，他每分鐘自動抓取會用到的api資料並存起來(每分鐘的溫、濕、體感溫等等)，時間上就一直抓，空間上就測站..(預報時間精細度?)
https://github.com/110621013/T_ambassador
* googlemaps 進度:
*更新
藍色點為導航標記，紫色點是將藍色點整理後相同間隔的測站點
* 丹宇進度區:
* python 空間編成碼
https://geobgu.xyz/py/geopandas2.html
* 地理資訊資料(淹水潛勢區、土石流)處理:
可將shape檔轉GeodataFrame，經緯度座標成功更改為GPS座標"WGS84"
* 最新進度:如何減少辨認時間(是否在潛勢區)
# 地理資料內容
* 淹水潛勢區定量降雨:
6小時150mm(25mm/hr)
6小時250mm(41.6mm/hr)
6小時350mm(58.3mm/hr)
* ('GRIDCODE':1~5)
0.3m-0.5m、0.5m-1m、1m-2m、2m-3m、大於3m五種等級淹水分層
*****資料更新時間:2022-03-29
* 台北市防洪的設計，每小時可以處理78mm的雨降雨量，超過就等於淹水了(2021.06.04)
* 土石流潛勢溪流影響範圍圖:
Q:土石流潛勢溪流劃設的標準為何？
A:必須同時具有土石流發生潛勢，及發生後可能會對當地房舍、道路、橋梁及重要公共設施造成災害，如深山內某個無人居住或進出的地方，即使時常發生土石流現象，但因對人們的生活不會造成影響，所以並不會劃為土石流潛勢溪流。
觀察:大多為鄰近山區有人來往的區域
一級調整：近3小時累積雨量大於200mm，原警戒基準值400mm以下(含)調降警戒值100 mm；原警戒基準值400 mm以上(不含)調降警戒值150 mm。
二級調整：近3小時累積雨量大於150 mm，原警戒基準值400mm以下(含)調降警戒值50 mm；原警戒基準值400 mm以上(不含)調降警戒值100mm。
三級調整：近2小時累積雨量大於100mm，原警戒基準值400mm以下(含)調降警戒值50mm；原警戒基準值400 mm以上(不含)維持不變。
*****更新時間:2021-01-07
* 土石流警戒基準值
(https://246.swcb.gov.tw/AllFiles/Download/32/1110422DebrisAlert.pdf)
*****更新時間:111.4修訂
客群、目的:北部機車通勤族
老師建議：
1. UI介面簡潔即可，例如只給安全性或是天氣這兩種路線選項
2. 可用事故
3. 指標可問專家(例如警義)
## *********************************************************
## 0720
展皇----------------------
TODO：
1. 把寫好的抓交通VD資料API放到定賢提供的server上持續運作
2. 開發A1/A2事故跟天氣的機器學習模型(下雨、風強、氣溫、陽光角度)
目前
資料來源網址：https://data.gov.tw/dataset/12197
測站經緯度: https://e-service.cwb.gov.tw/wdps/obs/state.htm
大氣水文資料庫: https://dbar.pccu.edu.tw
大氣歷史data: https://drive.google.com/drive/folders/1kMPCRLzZo92wTFWtZ23Axoy2ZHl5lD3V?usp=sharing
----------------------展皇
## *********************************************************
## 0722
展皇----------------------
TODO：
1. 把寫好的抓交通VD資料API放到定賢提供的server上持續運作->我需要server欸賢🈹->192.168.1.60 / heimdall / info3.14media，資料抓在/data2/3T->程式做好了，抓台北新北桃園基隆跟>24.5的省道的VD
save_traffic_api_data_county
save_traffic_api_data_highway
auto_get_traffic_api_and_save
現在每五分鐘抓一輪資料
2. 開發A1事故跟天氣的機器學習模型(下雨、風強、氣溫、陽光角度)->拿到107~110的a1事故，以及歷史天氣資料了->針對台北地區用邏輯斯回歸做做看
3. 主函式多執行緒->完成，不要用Futures那是py2在用的，原生python就有concurrent.futures.thread可用
4. get_traffic_data製作
----------------------展皇
繪圖
## *********************************************************
### 資料後端函數規範
https://github.com/110621013/T_ambassador
* 淹水shape檔
https://drive.google.com/drive/folders/1RcmevFog85TrN_mblUrK36RF05o2ll-2?usp=sharing
天氣類：
```
def save_weather_data():
回傳：無，儲存一套各測站的經緯度跟天氣資料，預報的取各測站的經緯度
def get_weather_data(now_time, time_step, lon, lat):
回傳：觀測(cwb or WR)與預報(WR)給定權重的一組天氣資訊
```
芳妤整理個觀測與預報api共同有的氣象要素：
||temp|rain|humd|wdsd|app_temp|資料|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|CWB、AUTO|o|1hr累積|o|o|o|臨近測站|
|天險觀測|o|24hr累積|o|o|o|鄉鎮區|
|WRF(預報)|o|1hr累積|o|o|o|經緯網格|
雷達、空汙、能見度
traffic_dict.npy其中之一個資料範例輸出：
交通類：
```
def save_traffic_data():
回傳：無，儲存一套各VD的經緯度跟車流資料
def get_traffic_data(lon, lat):
回傳：最近一個VD的即時車流資訊(ID、經緯度、路名、路種、幾線道、資料時間、總各車種(MSLT)數量)
進化版本->def get_traffic_data(now_time, time_step, lon, lat):
回傳：最近一個VD的即時/預測車流資訊(ID、路線方向、幾線道、路名、各車種(MSLT)數量)
```
traffic_dict.npy其中之一個資料範例輸出：
{'lon': 121.54058, 'lat': 25.05369, 'RoadName': '龍江路', 'RoadClass': 6, 'LaneNum': 2, 'DataCollectTime': '2022-08-03T10:13:00+08:00', 'Volume': [4, 5, 2, 0], 'Speed': [12.25, 8.0, 16.5, 0.0]}
google map api類：
```
def get_google_map_path(begin, end):
回傳：一個[]，內含多個中繼點之經緯度
```
地理資訊類：
```
def get_geo_data(lon, lat, hourly_rainfall):
回傳：是否為淹水潛勢區
```
* Roadclass:0：國道，1：快速道路，2：市區快速道路，3：省道，
4： 縣道，5：鄉道，6：市區一般道路，7：匝道
其他VD變數說明:
## *********************************************************
### 0729討論與目標 :
* 道路模型分群的標籤:
通勤道路(離峰尖峰明顯)、一般用路(波動不大)、旅遊道路(假日非假日差別大) 、....(分更多類型)
* PPT排版邏輯順序:Step1、2、3
* 賣點是什麼?如何吸引受眾使用?和Google map 不同之處在哪?
* 豪雨等級、高溫/低溫等級、路上強風等級查看相關官方網頁定義:分標籤用
* '霧'可討論要不要加
* 階段性目標
1.評分權重計算:階級標籤
2.交通量預測模型:明確選擇哪一種模型和資料清洗
## *********************************************************
## 0803
## 資料分級:
* 天氣
* (1)溫度(不計分，但有警報):
高溫警報:
1.黃燈:36度~38
2.紅燈:大於38度
低溫警報:
1.黃燈:6~10
2.紅燈:6度以下
* (2)體感溫度:
一、37以上
二、34~36
三、30~33
四、26~29
五、22~25
四、19~21
三、16~18
二、11~15
一、10以下
* (3)風速(10分鐘1筆，計分和警報):陸上強風特報:平均風速41～51 km/h(10.8 m/s)
一、有
五、無
* (4)AQI:
五、良好: 0~ 40
四、普通: 41~80
三、對敏感族群不適: 81~120
二、對所有族群不適: 121~160
一、非常不健康: 161以上
* (5)降雨量(討論):
五、 0 mm/h
四、 1~10 mm/h
三、 11~20 mm/h
二、 21~30 mm/h
一、 31 mm/h以上 (大雨特報)
參考交通部公路總局的說法：
每小時10～19mm的雨量，民眾感受到滴答的降雨聲，在屋內說話也不容易聽到，在外撐傘腳會被淋濕；每小時20～29mm時的雨量，就算撐傘身體也會被淋濕，在屋內睡覺通常會被雨聲吵醒，開車即使將雨刷調到最快，視線仍然不良；每小時30～49mm的雨量已經很激烈，雨勢像用水桶倒水ㄧ般，道路可能積水成河，開車濺起水花；每小時50～79mm的雨量，感受就像瀑布一樣，撐傘完全沒有用，開車視野極差；每小時80mm以上的雨量，猛烈的程度讓民眾感覺猶如呼吸困難的壓迫感，會發生很多災害如土石流等，達到警戒狀態。
* 交通
(1)車流量:
"RoadClass 0~6"代表：國道、省道快速公路、市區快速道路、省道一般公路、市道縣道、鄉道區道、市區一般道路。
Roadclass=0 A:5 B:4 C:3 D:2 E:1 F:1
Roadclass=1 A:
Roadclass=2 A:5 B:4 C:3 D:2 E:1 F:1
Roadclass=3 A:
Roadclass=4 A:
Roadclass=5 A:
Roadclass=6 A:
(2)砂石車:不同Roadclass的數量有差別 (ex:產業道路大型車多)
一、有
五、無
#(3)易發生車禍地點:有無
* 地理
(1)淹水:
五、無
一、有
* 路程時間
設定最長路線時間分數為1
其他1~2條路線除上最長路線時間得到比值
比值==1 -> 1分
比值>0.95 -> 2分
比值>0.9 <=0.95 -> 3分
比值>0.85 <=0.9 -> 4分
比值<=0.85 -> 5分
實際測試google地圖，發現三條路程行程時間不會超過20分鐘，以北部地區最遠大概三小時為例，假設最短路程花費時間為160分鐘，最長花費180分鐘，160/180=0.8889，因此用這個想法進行分級。
## 權重討論區:
1.AQI ->1+2+1+1+1 = 6(8) -> pre沒有
2.體感溫度 ->6+3+2+4+6 = 21(6)
3.降雨量 ->8+6+7+3+8 = 32(1)
4.車流量 ->5+7+5+7+7 = 31(2) -> pre沒有
5.砂石車 ->4+8+6+6+5 = 29(3) -> pre沒有
6.風速 (有無) ->3+1+3+2+2 = 11(7)
7.淹水 (有無) ->2+5+8+8+3 = 26(4)
8.時間 ->7+4+4+4+4 = 23(5)
分數 8 7 6 5 4 3 2 1
芳妤 3 8 2 4 5 6 7 1
丹宇 5 4 3 7 8 2 1 6
可宜 7 3 5 4 8 6 2 1
定澤 7 4 5 8 2 3 6 1
展皇 3 4 2 5 8 7 6 1
## 緊抱討論區
高溫->0/1/2(無/黃>36/紅>38)
低溫->0/1/2(無/黃<10/紅<6)
強風:0/1(>10.8m/s)
大雨:0/1(>31mm/hr)
淹水:0/1
砂石車:0/1(砂石車數量/n線道>1就True) -> pre沒有
觀測(nowcasting)跟預報(forecasting)的比例：
https://www.researchgate.net/post/What_is_the_difference_between_forecasting_and_nowcasting_which_can_be_used_for_linear_assets_or_asset_health_monitoring_and_control
RoadClass對應表
https://link.motc.gov.tw/swagger/ui/index#!/GeoLocating/GeoLocating_GetShortest
RoadClass 0~6代表：國道、省道快速公路、市區快速道路、省道一般公路、市道縣道、鄉道區道、市區一般道路
總後端主程式資料架構：
## 0810討論區:
### PPT: https://1drv.ms/p/s!ApH8orjkjm3om08q0xIskusoX0vJ
* 數位之星-創意組評分內容:
* 數位之星-實作組評分內容:
* 
* -------------------------------------------------- *
## 標題構想區:
* 1.天無"決"人之路
* -------------------------------------------------- *
0. 實作場域介紹
1. 創新主題與實作內容的差異性和價值說明(翻譯:需求說明、痛點與問題)
(1)2021年全球衛星定位（GPS）製造商TomTom公布最新的全球塞車指數，調查56個國家、共404座城市去年塞車狀況，台北排名40名，桃園排行71名。
(2)交通部統計處2016年「民眾日常使用運具狀況調查」，發現基隆市通勤族之城，高達39％的上班族不在基隆工作。
(3)台灣機車密度相當高，也是許多上班族、大學生的主要通勤工具，主計總處最新國情統計通報指出，107年台灣的機車族中，通勤族占約6成，每次通勤行駛時間為32分鐘，換言之，每天得花逾1個小時通勤。
(4)主計總處國情統計通報指出，機車族的騎車天數有地域之分，平均每星期使用天數為5.2天，六都以台北市4.8天、新北市5.0天、桃園市5.0天較低，台南市、高雄市均為5.5天，相對較高。
圖:
M.CHAK作品〈摩托車瀑布〉（motorcycle Waterfall）入選國家地理雜誌年度攝影比賽。｜Photo Credit: 國家地理雜誌網站
產品名:最佳行車路線(?
本案根據原有公司業務基礎，發想延伸氣象資料應用。
機車通勤的困擾:塞車時間不易掌控、天氣狀況差、遲到的壓力、危險
2. 對應作法及數位解決方案的可行性(翻譯:解決的辦法、改善方向、預期效益)
結合交通與天氣等資訊，簡單清楚的介面，給出及時(或預測)行車路線即評分，讓使用者選擇更舒適的行車路線，減少因通勤造成的困擾、損失。
天氣交通即時性
自動化評分
日常天氣
路線規劃
3. 數位工具應用的完整性(如系統功能示範、數據可視化或預測模型)
後端:Python、data
前端:django、java
4. 質化(方向性)/量化目標達成狀況或預期成果合理性
預期:使北北基桃交通更順暢、增加通勤族的用路安全性、是否有增進通勤舒適度
## 問卷連結點我
### 設計回饋問卷 https://www.surveycake.com/s/1g8dl
### 問卷後台 https://www.surveycake.com/admin/tw/survey/1g8dl/update
5. 實作成果展示
6. 服務應用的擴散性或市場性
基於北市通勤特性和資料高密集性，服務地區僅限在台北和周遭的縣市(北北基桃)桃)，未來可拓展至台灣其他區域。功能拓展上可以結合導航，並即時提醒路況。
8. 具體推廣策略(將功能嵌入 Google map中 )
9. 團隊間協作與分工
前端:
後端:
11. 與企業協作與溝通
阿賢?
## 0812 開會筆記:
* 問卷目的:
建議回饋 非統計數據
Q&A:時間分配比重(觀測和預報)說明要白話
* PPT待加上
1.未來展望(AI預測車流量)
2.PPT說明7變數分數1~5分來源(中央氣象局、環保署)
3.AI說明
* 問卷加上
1.詢問權重分數喜好排名
* 景弈詢問有無高解析的交通資料??
AI預測討論:天氣是否降水
雷達回波來預測是否降水
極短期用AI預測是否降雨
說明部分:以目前模式的預報來說準確不好....於是想要加入AI來提高模式精準度
## Logo投票區
## AI方法解釋：
https://docs.google.com/document/d/1W9BG54bHUsNteTnE38R-AYrMFmjUYmMV/edit?usp=sharing&ouid=112792259706219547127&rtpof=true&sd=true
Sign in with Wallet
Connect another wallet