走在汽車革命的路上論文書籍站
逢甲大學 水利工程與資源保育學系 陳昶憲所指導 王怡婷的 開發即時影像虛擬淹水感測器之先期研究 （2020），提出豐隆汽車ptt關鍵因素是什麼，來自於深度學習、Yolov4、水位辨識。
而第二篇論文國立高雄科技大學 金融系 朱芳妮、洪志興所指導 高嘉璘的 社群情緒對台灣房地產市場之影響與關聯性研究 （2020），提出因為有 社群媒體、房地產市場、情緒分析、公眾輿論、OpView的重點而找出了 豐隆汽車ptt的解答。
開發即時影像虛擬淹水感測器之先期研究
為了解決豐隆汽車ptt 的問題，作者王怡婷 這樣論述：
隨著全球暖化、氣候變遷、降雨型態改變，各地強降雨事件頻率上升進而使都市排洪系統排水不及導致淹水，造成巨大的經濟損失，過去被視為不尋常的極端氣候到未來恐成為常態現象。為能有效防範重大災情，政府在低窪地區或易致災地區設置感測水位之系統，但因維護與設置之成本較高，所以本研究採用來自民眾拍攝、水情影像回報以及都市現有的各類監視設備(Closed-Circuit Television, CCTV)影像，提出利用影像辨識與深度學習結合之自動淹水辨識模式，並透過輪胎偵測估算可能淹水高度，作為掌握都市各區域淹水與否的資訊來源，以供決策者作為因應對策制定或決定之參考。本研究使用汽車車輪為偵測物件為例，經由深度
學習框架Yolov4進行圖像學習與辨識，以輪胎淹沒高度判釋淹水層級。主要研究為辨識三個不同的淹水層級警示：全輪胎識別、淹水高度達三分之一輪胎、淹水達二分之一輪胎。而在結果訓練中選出最好的模型達到67%的準確率以及IoU (Intersect over Union)值達到68%。透過此篇研究，未來將可以此為參考發展出低成本自動化淹水偵測系統以達到快速的淹水辨識，在最短時間內達到即時救災效果。
社群情緒對台灣房地產市場之影響與關聯性研究
為了解決豐隆汽車ptt 的問題，作者高嘉璘 這樣論述：
透過社群網路搜尋人們的看法評價作為一項參考，已成為現代人做決策時不可或缺的一部份，過去的研究也證實，除了基本面影響市場價格之外，情緒也是影響市場的重要因素。為了了解社群對於房市之影響性，本研究使用OpView社群口碑資料庫抓取2016年至2020年有關房地產市場之社群情緒貼文，建構社群情緒聲量指標，以房價指數、房屋交易量、房屋流通天數、房屋議價空間作為房地產交易資訊，並加入總體經濟變數進行實證分析。 實證結果顯示Facebook社群總情緒聲量對於房價呈現顯著的影響性，區分情緒後，則對房價、交易量呈現顯著的影響，而PTT之社群情緒聲量之影響則較不顯著，僅PTT正面情緒聲量對房屋議
價空間具有顯著的影響。考量落後期對於模型的影響力後，亦發現前期之情緒聲量對於當期的房地產交易資訊具有不同程度的影響力。因果關係檢定上，社群聲量對於房地產交易資訊皆具有不同程度的因果關係。 研究證實社群媒體對於市場具有一定程度的影響力，可以捕捉基本面的不足，透過觀察社群，能使市場參與者掌握市場概況並有助於施政者對房市政策之擬定。