focus st災情的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

以標準化及時空聚類提昇災情通報之可用性

為了解決focus st災情的問題，作者黃琳皓 這樣論述：

以我國現行之防救災體系而言，當面對緊急事件應變時，各部會依其職責提供相關之災情資訊，應變中心則肩負災情資訊綜整與決策之任務。多來源之災情資訊不僅止於來自於政府的結構化資訊，隨著社群媒體與大眾的生活緊密度上升，社群也成為提供資訊之管道來源，然而其資料特性影響後續的標準化過程。此外，以聚集性的觀點分析災情通報資料之時空因子，具有較高時空聚集性之區域可被視為可能之災害區域，並藉由各項指標判斷聚類之時空表現，以期在應變時能作為決策的輔助資訊。EDXL-SitRep由OASIS提出，適用於緊急應變中資訊交換的一套準則架構，而本研究以該標準為基礎，檢視其元素是否能滿足5W1H以概括緊急應變資訊，並基於滿

足5W1H框架 之EDXL-SitRep標準探討不同來源之資訊是否能夠提供足夠的資訊，來源包含來自於政府的感測網資訊與來自於大眾的社群資料。結果顯示EDXL能滿足災情資訊之標準化，尤其來自政府的資料因其結構化之內容與政府之規範，更容易提供完整且持續更新的SitRep；社群資料中又可概略區分出直接來自大眾的資料與透過志工、協力單位提供的資料，而前者代表性的資料為來自臉書的資料，統計資料顯示約三成的臉書資料與約五成的協力單位資料，經過對比驗證後是可直接作為使用，意味著未來仍需透過後端資料庫的建立、教育推廣、志工訓練等方式以提高社群資料的使用性。經驗證後的社群資料，可在政府現有災情監控之機制外提供更

貼近真實的災情狀態。聚類分析為常見之資料分析方法，而災情資訊同時具備空間與時間之考量，因此藉由時間聚集性與時空聚集性的觀點來解析社群資料。結果顯示，單考慮時間因素的聚類在空間指標上表現並不理想，能反映出整體資料的時間趨勢以及擴展之方向，但在空間表現上沒有良好的表現。不同聚類方式能凸顯之重點不同，在同時考慮時間與空間因素下，DBSCAN透過參數設定，找到相對高密度的聚類，反映出災害通報頻傳的地點，也能顯示出熱區之類的訊息。階層式聚類則適用於找出主要聚類，但資料筆較少時，多階層的分類容易形成規模很小的聚類。k-means則能找出整體資料的趨勢。