- 會議論文
- OpenAccess
結合群眾力量的災情回報篩選器
An Effective Filter for Screening Disaster Responses by Crowd
摘要
災情回報的彙整品質與效率會直接影響到減災的效率，災情回報的彙整實務上都是使用人力的方式，首先是從各災情回報來源驗證災情的真實性，接著將重複的災情回報合併，最後發布彙整的災情狀況；透過彙整雖然可以有效減少災情回報的錯誤資訊及重複資訊，但是彙整的流程相當費時，且進行彙整的大多是政府的人員，其人力資源有限，會影響防災應變的效率。近年來，由於行動裝置及網際網路的快速發展，許多眾包平台相繼發展出來，如：Sahana、Ushahidi、颱風莫拉克災情地圖等，其均是結合眾人的力量進行災情回報的平台，這些災情回報在減災時雖然可以提供幫助，但是透過眾包平台獲取的災情回報具有三個主要問題：錯誤性、重複性、不一致性。本研究為了解決這三個問題，結合人工智慧(Artificial Intelligence, AI)以及群眾智慧(Crowd Intelligence, CI)，發展ACI災情回報篩選器；ACI災情回報篩選器首先是使用AI篩選器保留極高可能性是真實的災情回報，並移除極高可能性是錯誤的災情回報，剩下無法確定真實性的災情回報會交給CI篩選器，結合眾人的力量進行回報的篩選分類，CI篩選器的工作有三項：結合重複的回報、清除錯誤的回報、統一回報的格式。為了驗證ACI災情回報篩選器，本研究使用臺灣2012年0610豪雨的876筆災情回報，從網路上徵召284位志工參與測試，每位志工回答20道簡單的問題。驗證結果顯示，每位志工回答的平均時間為212秒，平均一題花費10.6秒、篩除率為26.25%、偽陰性率（將錯誤的回報判斷成真實的回報）為0.00%、偽陽性率（將真實的回報判斷成是錯誤的回報）為3.91%。本研究所發展的ACI災情回報篩選器，結合人工智慧與群眾智慧，有效提升災情回報彙整的品質與效率。
延伸閱讀
- Lin, W. Y. (2014). 眾包災情回報篩選器 [master's thesis, National Taiwan University]. Airiti Library. https://doi.org/10.6342/NTU.2014.02106
- （2012）。從整合運用角度發展災害決策支援系統。國家災害防救科技中心年報，()，30-31。https://doi.org/10.29914/NSTCDR.201208.0008
- 李俊賢、高宗毅、沈仲九（2012）。無線感測網路群集方法於救災資訊系統上之應用與模擬。電腦與通訊，(143)，80-87。https://doi.org/10.29917/CCLTJ.201202.0012
- 李宗勳（2023）。應用團體動力與災害心理推動災防整備的效應之調研。中央警察大學警察行政管理學報，(19)，23-45。https://www.airitilibrary.com/Article/Detail?DocID=P20130527001-N202306030004-00003
- 王貴民、韓慧林、張佑瑋、曾秉祥、王韋程、葉德芳（2013）。The Optimal Analysis of the Fastest Route in Natural Disaster Scenario。危機管理學刊，10(1)，89-98。https://doi.org/10.6459/JCM.201303_10(1).0010