實驗二：使用短程網路為架構搭配台鐵網路搜尋解集合

在此實驗，本研究進一步使用基因演算法搜尋在何種參數組合下所得的計算結果，

與真實病例資料會產生最佳相關係數檢定解，此實驗根據表 5-4 設定參數以及地 理尺度等規模來進行。

43

44

H1N1

參數 旅運

影響比例 日間旅運

影響比例 短程

網路權重 台鐵 網路權重 搜尋結果 0.9951 0.95 1 0.996 計算結果與 2009 年 H1N1-A 型流感相關係數檢定值：0.597

71 型腸 病毒

參數 旅運

影響比例 日間旅運

影響比例 短程

網路權重 台鐵 網路權重 搜尋結果 0.998 0.992 1 0.66

計算結果與 2001 年 71 型腸病毒相關係數檢定值：0.435 表 5-5 實驗二-基因演算法搜尋參數結果_鄉鎮市規模

接著以 71 型腸病毒搜尋出的參數 w1、w2來看，其造成病原體遞移傳播的網 路架構與台鐵旅運網路的相關性相較於 H1N1-A 型流感呈現較低的情形，而由參 數 dayTime 可得知藉由通勤人口的主要傳播模式同樣以圖 4-2(b)為主，但是本模 型計算結果與 71 型腸病毒的相關係數檢定值不如 H1N1-A 型流感，可能代表著 通勤人口造成 71 型腸病毒的病原體傳染有一定的限度。計算結果與 H1N1-A 型 流感的相關性大於 71 型腸病毒，也符合本研究利用交通旅運建構網路的計算結 果，也就是通勤因素與 H1N1-A 型流感的相關性大於 71 型腸病毒。經由本模型 的計算結果與真實病例的檢定，也證實了本模型的實驗結果經過驗證，能夠計算 出和真實病歷資料具中高相關程度的參考資料，而行政區及染病人數命中率則如 表 5-6 所列。

45

2009 年 H1N1- A 型流感

危險程度前 17.5%行政區 (總數 40 個)

危險程度次 32.5%行政區 (總數 74 個)

行政區 命中率

23.1% 27.6%

染病人數

命中率 32.7% 45.9%

2001 年 71 型腸病毒

危險程度前 17.5%行政區 (總數 40 個)

危險程度次 32.5%行政區 (總數 74 個)

行政區 命中率

27.7% 30.2%

染病人數

命中率 39.3% 47.4%

表 5-6 實驗二-2009 年 H1N1-A 型流感與 2001 年 71 型腸病毒命中率_鄉鎮市規 模

此外也將模型計算結果與真實流行病資料，以圖 5-7 及圖 5-8 著色的方式呈 現並比較，其中未著色行政區代表於實際流行病資料中沒有感染人數，同時在染 病風險值（ERV）也將這些行政區去除未著色。從圖 5-7、圖 5-8 可以看出計算 結果與 H1N1-A 型流感及 71 型腸病毒的相關性，也就是相關係數檢定。同時本 研究也可以由圖中計算結果的部分看出，位於北、中、南交通密集的行政區都有 顯現出來，驗證本模型使用通勤旅運網路所計算的正確性。

46

圖 5-7 實驗二- ERV 與 2009 年 H1N1 對照比較圖_鄉鎮市規模

圖 5-8 實驗二- ERV 與 2001 年 71 型腸病毒對照比較圖_鄉鎮市規模

5.2.1.2 縣市層級實驗結果

在縣市層級方面搜尋結果如表 5-7，先以 H1N1-A 型流感及 71 型腸病毒的參數短 程網路權重 w₁及台鐵網路權重 w₂來看，本研究可以看出縣市之間病原體的傳播 對於本研究模型所架構的短程通勤旅運網路以及台鐵旅運網路的仰賴皆有相當 的比例。

而本模型在縣市層級搜尋出的旅運影響比例參數 d 以及日間影響比例參數

47

dayTime 和鄉鎮市規模的搜尋結果所發現的相去不遠，參數 d 驗證了通勤旅運人 口對於縣市層級之間 H1N1-A 型流感與 71 型腸病毒的傳播影響以及藉由參數 dayTime 發現通勤人口於縣市層級的傳播也主要以圖 4-2(b)的方式為主。

行政區命中率及染病人數命中率方面如表 5-7 所列，在危險程度於前 17.5%

的組距內，本模型命中了四個中的一個，而在次危險的 32.5%組距內總數七個的 行政區，本模型計算的行政區命中率以及染病人數命中率驗證分別有 30%及 50%

上下的命中率。

H1N1

參數 旅運

影響比例 日間旅運

影響比例 短程

網路權重 台鐵 網路權重 搜尋結果 0.997 0.962 1 0.996

計算結果與 2009 年 H1N1-A 型流感相關係數檢定值：0.557

71 型腸 病毒

參數 旅運

影響比例 日間旅運

影響比例 短程

網路權重 台鐵 網路權重 搜尋結果 0.992 0.982 1 0.971

計算結果與 2001 年 71 型腸病毒相關係數檢定值：0.783

表 5-7 實驗二-基因演算法搜尋參數結果_縣市規模

本研究同樣也將縣市規模的模型計算結果與真實流行病資料，以圖 5-9 及圖 5-10 著色的方式呈現並比較。從圖 5-9H1N1-A 型流感的實際病例圖本研究可以 看出，由於花蓮縣感染人數較多因此具有較高的危險程度排序，這是與本模型計 算結果產生的圖有些出入的地方，但是其餘地區整體來說還是能夠達到一定標準 的危險程度預測。而在圖 5-10 方面則可以明顯看出本模型計算結果與 71 型腸病

48

毒的相關程度更高。

2009 年 H1N1- A 型流感

危險程度前 17.5%行政區 (總數 4 個)

危險程度次 32.5%行政區 (總數 7 個)

行政區 命中率

14.3% 27.3%

染病人數 命中率

10.8% 42.3%

2001 年 71 型腸病毒

危險程度前 17.5%行政區 (總數 4 個)

危險程度次 32.5%行政區 (總數 7 個)

行政區 命中率

14.3% 55.6%

染病人數 命中率

18.2% 71.6%

表 5-8 實驗二-2009 年 H1N1-A 型流感與 2001 年 71 型腸病毒命中率_縣市規模

如表 5-7 所示，在縣市規模相關係數方面，本研究得到模型計算結果與 71 型腸病毒相關係數大於 H1N1-A 型流感相關係數的結論，產生了不同於本研究所 預期的趨勢，因此本研究再藉由 5.2.1.3 節的通勤網路與流行病資料分析來檢視 本研究的計算結果並提出合理的解釋。

49

圖 5-9 實驗二- ERV 與 2009 年 H1N1 對照比較圖_縣市規模

圖 5-10 實驗二- ERV 與 2001 年 71 型腸病毒對照比較圖_縣市規模

5.2.1.3 總交通旅運網路與流行病資料分析

50

為了能夠更加了解模型所計算出來的結果，本研究回頭檢視總交通旅運網路的組 成以及流行病的資料，以期對計算結果有更進一步的解釋。首先檢視的是總交通 旅運網路的組成，由於本研究將計算規模分成 353 鄉鎮市以及 22 縣市兩種規模 來計算各行政區風險程度以利中央及地方政府做出決策參考，因此除了原始得到 的 353 鄉鎮市間通勤往來資料還必須依據 3.1 節方式合併為 22 縣市層級旅運網 路以便縣市規模計算。本研究發現在由 353 鄉鎮市規模合併為 22 縣市規模時，

網路之中通勤造成人口流動的特性可能被忽略。

以圖 5-11 為例，假設台北市只有大安、信義、中正三個行政區，並且圖中 標明了各行政區人口數以及行政區間往返通勤人口數，若以 353 鄉鎮市規模來看 便可清楚的觀察出行政區間通勤所造成的人口流動並記錄在本研究所使用的總 交通旅運網路，但是若合併為縣市規模來看，由於縣市間往來通勤的人口數較少，

若以縣市規模的總交通旅運網路計算各行政區風險時，所能觀察到行政區之間人 口流動造成的病原體擴散現象則較少。

圖 5-11 鄉鎮市與縣市規模通勤網路結構轉換概念

在此為使網路保留通勤結構，本研究使用第二種縣市層級的計算方式─文中

51

稱為可縮放縣市層級，來補足原本經由合併後的縣市規模總交通旅運網路所忽略 的通勤結構。由於鄉鎮市規模的總交通旅運網路含有較完整的行政區間通勤人口 資料，因此可縮放縣市層級的計算方式為：在使用（4-5）式計算時，先採用鄉 鎮市層級的通勤網路計算，最後達到迭代停止條件時，再把各行政區所得 ERV 值根據其所在縣市加總，產生各縣市的 ERV 值，如此即為可縮放縣市層級的計 算方式。

為了驗證本研究所提鄉鎮市規模以及兩種縣市層級規模計算方式下，總交通 旅運網路所保留的通勤結構特性，本文在此將三種規模計算方式所使用的總交通 旅運網路，分別根據各行政區原地工作人數百分比與該行政區人口數做出獨立性 檢定。若該規模所使用的總交通旅運網路各行政區原地工作人數百分比與該行政 區當地人口數檢定結果為獨立，代表保留了完整的通勤特性；若不為獨立則代表 通勤特性可能被忽略。以下分別以表 5-9 以及圖 5-12 來呈現本文所做的各規模 獨立性檢定結果。

獨立性檢定 縣市/鄉鎮市人口數

原始縣市層級旅運網路

原地工作人口數

p = 0.59

可縮放縣市層級旅運網路

p < 0.01

鄉鎮市層級旅運網路

原地工作人口數

p < 0.01

表 5-9 通勤結構與各層級對照表

52

53

在表 5-9 及圖 5-12 呈現的是本文將各層級旅運網路中，各行政區原地工作 人數百分比與各行政區人口數所做的獨立性檢定以及各行政區外地、原地通勤人 數百分比分佈圖。表 5-9 呈現出原始縣市層級的旅運網路中各行政區原地通勤人 數與各行政區人口數的檢定不為獨立，搭配圖 5-12 來看意即所使用的旅運網路 架構大多只包含了原地通勤的人口資料，忽略了不同行政區間通勤往來的人口流 動。

同時藉由表 5-9 以及圖 5-12 本研究也可看出可縮放縣市層級與鄉鎮市層級 的旅運網路與人口數檢定獨立，可縮放縣市層級不僅能夠保留住通勤結構，且通 勤旅運網路中各行政區的原地通勤人數百分比分佈也佔有相當高的比例。而在鄉 鎮市層級則可以更為完整的保留住不同行政區間通勤造成的人口流動特性，其中 可縮放縣市層級在此進行檢定的方式為先採用鄉鎮市層級的通勤網路計算出各 行政區原地通勤人數百分比後再把各行政區根據其所在縣市加總，如此即為可縮 放縣市層級計算原地通勤人數方式。

在檢視過總交通旅運網路的組成後，接下來要檢視的是流行病資料的組成，

基於表 5-1 中所陳列的幾點 H1N1-A 型流感與 71 型腸病毒特性，本研究想進一 步了解在於不同層級下 H1N1-A 型流感與 71 型腸病毒與人口數分佈及人口密度 的關係，因此底下本研究分別在鄉鎮市及縣市規模下，將 H1N1-A 型流感與 71 型腸病毒的各行政區染病人數排序與各行政區人口密度排序、人口數排序做相關 性檢定。

圖 5-13 及 5-14 即為本研究所做檢定結果，如圖 5-13 本研究發現 H1N1-A 型 流感的染病人數排序與鄉鎮市層級的人口密度呈現高度正相關（0.919），配合表 5-1 恰符合本研究推論 H1N1-A 型流感在人口密度高的地方經飛沫、接觸傳染的

圖 5-13 及 5-14 即為本研究所做檢定結果，如圖 5-13 本研究發現 H1N1-A 型 流感的染病人數排序與鄉鎮市層級的人口密度呈現高度正相關（0.919），配合表 5-1 恰符合本研究推論 H1N1-A 型流感在人口密度高的地方經飛沫、接觸傳染的