情境建立與評估準則

本研究建構之救災物資需求預測模式，主要以資料融合之方式，融合各消息 來源所公佈死亡人數資料，以提供較符合災情的死亡人數資料，進一步推估災區 之物資需求。因此輸入資料之特性，直接影響資料融合之結果，故本節將透過不 同參數組合，模擬數個大規模災害發生後，可能發生之資料特性組合對資料融合 結果之影響，藉以探討本研究所建構救災物資需求預測模式之適用性，並對情境 模擬之結果加以分析。

5.2.1 情境建立

承上所述，本研究依據實務操作階段，由各消息來源所收集死亡人數資料最 有可能發生之情形，彙整數項可能會影響資料融合結果之因素，以做為模擬情境 發展之情境變數，考慮之情境變數與情境假設詳述如下：

1. 消息來源分類：

本研究之消息來源即表死亡人數資料之來源，其定義詳述於 4.2.2 節；根據文獻回顧，本研究數值測試將消息來源分成三大類，並根據其 發佈資料之熵值，分別配給不同資料融合權重。為清楚表達權重變化，

本節則再將消息來源分類假設為兩類（官方、非官方）與三類（防救災 指揮中心、現場救難人員與電子媒介）。

2. 收集資料筆數：

即表由各消息所收集之死亡人數資料數；可收集之資料數量越多，

表示災區與外界資訊傳遞越暢通，有足夠的資料以進行資料融合程序，

獲得較佳之資料融合結果；反之，則可能災情嚴重，災區內訊息難以取 得，資料融合之結果不符實際災情。因此，本節以 30 筆與 10 筆資料量，

分別表示可收集資料數量多寡。

3. 各組資料間差異程度：

本研究透過計算各消息來源所發佈死亡人數資料之熵值以決定死亡 人數資料之融合權重。所計算之熵值越大，表由消息來源收集之資料不 確定程度越大，於資料融合階段配給較低權重。因此，本節情境分析假 設各組資料之間具有資料變異數差異小、無差異、差異大三種量度，以 測試所建構模式是否能依各組資料之差異程度配給適當融合權重。其 中，各組資料間無差異表示資訊暢通，各消息來源所發佈消息一致。

綜上所述，本節情境分析考慮之情境變數與情境假設整理如表 5-2 所示；並 根據表 5-2 對情境變數之假設，表 5-3 以情境矩陣將不同情境變數交叉結合，以 挑選當大規模災害發生後，資料融合階段所會遭遇最為樂觀、最為悲觀及最有可 能發生情境，將如 5.2.2 節中說明。

表 5-2 ：情境假設

情境變數 情境假設

消息來源分類 2 類、3 類 收集資料筆數 10 筆、30 筆

各組資料間差異 差異小、無差異、差異大

（資料來源：本研究整理）

表 5-3 ：情境矩陣

各組資料間差異 各消息來源

收集資料筆數 差異小 無差異 差異大

（30, 30） 情境 1（最樂觀） 情境 2 情境 3

（30, 10） 情境 4 情境 5 情境 6（最有可能）

（10, 10） 情境 7 情境 8 情境 9（最悲觀）

（30, 30, 30） 情境 10（最樂觀） 情境 11 情境 12

（30, 30, 10） 情境 13 情境 14 情境 15（最有可能）

（30, 10, 10） 情境 16 情境 17 情境 18

（10, 10, 10） 情境 19 情境 20 情境 21（最悲觀）

（資料來源：本研究整理）

5.2.2 情境說明

當大規模地震災害發生後，應立即啟動防救災計畫，決策者則應儘速由各可 得消息來源（如：防救災指揮中心、現場救難人員、電子媒介等）收集災情資料，

以評估各地災情，並進行物資集結、災區需求預測等救災物流輸配送作業之規 劃。由於大規模災害發生初期，災區往往發生資訊傳遞不易或災情消息紊亂等情 形，本研究所建構模式首先以資料融合的處理程序，融合由各消息來源所收集之 死亡人數資料，以降低死亡人數資料的不確定性，並提供決策者較為符合災情之 資訊，以迅速掌握災區情形。

針對資料融合階段所會遭遇之可能情境，本研究以表 5-3 之情境矩陣，考量 三個情境變數對資料融合結果所造成之影響，並挑選資料融合階段會遭遇之最為 樂觀、最為悲觀以及最可能發生情境說明如下：

1. 最樂觀之情境：

如情境 1 及情境 10；由各消息來源所收集資料筆數充足，有足夠的 資料以進行資料融合程序，且各組資料之間差異小，表各個消息來源所 發佈之死亡人數資料較為一致。

2. 最可能發生之情境：

情境 6 及情境 15 為最有可能發生之情形；由非官方（現場救難人員 與電子媒介）所收集死亡人數之資料筆數多，官方消息則因資料發佈時 間較晚、統計範圍較廣等因素，可收集之資料筆數較少。且因各消息來 源因訊息取得方式不一，因此各組資料之間差異較大，資料較為紊亂。

3. 最悲觀之情境：

如情境 9 及情境 21；災區內訊息可能因災情嚴重，難以取得訊息或 訊息傳遞不易，且因各消息來源所發佈之死亡人數資料紊亂不一致，因 此各組資料間差異較大。

5.2.3 評估準則

本研究以均方誤差（Mean Squared Error, MSE）之指標評估本研究資料融合 模式所求得死亡人數值與實際死亡人數值間差異；均方誤差之值越小，表資料融 合求得之死亡人數與實際死亡人數值差異越小，越接近實際死亡人數，其公式如 式 5.1 所示：

( )

1

MSE 1

n t t

k k

j

X X n =

=

∑

其中，MSE即為均方誤差；

t

Xk表示第k分區於第 t 期經資料融合程序處理後所得的死亡 人數，t=1, 2,...,n，k =1, 2,...,q；

t

Xk表示第k分區於第 t 期實際死亡人數。