本研究欲整合相關地理資訊技術建構一套系統，以協助使用者考量距離與空 氣污染暴露量下選擇較佳的移動路線，本章節將對於研究成果，包含系統成果展 示、空氣品質資料的獲取、空間推估、路線暴露量計算、路線修正成果及系統建 置上進行討論。
5.1 系統成果展示
本研究以 WebGIS 的方式建置決策支援系統，並以響應式設計利於移動式裝 置進行使用，民眾可以透過移動式裝置提供路線的起點、終點以及移動模式，此 系統將會協助進行路線規劃以及路線的空氣污染暴露量計算，系統將依照路線的 平均暴露量來進行結果輸出的排序，連帶提供路線行經時間、距離、總暴露量，
並以細懸浮微粒(PM2.5)指標對照表(如圖 5.1)來進行路線的視覺化展示，以利於 民眾了解該路線暴露量對於人體健康的危害程度，以及提供相關的建議給予民 眾，以作為路線選擇的參考依據(如圖 5.2、5.3)。
doi:10.6342/NTU201903250
43
5.2 空氣品質資料的獲取
本研究介接 LASS Open API 中的多種微感測器數據，共獲取 177 個微型測 站，並透過 Geopandas 進行空間資料的處理，依照經緯度欄位將資料轉為幾何的 點座標(Point)，並篩選出台北市範圍內的測站(圖 5.4)，來做為後續的應用。
doi:10.6342/NTU201903250
45
5.3 空間推估
以台北市範圍內的 LASS 測站，透過 IDW 進行空間推估，並透過行政院環 保署所定義的空氣品質指標(圖 5.5)，將 PM2.5 的數值進行分級視覺化(圖 5.6)。
網格數值將作為後續空氣污染暴露計算時的依據，其網格也將作為路徑規劃的障 礙區使用。
5.4 路線暴露量計算
透過 Open Route Service Directions API 進行路線規劃，所獲取的路線與空間 推估結果進行交集，並利用 Directions API 所回傳的路段所需行經時間，用以計
doi:10.6342/NTU201903250
47
算空氣污染暴露量，以圖 5.7 為例，路線長度為 11.89 公里，計算各路段的暴露 量之後，加總可獲得總路線暴露量為 4272μg/𝑚3。
5.5 路線修正
本研究透過 Open Route Service Directions API 進行路線規劃，由於本研究是 將空間推估所產生的網格結果，經由不同的空氣品質分級進行篩選，以找出空氣 品質較差的區域，以作為路線規劃的障礙區，故若是網格設置過大，將可能導致 障礙區範圍覆蓋至周圍其他的道路，造成路線規劃結果受到影響(如圖 5.8)，此範 例為網格 500 公尺的狀況下，障礙區將涵蓋周圍的道路，進而影響到路線修正的 結果。
圖 5.9 的案例為多個障礙區出現，系統會將個別的障礙區進行路線規劃，以 獲取多條路線，雖然這些路線可能會穿越某些障礙區，但最後的決定權將由使用 者決定，系統仍然會協助計算路線平均暴露量。
doi:10.6342/NTU201903250
49
5.6 系統建置
本研究希望在考量空氣污染暴露量及移動成本之下進行路線的選擇，透過 Open Route Service Directions API 進行路線規劃，並依照空氣品質指標篩選出空 氣品質較差的區域以作為障礙區，進行後續的路線修正，並計算路線的平均空氣 污染暴露量，給予使用者路線選擇上的決策參考。
系統實作上以 WebGIS 的方式呈現，透過 WebApp 與使用者進行互動，前端 地圖介面使用 Leaflet 進行開發，以 Python 進行資料的介接及空間資料的處理，
透過 GeoServer API 進行 WMTS 的發布，空間資料以 Geometry 的型態進行儲 存，並透過 GeoJSON 的格式於傳遞於前後端，藉此本研究提出的架構將獲得以 下好處：
(1) Open Route Service Directions API 的使用將減少路線資料及道路資訊維 護及更新的成本，並能快速拓展應用範圍不受限於現有圖資，改善過
(6) 以 MySQL 中的 Geometry 類別儲存空間資料，透過 WKT(well-known
text)的形式描述空間資料，是由 OGC(Open Geospatial Consortium)所制 定的標準類型，因此多數資料庫均可支援，如 SQL Server、
PostgreSQL……等等，在資料庫替換上將不會受到侷限。
(7) GeoJSON 是一種地理空間資料交換的格式，透過 JSON 來進行空間圖 層及屬性的描述，亦是一種開放且常見的資料型態，在於資料的傳遞 上具有輕量的優勢。
doi:10.6342/NTU201903250
51