國立臺東大學資訊管理學系碩士論文 Department of Information Science and Management Systems National Taitung University Master Thesis

(1)

國立臺東大學資訊管理學系碩士論文

Department of Information Science and Management Systems

National Taitung University Master Thesis

模糊案例推論應用於颱風動態即時決策支援系統之研究

A Study of Real-Time Decision Support System for Typhoon Status using Fuzzy Case Based Reasoning

研究生：謝旻浚

Graduate Student: MIN-CHUN HSIEH 指導教授：王文清博士

Advisor: Wen-Ching Wang, Ph.D.

指導教授：謝明哲博士 Advisor: Ming-Che Hsieh, Ph.D.

中華民國 104 年 7 月

July,2015

(2)

(3)

國立臺東大學資訊管理學系碩士論文

Department of Information Science and Management Systems

National Taitung University Master Thesis

模糊案例推論應用於颱風動態即時決策支援系統之研究

A Study of Real-Time Decision Support System for Typhoon Status using Fuzzy Case Based Reasoning

研究生：謝旻浚

Graduate Student: MIN-CHUN, HSIEH 指導教授：王文清博士

Advisor: Wen-Ching Wang, Ph.D.

指導教授：謝明哲博士 Advisor: Ming-Che Hsieh, Ph.D.

中華民國 104 年 7 月

July,2015

(4)

(5)

(6)

致謝

在就讀研究所三年的時間，首先要感謝恩師王教授文清與謝教授明哲在我就讀研究所期間耐心地指導，使我了解許多有關資訊管理的專業，且在系統開發與論文撰寫上得到了許多啟發，真的是很寶貴的經驗。

也要感謝吳教授仁和對本論文精闢的建議與指正，引導我快速的了解本論文的缺失，使我能夠精益求精，更瞭解有關論文撰寫方式。

於求學三年期間，我還要感謝學長清欽、同儕敏之與防災中心的大家，透過大家彼此間的互相交流與學習，讓我在求學的道路上受益良多，且在我壓力很大的時候會適時的鼓勵我與陪伴，真的很感謝大家。

最後我要感謝我的家人，在背後默默的支持著我，雖然有時候家人也帶給我很大的壓力，不過還是感謝他們的關懷與鼓勵，如今經過三年研究上的學習取得碩士學位，獻給多年來願意栽培與支持我的家人。

謝旻浚謹誌于國立臺東大學資訊管理學系碩士班

(7)

摘要

近年來颱風的災害應變已有明顯的改善，災害防救已從過往的災中搶救轉為預防疏散，災害防救概念也從以往的災中處置轉為災前管理，大大的減少人員傷亡，但是在早期預警資訊仍有不足，以找出與當前颱風類似之歷史颱風案例而言，

目前的決策支援系統無法提供快速找出相似之歷史颱風方式，多半依賴專業防災人員個人經驗與中央氣象局九大颱風路徑分類，同時考量颱風特性及歷史災情等因素，找出可供其參考的類似歷史颱風案例，在過程中需要耗費許多人力與時間處理才可應用，這樣大大的縮短決策者可以決策的時間，而在時間壓力下做決策，

決策者難以充分掌握颱風相關資訊與估計決策的後果。因此本研究開發一套視覺化呈現的即時動態系統，透過案例式推理與模糊理論基礎，利用 MATLAB 模組建立隸屬函數、模糊規則將現況颱風與歷史颱風進行相似度推論比對。本系統可提供比對結果包括現況颱風與歷史颱風相似度、未來時序的颱風預判路徑比對、以 5 分鐘為更新頻率的颱風即時現況資料、及災害研判最重要的空間分布降雨資訊，

提供在颱風發生時，能以歷史颱風為借鏡，即時掌握颱風現況動態資訊，並迅速找出較佳之案例作為防災應變參考，減低決策者在應變研判的時間壓力與提升決策品質。

關鍵詞：颱風、Matlab、Google Maps API、決策支援系統。

(8)

Abstract

In recent years, the typhoon disaster response has significantly improved. The disaster prevention and protection have alters from disasters rescue into precaution evacuation. The concepts of disaster prevention and protection also have transformed from disaster handling into pre-disaster management. Those changes have reduced the number of deaths and injuries. But, nowadays the early warning information is still inadequate to find out a past typhoon case as an example which is similar to the current typhoon. Currently, the decision support system does not provide a faster method to search a similar historic typhoon. What we do is rely on the professional disaster prevention personnel’s experience and Central Weather Bureau’s typhoon path classification, also simultaneously consider current typhoon’s properties and history of the typhoon disaster etc. to quarry those similar typhoons of history which could be a reference case. Under this circumstance, we always spend a lot of manpower and time to deal with this quarrying process and large squeeze the timing of make-decision.

Make-decision under this time pressure, decision-maker cannot fully seize the related aspect of coming typhoon and estimate of the result of decision.

Therefore, this study tries to develop a visual presentation of real-time dynamic system based on "case-based reasoning", "fuzzy theory", MATLAB module, membership function and fuzzy rule to quarry the most similarity historic typhoon with the current Typhoon. This system provides the compared results that include the most similar historic typhoons, comparison of the predicted typhoon path, updating current typhoon information up to 5 minutes, and the most important information of hazard analysis about the spatial distribution of rainfall. It also provides decision-maker a better reference of disaster response which we learn from the historic typhoon to the ongoing

(9)

typhoon, reduces the time pressure for decision-makers in analysis, and promotes the quality of decision-making.

Key words: Typhoon, Matlab, Google Maps API, Decision Support Systems.

(10)

表目錄

表 1-1 歷史颱風事件 ... 6

表 2-1 颱風強度的分級表 ... 9

表 2-2 風速的分級表 ... 11

表 2-3 災害特性相關文獻整理 ... 17

表 4-1 近中心最大風速隸屬函數表 ... 50

表 4-2 七級暴風半徑隸屬函數表 ... 52

表 4-3 中心氣壓隸屬函數表 ... 53

表 4-4 颱風走向壓隸屬函數表 ... 55

表 4-5 相似程度隸屬函數表 ... 56

表 4-6 近中心最大風速相似度規則 ... 60

表 4-7 七級暴風半徑相似度規則 ... 60

表 4-8 中心氣壓相似度規則 ... 60

表 4-9 颱風走向相似度規則 ... 61

表 5-1 資訊內容構面評分 ... 71

表 5-2 系統呈現構面評分 ... 72

表 5-3 易用性構面評分 ... 73

表 5-4 期望目標構面評分 ... 74

(13)

圖目錄

圖 1-1 極端強降雨颱風統計 ... 2

圖 1-2 颱風警報單 ... 5

圖 2-1 侵台颱風路徑 ... 10

圖 2-2 颱風災害環境特性 ... 16

圖 2-3 案例式推理在問題描述和解決方案描述之間的空間關係 ... 20

圖 2-4 案例式推理循環圖 ... 21

圖 2-5 三角形（Triangular）隸屬函數 ... 26

圖 2-6 梯形（Trapezoidal）隸屬函數 ... 26

圖 2-7 模糊推論系統架構圖 ... 27

圖 2-8 min-min-max 模糊推論法示意圖 ... 29

圖 2-9 重心法圖 ... 30

圖 2-10 模糊案例推論週期 ... 31

圖 2-11 侵台颱風路徑與分布雨量圖 ... 33

圖 2-12 Google 地圖 ... 36

圖 2-13 決策支援特性 ... 39

圖 3-1 研究方法 ... 42

圖 3-2 颱風比對模式 ... 45

圖 3-3 颱風動態模糊推論架構 ... 46

圖 4-1 系統架構 ... 47

圖 4-2 模糊推論系統編輯器 ... 49

圖 4-3 近中心最大風速隸屬函數圖 ... 51

圖 4-4 七級暴風半徑隸屬函數圖 ... 52

圖 4-5 中心氣壓隸屬函數圖 ... 54

圖 4-6 颱風走向隸屬函數圖 ... 56

圖 4-7 相似程度隸屬函數圖 ... 57

圖 4-8 權重比較圖 ... 58

圖 4-9 規則檢視器 ... 62

圖 4-10 系統活動圖 ... 63

圖 4-11 當前天氣即時資訊與颱風即時動態資訊 ... 65

圖 4-12 輸入資料 ... 66

圖 4-13 輸入資料 ... 67

圖 4-14 第一次搜尋結果 ... 67

圖 4-15 第二次搜尋結果 ... 68

圖 4-16 類似歷史颱風案例 ... 68

圖 5-1 系統內部評估 ... 70

(14)

圖 5-2 問卷架構 ... 70

(15)

第一章緒論

1.1 研究背景與動機

全球颱風災害頻傳，過去 10 年間就發生多次傷亡慘重的颱風災害，如：2005 年美國卡崔娜颶風肆虐美國東南五洲，造成多達一千八百多人傷亡，各地有 15 萬個房地產物業泡在水中，直接經濟損失超過一千億美元；2009 年莫拉克颱風於 8 月 6 日至 8 月 10 日侵臺期間內帶來將近 3000 公釐的豪雨，造成高屏地區的洪水氾濫以及土石流，導致超過 700 人的死亡，臺灣南部居民之生命及財產損失十分慘重；2013 年菲律賓海燕颱風造成 5,680 人死亡，受影響人數達 1,124 萬人，經濟損失約 344 億披索（約新台幣 231 億）。

由上述可知颱風對於人類造成巨大的影響，臺灣位於西太平洋多颱風侵襲地區，平均每年有 3~4 個颱風會侵襲臺灣，再加上近年來隨著氣候變遷的衝擊影響下，使得侵臺颱風之降雨型態經常為高強度降雨及高累積降雨量，根據國家災害防救科技中心 1970~2009 年的極端強降雨發生頻率統計資料（圖 1-1），顯示 1970~1999 年以前極端強降雨颱風的發生頻率約為 3~4 年一次左右；2000 年以後發生極端強降雨颱風頻率增加為平均每年發生一次，由此可知近十幾年來相較於早期強降雨颱風有明顯增多，因此，如何運用有效的知識與技術來提供給決策者協助減災與應變，是減輕颱風災害的重點。

(16)

圖 1-1 極端強降雨颱風統計資料來源：國家災害防救科技中心

目前防救災單位常會找出與當前颱風類似之歷史颱風案例做為防災應變參考，

進而協助進行早期預警與災害潛勢分析，在災難還未發生前，主動疏散或撤離危險區民眾，將可減少人民生命財產的損失。可是目前找出相似之歷史颱風方式主要是依據專業防災人員自身的經驗與當前颱風的特性，並藉由中央氣象局歷史颱風資料庫網站提供的進階比對功能，該決策支援系統操作方式是在地圖上圈選一經緯度範圍，該範圍須自行取得，然後配合警報及年份篩選得出經過該區域之颱風，找類似之歷史颱風案例，但是仍會得到過多的資料，需要花費許多時間處理才可應用，而且網站沒有提供即時當前颱風動態還要再自行尋找該颱風資訊對照，

這樣大大的縮短決策者可以決策的時間，而在時間壓力下做決策，決策者難以充分掌握颱風相關資訊與估計決策的後果。因此如何提供決策者最新颱風動態與迅速找出相似之歷史颱風案例讓決策者有更多的時間充分掌握颱風資訊並做出正確的決策為本研究之重點，為此本研究發展一套颱風動態即時比對決策支援系統，

可以讓決策者即時掌握當前颱風資訊並提供迅速的、即時的、有效的比對類似狀態之歷史颱風案例，找出與當前颱風相似度較高之歷史颱風案例，並以視覺化方

(17)

式呈現給使用者作爲應變決策的參考，決策者可以迅速地找出相似度較高之歷史颱風案，將能夠大大地提升安全緩衝時間，決策者有更多的時間來掌握颱風相關資訊。

1.2 研究目的

在過去每當颱風侵襲臺灣時，災害情況常會因臺灣各縣市地區人口密度、自然與社會經濟條件等差異，產生很明顯的空間災害差異，所以每當颱風發生時，

如有相似颱風狀態的歷史颱風案例作為應變決策參考，將可提早做災害的預防、

減災施策與執行應變救災。隨著近年來由於知識擷取技術的突破，以及電腦設備的快術進步，本研究期望藉由現有的資訊科技來達成兩大目的：(1)當颱風發生時，

可以即時掌握颱風動態資訊。(2)在颱風未侵襲台灣前，進行多次當前颱風與歷史颱風狀態的相似度比對，迅速的找出與當前颱風相似度較高的歷史颱風案例，並以視覺化方式呈現給使用者作為應變決策的參考，減少決策者的時間壓力做出正確的決策。基於上述之目的本研究建立颱風動態即時決策支援系統，其中最主要功能為即時取得中央氣象局颱風動態即時資訊與颱風動態比對模式，其模式使用人工智慧中的模糊理論並結合案例式推理，以實際經驗案例作為分析待評估案例之依據，並藉由 Google Map API 呈現即時當前颱風動態與分析出之歷史颱風路徑，

期望能有效、快速地判斷颱風動態比對案例之相似程度，並將結果提供給防災人員作為防災應變參考。

(18)

1.3 研究對象

本研究對象是以侵襲臺灣之颱風為主，分為現況颱風與歷史颱風，現況颱風為現況分析之颱風案例，歷史颱風案例為比對之資料庫，其歷史颱風資料擷取自 1996~2014 年間中央氣象局所建立之歷史颱風警報單（圖 1-2），剔除未發布警報與未歸類在九大路徑之颱風事件，共計 63 筆，如表 1-1 所示。本研究將擷取自中央氣象局之歷史颱風資料依中央氣象局的九大路徑、強度、經緯度座標、年代、颱風半徑、風速等等，另建資料庫作為本研究比對之資料庫欄位，預期於颱風發生時，使用者輸入之現況颱風資訊與歷史颱風資料庫快速比對分析，找出相似的歷史颱風案例，以供使用者作為災害參考與決策資訊，因此本研究旨在比對出相似之歷史颱風案例，並以視覺化方式呈現相關資訊。

(19)

圖 1-2 颱風警報單資料來源：中央氣象局

(20)

表 1-1 歷史颱風事件

年代颱風名稱年代颱風名稱

2014 麥德姆 2004 納坦

2013 菲特 2004 海馬

2013 天兔 2004 艾利

2013 康芮 2004 敏督利

2013 潭美 2003 米勒

2013 蘇力 2003 杜鵑

2012 蘇拉 2003 莫拉克

2012 泰利 2002 辛樂克

2011 南瑪都 2002 娜克莉

2010 梅姬 2001 利奇馬

2010 凡那比 2001 桃芝

2010 萊羅克 2001 潭美

2009 莫拉克 2001 尤特

2009 蓮花 2001 奇比

2008 薔蜜 2001 西馬隆

2008 辛樂克 2000 象神

2008 鳳凰 2000 巴比侖

2008 卡玫基 2000 碧利斯

2007 柯羅莎 2000 啟德

2007 韋帕 1999 丹恩

2007 聖帕 1999 瑪姬

2007 梧提 1998 芭比絲

2007 帕布 1998 瑞伯

2006 寶發 1998 楊妮

2006 凱米 1998 奧托

2006 碧利斯 1998 妮蔻兒

2006 珍珠 1997 安珀

2005 龍王 1997 溫妮

2005 泰利 1996 賀伯

2005 馬莎 1996 葛樂禮

2005 海棠 1996 凱姆

2004 南瑪都

(21)

1.4 論文架構

論文架構共分為六章節，第一章為緒論，說明研究背景與動機、研究目的、

研究對象、論文架構；第二章文獻探討，主要是蒐集與本研究相關之文獻與資料進行探討，探討的文獻有颱風、颱風路徑與降雨相關性、案例式推理（Case Based Reasoning , CBR）、模糊案例推論（Fuzzy CBR）、決策支援系統與地理資訊服務；

第三章方法論，主要是提出如何將 Fuzzy 與 CBR 應用於颱風比對模組；第四章系統設計與實現，根據第三章方法論來進行實作，其內容包含系統架構、系統活動圖、建構工具；第五章為可用性評估，以專家問卷的方式來來探討使用者對於颱風動態即時決策支援系統運用的同意程度，評估系統是否可用；第六章為結論與建議，說明本研究結論、貢獻、限制、未來研究發展方向。

(22)

第二章文獻回顧

近年來隨著氣候變遷，颱風強降雨屢創歷史紀錄，使防救災工作面臨新的考驗，例如：2009 年莫拉克颱風所帶來的豪雨，造成近年來最重大的颱風損失，中央氣象局的颱風預報作業及災害應變中心也因此受到質疑與調查，相關單位亦於災後針對致災原因及防災應變作業進行研究、檢討與建議(吳俊傑等，2009、葉天降等，2010、許晃雄等 2010、陳亮全，2011、劉說安，2010)。由上述可知應變決策對於降雨量與降雨區位預報及決策時間掌握的需求，可是在面對颱風路徑及降雨預報的困難與瓶頸之下，以現有的資訊系統進行決策確實存在相當的風險，因此本章將探討颱風的災害特性、颱風路徑與降雨量相關性，以便了解颱風劇烈降雨特性，再結合 CBR 與 Fuzzy 概念導入地理資訊服務，提供災害防救資訊給使用者進行決策，以爭取防災決策的前置時間，以下為本研究相關文獻回顧。

2.1 颱風

2.1.1 侵臺颱風的定義

在過去中央氣象局研究「侵台颱風」所作之定義各有不同，如：戚啟勳（1978）

於「台灣八十年來之颱風」中對侵臺颱風之定義：颱風中心在臺灣登陸，或僅在台灣近海經過未登陸，但陸地上有災害發生者。蕭長庚（1988）於「歷年颱風侵臺客觀定義之研究」中發現：颱風侵台的客觀定義可以分為二：（一）颱風中心登陸臺灣本島或通過臺灣本島與所屬島嶼之間者；（二）受颱風影響造成臺灣中央氣象局位於海拔高度在 100 公尺以下的本島測站，發生最低氣壓達 1000 毫巴(不含)以下，同時最大風速達八級也就是每秒 17.2 公尺(含)以上，或颱風陸上警報期間降水總量達 150 公釐(含)且 24 小時之最大降水量達 100 公釐(含)以上者。王建國與陳清得（1993）「交通部中央氣象局歷年颱風警報發布概況」中對侵臺颱風之定義：在 1961 年以前侵臺颱風的定義是"掠過臺灣本島海岸二百公里以內，或於二

(23)

百公里以外穿越，而本島平地測站所測得之最大風速在 10 公尺／秒或雨量在 100 公釐以上者 "；在 1962 年以後之定義是" 颱風中心在臺灣登陸；或僅在台灣近海經過未登陸，但陸地上有災害發生者"。本研究對「侵台颱風」定義是採用王建國與陳清得（1993）於「交通部中央氣象局歷年颱風警報發布概況」中對侵臺颱風之定義。

2.1.2 颱風強度

中央氣象局將颱風的強度，以近中心附近最大平均風速為準則，劃分為輕度颱風、中度颱風、強烈颱風三級，如表 2-1。

表 2-1 颱風強度的分級表

颱風強度

近中心最大風速

公里/每時公尺/每秒浬/每時相當蒲福風級輕度 62 ~ 117 17.2 ~ 32.6 34 ~ 63 8 ~ 11 中度 118 ~ 183 32.7 ~ 50.9 64 ~ 99 12 強烈 184 以上 51.0 以上 100 以上 16 以上

資料來源：中央氣象局

2.1.3 颱風路徑分類

台灣位於颱風必經之地，一百多年以來（1897～2012 年）共有 398 個颱風侵襲台灣，平均每年約有 3 至 4 個，最早出現在四月，最晚則發生在十二月，其中以八月份的颱風侵襲台灣之次數最多，占了總侵台颱風的 30.2%，七月份與九月份次之，因此每年的七月至九月可稱為台灣的颱風季。由上述可知侵襲臺灣的颱風數量相當多，故中央氣象局整理過去百年間（1958 至 2006 年）侵襲過台灣的颱風

(24)

移動路徑，將侵襲台灣的颱風歸納出九條主要移動路徑（圖 2-1），說明如下：

第一類：通過台灣北部海面向西或西北進行者。

第二類：通過台灣北部向西或西北進行者。

第三類：通過台灣中部向西或西北進行者。

第四類：通過台灣南部向西或西北進行者。

第五類：通過台灣南方海面向西或西北進行者。

第六類：沿東岸或東部海面北上者。

第七類：沿西岸或台灣海峽北上者。

第八類：通過台灣南方海面向東或東北進行者。

第九類：通過台灣南部向東或東北進行者。

無法併入上述路徑者則歸為特殊路徑，總共十大路徑。

圖 2-1 侵台颱風路徑資料來源：颱風部屋網站

(25)

2.1.3 暴風半徑

在颱風眼的邊緣是颱風風力最強的地方，然後愈向外風愈小，自颱風中心向外一直到平均風速每小時 50 公里的地方（每秒 14 公尺 7 級風風速下限），這一段距離稱為暴風半徑，在這暴風半徑以內的區域，即為七級暴風半徑。而自颱風中心向外一直到平均風速每小時 89 公里的地方（每秒 24.6 公尺 10 級風風速下限），

在這暴風半徑以內的區域，即為十級暴風半徑，表 2-2 為各等級風速介紹。颱風的暴風半徑平均約 200 至 300 公里，大者可達 400 至 500 公里

表 2-2 風速的分級表

蒲福風級級數名稱一般敘述公尺每秒

m/s

公里小時 km/h

0

無風 calm

煙直上不足 0.3 不足 1

1

軟風 light air

僅煙能表示風向，

但不能轉動風標。 0.3-1.5 1-3

2

輕風

slight breeze

人面感覺有風，樹葉搖動，普通之風標轉動。

1.6-3.3 4-7

3

微風

gentle breeze

樹葉及小枝搖動不

息，旌旗飄展。 3.4-5.4 8-12

4

和風

moderate breeze

塵土及碎紙被風吹揚，樹之分枝搖動。

5.5-7.9 13-16

5

清風

fresh breeze

有葉之小樹開始搖

擺。 8.0-10.7 17-21 6 強風樹之木枝搖動，電 10.8-13.8 22-27

(26)

strong breeze 線發出呼呼嘯聲，

張傘困難。

7

疾風 near gale

全樹搖動，逆風行

走感困難。 13.9-17.1 28-33

8

大風 gale

小樹枝被吹折，步

行不能前進。 17.2-20.7 34-40

9

烈風 strong gale

建築物有損壞，煙

囪被吹倒。 20.8-24.4 41-47

10

狂風 storm

樹被風拔起，建築

物有相當破壞。 24.5-28.4 48-55

11

暴風

violent storm

極少見，如出現必

有重大災害。 28.5-32.6 56-63

12

颶風 hurricane

- 32.7-36.9 64-71

13 - - 37.0-41.4 72-80

14 - - 41.5-46.1 81-89

15 - - 46.2-50.9 90-99

16 - - 51.0-56.0 100-108

資料來源：中央氣象局、台灣颱風資訊中心

2.1.3 中心氣壓

一般來說，颱風中心氣壓愈低，在颱風範圍內氣壓梯度愈大，所以風自然也愈猛烈。換句話說，就是中心氣壓愈低，和颱風邊緣的氣壓相比，其差值愈大，

風速亦愈大。因為風是從氣壓較高之處流向氣壓較低之處，正好像水從高處流向低處一樣，高低差愈大，水流愈快，所以颱風中心氣壓愈低，風速亦愈大；風速愈大，颱風愈強烈。

(27)

2.2 災害特性

隨著人類文化的發展與經濟活動的快速成長，災害不但有傳統的自然災害因素，還要包含科技進步帶來的災害以及人為災害，如：莫拉克八八水災、林肯大郡土崩與 921 大地震等，這些災害對人類社會的威脅是與日俱增。因此，為有效地進行災害防救，須對災害的特性有一定地瞭解與掌握，然而每一種災害都有特定的災害特性，每一個災害事件也因事件衝擊特定的時間、地點、在地文化、經濟能力等，而有不同的特徵，故本研究歸納過去學者對災害特性的定義來進行文獻回顧，並定義本研究颱風之災害特性。

Schneider(1995)在研究中發現自然災害具有以下之特性：自然災害的破壞力驚人，能在極短的時間內奪走眾多人民的生命與財產，因此自然災害有嚴重性、廣泛性與迫切性的災害特點。顏清連（1997）於「土木工程防災教育改進計畫-天然災害與防治」中對災害的特性定義如下：

（一）空間性：發生災害的頻率與災情嚴重程度，常會因空間上的分布範圍、集中程度等條件不同而有差別。

（二）時間性：同樣條件之災害如果發生於不同的時間，災情狀況亦會有所不同。

（三）連鎖性：不同地點發生之災害會彼此影響，進而形成連鎖性災害。

（四）累積性：災害的發生多半是長久累積所造成的並非為突發性。

（五）複雜性：同樣規模之災害可能因為各種人為因素之差異，而導致損害程度的差異。

（六）複合性：具備上述五個災害特性，也就是說災害並不是經常只會出現單一特性，以致於災情可能為複合性的。

趙鋼（1998）於《災難事故危機管理》中將災害特性分五類如下：

(28)

（一）區域性：災害的發生或災情的嚴峻程度，常會因災害區域的不同而有所差別。

（二）時間性：災害的情況或災嚴峻程度容易受到時間的影響，在不同時間發生同樣條件的災害，其災情可能有所差異。

（三）連鎖性：一個區域發生災害可能會因其他區域的災害互相影響，形成連鎖性反應，甚至於將災害由線擴展為面的大規模災害。

（四）累積性：災害的發生絕大多數是長久累積的因素而形成的，然而地震、颱風等災害都是突發性，令人猝不及防，但若平時能夠有所防範，加強抗震或防洪的措施，即使突然侵襲，其受害程度將可大幅減輕。

（五）複雜性：災害所帶來的損害可能是多元化且涉及範圍很廣，這個特性在大規模的災害極易顯現，如：水災、震災。

上述對災害之特性探討大多具有累積性，但災害的形成過程有長有短，有緩有急，有些災害的形成是因致災因子的變化超過一定的臨界值或強度時，就會在短暫的時間內表現為災害行為，如地震、洪水、颱風等，這些災害稱為「突發性自然災害」。突發性自然災害大部分具有無法預知發生時間及地點之特性，使得防救災不易，本研究對象為颱風屬於突發性自然災害一種，因此本研究將進行突發性自然災害特性之探討。

陳耀光（1997）在《我國地震災變管理機制之探討》中認為災變的特性具有：

（一）災變本身是一種持續性的發展過程。

（二）災變有其階段性的發展過程。

（三）災變的發生與造成的影響，有其不確定性。

（四）災變發生的負面結果性。

（五）災變的時間急迫性。

(29)

施邦築、李有豐與謝正倫(1998)將災害之特性提出以下之敘述：

（一）發生與影響之不確定性：現有資訊科技雖可對颱風、豪雨等災害發出預警，

但對受災時間、地點及規模，仍無法精準預測。再加上人為因素更具有偶發性質，對於災害的影響也無法預知。

（二）發展過程具動態性與持續性：災害會持續及動態的發生，而非各別發生及結束，災害間會彼此影響，甚至波及、擴大而成連鎖性災害。在發達的社會，愈易突顯出來。

（三）災害本身具空間性與時間性：災害的發展或是災情的嚴峻程度，常會因空間條件上的差別而有差異。而同樣條件下的災害發生於不同時間點，可能造成不同的災情。

（四）災害具複雜性及複合性：災情形成的因素相當複雜，同樣規模的災害可能由於各種人為因素上的差異，而導致不同程度的損失。災情形成可能是複合的，即災害經常不只是單一的呈現，而是不同災情的組合，這在大規模災害時極易顯現，如震災或水災。

（五）搶救之急迫性：決策者必須在急迫的時間壓力及資訊不足限制下對災害事件做出迅速的處置反應。決策在時間壓力與資訊不足情況下，決策之品質往往會受影響。災害的演變、轉換亦相當迅速複雜，其型態及規模瞬息萬變，更直接造成搶救指揮協調之難度。

（六）災害具有互動性：不同災害彼此間具有不同的互動性，只有確實瞭解並掌握災害間之互動性，才得以更有效的達成防災及減災之效果。

經濟度水利署（2001）則於《颱風、豪雨災害資料庫與應用系統建置計畫》

中提出颱風災害環境具有不確定性、複雜性、互動性及時效性等四大特性（圖 2-2）。

(30)

圖 2-2 颱風災害環境特性資料來源：經濟部水利署

謝水龍(2005)則認為有效執行災害防救，須對災害的特性應有相當瞭解，故提出以下災害的基本特性：

（一）災害發生之突發性：災害的發展雖有階段性，但何時會產生爆發，形成災害，則是無法精準預測或估計。

（二）過程具動態性與持續性：災害的發展有持續、動態過程，在過程中災變之間會彼此影響，故災變管理必須控制重大災害所演變出的額外災難，其管理政策的規劃與執行才具有意義，行政機關才能透過各方資訊來控制及管理災害。

（三）災害具空間與時間性：災害發生及災情損失程度，常會因空間上的不同而有差異，而在不同時間點下發生同樣的災害，亦可能造成極大差異的災情。

（四）災害具複雜性與複合性：災情的發展非常複雜，如：地震不僅會造成房屋

(31)

倒塌，也可能間接引發瓦斯漏氣或電線走火等二次災害。

（五）處置決定之促迫性：災害具有強烈的時間緊迫性，突然發生的災害，決策者往往需在有限的時間內對災害做出迅速的處置，在時間壓力及資訊不足情況下，決策之品質常常會受到影響，導致增加搶救、指揮及協調之難度。

本研究歸納上述學者對於災害的特性整理於表 2-3，並認爲颱風災害特性大致上有九類：1.不確定性；2.動態性；3.持續性；4.空間性；5.時間性；6.複雜性；7.

複合性；8.搶救之急迫性；9.互動性。

表 2-3 災害特性相關文獻整理

出處災害的特性

Schneider(1995) 1. 嚴重性 2. 廣泛性 3. 迫切性

顏清連（1997） 1. 空間性

2. 時間性 3. 連鎖性 4. 累積性 5. 複雜性 6. 複合性

陳耀光（1997） 1. 持續性。

2. 階段性。

3. 不確定性。

4. 負面結果性。

(32)

5. 時間急迫性。

趙鋼（1998） 1. 區域性

2. 時間性 3. 連鎖性 4. 累積性 5. 複雜性施邦築、李有豐與謝正倫（1998） 1. 不確定性

2. 動態性與持續性 3. 空間性與時間性 4. 複雜性及複合性 5. 搶救之急迫性 6. 互動性

經濟部水利署（2001） 1. 不確定性 2. 複雜性 3. 互動性 4. 時效性

謝水龍（2005） 1. 災害發生之突發性

2. 過程具動態性與持續性 3. 災害具空間與時間性 4. 災害具複雜性與複合性 5. 處置決定之促迫性

(33)

2.3 案例式推理（Case Based Reasoning , CBR）

2.3.1 定義

案例式推理基本概念是由人工智慧領域中分化而來，起源於學者 Schank 和 Abelson 共同在 1977 年發展的一個新理論概念及研究方法，案例式推理對於解決問題有其基本假設為「相似型態的問題絕大多傾向於會重複發生，所以相似問題會有相似解決方案」，透過這種重複跟規律的問題，再藉由與過去的舊案例具有的解決方案做結合，當遇到新案例需要解決時可供參考使用。在颱風應變期間，防災人員常會根據中央氣象局九大颱風路徑分類及個人過去經驗，同時考量颱風路徑、速度、降雨型態及歷史災情等因素，找出相似之歷史颱風案例，作為決策判斷之參考，其概念與 CBR 相似，故本研究將針對案例式推理進行相關文獻探討。

Schank(1982)於「動態記憶 Dynamic Memory」中，認為 CBR 是當人們遭遇到新的問題時，並不是由一條條的原理及法則來解決問題，而是運用在過去的記憶中，曾經發生過的類似經驗來解決類似的問題。Riesbeck & SchanK(1989)認為 CBR 是藉由過去曾運用的解決方案，找出最適當的來解決新的問題。即人類所積累的經驗越多也就代表著越能輕易地解決所面臨的新問題，每當解決完一項問題，同時也能增進自己的學習能力。Aamodt & Plaza(1994)認為 CBR 是參考過往相似的情境，再應用過去相似案例的資訊和知識來解決目前發生的實際問題，主要是藉著 CBR 的取回、在使用、校正及保留之四個循環過程，促使 CBR 系統進而擴大，所得到的解答更為精準。Allen(1994)認為 CBR 是以案例為基礎之推理系統，將解決過往舊問題的解決方案加以修改，使之適用於解決所面臨的新問題。Leake(1996) 更為相似作用做一明確定義，透過一個簡易圖說明輸入問題在問題空間中找尋相似之問題到在解空間中擷取此相似問題之相似解都需要適當距離的概念，說明案例式推理在問題描述和解決方案描述之間的空間關係圖（圖 2-3）。

(34)

圖 2-3 案例式推理在問題描述和解決方案描述之間的空間關係資料來源：（Leake, 1996）

林昇獎（1996）認為 CBR 是人類利用先前處理類似情況的經歷來協助解決所面臨的新問題。Aha(1998)認為 CBR 最主要不同於其他人工智慧方法，是能運用過去相似問題案例中所累積的經驗推導出相關知識，以重複應用於所面臨的新問題上，達到知識再利用的目的。許貴晴（2009）認為 CBR 是累積及記錄過往的經驗或記錄，當有新的問題產生時，可以仿照人類處理問題的模式，以過去的經驗為基礎來解決新問題。

本研究歸納上述學者對於 CBR 的定義，並認為 CBR 即參考過去案例的解決方法，並於當中挑選出最適當的解決方案，再根據新案例的情況，對挑選出的解決方案進行修改，最後運用到新的案例上面。

(35)

2.3.2 CBR 流程

案例式推理步驟與解決問題的流程（圖 2-4），可分為 Retrieve、Reuse、Revise 與 Retain 完整說明（Aamodt & Plaza, 1994），分別說明如下：

圖 2-4 案例式推理循環圖

資料來源：（Amodt ＆ Plaza, 1994）

1. 案例擷取（Retrieve）：

當新的問題產生時，案例擷取可透過索引標籤，到案例庫中尋找符合問題所需的相關案例或最相似的案例，提供新問題建議解決方案，因此案例間相似度的判別是案例擷取的關鍵。目前相似度的判別最常使用方法如下：

(1) 相鄰近法（Nearest-Neighbor Retrieval）

根據相似程度比對的概念，加入案例各項屬性的權重，最後從新案例與過去案例的相似性總權重值，得出新案例與過去案例之間相似程度的大小來擷取案

(36)

例。

(2) 歸納法（Inductive Retrieval）

以輸入的案例屬性和案例庫中具有的案例屬性互相匹配比對，利用歸納演算法進行案例索引分析，根據這些屬性彼此的相似性做分類，形成一個具有層次的分類樹。

(3) 知識導引法(Knowledge-Guided)

是運用案例現有的領域知識和經驗來定義相關的案例，雖然本法理論上較佳，

但實際運用知識導引來索引案例，並無法完全徹底的擷取和表示出所需要得案例資訊，也因此，許多運用知識導引的索引法會與其他索引技術一起使用（Barletta, 1991;Brown & Gupta, 1994）。

(4) 其他

除了上述三種方法，如今有其他學者嘗試以加入模糊理論與類神經等其他人工智慧方式，來增加案例索引的準確率。因此本研究擬採用模糊理論與案例式推理相互結合運用，發展推論機制，下節將整理介紹模糊理論。

2. 案例再次使用（Reuse）：

透用擷取程序後所得到的建議解決方案，當作解決問題的知識加以研究。換言之，被擷取出的案例會與新的案例結合透過”Reuse”轉換成新的知識與資料，

並將其回存至案例庫中而重覆的使用，隨著案例庫的擴大，所得的結果將更為精準。

3. 案例修正（revise）：

案例再利用並不一定完全適合於所面臨的新問題，因此可以透過修改其搜尋法則或權重等方式，使其結果更加符合現在要解決的問題。

(37)

4. 案例保留（retain）：

經過修正、確定後的案例，可不斷地累積、保留問題解決方式儲存在案例庫中，以供新案例的查詢與使用。此階段具有學習的功用，透過案例保留，可學習到更多的案例，使案例庫中的案例品質逐漸提升，進而問題的解決方案將會更準確。

2.3.3 相關研究與應用

國內外對於案例式推理之相關研究，應用範圍相當廣，舉凡營建相關領域有工程結構設計、安全規劃、營建排程與成本估計、競標決策，商業相關領域有信用評等決策輔助、產品開發知識整合，對於自然災害方面則有結合地理資訊系統預測颱風路徑、應用於土石流危險評估系統。

從上述列出之各個領域的相關研究中，與本研究較為相關之研究有許家成與蔡博文（2007）運用案例式推理於颱風路徑預測上，並結合地理資訊系統技術協助處理颱風路徑變化多樣性及複雜的程序。藉由颱風路徑知識庫(Knowledge-Base) 的處理方式，可整合不同類型資料與費時複雜的處理過程，將經驗轉換為知識庫邏輯推論的機制，快速推論出颱風未來可能的行進路徑，建構出一套以知識庫為基礎的颱風路徑預測模式；梁嘉翔（2008）將 1950 至 2005 年間之 183 個颱風依侵台近中心最低氣壓、侵台近中心最大風速、全程近中心最大風速、逼近台灣時移動速度、路徑分類及雨量等屬性，建立起資料庫，依序以案例式推理法推估各颱風雨量，將推估雨量與觀測雨量比較，求其相對誤差。

(38)

2.4 模糊案例推論(Fuzzy CBR)

模糊理論是美國加州大學 L.A. Zadeh 教授於 1965 年所提出一種以數學方式來描述模糊語意，其意涵是人類思考邏輯過程中，將無法明確定義程度的事物，

透過隸屬程度來表達集合元素與相對應部分集合之隸屬關係，可將不明確的事物透過明確之定義來清楚表達，對於處理「不精確」、「含糊」或資訊不充足的問題特別具有效力。模糊理論主要包含模糊集合理論、隸屬函數、模糊推理等方面的內容，下面將整理介紹模糊理論。

2.4.1 模糊集合

在傳統集合論中，集合的概念是明確的，稱為明確集合（Crisp Set），即定義域（Domain）X 中的某一個元素 x，與某個集合 A 的關係，只有兩種可能就是屬於或是不屬於；換言之，一個元素在一個集合裡的隸屬程度是「二元」的，只有 0 與 1 這兩種選擇而已；但模糊集合卻能將在 0 與 1 之間變化的所有數值以

「隸屬函數」（Membership function）的方式來表示，將主觀判斷數值化，使得研究結果更能符合人類的思考模式（Zimmermann, 1991），也就是將傳統二進位邏輯固定的單值擴展到具有連續的多值；因此模糊集合運用隸屬度來表示此種隸屬關係的程度，而給予一個具有漸進的邏輯關係，換句話說若一個元素屬於某一個集合的程度越大，則其隸屬度越接近 1，否則越接近 0；因為這個特性，使得模糊系統可以調整其隸屬函數以適應不同的變化環境。

由上述可知模糊集合的本質即是傳統的集合理論賦予模糊的特性，兩者之間最大的相異處在於傳統的集合理論的隸屬函數是固定的單值，而模糊集合是無限多值的隸屬函數，因此模糊系統可以透過調整其歸屬函數以適應不同的變化環境，

以提供此系統更大的應用彈性，及錯誤容忍性。

(39)

2.4.2 隸屬函數

模糊理論處理不確定的問題時，都會以 0 與 1 之間的數值來表示模糊程度，

該數值稱為「隸屬函數」(membership function)。但是每個人的主觀意識有所差異，

因此歸屬函數的數值因人而異，即將人類的主觀判斷數值化，使得研究結果更能符合人類思考模式(Mendel, 1995)。而隸屬函數類型有許多種，一般隸屬函數的訂定可以根據研究需要而制定，但學者也可藉由模糊統計法獲得，或是由專家經驗來認定，這樣制定出的隸屬函數才能解決本身定義不明確的問題和具客觀性。在現有的研究中，主要常用之隸屬函數有三角型隸屬函數、梯形隸屬函數及高斯型隸屬函數等類型。本研究所採用之隸屬函數為三角型隸屬函數與梯形隸屬函數，

如下。

(一) 三角形（Triangular）隸屬函數：

假設三角模糊數為A = (a, m, b)（圖2-5），當x的值位於a到b之間時，此時x屬於集合A的隸屬度均不為0。當x越靠近m時，其隸屬度越大；因此當x值正好為m時，

m 點所代表的隸屬函數值為最大，端點a和b代表模糊數的下界及上界(Dubois, 1978)。其隸屬函數可表示如下。

 

















 





 





otherwise

b x m m if

b x b

m x a a if

m a x

A X

, 0

, ,



(40)

圖 2-5 三角形（Triangular）隸屬函數

(二) 梯形（Trapezoidal）隸屬函數：

假設梯形模糊數為A = (a, b, c, d)（圖2-6），當x值位於a到d之間，此時x屬於集合A的隸屬度均不為0。當x越靠近b到c區間時，其隸屬度越大；當x值正好在b到 c的區間內，此時其隸屬度均為1，是隸屬度最大且值為1的地方，端點a和b代表模糊數的下界及上界。其隸屬函數可表示如下。

 

















 





 





otherwise

d x c c if

d x d

c x b if

b x a a if

b a x

A X

, 0

, , 1

,



圖 2-6 梯形（Trapezoidal）隸屬函數

(41)

2.4.3 模糊推論系統

模糊推論系統的優點有二：(1) 不需要精確的物理模型；(2) 可將人類的專業經驗應用在系統當中。而完整的模糊推論系統架構（圖 2-7）大致可分為四大部分：模糊化、模糊推論、規則庫、解模糊化，其功能介紹如下：

圖 2-7 模糊推論系統架構圖

1. 模糊化：

在真實世界中，所觀察到的數據經常為確切的數值而非模糊集合，而在模糊推論系統，IF-THEN 規則中前提部分是以模糊集合的形式描述，因此將明確的輸入轉換為對應隸屬函數的模糊語言值，稱為模糊化。

2. 模糊推論：

模糊推論是模糊系統的核心，主要作用就是要處理如何以規則的集合來做推論。而在過去研究所提出的推論法則有許多類型，例如：Mamdani 的 min-min-max 模糊推論法、Larsen 之 min-product-max 模糊推論法、Tsukamoto 之模糊推論法和 Takagi 與 Sugeno 之模糊推論法等。而本研究採用的 Matlab 只有 Mamdani 和 Sugeno，

(42)

本研究使用 min-min-max 模糊推論法，這是由於在獲取專家知識經常運用 Mamdani 方法。因為該方法可以用更直接、更貼近人類的方式來描述專家的意見，但是 Mamdani 模糊推理的計算量大。Sugeno 方法的計算效率高，並能夠與最佳化演算法和自適應技術協同工作，這使得該方法在控制問題，尤其是動態非線性系統中很有吸引力。Mamdani 是倫敦大學的 Mamdani 教授發明，Mamdani 是最早利用模糊理論來作控制的學者，在 1974 年研究發表中以研究室所製作的蒸汽引擎模型為對象去驗證模糊控制。所以接下來針對 min-min-max 模糊推論法做說明（圖 2-8），

其推論過程如下面三個步驟來描述：

(1) 以 min(邏輯積)運算，求出各規則前題部之歸屬度

W

ⁱ^。

 

     

_



 

A A B B

W

ⁱ ^min ^max_x ^min ⁱ^, ^' ^,^max_x ^min ⁱ^, ^'

2 1

其中 i 為規則的編號，A^'與B^'分別為輸入變數

x

¹^與

x

²^{之輸入值，若輸入變數}

x

¹^與

x

²^{之輸入值皆為模糊單值}

x

1^'^與

x

²^'^{則上式可簡化為}



    



A x B x

W

ⁱ ^min ^min ⁱ^, ₁^' ^,^min ⁱ^, ₂^'

(2) 以min(邏輯積)運算，將前題部的歸屬度對映到結論部。

 





  y

u

c

C

i min

W ~

i, _i

(3) 以max(邏輯積)運算，統合所有被觸發之規則。

其中n為被觸發之規則。

C C

i n

i

max ~

1

*



(43)

圖 2-8 min-min-max 模糊推論法示意圖資料來源：葉承憲、王文清、謝明哲，2014

3. 模糊規則庫：

模糊規則庫為存放一組以 IF-THEN 形式的模糊規則所組成的，用以描述系統輸入與輸出之間的關係，即為定義規則之隸屬函數的形式與範圍。其中 IF 部分的敘述稱為前件部分，而 THEN 部分的敘述則稱為後件部分。

4. 解模糊化：

解模糊化的目的是轉換所得的推論結果量化為輸出變數的隸屬函數值，即將模糊集合轉換為明確數值。選擇正確的解模糊化方法，需要暸解模糊過程中口語上的意義；一般而言，解模糊化分為兩種不同語義：決定最佳的折衷值與決定最合理的結果。實務應用中解模糊化的方法有許多種包括：最大中心法、面積中心法、最大平均法與重心法等等。本研究所採用解模糊化的方法為重心法，其介紹如下：

(44)

重心法主要是計算模糊數的隸屬函數及其隸屬函數論域重疊後所圍成面積的中心點，而以中心點作為該模糊數明確值（圖 2-9）。

圖 2-9 重心法圖資料來源：葉松林，2007

2.4.3 模糊案例推論

目前有關颱風動態比對系統之研究，主要是以中央氣象局歷史颱風資料庫網站提供的進階比對功能，在地圖上圈選一經緯度範圍配合警報及年份篩選得出經過該區域之颱風，再透過人工的案例式推理方式，需要花時間整理才可搜尋相似的歷史颱風案例作為當前颱風之參考，故需要有一新方法來改善此問題。因此，

本研究將以案例式推理為基礎，結合模糊集理論發展颱風相似度量測方法，依此建立模糊案例推論模式，以進行相似案例搜尋，本研究模糊案例推論模式參考自 Wen-Ching Wang, Cheng-Xian Ye and Ming-Che Hsieh(2014)文章中的坡地災害議題的模糊案例推論週期(如圖 2-10)。

(45)

圖 2-10 模糊案例推論週期

(資料來源：Wen-Ching Wang, Cheng-Xian Ye and Ming-Che Hsieh, 2014)

2.5 颱風路徑與降雨相關性

颱風降雨一直是造成臺灣災害的主因，這是由於台灣地區為東西狹窄南北狹長的地形，使得台灣地區每當降雨時往往留不住地表流水，地表流水向台灣海峽及西太平洋注入，但每當颱風時期或梅雨季節降下豪大雨時，地表往往來不及排水而造成洪水災害、土石流等災害（林志瑋，2007）。因此在颱風侵襲台灣以前，

如能提供一般大眾了解哪些地區降下豪雨的機率較大以及降雨狀況，將對災害預防有其正面的幫助，然而颱風雖然各自有特異而複雜的結構，但颱風之降雨大多集中於中心附近(Willoughby,1995)。因此可以透過颱風路徑來探討降雨分布，故本研究探討過去學者對颱風路徑與降雨相關性進行文獻回顧。

魏元恒等（1971）將 1956 至 1969 年間 54 個侵襲台灣地區颱風依路徑不同分成八大類，探討各類路徑颱風降雨分布。蔡清彥與周根泉（1982）將 1947~1980 年間侵台颱風共 102 個個案，分析每個颱風所造成之最大地面風速及總降水量在

(46)

台灣地區的分布情形，並以此風速及雨量分布特性將侵台颱風路徑分成六類，然後分析各類颱風路徑之合成平均風速及雨量分佈情形。吳宗堯與謝信良（1989）

以中央氣象局現有颱風預報資料探討歷史颱風相似性關係，研究結果顯示歷史颱風中許多相似路徑之颱風，有其類似之降雨型態，對各地雨量也有優良的相關性。

林淑玲（2002）蒐集 1971 至 1999 年侵臺颱風降雨資料，研究颱風強度、颱風路徑、地形因素、降雨量及降雨強度之關係，運用多元線性關係迴歸的方法，進行宜蘭地區颱風路徑降雨推估模式，研究結果顯示，第一、第二及第四類路徑的颱風對本區域的影響較直接。陳進興（2006）將陳有蘭溪及清水溪集水區的雨量資料進行分析，運用克利金推估、複迴歸分析等方法，找出各路徑及降雨相關因子之特性，研究結果顯示第 1、2、4 類路徑在平均雨量、強度、延時及強度警戒之發生機率最具威脅。徐森雄等（2006），認為降雨的分布受氣象及地形的因素影響，

在台灣夏季的颱風帶來豪雨，雨量分佈與颱風行徑路線關係密不可分。Chen et al.

(2007)研究指出颱風期間，強降雨事件的空間分佈日變化很小，且其空間分佈跟颱風路徑以及侵襲的時間相關。陳政安（2011）認為當颱風來臨時，首先必須瞭解其路徑走向，以及之後颱風中心位置，便能得知其降雨分布，並且利用路徑各時段的降雨型態，瞭解此颱風降雨的類型。

經濟部水利署也針對 1961~2000 年間的歷年颱風降雨資料進行颱風路徑降雨分佈統計分析（圖 2-11），如下：

第一類路徑：降雨範圍集中於北部縣市地區，中部山區亦會受影響。

第二類路徑：降雨範圍除台灣北部地區外，中南部地區亦會受影響，降雨分佈主要集中於阿里山地區。

第三類路徑：由於花東地區首當其衝，故花東地區累積了相當大的雨量。

第四類路徑：降雨狀況與第 3 類路徑相似。

第五類路徑：降雨範圍主要分佈於台灣東部縣市及屏東墾丁等地區，其中又以花蓮及台東兩地區為降雨中心。

(47)

第六類路徑：降雨範圍分佈於東部各縣市，屏東墾丁地區亦會受影響。

第七類路徑：降雨範圍主要集中分佈於南部縣市及台東地區。

第八類路徑：降雨範圍主要分佈集中於花東地區及南部縣市。

第九類路徑：降雨範圍主要分佈於東北部地區，東部及南部縣市亦有不小的降雨量。

圖 2-11 侵台颱風路徑與分布雨量圖資料來源:經濟部水利署

由上述文獻可知颱風侵襲期間所造成的降雨分佈與颱風的行進路徑有相當的

(48)

關聯性，因此透過歷史颱風路徑來預報雨量具一定的準確性，不過颱風路徑並不是判斷降雨空間分布唯一的參考依據，還有諸多因素會導致降雨空間分布的差異，

如颱風路徑類似若結構不同、各區域的地形高程等環境因素都會影響降雨空間分布，故颱風登陸前後需另衡量。所以我們希望在颱風未登陸台灣前，藉由系統快速比對出相似的颱風事件作為參考，進而作為颱風降雨分布的參考依據，提早做好颱洪防災準備。

2.6 地理資訊系統(Geographic Information System, GIS)

2.6.1 地理資訊系統

地理資訊系統(Geographic Information System, GIS) 是一種協助使用者整合處理地理資料與協助空間決策的電腦軟體，可將現實世界的地理空間數位化，以進行地球資源的有效管理，並運用其做出合理的決策，它具備了空間資訊的輸入、

處理、管理、分析及輸出的功能（李宗信，2008）。GIS 的概念起源於 1960 年代，

到了 1970 年代，便已有 GIS 的套裝軟體推出，主要使用者為一些政府機構與學術界，但受限於當時有限的電腦軟硬體技術，應用並不普及。一直到了近年來科技的快速發展，才帶動了 GIS 應用之普及與快速成長，甚至將 GIS 概念應用到了網站上，如谷歌地圖和 Bing 地圖，這些網站使得民眾可以方便輕鬆取得大量的地理數據。現在市面上有許多家公司提供方便又豐富的地理資訊系統，如：GIS、Google Earth、Google Map、Yahoo Map、UrMap、Virtual Earth、Bing Map 等，其中一部分公布了 API 使得用戶能夠創建自定義的應用，如 Google Map、Virtual Earth、Yahoo Map、UrMap。本研究採用 Google Map 作為地理資訊來源，是由於 Google Map 有在更新版本，也有提供程式範例方便開發人員更快了解 Google Map 且支援更多瀏覽器等因素。

(49)

2.6.2 Google Maps API

近年網際網路的蓬勃發展與 Web2.0 的技術不斷提升，現在與未來將是網路應用的新時代，網路成為了新的平台，內容因為每位使用者參與而產生，所產生的個人化內容，藉由人與人(P2P)的分享，形成了 Web 2.0 的世界，Google 即為 Web2.0 的代表（許瑞益，2012）。Google 專注於網路技術研發及創新應用，從 Web 網路到個人服務，到處可見其蹤跡，且 Google 將原本單機使用的電子地圖轉變成分散式的網路服務，再加上 Web 2.0 及 Ajax 技術推波助瀾，提供給使用者一個良好的操作及互動經驗（圖 2-12），成為目前最成功的網路服務之一（陳錦勝等，2007）。

隨者 Google 開放 Google Maps API，越來越多 IT 人員將其結合資料庫或其他網路服務功能混搭應用。Google Maps API 目前出到第三版，第三版相較於前兩版有許多優點，例如：支援更多瀏覽器包括手機的瀏覽器(Chrome, iPhone Safari mobil, Android-based)、不需要申請 Google Key、使用 MVC(Model–view–controller)開發，讓程式更小、更好用、有預設的使用介面(UI)，不用在程式碼中指定，Geocoding 的效能改善等等，因此本研究採用第三版作為本研究 Maps API。張維軒（2010）

則指出 Google Maps 以服務導向架構模式(Service-Oriented Architecture，SOA)提供服務，IT 人員於應用地理資訊開發系統時，透過 JavaScript 就可連結 Google Maps 的各種服務於資訊系統上，使 IT 人員不必開發或擁有所有程式元件，只需視系統需求連結 Google Maps 所提供的地理資訊服務，大幅減少系統開發的時間與成本。

(50)

圖 2-12 Google 地圖

2.7 決策支援系統(Decision Support System, DSS)

2.7.1 定義

臺灣本身特殊的水文、地理環境條件下，面臨的災害種類繁多，如颱風、土石流及地震等等，經常導致人民生命財產的損失。為了減少災害所造成的損失，

如何將即時防救災資訊結合決策需求，協助落實決策指令並確保資訊傳遞時效及穩定等，已成為決策支援之迫切議題（康仕仲、李清勝、何興亞，2009，2010）。

而在災害應變期間，相關決策者及現場人員須即時掌握充足與正確的資訊，以作為災害參考與判斷之依據，並在有限時間壓力內做出決策。因此必須克服處理大量防災資料所遭遇的各種問題，使決策者能有效的獲得關鍵資訊（蔡孟涵等，2013）。

由上述可知決策支援系統對於災害應變之重要性，因此本研究將對決策支援系統進行文獻回顧並探討過去學者對於決策支援系統的定義來進行歸納。

(51)

Little（1970）對 DSS 之定義為：「以模式為基礎且足以處理資料及判斷的程序集，並在決策者的決策制定中能夠輔助決策者。」Scott Morton(1971)於研究指出 DSS 是一個電腦化的交談式系統，幫助決策者運用資料及模式，以處理非結構化的問題。Alter(1977)於研究指出一切支援決策制定的系統皆是 DSS，包括資訊存取、模式分析及工具支援。Keen 與 Scott Morton(1978)認為 DSS 是運用電腦來協助 (1)半結構化決策的管理者；(2)支援決制定但不取代決策者；(3)改進決策效益而不是效率。Bonczek, Holsapple 與 Whinston(1981)認為 DSS 是一個以電腦為基礎的資訊系統，由三個基礎相互作用的單元所構成，即是語言系統、知識系統、以及問題處理系統所組成的模式系統。Sprague 與 Carlson(1982)認為 DSS 為以電腦為基礎之互動式系統，應用於協助決策者使用資料與模式，以解決非結構性問題。梁定澎（1991）對 DSS 之定義為運用可用的或適當的電腦技術來協助決策者處理非結構、半結構性的問題，以提高決策品質。Konsynski 等人(1992)認為 DSS 的基礎定義只需包含(1)支援制定決策而不取代決策者；(2)應用於支援半結構化或非結構化的決策。Banerjee & Basu(1993)認為 DSS 必須透過各種模式之間的合作而產生實際有用的資訊，並經由適當的使用者介面傳遞給決策者，協助決策者制定決策。

其目的不僅僅是為了提高決策者解決結構性議題的效率，而是促進決策者在整個決策過程中的效益。Turban(1995)則藉由 DSS 的特性來定義 DSS，其認為：DSS 是互動性、有彈性及調解性的電腦系統，主要是設計來支援解決非結構化管理的議題，以改進決策制定。它運用資料提供簡易使用的介面，且包含許多決策者的見解。若要複雜一些則可再加上 DSS 運用模式，以互動方式建構且支援各決策階段，並包括知識庫。Turban 與 Aronson(2001)提出 DSS 是具有互動式的、彈性的、

協調性等特質且以電腦為基礎的資訊系統，其特別是為支援特殊與非結構化管理議題的解答而發展出的系統，而且是提供介面、應用資料及結合決策制定者之洞察力。林鳳寧（2003）「決策支援系統」一書中對 DSS 之定義為：現代 DSS 是一種電腦為基礎的資訊系統，其主要目的是為知識職業者提供制定明智決策的基礎

(52)

資訊。梁定澎（2006）於「決策支援系統與企業智慧」一書中認為 DSS 是一個電腦為基礎的軟體系統，目的在於將與一個特定決策相關而來源不同的資料加以蒐集，並協助決策者運用適當的模式分析，產生有效的參考資訊給決策者制定決策。

即 DSS 能讓決策者(1)使用企業內部其他資訊系統中的資料；(2)使用組織外部的相關資料；(3)分析整合相關資料；(4)產生有助於決策績效提升的資訊。

本研究歸納上述學者對於 DSS 的定義，並簡易的定義 DSS 是一種以電腦為基礎的資訊系統，具有互動式的、彈性的、協調性等特質，用以支援非結構、半結構化或非結構化的決策議題，並提供良好的介面、應用資料及結合決策制定者之洞察力來提高決策者的決策品質。

2.7.2 特性

本研究整理過去學者對於決策支援系統的特性來歸納出 DSS 具備那些特性。

Turban and Aronson(2001)提出 DSS 具備的主要理想特性及功能有：(1)結合人類的經驗智慧、判斷力及電腦資訊，提供決策者有效地解決半結構化及非結構化問題的輔助支援。(2)提供適當即時資訊，支援於組織不同管理階層與決策者，提高決策之效益。(3)提供支援於數個彼此相關或具順序性的決策。(4)提供支援予決策制定過程中的各階段。(5)具調適性能隨著時間的改變而變化。(6)必須是輕易且方便使用。(7)不只能改善制定決策之效率或成本，還能改善決策制定的成效。(8)主要是針對支援制定決策而非取代決策者，因此決策者須能全面掌控決策過程之各步驟。(9)終端容許使用者自行建置及維護簡單的子系統，而且透過資訊系統專家的協助，可建立較大型的系統。(10)通常運用模式來分析決策的狀況；可在不同架構下透過不同策略進行模擬實驗。(11)提供各種資料來源、格式及型態的存取，其範疇可從地理資訊系統至以物件導向之資訊系統。(12)可與其他 DSS 應用整合，並

(53)

透過網路於內外部擴展 DSS。吳仁和、林信惠（2003）於「系統分析與設計」一書指出 DSS 主要是支援半結構化或非結構化之決策活動，其主要特徵有：(1)DSS 能以隨興、自訂性或標準化的方式來分析資料與產生報表；(2)DSS 具互動性能直接與決策者互動。梁定澎（2006）於「決策支援系統與企業智慧」一書指出 DSS 可以依據系統支援目標、支援對象及功能需求三大類歸納出 15 項特性如圖 2-13 所示。

圖 2-13 決策支援特性資料來源：（梁定澎，2006）

本研究根據上述學者們的研究整理，認為梁定澎（2006）對 DSS 之特性依支援目標、支援對象及功能需求三大類歸納出的特性，已大致概括各學者對於 DSS 特性之探討，故以梁定澎對 DSS 歸納出的 15 項特性作為參考。

2.7.2 即時決策支援系統定義

在颱風災害應變期間，相關決策者及現場人員面對的是變化莫測的颱風，因此決策者須即時掌握充足與正確的颱風資訊，並即時採取因應的決策，才能有較減少災害的發生。面對即時決策需求日益增加，提升決策支援系統的功能成為可

(54)

支援即時決策的即時決策支援系統，是協助防災人員處理颱風即時決策問題的一個有效途徑，使決策者能有效的、即時的獲得關鍵資訊進行決策。

O’Reilly 與 Cromarty(1985)認為即時系統是指處理資料迅速的系統(O’Reilly 與 Cromarty, 1985)。Stankovic(1988)認為即時系統是系統的正確性不只是計算結果要正確，且產生所花費的時間必須符合時間限制，因此在面對即時決策問題時，

即時決策和傳統決策最大的差別在於找出問題所花費的時間是否符合決策時間的限制。本研究定義即時決策支援系統為決策者在面臨即時決策問題時，須在有限的決策時間內，系統透過決策者已掌握的資訊，協助決策者快速搜尋出可能的決策模式，以提昇決策者搜尋與擷取決策模式的效率。

(55)

第三章方法論

3.1 研究方法與步驟

在資訊系統科學領域的研究可以分為兩大典範：行為科學(Behavioral Science) 與設計科學(Design Science)，其中設計科學典範是經由科學方式來處理問題(Simon, 1996)，並透過創造新穎且具有創意的系統來拓展人類與組織的能力範疇(Hevner, 2004)。本研究主要探討系統設計與系統分析，屬於設計科學領域的範圍，故本研究選用 Peffers et al.(2007)針對資訊系統研究所提出的設計科學研究方法論作為本研究方法，該方法主要是在為進行設計科學研究的人，提供一個廣泛可接受的框架與學者可遵循的方向，這套研究方法須符合三種目的：第一，與先前研究文獻所提出的理論一致；其次，能提供一個可規劃與執行的標準流程；最後，能提供一個用來展示與評估設計科學研究結果的心智模式。為達到上述三個目的 Peffers et al.認為設計科學研究流程應包含確認問題與動機、定義解決方案的目標、設計與開發、展示、評估、與溝通共六大步驟，而第六步驟溝通是研究評估完時，與專業人士與相關人員商討研究成果，是否須提升設計的嚴謹度、實用性與效能等，

主要是擴散研究成果，故本研究流程將溝通與評估並列為同一步驟（圖 3-1）。

國立臺東大學資訊管理學系 碩士論文 Department of Information Science and Management Systems National Taitung University Master Thesis

國立臺東大學資訊管理學系 碩士論文

Department of Information Science and Management Systems

National Taitung University Master Thesis

模糊案例推論應用於颱風動態即時決策支援系統之研究

A Study of Real-Time Decision Support System for Typhoon Status using Fuzzy Case Based Reasoning

研究生：謝旻浚

Graduate Student: MIN-CHUN HSIEH 指導教授：王文清 博士

Advisor: Wen-Ching Wang, Ph.D.

指導教授：謝明哲 博士 Advisor: Ming-Che Hsieh, Ph.D.

中華民國 104 年 7 月

July,2015

國立臺東大學資訊管理學系 碩士論文

Department of Information Science and Management Systems

National Taitung University Master Thesis

模糊案例推論應用於颱風動態即時決策支援系統之研究

A Study of Real-Time Decision Support System for Typhoon Status using Fuzzy Case Based Reasoning

研究生：謝旻浚

Graduate Student: MIN-CHUN, HSIEH 指導教授：王文清 博士

Advisor: Wen-Ching Wang, Ph.D.

指導教授：謝明哲 博士 Advisor: Ming-Che Hsieh, Ph.D.

中華民國 104 年 7 月

July,2015

致謝

摘要

Abstract

目錄

表目錄

圖目錄

第一章 緒論

1.1 研究背景與動機

1.2 研究目的

1.3 研究對象

1.4 論文架構

第二章 文獻回顧

2.1 颱風

2.1.1 侵臺颱風的定義

2.1.2 颱風強度

2.1.3 颱風路徑分類

2.1.3 暴風半徑

2.1.3 中心氣壓

2.2 災害特性

2.3 案例式推理（Case Based Reasoning , CBR）

2.3.1 定義

2.3.2 CBR 流程

2.3.3 相關研究與應用

2.4 模糊案例推論(Fuzzy CBR)

2.4.1 模糊集合

2.4.2 隸屬函數

 



 



2.4.3 模糊推論系統

W

 

     

A A B B

W

x

x

x

x

x

x

A x B x

W

 

u

C

W ~

C C

max ~

2.4.3 模糊案例推論

2.5 颱風路徑與降雨相關性

2.6 地理資訊系統(Geographic Information System, GIS)

2.6.1 地理資訊系統

2.6.2 Google Maps API

2.7 決策支援系統(Decision Support System, DSS)

2.7.1 定義

國立臺東大學資訊管理學系碩士論文 Department of Information Science and Management Systems National Taitung University Master Thesis

國立臺東大學資訊管理學系碩士論文

Graduate Student: MIN-CHUN HSIEH 指導教授：王文清博士

指導教授：謝明哲博士 Advisor: Ming-Che Hsieh, Ph.D.

國立臺東大學資訊管理學系碩士論文

Graduate Student: MIN-CHUN, HSIEH 指導教授：王文清博士

指導教授：謝明哲博士 Advisor: Ming-Che Hsieh, Ph.D.

第一章緒論

第二章文獻回顧

第三章方法論