政府資料開放平臺之PM2.5即時監測資料分析

PM2.5 Instant Monitoring Data Analysis of Government Open Data Platform

10.6285/MIC.201808_7(S1).0001

劉振隆(Jenn-Long Liu)；張愷珉(Kai-Min Chang)；吳芷軒(Chih-Hsuan Wu)；于采玉(Tsai-Yu Yu)；李彥君(Yan-Jyun Li)；黃鈺珊(Yu-Shan Huang)

政府資料開放平臺 ； 細懸浮微粒(PM2.5) ； OpView社群聆聽平臺 ； Government Open Data Platform ； Particulate Matter 2.5 (PM2.5) ； Social Listening Platform

管理資訊計算

7卷特刊1（2018 / 08 / 01）

1 - 12

繁體中文

近年來各國政府陸續設置及開放整合/即時監測資料來提供產官學研各單位運用與分析之用，以提供有用資訊供各單位相關業務決策之用，因此，有效運用平臺提供之數據庫為資料科學家重要的工作。本研究為探討政府資料開放平臺內相關台灣細懸浮微粒(PM2.5)之資料分析以及PM2.5引起疾病之關聯，包含呼吸系統、心臟血管系統與中樞神經系統相關方面的影響，以及醫生對於PM2.5對身體健康的看法。本研究在PM2.5社群輿情平臺關聯疾病之分析上主要使用到OpView輿情聆聽平臺，OpView為目前國內最大的社群觀測平臺，可從大量資料的社群網路中蒐集各類文章、討論、新聞，並進一步解析不同類型網站及其影響力。

In recent years, governments in the world have gradually established and opened up integrated/immediate monitoring data to provide the uses and analyses for government agencies, academic communities, and research institutes, so as to provide useful information to divisions of government for decision-making of related business. Therefore, the effective application of the database provided by the platform is an important task for data scientists. This study investigates the data analyses of related Taiwan’s Particulate Matter 2.5 (PM2.5) stored in the government open data platform and analyzes the correlation of PM2.5-induced diseases, including the effects of respiratory system, cardiovascular system, central nervous system, and the doctor's perception of PM2.5 for body health. Furthermore, this study mainly uses a social listening platform, named OpView, for the analysis of community opinions related PM2.5 to diseases. The OpView platform is the current largest community listening platform in Taiwan. It can collect articles, discussions, and news from a large amount of data in the social network, and can further analyze different types of websites and their influence.

1. 政府資料開放平臺(2018)。檢自：https://data.gov.tw/
2. 行政院環境保護署空氣品質監測網(2018) 。檢自：https://taqm.epa.gov.tw/taqm/tw/b0201.aspx
3. 環境資源資料開放平台(2018) 。細懸浮微粒資料（ PM2.5 ）。檢自：https://opendata.epa.gov.tw/Data/Contents/ATM00625/
4. Codd, E. F.(1990).The relational model for database management.New York:Addison -Wesley.
5. House of Parliamentary (2014). Social media and big data. Parliament Office of Science and Technology, POSTNOTE no. 460. Retrieved from http://www.businessinsider.com/social-big-data-the-type-of-data-collected-by-social-networks-3-2014-3
6. Kahle, D.,Wickham, H.(2013).ggmap: Spatial visualization with ggplot2.The R Journal,5(1),144-161.
7. MongoDB (2018). Retrieved from：https://www.mongodb.com/
8. Pope, C. A.,Ezzati, M.,Dockery, D. W.(2009).Fine-particulate air pollution and life expectancy in the United States.The New England Journal of Medicine,360(4),376-386.
9. Robo 3T (2018). Retrieved from https://robomongo.org/
10. Smith, C. (2014). Social big data: Each social network is using a very different data lens to understand and target users. Business Insider. Retrieved from http://www.businessinsider.com/social-big-data-the-type-of-data-collected-by-social-networks-3-2014-3
11. World Health Organization (2016). WHO global urban ambient air pollution database, Retrieved from http://www.who.int/phe/health_topics/outdoorair/databases/cities/en/
12. 用數據看台灣(2018) 。台灣即時空氣品質地圖PM2.5 版本。檢自：https://www.taiwanstat.com/ realtime/air-map/
13. 楊立偉、邵功新(2016)。社群大數據。臺北市:前程文化。
14. 彰化醫界聯盟(2011) 。PM2.5 與健康。檢自：http://www.taiwan921.lib.ntu.edu.tw/KKPT/KKE09.pdf
15. 維基百科-MongoDB (2018)，檢自：https://zh.wikipedia.org/zh-tw/MongoDB
16. 維基百科-Anaconda (2018) ， 檢自：https://zh.wikipedia.org/wiki/Anaconda_(Python%E5%8F%91%E8%A1%8C%E7%89%88)
17. 維基百科-R 語言(2018) ， 檢自：https://zh.wikipedia.org/zh-tw/R%E8%AF%AD%E8%A8%80
18. 維基百科-Python (2018)，檢自：https://zh.wikipedia.org/wiki/Python
19. 劉紹興(2014)。102 年度環保署／國科會空污防制研科研合作計畫期末報告102 年度環保署／國科會空污防制研科研合作計畫期末報告,環保署。

1. 陳明吉,高嘉璘,洪志興,朱芳妮(2023)。社群媒體情緒與房市交易資訊關係之檢視。應用經濟論叢，113，85-138。
2. 劉正,殷志偉(2020)。非核家園的民衆意向：網路輿論的大數據分析。選舉研究，27(2)，49-92。