# 內湖流量實驗室 — 資料 Dashboard V2

本輪整理：2026-10-19 至 2026-10-20。狀態：COMPLETED（本地 dashboard 與資料整理）；連續多日現況、真實分流效果仍 UNVERIFIED。

直接開啟 `neihu-dashboard-v2.html` 即可離線操作；`index.html` 為分檔開發版本。原參考 `/Users/huangshihao/Downloads/neihu-aha-dashboard-demo.html` 與先前 demo-v1 均保留，未修改。本版沒有導覽步驟或計時器，也未發布、commit 或 push。

## 已整理成可報告的發現

### 1. 增加的車流，主要是哪一種車？

2025-09-11 港墘路 × 瑞光路，平面各進口的三類機動車通過車次：

| 車種 | 07:00–08:00 | 08:00–09:00 | 差額 | 變化 |
|---|---:|---:|---:|---:|
| 小型車 | 3,005 | 3,158 | +153 | +5.1% |
| 機車 | 1,972 | 4,296 | +2,324 | +117.8% |
| 大型車 | 152 | 217 | +65 | +42.8% |
| 三類合計 | 5,129 | 7,671 | +2,542 | +49.6% |

**計算所得：機車占時段車流增量 91.4%（2,324 ÷ 2,542）。** 不是機車占所有車流 91.4%；兩小時機車占比為 49.0%。這支持把機車納入分流分析，不能把增量直接歸因為內科員工到班或認定為塞車原因。

來源：[交工處 NI008 原始 Excel](https://online.bote.gov.taipei/botedata/%E4%BA%A4%E9%80%9A%E6%B5%81%E9%87%8F/114%E5%B9%B4%E5%BA%A6/XLS/NI008.xlsx)，工作表「調查」及「表」。原檔保存在 `data/raw/NI008.xlsx`，SHA-256 見 JSON。

### 2. 同一個早上，樣本內最高流量不在同一格

2025-09-11 同日四個路口，僅比較已提供的 07:00–09:00：

| 路口 | 07 時車次 | 08 時車次 | 變化 | 最高 15 分鐘 | 最高格車次 |
|---|---:|---:|---:|---|---:|
| 內湖路 × 基湖路 | 4,023 | 5,172 | +28.6% | 08:00–08:15 | 1,334 |
| 港墘路 × 瑞光路 | 5,129 | 7,671 | +49.6% | 08:45–09:00 | 1,997 |
| 舊宗路 × 南京東路 × 新明路 298 巷 | 7,796 | 9,622 | +23.4% | 08:00–08:15 | 2,473 |
| 南京東路 × 堤頂大道 | 5,275 | 7,102 | +34.6% | 08:15–08:30 | 1,861 |

**推論：值得按路口與時窗討論分流，不能用一個全區尖峰代替所有位置。** 未取得速度、排隊或容量，不能說其中哪個路口最塞、低流量格有多少可用容量，也不能從這四點推算車流的移動路徑。

另外整理 2025-06-24 的民權東路 × 瑞光路、民權東路 × 舊宗路；畫面按日期切換，不把兩日當同一日路網。

### 3. 就業規模大，但要分清誰能被企業協調

- 產發局公開成果：2025 年調查、2024 年底內湖科技園區 **177,574 名員工、5,112 家進駐企業**。這是企業員工規模，不是每日現場通勤人次。[官方成果頁](https://doed.gov.taipei/News_Content.aspx?n=73330FECE1158864&s=2DF701E460565B64&sms=C03F9F89DEA8E3E6)
- TUIC 引述 108 年度運輸走廊研究：大內科通勤車流中 **57.5% 過境、42.5% 進入**。僅用為歷史背景：經過內科不等於在內科工作。不能將這組比例乘上 2025 路口量，也不是企業錯峰政策效果的上限。[官方研究](https://tuic.gov.taipei/neihu_traffic/)（本輪實際取得 HTML 與其公開 app JS，讀取中文研究正文及參考資料）

**方案目標（PROPOSED）：** 用路口、車種與時間辨識值得查的集中需求，再與可彈性到班企業協調分批。驗證指標要包含通勤時間、排隊、準時率、周邊道路及參與者負擔；需先確認參與者、比較日期與停止條件。自願企業結果不能直接外推全體。

## 資料檔案與口徑

- `data/observations.csv`：可由 Excel 開啟，UTF-8 BOM，6 站 × 10 時間格＝60 列；48 列有調查值、12 列明示 not_surveyed。空格不是零。
- `data/observations.json`：含來源連結、日期、原檔 hash、車種／方向資料與限制。
- `data/raw/*.xlsx`：六份官方原始表，保留未修改。
- `data/build.py`：Python 標準函式庫解析 XLSX XML，重建 JSON、CSV 與前端 data.js。沒有安裝外部套件。

官方索引：[交工處交通流量調查](https://bote.gov.taipei/cp.aspx?n=E0C93DC334AE8028) → 114 年路口資料 → 各站 XLSX。

統計一般、左右慢車道及調撥車道的大型車、小型車、機車；另列匝道與自行車不納入，機車二段轉向不再次加計。SI020 匝道另有數值，不是因為數值為零而排除，也未聲稱所有匝道數值都是重複計數。SI021 南側 B 臂為「-」，屬無此路臂，不作實測零流量方向解讀。

原表在已有調查時間列內的空白移動欄位，按該表計數慣例參與合計；此處有逐方向、逐小時與官方 summary 對帳保障。這不等於一般缺測可以補零。原表晨峰只到 09:00，因此 09:00–09:30 維持 null，未將 8 格硬拆成 10 格。

各站車次不能跨站相加成內湖總進入量；沿路可能重複計同一車輛。日期僅兩個晴天樣本，不代表目前每日常態。小型車不能直接稱私人通勤汽車，大型車不直接等同公車。

## 相對參考版的變更

- 新增官方實測主頁：路口、日期、車種連動，真實 15 分鐘堆疊圖、同日熱力圖及計算所得洞察。
- 保留參考版的需求／排隊互動，增加不同移轉比例的敏感度比較；原配置作為初始狀態。
- 模型結果另頁，不把觀測流量當成無壅塞的潛在抵達需求。原有 1,800 車次、單瓶頸模型僅作機制示例，沒有校準成內湖預測。
- 加上目標與園區規模；技術、原始來源與限制收在資料面板及此文件。

合成模型前提：07:00 初始無排隊、每格均勻抵達、全時段固定容量、無下游回堵。原始後段需求補零；平移後需求完整保留，計算至排隊清空。排隊曲線標示區間端點，熱力格為區間平均；模型等待量為連續區間積分，不能把車小時當成每人的通勤時間。

## 驗證與審查

- PASS：`python3 data/build.py`，288 項「方向 × 小時 × 車種」與原始彙總表對帳，含晨峰 144 項、下午 144 項；前端只用晨峰。
- PASS：`node --test tests/data-model.test.cjs`，資料基準、91.4% 算式、缺測、模型參考值及 2,392 組參數守恆／清空、無效輸入。
- PASS：`node --check app.js`。
- PASS：Chrome headless 實際離線開啟，24 組路口／車種、兩個日期隔離、四個模型快捷情境、滑桿與敏感度、來源面板、390px 三頁無頁面水平溢出、無 JS exception、無頁面 HTTP 請求。手機圖表可在卡片內水平捲動，保留標籤可讀性。
- PASS：桌面、手機與模型頁截圖人工檢視。
- NOT RUN：Safari／Firefox、螢幕閱讀器、真人兩分鐘報告排練、現場試辦與真實效果驗證。

Claude A：先讀參考檔的版面與計算部分，討論以真實資料為首屏的改版方向。其「42.5% 是企業錯峰影響上限」推論證據不足，主審未採用。

獨立 Codex：重讀六份原始 XLSX XML，獨立核對晨峰 144 項與 91.4% 算式；指出匝道口徑及車種圖例問題，已修正。

Claude B：唯讀審查日期隔離、觀測／模型區隔、空值與單瓶頸計算，要求收斂尖峰標題、合成標示及拆分晨／下午驗證數，已修正。後續複核亦加入增量比例 0–100% 與非負成長的標題守門條件，避免未來資料超出時誤述。瀏覽器驗收由主審執行。

重建單檔：`python3 build-standalone.py`。瀏覽器測試需獨立 Chrome headless 在 port 9335，使用暫存 profile，執行 `node tests/browser.test.cjs neihu-dashboard-v2.html`；測試會切換離線後恢復連線狀態，截圖存 `/private/tmp/neihu-v2-*.png`。

## 2026-10-20：報告主線收斂

使用者指出頁面堆放資料，要求先整理可報告的觀點再接續處理。本輪保留既有資料及計算，調整呈現；改版前單檔保存為 `neihu-dashboard-before-focus.html`。

- 首頁改成「分流，也可以從到達時間著手」的提案概況；企業分批為待驗證方案，沒有當成觀測結論。
- 首屏兩張證據圖：同日四路口最高格落在三個時段（依資料計算），以及港墘／瑞光路 07 時至 08 時的車種增量。91.4% 降為這個特定樣本的線索，不當專案主張。
- 完整 KPI、篩選、車種與熱力圖移到「資料深查」，資料來源仍可隨時開啟。
- 分流頁同屏比較四個固定合成情境，抵達小圖及等待橫條共用各自刻度；排隊圖與滑桿收合，點選情境即可展開。排序僅適用該組假設，不代表最佳移轉比例。
- Claude A 與獨立 Codex 討論後採用此收斂方案；Claude B 審查後補上最高格時段數與排序條件。
- PASS：資料／模型四組測試；2,392 組模型參數沿用且重驗；Chrome 驗證新首頁、圖表連結、四案比較、原 24 組路口／車種互動與手機四頁無頁面水平溢出。

可報告的主線是：先展示時段與車種的集中現象，提出企業分批到班的協調目標，再用獨立模型解釋安排方式為何重要。資料尚不能證明企業到班造成集中，也不能指出可安全移入的時窗；這兩項留給連續多日與現場試辦驗證。