TW202009806A - 能針對風災及水災所造成的工商災損進行即時評估及預警的系統 - Google Patents
能針對風災及水災所造成的工商災損進行即時評估及預警的系統 Download PDFInfo
- Publication number
- TW202009806A TW202009806A TW107129139A TW107129139A TW202009806A TW 202009806 A TW202009806 A TW 202009806A TW 107129139 A TW107129139 A TW 107129139A TW 107129139 A TW107129139 A TW 107129139A TW 202009806 A TW202009806 A TW 202009806A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- damage
- business
- disaster
- commercial
- Prior art date
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本發明係一種能針對風災及水災所造成的工商災損進行即時評估及預警的系統,該系統中的一管理伺服器安裝有複數個評估模型,且能與複數個終端裝置及至少一氣象數據監測伺服器相連結,其中,該管理伺服器能根據終端裝置之使用者所對應的地理區域,接收該氣象數據監測伺服器針對前述區域之氣象數據,並將前述氣象數據分別匯入各該評估模型,以能即時地估算出各個使用者之地理區域的災損評估值,且在該災損評估值超過一預設門欄值時,對各個使用者發生預警訊號,如此,本系統便能提醒各個使用者預作防災準備,從而防災於未然,以有效且大幅度地降低所可能遭致之工商災損。
Description
本發明係關於即時評估災害損失並據以預警災害發生的系統,尤指一種針對風災及水災所造成的工商災損,進行即時評估及預警的系統。
按,臺灣係處於天然災害(如:颱風及地震等,其中,尤以颱風衍生之「風災」及「水災」為甚)頻繁之高風險地區,災害往往會造成民眾生命財產嚴重損失,以災害防救科技協助政府施政,達成有效減輕災害損失與民眾傷亡之目的,不僅為政府施政優先考量之一重要課題,亦為相關學術界及產業界長年以來始終關注且亟欲解決之一重要議題,發明人身為「國家災害防救科技中心」,為了能有效提升災害防救科技水準,多年來始終致力於跨領域、跨部會地整合各式災害資訊及防救科技資源,以期能將相關之防災研發成果落實在政府災害管理的施政上,而有效達成預防機先、且能實現大幅降低民眾生命及財產損失之最終目的。
查,「國家災害防救科技中心」(即,申請人及發明人所屬之單位,以下簡稱「災防科技中心」)係中華民國「行政院科技部」為掌理推動國家基礎及應用科技研究發展工作,特別設置之一「行政法人」,用以協調、規劃及推動災害防救科技研發之相關事宜,並協助及支援防災科技研 發及落實應用等工作。有鑑於此,「災防科技中心」藉由整理近年來國內外災害事件之數據樣本、災害趨勢的檢討資料與防災技術的盤點資料...等資訊,並在考量大環境需求及「災防科技中心」人力資源之屬性後,特別針對未來災防科技需強化及積極發展之工作重點,整理如下:一、建構一早期預警與應變之網路平台;二、建構一能評估災害風險之諮詢及服務平台;及三、建構一能有效提升防災能力之諮詢及服務平台。
在前述工作重點中,「災防科技中心」更欲在2017年~2020年間特別加強下列之重要課題:一、應增加面對災害應變管理之新思維:關於此,「災防科技中心」特別對第三屆世界減災會議於2015年3月在日本仙台市所通過之「2015-2030減災綱領」中針對未來所提出之7大減災目標與4大優先推動工作項目內容進行翻譯,以提供給政府、學術及產業等相關單位做為防災之研究參考,以在後續將其對應之架構、內容與目標規劃及研發提案成為我國應有之施政作為及建議,從而令我國之防災施政及作為能與世界各先進國家同步;二、應實現更完整且精準的災害縱向分析結構:查,國際科學理事會(International Council for Science;ICSU)在所執行之「災害風險整合研究」(Integrated Research on Disaster Risk;IRDR)計畫之分析研究中曾指出,世界各國過去在災害課題的處理上,主要均是經由災害經驗學習回饋而來的作法(此即,所謂的回顧型縱向評估Retrospective Longitudinal Analysis,簡稱RLA),然而,近年來,伴隨著全球氣候之 巨幅變遷及諸多極端環境之變化等事件,未來,對於天然災害的認識,顯然應更著重在如何對災害情境執行更精準地推測及評估之工作(Projective Longitudinal Analysis,簡稱PLA)上,以期有能力面對變化多端之災害事件所帶來的嚴峻挑戰。針對此,「災防科技中心」近年來特別在工作的規劃上朝此方向大步邁進,除努力地根據過往各大天然災害等事件,詳細地進行災因分析、勘災調查及現況評估外,尚分別據以製作對應之災害事件簿,以持續對各大天然災害事件之來龍去脈累積經驗及應對能力,並針對近年來發生之諸多極端氣候所衍生的災害事件,如:極端降雨所造成之大規模土石崩塌、大規模地震及氣候變遷等議題,分別進行專案研究,以期未來能強化對其可能情境之推測及估算,從而作為精準評估致災影響之基礎;三、應令防災預警技術更為細緻且精準:在面對災害議題處理方面,經由檢討及分析可清楚得見,不論在解析度或時間與空間之尺度上,均需要更細緻的巨量資料與處理技術,始能達成令防災預警技術更為細緻且精準之目標,據此,「災防科技中心」特別地加強了此一方面工作之推動,包含如:針對都會區之防洪預警,提升淹水預警的層次至更為細緻化之網格預警分析技術,從而能據以製作不同防護等級的風險警示圖;針對極端災害事件(如:短延時之強降雨),提高對極短時災害天氣之即時預警能力(短延時強降雨、極短時災害天氣預警);提高對災害損失之即時評估能力...等;及四、應善用新發展之科技,實現令防災技術的應用能深入群眾生活中之目標:隨著時代的進步及資訊科技的日新月異,有更多的創新科技能被 加值應用至防災工作中,如:近年來熱門的航空遙測技術即為一最好的例子;另,透過近年來火紅的智慧型手機及社群網路等,人們對於接受最新資訊的管道及來源亦與過去大不相同,因此,如能善用該等創新科技,如:對相關巨量資訊之分析加值、對各式情資之蒐集(Resource Pooling)與整合、社群網路(Social Media)之近時或即時資訊在災害防救上的應用;雲端運算、高速行動網路(如:5G)或物聯網在災害防救上的應用;3D及視覺化技術在災害防救上的運用;及跨裝置(手機、平板、桌機等)、跨平台服務在災害防救上的應用...等;而令各該創新科技能順利地被加值應用至防災工作,則勢必更能有效地提高防災作業的執行效能及成果。
近年來,國內外頻傳的重大天然災害事件,使得社會各界對災害防救工作更加關注及重視,茲以臺灣本島為例,在社經與自然環境各方面快速演變的情勢發展下,增加了許多新的災害防救議題與需求,此一現象,亦使得整個社會所面臨的潛在災害威脅逐漸增加,從而迫使政府部門與社會各界必需努力正視、規劃與調整發展中的諸多現象及問題,始有能力因應未來災害防救工作的任務及課題。茲以由「災防科技中心」負責,結合政府各相關部會共同推動之「國家氣候變遷調適政策災害領域行動方案」為例,特別是在「溫室氣體減量及管理法」通過後,在各相關領域的調適過程中,各相關主管單位皆必須具體地提出因應之調適行動方案,「災防科技中心」也因此而累積了相當可觀之研究成果可提供政府各相關部會參考使用。嗣,基於中央與地方政府對防災意識的日益提升,各級政府對災害防救工作自然也愈來愈趨重視,從而對防災科技的需求(如:防救災圖 資、應變資訊、災害脆弱度分析等)亦日趨殷切。正因為社會各界及政府對防災科技需求之日益提高,而令「災防科技中心」能據以順利結合各層級的資源、協調各層級的單位,共同合作研發及推動相關之災防科技任務。
此外,為因應全球氣候及環境的變化,災害管理在各階段(減災、整備、應變及重建)的需求,勢必更為多元且艱鉅。查,英國風險管理顧問公司(Maplecroft)曾針對世界各國經濟活動暴露於天災的風險,進行大規模的研究及分析,並據以提出了災害風險分析圖輯(Natural Hazards Risk Atlas 2011),其中,在考量地震、火山、海嘯、暴風雨、洪水、山崩等天災事件後,該風險管理顧問公司特別在其分析報告中清楚指出,全球196個國家中,若單以計算絕對價值(即,以美元計價的天災整體損失),臺灣經濟活動之天然災害風險排名全球第四,因而該風險管理顧問公司將臺灣列為天然災害之「高度風險」地區,而近年來屢見不鮮的「複合型災害」,如:卡玫基、辛樂克、莫拉克與蘇迪勒等颱風所造成的災害不僅規模日漸擴大,甚至,遠超過科技防護極限或過去災害經驗所能預期者,均屬於特殊且極端之個案,因此,現有災害防救計畫、防護標準與運作機制,自然有應予以立即改善與加強之迫切需要。
有鑑於此,如何將臺灣在過去歷年來因颱風所衍生之風災及水災災害而累積之豐富的氣象數據、災損數據及災損分佈區域等數據樣本,予以彙整、分析及運算,以建構出各區域之災損評估與預警系統,以能有效且大幅度地降低所可能遭致之工商災損。即成為發明人及相關學術及產業界刻正努力研究,亟待突破之一重要議題,亦為本發明在此欲探討及揭櫫之一重要課題,以期能有效提升都會區工商業界及其關鍵設施的防 災能力,且能在預警發生重大工商災損的時空間解析能力上更能滿足工商業界的迫切需求,令工商業界能即時地認知及識別災害的來臨,從而能面對災害,快速因應,研擬出最佳之防災對策,從而達成降低災害損失之目標。
針對前述在臺灣每年幾乎都會因颱風或其它異常天候衍生的「風災」及「水災」造成諸多地區發生工商災害損失之問題,發明人根據多年來專研世界各國在防災預警機制研究上之豐富經驗,再搭配臺灣各相關主管機關、學術界及產業界所累積及提供之歷年來關於「風災」及「水災」之巨量數據樣本的輔助下,經過長久努力地分析、研究與實驗,終於開發設計出本發明之一種能針對風災及水災所造成的工商災損進行即時評估及預警的系統,以能有效且大幅度地降低所可能遭致之工商災損。
本發明之一目的,係提供一種能針對風災及水災所造成的工商災損進行即時評估及預警的系統,該系統包括複數個終端裝置、網際網路、一管理伺服器及至少一氣象數據監測伺服器,其中,各該終端裝置係為登錄至該系統之保險戶所分別擁有者,且能透過該網際網路,分別與該管理伺服器相連線,該管理伺服器則係透過該網際網路,分別與各該氣象數據監測伺服器相連線,其中,該管理伺服器內安裝有至少一工商風災損評估模型及一工商水災損評估模型,各該評估模型係根據各相關單位所提供歷年來在颱風影響期間內各區域之相關工商災損數據樣本及各區域當時之氣象數據樣本,在確定以「工商災損金額」作為「依變數」(dependent variables),且以各區域的地理座標、各區域當時對應之氣象數據、產業別、 使用樓層及總保險金額等...分別作為「自變數」(independent variables)後,分別將每筆工商災損數據樣本中對應之各該自變數代入至少二個多元迴歸方程式(multiple linear regression equation)中,以透過解方程式運算,分別建構出各區域之該工商風災損評估模型與該工商水災損評估模型,且將至少一評估模型安裝至該管理伺服器內;俟該管理伺服器自各該氣象數據監測伺服器,獲取某一指標區域當前之氣象數據,且在判斷出該指標區域當前之氣象數據異常時,即會自一保險戶資料庫中讀取對應於該工商災損評估模型中自變數之各保險戶基本資料,嗣,根據各保險戶之地理座標,分別自各該氣象數據監測伺服器,讀取各保險戶地理座標所對應之當前氣象數據,使得該管理伺服器能將各保險戶之基本資料及各保險戶地理座標所對應之當前氣象數據,逐一匯入至該工商災損評估模型,從而即時地估算出各保險戶當前之工商災損評估值,俟該管理伺服器判斷出各保險戶所在地理座標位置區域之工商災損評估值及淹水深度評估值已分別超過一預設門欄值時,該管理伺服器即會將超過該預設門欄值之各該區域分別標註為一預警區域,且會自動針對登錄至該系統成為保險戶且地理座標分佈在各該預警區域內之保險戶,標註為待示警保險戶,以透過網際網路,逐一地向各該待示警保險戶所屬之各該終端裝置發出預警訊號,提醒各該待示警保險戶必需預作防災準備,從而防災於未然,以有效且大幅度地降低所可能遭致之工商災損。
為便 貴審查委員能對本發明的實施原理、結構特徵及其目的有更進一步地認識與理解,茲舉實施例配合圖式,詳細說明如下:
無
10‧‧‧終端裝置
20‧‧‧網際網路
30‧‧‧管理伺服器
40‧‧‧氣象數據監測伺服器
51‧‧‧保險戶資料庫
52‧‧‧工商災損歷史數據樣本資料庫
工商災損數據對應當時氣象數
53‧‧‧據的歷史樣本資料庫
55‧‧‧地址與地理座標對照資料庫
70‧‧‧預警區域
80‧‧‧待示警保險戶
90‧‧‧通訊系統
100~106‧‧‧步驟
200~209‧‧‧步驟
第1圖係在本發明之系統架構示意圖;第2圖係在本發明之一較佳實施例中,根據歷年來工商災損歷史數據樣本資料庫,建構各區域之工商災損評估模型的流程示意圖;第3圖係該工商災損歷史數據樣本資料庫所含蓋之災害事件名稱的年度表列示意圖;第4圖係該工商災損歷史數據樣本資料庫所含蓋之理賠案數據樣本的產業分類示意圖;第5圖係該工商災損歷史數據樣本資料庫所含蓋之理賠案在臺灣各地區之樣本分佈數量示意圖;第6圖係該工商災損歷史數據樣本資料庫所含蓋之災損樣本數量的年度統計示意圖;第7圖係該工商災損歷史數據樣本資料庫所含蓋之災損樣本在產業類型及比例上的統計示意圖;第8圖係該工商災損歷史數據樣本資料庫所含蓋之災損樣本在災害種類及比例上之統計示意圖;第9圖係該工商災損歷史數據樣本資料庫所含蓋之災損樣本在風災災損項目及比例上之統計示意圖;第10圖係該工商災損歷史數據樣本資料庫所含蓋之災損樣本在風災災損金額及比例上之統計示意圖;第11圖係本發明之能針對風災及水災所造成的工商災損進行即時評估及預警的系統之處理流程示意圖; 第12圖係本發明之系統標註各預警區域及待示警保險戶的畫面示意圖;及第13圖係本發明之系統對各待示警保險戶寄發預警訊息的畫面示意圖。
有鑒於歷年來在颱風影響期間內,臺灣各區域工商及服務業在經濟上的災害損失(以下簡稱「災損」)係分別與各該工商營業單位的經營利益有關,因此,各該災損的數據樣本經常會被列為公司機密,而不對外公開,使得有心進行災損評估及研究的相關學術界及產業界,長久以來,均因缺乏工商災損的基礎資料,而始終難能建構有關工商災損的具體評估模型及其系統。據此,發明人乃思及與在臺灣成立歷史悠久且營業項目與工商服務業的產物保險息息相關之「富邦產物保險公司」(以下簡稱「富邦產險」),進行合作,且雙方幾經協商,乃於2015年起正式達成合作協議,共同針對臺灣各地區因風災及水災所造成的工商災損的即時評估及預警系統進行研究及開發。
請參閱第1圖所示,本發明係一種能針對風災及水災所造成的工商災損進行即時評估及預警的系統,該系統包括複數個終端裝置(如:智慧型手機或電腦)10、網際網路20、一管理伺服器30及至少一氣象數據監測伺服器40(如:中央氣象局之即時氣象伺服器與水利署之淹水預警範圍伺服器),其中,各該終端裝置10係為登錄至該系統之保險戶(或稱之為「會員」,可為個人、公司或其員工等)所分別擁有者,且能透過該網際網路20,分別與該管理伺服器30相連線,該管理伺服器30內安裝有至少一工商災損評估模型(如:一工商風災損評估模型或一工商水災損評估模型),且該管理伺服器30能分別與各該氣象數據監測伺服器40、一保險戶資料庫51、一工 商災損歷史數據樣本資料庫52及一地址與地理座標對照資料庫55相連線,本發明在建構該系統,以使該系統能據以評估臺灣各區域工商災損時,其所需之該工商災損評估模型,主要係依第2圖所示之下列處理步驟,分別建構該工商災損評估模型。
(100)首先,建立該工商災損歷史數據樣本資料庫52:在發明人與「富邦產險」研究開發的合作期間,係由「富邦產險」將其歷年來專業從事產物保險所累積因颱風衍生水災及風災造成工商災損而申請出險理賠的巨量災損數據樣本資料,提供予發明人,且依據發明人指定之資料格式,逐一將每筆災損數據樣本輸入至電腦,以建構出該工商災損歷史數據樣本資料庫52,該資料庫52內至少包含受災戶之基本資料(如:產業別、使用樓層)、受災戶之受災經驗(如:受災事件、受災日期)及損失金額(如:建物損失金額、裝潢損失金額、機械設備損失金額及停工損失金額...等項目)等,請參閱第3圖所示,該工商災損歷史數據樣本資料庫52含蓋,自2001年起至2016年止,共計16年間發生之40場颱風或豪雨所造成的工商災損理賠案之數據樣本,共計1,293筆,其中,請參閱第4圖所示,其中,產業別共計15類,而依產業別之樣本數,工業界共計274筆,商業界則共計1,019筆,且其在各地區分佈之樣本數量,請參閱第5圖所示,又以臺北市及新北市的數量為最高,分別為約250筆,桃園市與臺中市分別為約180與100筆,其他縣市的筆數則低於100筆。復請參閱第2圖所示,針對該工商災損歷史數據樣本資料庫52之建置,發明人與「富邦產險」為了考量到樣本資料的機密性,在記錄每筆個案的資料時,除僅以唯一的編號分別代表不同的受災戶之外,對於受災地點亦僅以發生之區域(或路段)範圍(例如,新北市新 店區北新路1-300號),進行記錄,而不記錄明確之地址;(101)將該工商災損歷史數據樣本資料庫52內每一筆工商災損數據樣本與中央氣象局提供之當時的氣象數據予以彙整及合併:在該工商災損歷史數據樣本資料庫52建置完成後,由於每一筆工商災損資料的發生地點均係以發生之區域範圍,進行記錄,而無明確之地址,因此,在進一步針對中央氣象局提供之當時的氣象數據,對該工商災損歷史數據資料庫52執行擴充建置時,僅需將中央氣象局所提供歷年來颱風災害發生當時最接近該區域範圍之氣象監測站測得的氣象數據(如:24小時之累積雨量及最大風速),匯入至該區域範圍內每一筆災損個案對應之氣象數據欄位內,即能在該工商災損歷史數據樣本資料庫52中擴建出每一筆災損理賠樣本分別與對應之各該區域範圍及其當時氣象數據間之關係,從而擴充建置出一工商災損數據對應當時氣象數據的歷史樣本資料庫53;(102)對該工商災損數據對應當時氣象數據的歷史樣本資料庫53中各區域範圍內之工商災損數據進行描述性統計(descriptive statistics):依據該工商災損數據對應當時氣象數據的歷史樣本資料庫53內之資料,對各區域範圍內之各該工商災損數據,進行描述性統計,瞭解工商災損樣本的基本統計數據。在此特別一提者,由於新北市與臺北市的受災樣本較多,其統計結果可代表雙北地區的歷史工商災損情況,故此步驟以雙北地區的樣本為例,進行描述統計,合先陳明。在前述工商災損之理賠樣本數據中,請參閱第6圖所示,歷次颱風衍生之水災及風災所造成的災損,又分別以2007、2012及2013年颱風衍生之水災及風災所造成的災損樣本數量較多,約佔災損總樣本數量近七成,所對應的颱風事件依序是柯羅 莎颱風、蘇拉颱風及蘇力颱風等;在產業別方面,請參閱第7圖所示,係以商業及服務業的樣本數較多,約佔災損總樣本數量近九成,其主要之受災型態,請參閱第8圖所示,係以風災為主,約佔八成以上;(103)俟完成描述性統計後,即能定義出該工商災損評估模型中之自變數(independent variables,或稱之為「前置變項」)及依變數(dependent variables,或稱之為「後果變項」):發明人藉由對該工商災損數據對應當時氣象數據的歷史樣本資料庫53中各地區內每一筆工商災損數據樣本進行相關性分析、比對及整理後,清楚地發現,應將每一筆工商災損數據樣本中之「理賠金額」設定為「後果變項」,且將其「基本資料」(如:產業別、所在區域、樓層及總保險金額)及當時的氣象數據(如:24小時之累積雨量及最大風速)設定為「前置變項」,如此,即能據以建構出精準可行之一工商災損評估模型,從而令該工商災損評估模型能作為研擬災害預警及防災策略的評估工具;在本發明中,發明人為避免「理賠金額」不符合常態分布,而在針對該工商災損數據對應當時氣象數據的歷史樣本資料庫53中之每一筆災損理賠樣本,進行資料分析時,違反了多元迴歸與相關分析的相關假設,故,在本發明執行後續多元迴歸方程式的運算及分析過程中,發明人乃特別將每一筆災損理賠樣本之「理賠金額」取log10計算,以使其能較符合常態分布,從而有效增加該多元迴歸方程式的統計結果。另,本發明主要係先以皮爾森相關係數(Pearson’s correlation coefficient)進行相關分析,找出造成工商及服務業災損的重要因子(以下簡稱為「致災因子」),接著,始藉多元迴歸(multiple regression)方程式的分析及運算,建構一工商災損評估模型(如:一工商風災損評估模型或一工商水災損評估模型);關於 該工商災損數據對應當時氣象數據的歷史樣本資料庫53中造成工商災損的致災因子之研究及分析,發明人認為,在該工商災損數據對應當時氣象數據的歷史樣本資料庫53中因地面淹水及地下室淹水造成災損的樣本數較少,故在考慮到樣本代表性之前提下,在本發明中,主要係先針對風力破壞所造成的風災損,建構該工商災損數據對應當時氣象數據的歷史樣本資料庫53所對應之一工商風災損評估模型,待日後蒐集到有關因地面淹水及地下室淹水所造成的工商災損的足夠樣本數量後,即能循同樣的程序及模式,建置出相對應的工商災損歷史數據樣本資料庫及其所對應之一工商水災損評估模型,合先指明。
嗣,在發明人針對該工商災損數據對應當時氣象數據的歷史樣本資料庫53內之每一筆數據樣本進行統計及分析後,有鑑於強風吹襲對工商及服務業所造成的損害,請參閱第9圖所示,主要是建物附屬構造(如:招牌、門窗及其玻璃、頂樓加蓋的遮陽棚或遮雨棚...等),其次是內裝/辦公室裝潢及設備;至於風災損失金額之比例方面,請參閱第10圖所示,則以內裝/辦公室內裝潢及設備在總理賠金額中,所佔的比例最大為59%;此外,針對該工商災損數據對應當時氣象數據的歷史樣本資料庫53中之每一筆樣本數據進行相關性研究及分析後,亦清楚顯示,如下表1所示,每筆理賠樣本之總保險金額及理賠金額與各致災因子(如:颱風24小時的累積雨量、颱風最大風速、營業場所樓高)間,顯然存在著正相關,換句話說,即,最大風速愈大、營業場所樓高愈高及總保險金額愈大者,其所獲得之理賠金額就愈大;
雖然,前述關聯係數顯示兩個致災因子(或「前置變項」、自變數)與理賠金額(或「後果變項」、依變數)之關聯強度,但是,卻無法顯示多個致災因子與理賠金額間之關係;(104)執行多元迴歸方程式之分析及運算:本發明在進行多元迴歸方程式之分析及運算前,特別以表1所示之各該致災因子作為一多元迴歸方程式的「前置變項」,同時,以「理賠金額」作為該多元迴歸方程式的「後果變項」,並據以將該工商災損數據對應當時氣象數據的歷史樣本資料庫53中每一筆理賠樣本對應之「理賠金額」及各該「致災因子」逐一匯入至該多元迴歸方程式,執行運算,即能在求得該多元迴歸方程式中的每一係數後,建構出本發明所稱之一工商風災損評估模型;雖然,表1所示之致災因子,如:颱風24小時累積雨量、產業別及是否使用地下室?在相關 分析中,並未達到顯著標準,但是,該等致災因子仍能被做為「前置變項」,而被匯入至本發明所稱之該工商風災損評估模型中,且清楚顯示,其多元迴歸之評估結果,如下表2所示,在係數方向的表現上仍與上表1所示一致,也就是說,排除了「颱風24小時累積雨量」、「產業別」及「是否使用地下室?」等致災因子的影響之後,「颱風最大風速」、「營業場所樓高」及「總保險金額」仍能據以預測災損理賠金額,因此,顯示該三項致災因子仍是災損評估的重要評估因子。
因該多元迴歸方程式中之係數大小涉及發明人與「富邦產險」間相互約定之營業機密,故,在本發明中,恕發明人無法將該多元迴歸方程式之運算結果及該工商風災損評估模型中之各係數,予以公開,而僅能以符號及正負號列出係數之特性,以供瞭解理賠金額與各致災因子間 之正相關性或負相關性。此外,由於,本發明係發明人與「富邦產險」合作之研究成果,期能藉「富邦產險」歷年來所累積之寶貴的全臺工商及服務業颱風災損理賠的數據樣本,建構本發明所需之該工商風災損評估模型,然而,基於各該災損理賠樣本主要是歸因於風災損失,且由災損理賠結果亦發現,強風對工商及服務業最常造成的損失項目是建物附屬結構的破壞,內裝/辦公室裝潢則對損失金額有較大的影響,據此,再配合數據相關性及多元迴歸分析及運算,更清楚顯示最大風速、樓高及總保險金額亦是能據以評估風災損失的重要因子,基於前述之研究結果,顯然在颱風來臨期間,工商及服務業最需要戰戰兢兢持續注意的致災因子可能是颱風的最大風速,並應據以針對營業場所的建物附屬結構與內裝進行相對應的備災及防災措施,以使災損能降至最低。
按,本發明在執行該多元迴歸方程式之分析及運算時,主要係將該工商災損歷史樣本資料庫53內每一筆災損樣本所對應之前述依變數及自變數依序且逐一地匯入至下列之一多元迴歸方程式(1):
,在本發明之下列多元迴歸分析及運算中,主要係依「依變數Y之期望值為自變數Xi,i=1、2、...、k之函數,且εi為獨立的隨機誤差變數」的理論基礎,故,依線性模式,假設有k+l個變數Y和X1、X2、......、Xk;其中,Xi為k個自變數;Y則為依變數,係依自變數Xl改變而隨機改變之變數,因此,上式方程式(1)亦能以矩陣表示為下列方程式(2)所示:
嗣,對上列方程式(3)及(4)中之參數B0、B1、...、Bk進行運算,並設b1、b2...、bk分別為參數之最小二乘估計值,再令Q(B0、B1、...、Bk)為零(最小),並據以獲得下列之正規方程組式(5):
據此,該正規化方程式(5)的矩陣型式即成為如下所示:(X 'X)b=X 'Y或Ab=B,其中b=(b0、b1...、bk)為該正規化方程式(5)之未知數。在係數矩陣A滿秩條件下,(XX)之逆矩陣存在,故係數b可由下列方程式(8)求得:b=(X'X)-1 X'Y (8),且經由上列方程式(8),而推算求得下列方程式(9)所示之一多元線性模型Y=b 0+b 1 X 1+b 2 X 2+b 3 X 3+……+b K X K (9)
(105)判斷災損評估模型能否通過統計假設檢驗?若是,即繼續下列步驟;否則,返回步驟(102),重新調整各該「自變數」之設定後,繼續執行本發明之多元迴歸分析及運算;及(106)獲得災害損失評估模型(即,方程式(9))。
按,依據社會科學之統計研究顯示,為了找出災害損失與致災因子間的關係,經常會使用到多元迴歸(multiple regression)來建構一預測模型,以便在未來,能根據當前之致災因子,即時地評估出當前之災害損失,其中,多元的意思係指此一預測模型含有多個自變數(independent variable,或稱之為「前置變項」,即,致災因子),本發明運用多元迴歸方法主要係為了瞭解依變數(dependent variable,或稱之為「後果變項」,即,災害損失)與多個自變數(independent variable)間的數量關係,並找出與該依變數顯著相關的該等自變數,從而除了能據以在數學上建立一評估工商風 災損之預測模型之外,尚期望能在日後藉由蒐集不同量化的自變數(颱風24小時累積雨量),再透過該風災損預測模型的同樣建構程序及模式,據以在數學上建立一評估工商水災損之預測模型,來預測或推估24小時的累積雨量對工商業損失所可能造成的衝擊。
據此,發明人在此特別聲明,由於該多元迴歸(multiple regression)理論之本身及其中所使用之多元迴歸方程式及其運算與分析,均屬本發明前既存之習知技藝及理論,而非本發明所欲主張保護之重點;反之,本發明所欲主張保護之技術核心,則係在,透過對該工商災損數據對應當時氣象數據的歷史樣本資料庫53內每一筆樣本中各項數據間關聯性之歸納、統計及整理後,確定以「工商風災損」與「工商水災損」分別作為「依變數」(dependent variables),且以各區域的地理座標(如:經緯度)、各區域對應之氣象數據(如:24小時的累積雨量及最大風速)、「產業別」、「使用樓層」及「總保險金額」等...分別作為「自變數」(independent variables)後,將該工商災損歷史樣本資料庫53內每一筆樣本中各項對應數據分別匯入至少二個多元迴歸方程式(multiple regression equation)中,以透過解方程式運算,分別建構出一工商災損評估模型,復請參閱第1圖所示,且將各該風災或水災損評估模型分別安裝至該管理伺服器30內,即能據以建立本發明之一即時災損評估及預警的系統,使得該管理伺服器30能執行下列步驟,請參閱第11圖所示,以具體實現對當前工商風災損或水災損的評估,並據以執行災損及淹水的預警:(200)該管理伺服器30會透過該網際網路20,與至少一氣象數據監測伺服器40(如:中央氣象局之即時氣象數據監測伺服器)相連線,且自各該 氣象數據監測伺服器40,讀取該氣象數據監測伺服器40所發佈之即時氣象數據(如:「24小時的累積雨量數據」及/或「最大風速數據」);(201)在該管理伺服器30判斷出某一指標區域(如:台北市之新店區)當前之氣象數據是否異常?在判斷出該指標區域當前之氣象數據異常(如:「24小時的累積雨量」大於歷史之平均累積雨量或「最大風速」大於歷史之平均風速)時,即執行步驟(202);否則,返回步驟(200),讀取該氣象數據監測伺服器40在下一時段所發佈之即時氣象數據;(202)該管理伺服器30會與該保險戶資料庫51相連線,以自該保險戶資料庫51中,讀取對應於該工商災損評估模型中各自變數之各保險戶的基本資料(如:地理座標、產業別、使用樓層及總保險金額等);(203)該管理伺服器30會根據各保險戶之地理座標,分別自各該氣象數據監測伺服器40,讀取各保險戶地理座標所對應之當前氣象數據(如:各該地理座標所對應之當前「24小時累積的雨量數據」及/或「最大風速數據」);(204)使得該管理伺服器30能將各保險戶之基本資料及各保險戶之地理座標所對應之當前氣象數據,逐一地匯入至該工商災損評估模型;(205)從而即時地估算出各保險戶當前之工商災損評估值;(206)該管理伺服器30會判斷各保險戶所在地理座標位置當前之工商災損評估值是否已分別超過一預設門欄值(如:該保險戶之總保險金額或該地理座標區域範圍內之歷史平均出險金額)?,若是,即繼續步驟(207);否則,返回步驟(202);(207)當該管理伺服器30判斷出各保險戶所在地理座標位置之工商災損評 估值已分別超過一預設門欄值(如:該保險戶之總保險金額或該地理座標區域範圍內之歷史平均出險金額)時,請參閱第12圖所示,該管理伺服器30即會將超過該預設門欄值之各該地理座標位置的所在區域分別標註為一預警區域70,且會自動將登錄至該系統成為保險戶且地理座標位置分佈在各該預警區域70內之保險戶,標註為待示警保險戶80;(208)該管理伺服器30會自該保險戶資料庫51中,讀取各該待示警保險戶80之通訊資料(如:電子郵件地址及手機號碼等),以透過該網際網路20或一通訊系統90,逐一地向各該待示警保險戶80所屬之各該終端裝置10發出如第13圖所示之預警訊息,提醒各該待示警保險戶80必需預先執行防災準備,以有效防災於未然,從而能大幅地降低所可能遭致之工商災損。
以上所述,僅係本發明之若干較佳實施例,惟,本發明在實際施作及應用時,其特徵並不侷限於此,尤其是,不限於被應用至工商服務業,凡相關技術領域之人士,在參酌本發明之技術內容後,所能輕易思及之等效變化,均應不脫離本發明之保護範疇。
10‧‧‧終端裝置
40‧‧‧氣象數據監測伺服器
51‧‧‧保險戶資料庫
90‧‧‧通訊系統
200~209‧‧‧步驟
Claims (7)
- 一種能針對風災及水災所造成的工商災損進行即時評估及預警的系統,該系統包括:一管理伺服器,其內安裝有一工商災損評估模型,該工商災損評估模型係根據各相關單位所提供之歷年來颱風影響期間內各區域之工商災損數據樣本及各區域當時之氣象數據樣本,且在確定以每筆災損數據樣本中之工商災損之數據分別作為該工商災損評估模型所對應之一多元迴歸方程式的依變數,且以每筆災損數據樣本中之地理座標、當時對應之氣象數據、產業別、使用的樓層及總保險金額之數據分別作各該評估模型所對應之多元迴歸方程式的自變數,嗣,將各該數據分別匯入至對應之各該多元迴歸方程式中,透過解方程式運算,即能分別建構出各區域之該工商災損評估模型;一保險戶資料庫,係與該管理伺服器相連線,且其內儲存有登錄至該系統之複數位保險戶的基本資料,各該基本資料至少包括各該保險戶之所在地理座標、產業別、所在樓層及總保險金額;網際網路;至少一氣象數據監測伺服器,係能在每隔一預定時段內發佈一即時的氣象數據,且能分別透過網際網路,與該管理伺服器相連線,以將即時的氣象數據傳送予該管理伺服器;及複數個終端裝置,係為登錄至該系統之保險戶所分別擁有者,且能透過該網際網路,分別與該管理伺服器相連線;俟該管理伺服器自各該氣象數據監測伺服器,獲取到某一指標區域當前之氣象數據,且判斷出該指標區域當前之氣象數據異常時,即會自該保險戶資料庫中逐一讀取對應於該工商災損評估模型中自變數之各保險 戶基本資料;嗣,根據各保險戶之地理座標,分別自各該氣象數據監測伺服器,讀取各保險戶地理座標所對應之當前氣象數據,使得該管理伺服器能將各保險戶之該等基本資料及各保險戶地理座標所對應之當前氣象數據,逐一地匯入至該工商災損評估模型中,從而即時地估算出各保險戶當前之工商災損評估值,俟該管理伺服器判斷出各保險戶所在地理座標位置區域之該工商災損評估值已分別超過一預設門欄值時,該管理伺服器即會將超過該預設門欄值之各該區域分別標註為一預警區域,且會自動針對登錄至該系統成為保險戶且地理座標分佈在各該預警區域內之保險戶,標註為待示警保險戶,以透過網際網路或一通訊系統,逐一地向各該待示警保險戶所屬之各該終端裝置發出預警訊息。
- 如請求項1所述之系統,該工商災損評估模型係一工商風災損評估模型,其中,該工商風災損評估模型所對應之多元迴歸方程式係以風災所造成之工商災損作為該多元迴歸方程式之依變數,且該工商災損包括風災造成之建物損失金額、裝潢損失金額、機械設備損失金額及停工損失金額之項目,該多元迴歸方程式之自變數則為保險戶之地理座標、該地理座標當時對應之氣象數據、保險戶之產業別、使用樓層及總保險金額。
- 如請求項1所述之系統,該工商災損評估模型係一工商水災損評估模型,其中,該工商水災損評估模型所對應之多元迴歸方程式係以水災所造成之工商災損作為該多元迴歸方程式之依變數,且該工商災損包括括水災造成之建物損失金額、裝璜損失金額、機械設備損失金額及停工損失金額之項目,該多元迴歸方程式之自變數則為保險戶之地理座標、該地理座標當時對應之氣象數據、保險戶之產業別、使用樓層及總保險金額。
- 如請求項2至3任一項所述之系統,其中,該氣象數據係各地理座標所對應之當時24小時累積的雨量數據及/或最大風速數據。
- 如請求項2至3任一項所述之系統,尚包括一工商災損數據歷史樣本資料庫,其中,該預設門欄值係該工商災損數據歷史樣本資料庫中各保險戶所在地理區域之歷史平均出險金額。
- 如請求項2至3任一項所述之系統,其中,該預設門欄值係各保險戶之總保險金額。
- 如請求項2至3任一項所述之系統,其中,該預設門欄值係所在地理座標區域範圍內最高的總保險金額。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107129139A TWI674540B (zh) | 2018-08-21 | 2018-08-21 | 能針對風災及水災所造成的工商災損進行即時評估及預警的系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107129139A TWI674540B (zh) | 2018-08-21 | 2018-08-21 | 能針對風災及水災所造成的工商災損進行即時評估及預警的系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI674540B TWI674540B (zh) | 2019-10-11 |
TW202009806A true TW202009806A (zh) | 2020-03-01 |
Family
ID=69023913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107129139A TWI674540B (zh) | 2018-08-21 | 2018-08-21 | 能針對風災及水災所造成的工商災損進行即時評估及預警的系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI674540B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354163A (zh) * | 2020-03-06 | 2020-06-30 | 广东电网有限责任公司 | 一种监测水位稳定的防涝预警方法、系统及设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI720857B (zh) * | 2020-03-26 | 2021-03-01 | 多采工程顧問有限公司 | 淹水預測系統及其方法 |
CN117726237B (zh) * | 2024-02-07 | 2024-05-10 | 四川大学华西医院 | 即时评估方法、装置、计算机设备及可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM338412U (en) * | 2007-12-11 | 2008-08-11 | Inst Of Transportation Motc | Disaster pre-warning data switchboard |
CN102209099B (zh) * | 2011-01-21 | 2013-09-25 | 河海大学 | 水利枢纽突发水灾害应急处置工作方法及系统 |
TW201627955A (zh) * | 2015-01-19 | 2016-08-01 | xiang-feng Cai | 災害前置預警系統 |
US20180247382A1 (en) * | 2015-01-29 | 2018-08-30 | Jtb Corp. | Risk information distribution device and risk information distribution method |
-
2018
- 2018-08-21 TW TW107129139A patent/TWI674540B/zh active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354163A (zh) * | 2020-03-06 | 2020-06-30 | 广东电网有限责任公司 | 一种监测水位稳定的防涝预警方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
TWI674540B (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10796394B2 (en) | Estimation of damage prevention with building retrofit | |
Ellingwood et al. | The Centerville virtual community: A fully integrated decision model of interacting physical and social infrastructure systems | |
Finch et al. | Disaster disparities and differential recovery in New Orleans | |
Pita et al. | Hurricane vulnerability modeling: Development and future trends | |
US10740684B1 (en) | Method and system to predict the extent of structural damage | |
US11392841B2 (en) | System to monitor and process water-related data | |
Kaltenberger et al. | “What the weather will do”–results of a survey on impact-oriented and impact-based warnings in European NMHSs | |
Zuzak et al. | The national risk index: establishing a nationwide baseline for natural hazard risk in the US | |
Lummen et al. | Implementation of an integrated vulnerability and risk assessment model | |
US10915829B1 (en) | Data model update for structural-damage predictor after an earthquake | |
TWI674540B (zh) | 能針對風災及水災所造成的工商災損進行即時評估及預警的系統 | |
US11004001B1 (en) | Analysis of structural-damage predictions caused by an earthquake to identify areas with high damage levels | |
McAllister et al. | Data, information, and tools needed for community resilience planning and decision-making | |
Huang et al. | Typhoon damage assessment model and analysis in Taiwan | |
Godsoe et al. | Assessing Canada’s disaster baselines and projections under the Sendai Framework for Disaster Risk Reduction: A modeling tool to track progress | |
McAneney et al. | Normalised New Zealand natural disaster insurance losses: 1968–2019 | |
Mazumder et al. | A novel framework to study community-level social and physical impacts of hurricane-induced winds through synthetic scenario analysis | |
Xu et al. | Enhancing the resilience of road networks to flooding | |
Arneson et al. | Construction capacity: The role of regional construction supply chain resources in post-disaster rebuilding | |
KR20220084751A (ko) | 쇠퇴지역의 재난재해를 종합진단하는 시스템 및 방법 | |
French et al. | The effect of disaster insurance on community resilience: a research agenda for local policy | |
Jakob et al. | A flood risk assessment for the City of Chilliwack on the Fraser River, British Columbia, Canada | |
Main et al. | Learning from Hurricane Maria’s Impacts on Puerto Rico: A Progress Report | |
Hodde III | The damage assessment process: Evaluating coastal storm damage assessments in Texas after Hurricane Ike | |
Han et al. | Unveiling spatial inequalities: Exploring county-level disaster damages and social vulnerability on public disaster assistance in contiguous US |