WalkGIS

驗證 WalkGIS 系統的擴充性：透過標準化流程，快速部署「大甲溪水利溯源」與「智慧水圳」兩條全新路線，並整合 Google Maps 導航與 AI 內容生成。

如何將生硬的 GIS 數據變成生動的旅遊故事？本文分享我的 WalkGIS 自動化工作流：使用 Shell Script 從 SQLite 精準萃取地圖資料，餵給 Google NotebookLM，一鍵生成卡通風格導覽與投影片大綱。

我們很高興宣布 WalkGIS Project V0.1 正式釋出！ 🎉 這是一個實驗性的專案，旨在探索如何讓「地圖資料」不僅是冷冰冰的座標，而是能被人類與 AI 共同閱讀、協作的「散步故事」。 🚀 什麼是 WalkGIS？ WalkGIS 是一個輕量級的 GIS (地理資訊系統) 資料庫。不同於傳統地圖，它使用 WKT 文字格式 儲存座標，並用 Mermaid 流程圖 來描述路線。這意味著： 你可以直接讀懂它：打開資料庫，你看到的不是亂碼，而是 POINT(...) 和清晰的文字描述。 AI 可以幫你導覽：未來的 AI 助理可以直接讀取這些資料，為你規劃行程。 🗺️ V0.1 首發路線：后豐鐵馬道 & 東豐綠廊精華遊 作為 V0.1 的展示，我們建構了台中最經典的 「后豐鐵馬道 & 東豐自行車綠廊」 大環線地圖。 這張地圖收錄了 24 個精選景點，從后里馬場出發，穿越百年的九號隧道與花樑鋼橋，一路延伸至東勢客家文化園區。 原圖 數位化的路線拓樸 看看我們如何用程式碼畫出這條路線的邏輯： graph LR; %% 子圖：后豐鐵馬道 subgraph Houfeng ["后豐鐵馬道 (4.5km)"] direction TB H1(1. 后里馬場) --> HA(樟樹平台); HA --> H2(2. 夫妻樹); H2 --> H3(3. 九號隧道); H3 --> H4(4. 花樑鋼橋); H4 --> HB(鐵道之鄉酒莊); HB -.-> HC(榮町雜貨店); end %% 子圖：東豐綠廊 (前段) subgraph Dongfeng_Start ["東豐綠廊-起點段"] D7(7. 豐原大道) --> Junction{綠廊交接處}; HB --> Junction; Junction --> D5(5. 朴口車站); D5 --> HE(200days冰店); HE --> D6(6. 豐榮水利碑); end %% 子圖：石岡精華段 subgraph Shigang ["石岡精華段"] D6 --> D9(9. 石岡水壩); D9 -.-> D10(10. 石岡斷層月台); D9 --> D11(11. 0蛋月台); D11 --> D12(12. 九房3D彩繪村); D12 --> D13(13. 石岡旅服中心); D13 --> D14(14. 情人木橋); D14 -.-> D15(15. 土牛客家館); end %% 子圖：東勢段 subgraph Dongshi ["東勢終點段"] D14 --> D16(16. 梅子車站); D16 --> D17(17. 梅子百年芒果樹); D17 --> D18(18. 梅子鐵橋); D18 --> D19(19. 東勢客家園區); end %% 周邊景點 D8(8. 公老坪) -.-> D7; %% 樣式設定 classDef spot fill:#fff,stroke:#333,stroke-width:2px; classDef highlight fill:#fcf,stroke:#f00,stroke-width:2px; class H1,H3,H4,D9,D11,D19 highlight; class Junction fill:#ff9,stroke:#333,stroke-width:2px,shape:rhombus; mermaid.live 顯示 📂 如何取得與使用？ WalkGIS V0.1 目前已整合於本部落格的專案庫中： events/notes/wuulong-notes-blog/walkgis_prj/ ...

在構建「WalkGIS —— 全台散步地圖」專案的過程中，我與 AI Agent (Antigravity) 進行了一場深度的架構辯論。核心問題在於：當我們希望 AI 能像人類一樣理解地圖時，傳統的 GIS 資料庫還是最好的選擇嗎？ 這篇文章記錄了我們如何從傳統的 SpatiaLite 方案，轉向一個更輕量、更適合 LLM 的 “Text-based GIS” 架構。 1. 痛點：AI 讀不懂二進位碼 (Binary Blob) 起初，我們理所當然地選擇了 SpatiaLite 作為 SQLite 的空間擴充。它是業界標準，功能強大。但是，當我嘗試讓 Agent 讀取資料庫時，問題出現了： Agent: “我讀取到了 geometry 欄位，但它是 binary blob，我無法直接解析它的座標。” SpatiaLite 為了效能，將幾何資料存為二進位格式。這對 QGIS 很好，但對 LLM 來說，就像是一本無字天書。如果要讓 Agent 理解「后里馬場在哪裡？」，我們必須寫額外的 Python 程式碼去解碼它，這增加了依賴度與複雜性。 2. 決策：擁抱 WKT (AI-First Approach) 既然我們的目標是 “Agentic GIS”，為什麼不直接存成文字呢？ 於是，我們做了一個大膽的決定：棄用 SpatiaLite，擁抱 WKT (Well-Known Text)。 我們將 DB Schema 修改如下： CREATE TABLE walking_map_features ( id INTEGER PRIMARY KEY, name TEXT NOT NULL, -- geometry BLOB, <-- 傳統做法 (X) geometry_wkt TEXT NOT NULL -- 新做法 (O) : POINT(120.735 24.298) ); 這個改變帶來的紅利是巨大的： ...

散步地圖資料庫 Schema 設計 (AI 友善版) 導言 本文件旨在闡述為「大甲溪散步地圖」專案設計的 SQLite 資料庫 Schema。此設計特別考量了 GenAI 協作 (Agentic Workflow) 的需求，選擇使用標準的 WKT (Well-Known Text) 格式來處理地理空間資料，取代依賴性較高的 SpatiaLite 二進位格式。這確保了從資料蒐集、AI 處理到 QGIS 呈現的過程中，資料具有最高的可讀性與移植性。 整體設計哲學 核心資料結構化：確保地理特徵的基本資訊（名稱、描述、類型）保持一致性，便於查詢與管理。 非核心資料彈性化：利用 JSON 格式的 meta_data 欄位，提供高度彈性來儲存多樣化且不斷演進的非核心屬性。 AI 幾何可讀性 (WKT)：全面採用 WKT 字串儲存幾何資料，讓 AI 代理能直接理解、生成與驗證座標，無需複雜的 GIS 驅動程式。 圖層正規化管理：獨立的 layers 表格用於管理圖層的分類和 QGIS 呈現樣式。 AI 協作友好：結構化且彈性的 Schema 設計，極大地方便 AI 代理進行資料的自動化處理、分析與驗證。 社區 GIS 背景資訊與 Layer 分類設計架構 社區 GIS 背景資訊 「社區 GIS」強調地理資訊系統在社區層級的應用，旨在支援地方居民參與、資源管理、文化保存、社會服務及永續發展。這類專案的核心在於將多樣化的在地資訊（例如：親水點、交通、設施、風險、文化景點、生態熱點等）以地理空間的形式進行收集、組織、分析與視覺化。其資料分類通常會考量到以下幾個面向： 功能應用：資料服務於哪種社區需求（如防災、生態教育、文化導覽）。 資料類型：具體的地理實體是什麼（點、線、面，以及相關屬性）。 使用者視角：如何讓在地居民和外部使用者最直觀地理解地圖內容。 Layer 分類設計架構 為呼應社區 GIS 的精神，並支援 QGIS 等工具的靈活呈現，我們特別設計了 layers 表格來管理圖層的分類。其核心架構為 layer_type (主分類) 與 layer_subtype (次分類) 的組合，這種層次化設計有以下優點： ...

社區 GIS 圖層分類範例與資料類型 在進行社區地圖繪製或 GIS 資料庫建置時，一個完善的圖層分類架構能幫助我們更有系統地收集與管理資料。以下是整理出的通用型 layer_type (主分類) 和 layer_subtype (次分類) 建議列表，您可以參考這些架構來填充 layers 表格，作為散步地圖的分類依據。 主分類 (layer_type) 建議 我們將社區 GIS 的資料維度劃分為以下 9 大類： 基礎地理圖層 (Foundation Geography) 社區特色與人文圖層 (Community & Culture) 生活機能圖層 (Daily Life & Amenities) 自然生態與景觀圖層 (Nature & Landscape) 議題導向圖層 (Issue-Oriented) 安全與防災圖層 (Safety & Disaster) 交通與路網圖層 (Transportation & Network) 發展與規劃圖層 (Development & Planning) 參與式資訊圖層 (Participatory Information) 次分類 (layer_subtype) 詳細列表 根據不同的 layer_type，以下是 layer_subtype 的詳細範例列表。您可以根據實際的專案需求（如大甲溪散步地圖）進行增減和調整。 1. 基礎地理圖層 (Foundation Geography) 這類圖層構成地圖的骨架，通常來自政府開放資料。 行政區界線：村里界、鄉鎮市區界、社里範圍 水系：河流、湖泊、水圳、滯洪池 地形：等高線、山坡地、坡向 土地利用：住宅區、商業區、農業區、工業區、公共設施用地 建物與地標：建築物、重要地標、門牌、POI (興趣點) 歷史影像：歷史航照圖、古地圖疊圖 2. 社區特色與人文圖層 (Community & Culture) 這類圖層展現地方的靈魂與記憶。 ...

什麼是「散步地圖」？ 在我們進行河流探索時，地圖不僅是導航的工具，更是一種「策展」的媒介。 散步地圖的核心概念，是透過地圖串聯更多的協力與情報，並利用群眾的移動軌跡描繪出有意義的資訊。這與我們強調的公私協力、開放資料精神不謀而合。 以下整理了散步地圖的核心價值與建構方法： 1. 目的與價值：為什麼要畫地圖？ 串聯協力：地圖是一個平台，能將分散的個人、店家、組織串聯起來，形成夥伴關係。 在地參與：鼓勵人們走出戶外，透過「走讀」產生對環境的直接關懷。 議題關注/績效評估： 透過地圖點出被忽視的「暗點」（如髒亂點、斷點）。 利用短網址 QRcode 追蹤使用率，評估活動成效。 商業與再生：人流即金流，散步活動能活絡在地經濟，推動地方再生。 2. 圖層解構：地圖裡該有什麼？ 散步地圖就像千層蛋糕，由不同屬性的圖層 (Layers) 堆疊而成： A. 基礎骨架 點 (Points)：具有意義的興趣點（POI），如古蹟、老樹、特色小店。 線 (Lines)：推薦的散步路徑、自行車道。 水 (Water)：重要的圳路圖資（幹線、支線），這在河流探索中尤為重要。 B. 情報層 (Information) 環境/生態： 水質監測點（清澈 vs 污染）。 生態庇護所、可下水的親水點。 維護管理： 清潔地圖：垃圾桶位置、髒亂點回報。 文史脈絡： 歷史古圳（如新竹隆恩圳、汀甫圳）的遺跡。 消失的河道。 C. 群眾層 (Crowdsourcing) 公民標記：結合 iNaturalist 或其他工具，讓參與者標記生態發現或垃圾熱點。 3. 如何開始？建構工具箱 🧰 Step 1: 資料收集 (Data Collection) 移動軌跡：利用手機 APP (如 Relive, Strava) 記錄散步路徑，匯出 GPX 格式。這是最真實的「路」。 圖像紀錄：使用開啟 GPS 定位的相機/手機拍照，確保照片帶有經緯度 (Geo-tagging)，方便後續展圖。 基礎圖資：下載政府開放資料（國土測繪中心 WMTS、水利署資料）。 Step 2: 呈現與分析 (Visualization) QGIS：最強大的開源 GIS 軟體，用來疊合上述所有資料。 Google My Maps：輕量級的展示工具，適合大眾導覽。 4. 實踐發想：從大新竹到大甲溪 我們可以嘗試將我們在「流域學校」或「大新竹區域」學到的經驗複製： ...