Open Data

最近兩天，我跟我的 AI 夥伴 (Antigravity) 泡在 Travel-Advisor-HUD 這個專案裡。目標很單純：讓我的行車助理不再只是「唸出路名」，而是像個真正懂我的「私人導遊」。 在兩天的密集對話中，我們經歷了幾次關鍵的「卡關」與「破繭而出」，這幾個點我覺得是開發地理感知型 AI (Geographic AI) 最迷人的地方。 🚀 什麼是 Travel Advisor HUD？ 這是一個跨裝置的行車助理系統：由 Mac 負責背景運算與大腦邏輯，iPad 則作為沈浸式視覺看板 (HUD)。它能感知你的位置、速度與航向，並結合你過去在 WalkGIS 筆記中的內容，由 Gemini 生成具備人文厚度的即時導覽。 🧩 關鍵卡關與突破 1. 沉重的 Geopandas 與「資料主權」的執念 一開始，我們想用 Python 的 Geopandas 來處理鄉鎮邊界 (SHP) 的空間對位。但在路測邏輯中，Geopandas 顯得過於笨重，且我有一個堅持：「資料主權」。 我不想為了讓 AI 讀數據，就把我珍貴的 walkgis.db (私有筆記) 或內政部的圖資檔案搬來搬去、轉檔轉去。 突破點：我們轉向了 SpatiaLite (SQLite 的空間外掛)。 心得：透過 ATTACH DATABASE 直接掛載原始 DB，並用 VirtualShape 虛擬映射 SHP 檔案。資料「原地不動」，但查詢卻是極速的 SQL 指令。這讓「資料主權」與「運算效能」在這一層完美的對位了。 2. 從「歡迎」到「盤點」的內容層次 原先的導覽很死板：進入新縣市就唸一段 Wiki 簡介。但開車的人真正需要的是：「這裡有沒有我以前記過的東西？」 卡關：AI 雖然強筆強大，但如果你不給它具體的「本地上下文」，它只會說些漂亮但空泛的廢話。 突破點：「行政區點位盤點 (Township Inventory)」機制。 心得：在跨越邊界的瞬間，系統自動在背景先發動一次空間點名，把該鄉鎮內所有關於我的私有筆記 POI 抓出來，做成摘要餵給 Gemini。當 AI 說出：「歡迎來到橫山，這裡有您之前筆記過的內灣車站喔…」時，那種「它真的懂我」的導覽感才算真正建立。 3. Hammerspoon 的定時器與動態設定 Hammerspoon 雖然穩定，但預設的定時器是靜態的。如果我在開車中想調整檢查頻率（比如從 5 分鐘改成 1 分鐘），以往我得停下車，打開 Mac、改代碼、Reload Config。 ...

在先前的系列中，我們完成了從原始文本（Layer 0）到結構實體（Layer 1）的跨越。透過 Python 腳本，我們讓幾十萬字的《臺灣通史》變成了資料庫中清晰的人名、地名與座標。 但在數位考古的最後一哩路，我們面臨了一個更終極的挑戰：AI 該如何「理解」歷史的動態邏輯，而不僅僅是搜尋關鍵字？ 這就是今天我們要分享的壓軸戰役——Layer 2：知識中樞 (Knowledge Atlas) 的建構，以及本專案正式對外開源的里程碑。 從「搜尋」進化到「理解」：何謂 Layer 2？ 如果 Layer 1 是史料中的「單點實體」，那麼 Layer 2 就是將這些點連成線、織成網的「邏輯圖譜」。 當我問 AI：「為什麼清代的新竹會發展出如此發達的水利系統？」傳統的 RAG 頂多能幫我找到幾段描述。但擁有 Layer 2 知識中樞的 AI，能直接調用我們今日建立的五大專題模型： 水利開發模型 (Eco_System)：結構化全台 226 處埤圳，整合開鑿者與水源脈絡。 產業貿易模型 (Economy)：分析「南糖北茶」的經濟地理骨架。 官職權力模型 (Gov_Structure)：釐清三代政權演變與行政邊界。 衝突因果模型 (Conflict_Logic)：建模民變、械鬥與海防轉向的底層邏輯。 地名演進矩陣 (Toponym_Ref)：建立「古社名 -> 舊地名 -> 現代區劃」的跨時空映射。 這意味著，現在的 AI 助理（如 Antigravity）已經不只是在陪我翻古書，它更像是一位**「數位歷史策展人」**。 數位鏈金術的成果：taiwan-history-atlas 正式釋出 為了讓這份努力產出的數位資產不只是鎖在我的硬碟裡，今天我們做了一個重要的決定：將今日建構的所有腳本、資料庫 Schema 與核心 Layer 2 知識資產，正式獨立封裝並在 GitHub 上開源。 🔗 Repo 連結： https://github.com/wuulong/taiwan-history-atlas 這個版本不僅僅是一個資料集。它包含了： taiwan_history.db：具備三層架構的核心資料庫。 全套 AI 建模腳本：讓你可以複製這套方法論去處理其他的歷史志書。 AI 導航指引：教導如何引導 GPT/Claude 等 Agentic AI 使用這座歷史大腦的方法論。 授權：公眾領域貢獻 (CC0) 我們決定採用 CC0 1.0 通用公眾領域貢獻宣告 釋出這個專案。 ...

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/ ...

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。 ...

把理論帶進現場：大甲溪地圖建構計畫 承襲先前整理的[〈散步地圖的概念與應用〉]({< relref “20251213_walking_map_concept.md” >})，我們決定利用這次 2026 年 1 月的大甲溪探險，進行實地的資料蒐集與圖層建構。 這份文件是我們的「行前任務簡報」。 1. 核心目標 (Objectives) 我們不只是去露營，我們要把**「看不見的資訊」**帶回來。 建構基礎圖層：繪製出一份適合車泊族與生態愛好者的大甲溪中下游導覽圖。 驗證方法論：測試使用手機 GPS 與協作工具進行現場製圖的可行性。 2. 預計蒐集的圖層 (Target Layers) 我們將目光聚焦在以下四個維度： 🟦 水文與親水層 (Blue Layer) 親水點：哪裡可以安全下到水邊？（河床路徑入口） 阻隔點：哪裡被高聳的水泥堤防阻斷，無法接近水面？ 流況觀察：高美濕地潮汐變化的最高/最低水位線（目測或詢問當地人）。 🟩 生態與景觀層 (Green Layer) 植被帶：后里環保公園的樹林分佈（尋找遮蔭處）。 生物熱點：高美濕地招潮蟹最密集的區域。 景觀點：拍攝夕陽、大橋的最佳攝影點。 🟫 用路人與車泊層 (Grey Layer - Utility) 這是對我們社群最有價值的資訊： 泊點：平坦、安靜、合法的停車位置。 水源/廁所：公廁位置、開放時間、是否有水龍頭。 補給點：最近的便利商店或全聯。 🟧 風險與負面層 (Risk Layer) 危險因子：野狗群聚地、路面破碎區、易淹水區。 環境髒亂：垃圾堆積熱點 (LNT 觀察)。 3. 執行工具與分工 (Execution) 工具箱 (Toolkit) 軌跡記錄 (Tracks)： 工具：Relive / Strava / Garmin 手錶。 任務：全程開啟記錄，特別是「如何開進河床」的那段路徑。 點位標記 (Waypoints)： 工具：Google Maps (打星號) / 拍照 (Geo-tagging)。 技巧：看到重要的東西，先拍照，回家再從照片的 EXIF 抓座標，這樣最快且不打斷遊興。 語音筆記： 利用手機錄音，快速口述當下的觀察（例如：「這裡土質太軟，二驅車不要下來」）。 協作分工 (Team) Wuulong (我)：負責整體軌跡記錄、車泊點技術評估（地質、坡度）。 夥伴 (明光/企鵝)：負責標記美食點、廁所清潔度、生態觀察。 4. 預期產出 (Deliverables) 回程後，我們將產出： ...

本實驗記錄了從政府開放資料平台取得水利署河川流域 Shapefile 資料，並將其中「大甲溪」流域資料篩選後，使用 GDAL/ogr2ogr 工具轉換為 Google My Maps 支援的 KML 格式的完整過程。

為什麼我們要重新學習「看見」河流？ 在開始這趟旅程之前，我想分享的不只是一份旅遊攻略，而是一套**「重新認識環境」的方法論**。 過去我們對河流的認識，往往停留在「觀光景點」的單點思維。但在投入流域治理與推動公私協力 (Public-Private Partnership) 的過程中，我發現若要真正守護一條河流，我們必須先「看懂」它——看懂它的流向、它的前世今生，以及它如何孕育文明又充滿風險。 這篇文章記錄了我如何運用當代的數位工具——生成式 AI (GenAI) 與 開放資料 (Open Data)，來輔助傳統的戶外探索，建構出一套名為「數位河流學」的探索心法。 1. GenAI：你的數位超級嚮導 🤖 在規劃大甲溪與頭前溪的旅程時，我並非漫無目的地搜尋，而是將 LLM (大型語言模型) 視為一位博學的在地嚮導。 賦能探索的三個層次： 廣度掃描 (Breadth)： Prompt 技巧：「請列出大甲溪流域從上游到下游的 10 個關鍵地質與人文節點，並說明其彼此的關聯。」 AI 能迅速幫我們串聯起「水庫興建」與「下游農田灌溉」的因果關係，或是「泰雅族遷徙」與「河階台地」的地理關聯。 深度挖掘 (Depth)： 針對特定地點（如后里環保公園），詢問其前身（垃圾掩埋場）與復育過程。這讓「車宿」不只是睡一晚，而是見證土地的重生。 角色扮演 (Persona)： 讓 AI 扮演「水利工程師」解說石岡水壩的設計，或扮演「歷史學家」講述中部大地震對地貌的影響。 心得：GenAI 不是用來取代我們的雙腳，而是用來武裝我們的大腦，讓我們在踏上旅途前，已經具備了「看見細節」的能力。 2. Open Data 與 GIS：看見肉眼不可見的河流 🗺️ 真實的河流不只在地表流動，更在數據中流動。善用政府的開放資料，能讓我們避開風險，找到秘境。 必備的數位工具箱： KML/GPX 軌跡規劃： 使用 Google Earth 或 GIS 軟體，疊合數值地形模型 (DTM)，可以清楚看到河階地、沖積扇的發育過程。我在規劃大甲溪行程時，便是先在 3D 地圖上模擬了視角。 水利署開放資料： 河川水位警戒：露營與溯溪前，務必查詢即時水位與上游雨量。 河川區域線：了解哪裡是行水區（禁止紮營），哪裡是高灘地（可休閒使用），這是合法且安全探索的基礎。 露營場資料集 (Open Data)： 透過觀光署的 CSV 資料，篩選合法且安全的車泊點，而非盲目跟隨網紅打卡點。 3. 流域治理：從「旁觀者」到「參與者」 🤝 這趟旅程的核心精神，是希望能將**「流域綜合治理 (Integrated River Basin Management)」** 的概念帶入大眾視野。 ...