地圖守護你的肺 GeoAI導航最淨步行路線

【記者張詠詠、林韋廷/臺南市東區報導】每年臺灣約有1.6萬人罹患肺癌，其中肺腺癌更是占肺癌總數的五成五，長期吸入PM2.5與工廠廢氣，更是罹癌的一大主因。「GEO-AI路徑好空氣」由吳治達教授研發，透過 GeoAI（地理人工智慧）高精度的空汙模擬，結合地圖導航演算法，將導航邏輯從「路徑最短」轉換成「空氣污染最低」， 降低染病風險。

以台北市路線為例，若是住在永康街的家庭主婦要到南門市場買菜，走Google Maps提供的最短路徑是直走愛國東路，11分鐘就能抵達；若走Geo-AI提供的最淨路線，避開愛國東路的車流污染走羅斯福路，雖然花費的時間拉長到17分鐘，就可以將污染的暴露降低46%，相當於從紅色的空氣指標轉為黃色。

吳治達出生於嘉義市，畢業於台灣大學森林系，並在森林系博士班畢業後前往哈佛大學公衛學院環境衛生學系，擔任研究員兼特別講師，現任職於成功大學空間及測量學系教授，並且在2021及2023年發表了「空氣盒子 PM2.5 數據的空間適應性校準」，透過與GEO-AI整合，能降低空氣盒子的汙染誤差值，是一位長期研究環境衛生的教授。

家族病史驅動空品研究

「每天早上起床的鬧鐘就是我的鼻水。」吳治達自幼患有嚴重過敏，從清晨就會因為打噴嚏跟流鼻水影響生活。而其母親不菸、不酒卻確診肺腺癌，這使他體認到空氣汙染對個體健康的隱患。他觀察到，現行政府監測站分布稀疏，嘉義市總面積約六十平方公里，但卻只有一個監測站設置在嘉義大學，官方數據雖然精確，但其分佈極其稀疏，僅能代表行政區的平均值，無法反映街道等級的變動。

對於呼吸道敏感族群而言，同一座城市的市民呼吸的空氣品質其實差別甚大。民眾在選擇通勤路線、慢跑路段甚至是居住地點時，雖然官方提供整個縣市的空氣數據良好，但當街道出現工廠、餐廳等排放源時，就會出現資訊與事實不對等的情形。吳治達認為，如果能將看不見的汙染物轉化為肉眼可見，並整合進大眾常用的導航系統，就能讓健康防護從事後看醫生變成出門前就能預防的行動。

AI算出一條街的空氣

要實現街道等級的空氣預測，技術上的最大挑戰在於監測數據的「由點到面」。過去要算出一條街的空汙，電腦必須像手寫複雜公式一樣，把風向、氣溫、化學反應通通考慮進去，跑一次數據要花上好幾天。但 Geo-AI 就像是幫電腦裝了即時計算機，直接從馬路寬度、車流量來推算結果，大幅簡化了運算過程，這才讓空汙資訊能像手機導航一樣，即時指引民眾避開汙染熱區。吳治達團隊提出的解方是利用Geo-AI整合了三層數據：首先是環境部 78個具備高精度的標準測站；其次是全台一萬多個「空氣盒子」等微型感測器的即時回傳數據；最後則是透過衛星遙測與地理資訊系統產出的土地利用、交通流量與植被覆蓋資料。

這套模型的運作原理在於利用機器學習，找出汙染源與濃度之間的關係。團隊在系統中標記了全台每一條街道周邊的潛在汙染源，包括餐廳排煙口、建築工地、寺廟香火以及交通幹道的車流量。Geo-AI 演算法會分析這些潛在排放源如何影響局部地區的 PM2.5 濃度。即使在沒有設置感測器的街道，系統也能根據周邊的環境參數，推估出該路段的即時空氣品質。實驗證實，這套模型在台灣環境下的模擬準確度已達 90%。

目前系統已能做到每兩個小時定期更新數據。相較於傳統模型，Geo-AI 大幅降低了運算時間，使其能夠配合導航地圖的速度，提供給民眾更乾淨的路線。透過這種技術，團隊成功將全台原本稀疏的監測點，轉換為覆蓋全台街道的高解析汙染程度，使空汙變成動態指標，以嘉義市為例，透過Geo-AI抓取嘉義各條街道的動態變因，例如中山路的建築是否阻礙通風、垂楊路的即時車流量，以及特定時段的風向。AI 透過這些地景特徵進行空間推理，即便測站遠在數公里外，它也能判斷出植被較多的巷弄與排煙頻繁的大馬路之間，存在著顯著的濃度落差。

不斷溝通 產生精準功能

將學術模型轉化為大眾使用的導航系統，對非資工專業的團隊而言，最大的挑戰在於資料的轉譯與對接。開發小組由吳治達教授指導，博士生許家瑋負責後端演算法，助教林祐如則解決資料整理、介面設計與使用者測試。

對於這支地理測量背景的團隊來說，寫程式與架設伺服器是全新的技術門檻。許家瑋在研究之餘，透過網路教學自學、與資工系同學討論，並利用 AI 工具輔助，才解決了後端系統的架構問題。而林祐如則需處理龐大且雜亂的環境原始資料，將其整理為 AI 模型可以讀取的格式。

在開發過程中，團隊也經歷了功能上的取捨。林祐如表示，起初希望能納入所有的環境變數與功能，但受限於人力與時間，必須重新排序。他們決定進行功能減法，優先保留最核心的「健康存摺」與「負碳存摺」。為了確保推估出的空汙數值準確，團隊除了使用環境部的官方資料，也納入台北市環保局的監測數據進行交叉驗證，確保系統在各區域都能提供穩定的參考資訊。

將空汙轉換成壽命資產

「路徑好空氣」系統的最終目標，是促使民眾產生實質的避險行為。系統提供「最短路徑」與「健康路徑」的直接對比。根據團隊在雙北與台南地區的實測結果，健康路徑雖然平均比最短路徑多出約 200 至 300 公尺（增加約 3 至 5 分鐘步程），但能有效降低 15% 到 45% 的 PM2.5 吸入量。對於每天在戶外運動的慢跑者或通勤族而言，這種暴露量的差異在長期累積下，對呼吸道健康的影響極其顯著。

高雄作為工業城市，道路路網與工業排放源交織，有極高的街道級空汙異質性。從南光街出發到瑞隆路約2.5公里的通勤路線為例，Google Maps建議的最快路徑是由龍城路左轉南正二路，再右轉崗山南街到達目的地；若選擇最淨路線，系統則會指示直走南光街，避開圖示中的紫色工廠圖示污染源。系統建議的「低暴露路徑」雖然僅比最短路徑多出約 15-20% 的步行距離，但卻能有效避開位於化學工廠周邊的二氧化氮熱點，最高可減少單次行程 19.93% 的暴露量。

為了強化使用者的行為動機，團隊引入健康存摺與負碳存摺功能，系統會根據公共衛生文獻的轉換公式，將使用者避開的汙染暴露量換算為具體的指標，例如「預期壽命增量」或「減少的肺部發炎指標」。林祐如指出，這種「將健康資產量化」的方式，能讓民眾覺得選擇繞路是有實質價值的，而不僅僅是浪費時間。此外，系統同步記錄使用者步行取代汽機車所減少的二氧化碳排放量，將個人的健康選擇與國家淨零排放政策掛鉤，提升了科技應用的社會層次。

採訪側記

這次採訪，讓我們發現這些地理相關的專業精密計算，其實離我們真的不遠。我們總是只看到冰冷的數據，既看不懂，也不以為然，看不到背後的具體影響。現在看來，將這些開放資料跟數據具體化，真的能幫助更多需要新鮮空氣的人們，很感謝吳教授團隊的付出。