108 高普考高考二級 測量製圖 地理資訊系統 考古題詳解

核心觀念

1. 熱點分析（Hot Spot Analysis）定義： 熱點分析是基於空間自相關（Spatial Autocorrelation）​與托布勒地理學第一定律（Tobler's First Law of Geography）​所發展之探索性空間統計方法。其核心在於辨識觀測值在空間上是否存在「非隨機性（Non-random）」的集聚現象。在統計定義上，一個單獨的高數值點並非熱點；唯有當一個高數值特徵點周圍同時環繞著其他高數值特徵點，且該高值聚集程度在統計假說檢定下達到顯著水準（排除隨機機率發生的可能性），該空間群聚區域方可稱為「熱點（Hot Spot）」；反之，低數值群聚達顯著水準者則稱為「冷點（Cold Spot）」。

2. 空間統計基礎與公式： 最常用且標準的空間熱點分析統計量為 Getis-Ord $G_i^*$ 統計量。該統計量本質上是一個標準化之 $Z$ 分數（$Z$-score），其虛無假說（$H_0$）為「空間完全隨機分佈（Complete Spatial Randomness, CSR）」。

• 全域平均數： $\bar{X} = \frac{\sum_{j=1}^{n} x_j}{n}$
• 全域標準差： $S = \sqrt{\frac{\sum_{j=1}^{n} x_j^2}{n} - (\bar{X})^2}$
• 特徵點 $i$ 之 $G_i^*$ 統計量（標準化 $Z$ 分數）： $G_i^* = \frac{\sum_{j=1}^{n} w_{ij} x_j - \bar{X} \sum_{j=1}^{n} w_{ij}}{S \sqrt{\frac{n \sum_{j=1}^{n} w_{ij}^2 - \left(\sum_{j=1}^{n} w_{ij}\right)^2}{n-1}}}$ 其中：
• $x_j$ 為要素 $j$ 的屬性數值。
• $w_{ij}$ 為要素 $i$ 與要素 $j$ 之間的空間權重（Spatial Weight）。
• $n$ 為總要素個數。

---

解題方法

本題為標準申論題，答題架構分為兩大部分：

1. 概念與案例說明：先從空間統計學角度給出嚴謹定義，強調「屬性值高」與「周圍鄰近值亦高」的雙重條件，並結合題目提示的實務情境（如「生物路殺」或「疾病傳播」）建立案例脈絡，對比單純計數與統計顯著群聚的差異。
2. 可執行之演算法規劃：採用業界與學界公認之標準方法——Getis-Ord $G_i^*$ 空間統計演算法。演算法設計必須具備完整的資料工程與計算管線（Pipeline），包含：

• 輸入與空間網格化（Aggregation）。
• 空間權重矩陣（Spatial Weights Matrix）建構。
• 統計量與標準化分數計算。
• 假說檢定與閥值分類。
• 成果輸出與空間視覺化。

---

選項分析

本題為公職國家考試高等考試二級之申論題，非選擇題。作答評分構面與關鍵得分點分析如下：

1. 熱點概念之精準度：考生若僅回答「密度很高的地方」，無法獲得高分；必須精確指出「統計顯著性（Statistical Significance）」與「相鄰高值之空間依賴性（Spatial Dependency）」。
2. 案例關聯性：必須完整扣合空間事件的特徵（如道路線段、網格計數、死亡動物數量等），展現地理資訊系統在空間決策上的應用價值。
3. 演算方法之可執行性（Executable Algorithm）：不可僅寫空泛的文字敘述，必須提供具有數學邏輯、資料結構、虛擬邏輯步驟（Step-by-step）之演算法流程，使程式設計師或 GIS 分析師能據以實作。

---

解題技巧

1. 判斷竅門（勿混淆 KDE 與 $G_i^*$）：

• 核密度估計（Kernel Density Estimation, KDE）：屬於純幾何的「密度平滑法」，僅顯示點位密集程度，無法提供顯著性檢定（無法回答「密集是否為偶然隨機發生」）。
• 熱點分析（Getis-Ord $G_i^*$）：屬於「空間假說檢定」，兼具屬性值與鄰近空間關係，能計算 $p$-value 與 $Z$-score，是評審委員最期待看到的嚴謹標準答案。

2. 常見陷阱：

• 忽略空間權重矩陣的距離閾值設定：若距離門檻過小，鄰近特徵數過少，常態分佈假設會失效；若距離門檻過大，則易造成全域平滑，稀釋局域熱點（可變面元問題 MAUP）。
• 忘記包含自體權重：$G_i$ 統計量不包含要素本身（$j \neq i$），而 $G_i^*$ 包含要素本身（$w_{ii} > 0$），在點聚集熱點分析中，標準演算法均採 $G_i^*$。

3. 快速驗算與邏輯查核：

• 檢視 $Z$ 分數分佈：在 95% 信心水準（$\alpha = 0.05$）下，雙尾檢定臨界值為 $\pm 1.96$；99% 信心水準（$\alpha = 0.01$）下臨界值為 $\pm 2.58$。
• 若計算出的 $Z(G_i^*) > +1.96$ 且 $p < 0.05$，判定為統計顯著熱點；若 $Z(G_i^*) < -1.96$ 且 $p < 0.05$，判定為統計顯著冷點。

---

【答案】

一、熱點分析之意涵與案例說明

1. 熱點分析的意涵 熱點分析（Hot Spot Analysis）是一種探索性空間資料分析（ESDA）工具。其目的在於分析空間要素在考量其「幾何位置」與「屬性數值」時，是否存在顯著的局部空間自相關（Local Spatial Autocorrelation）。 在統計意義上，單一要素的高屬性值不足以構成熱點。一個具備統計顯著性的熱點，必須是「自身屬性值偏高，且其周圍空間鄰近單元的屬性值亦普遍偏高」，使得該局域的加權總和顯著偏離全域隨機分佈的期望值。

核心觀念

本題評量考生對新一代空間資訊技術「高精地圖」（High Definition Map, HD Map）的專業認知，核心在於區分傳統導航地圖與自駕車地圖之本質差異。解題需扣合以下測量與 GIS 核心觀念：

1. 空間精度與幾何層次：由傳統公尺級（Meter-level）跨入公分級（Centimeter-level）絕對與相對精度。
2. 多維度圖資內涵：包含三維點雲特徵層、車道級（Lane-level）向量語意層、拓撲決策層及動態屬性層。
3. 資料標準與交換格式：如 OpenDRIVE、NDS（Navigation Data Standard）及 Lanelet2 等。
4. 測繪發展政策與法制框架：以命題當年（民國 108 年）內政部「自駕車高精地圖發展計畫」及經濟部《無人載具科技創新實驗條例》為基礎，剖析國家坐標基準（TWD97）、移動測繪系統（MMS）、產官學分工與動態更新（Crowdsourcing / V2X）機制。現行法已修正並擴大自駕車圖資認證與沙盒實驗範圍，解題仍以命題當年政策架構為準。

---

解題方法

本題為標準的公職申論題，答題架構應採「三段式論述」：

1. 定義與特徵：由自駕車感知與定位需求切入，明確界定 HD Map 的定義與其公分級精準度、車道級精細度之核心特徵。
2. 內涵與格式：採「分層架構（Layered Architecture）」論述其靜態與動態內涵，並列舉國際主流及業界通用之資料格式，展現測量製圖的技術深度。
3. 我國發展策略：從「制度標準、技術更新、示範驗證、產業分工、資安法規」五大面向提出具體可行之國家發展路徑。

---

選項分析

本題為申論題，無選項分析。答題關鍵在於架構分明、層次清晰，並精確使用測量及 GIS 專業專有名詞。

---

解題技巧

1. 破題對比法：開頭可簡短對比 SD Map（傳統標清地圖，供人眼閱讀）與 HD Map（高精地圖，供機器運算決策），迅速抓住閱卷委員評分點。
2. 數值化指標展現專業度：提及精度時，避免僅寫「很精準」，應給出具體數值（絕對坐標精度優於 $20\sim 30\text{ cm}$、相對幾何精度優於 $10\sim 20\text{ cm}$）。
3. 避開空泛口號：談及「我國應如何發展」時，切忌只寫編列預算或加強宣導，應具體寫出國土測繪中心（NLSC）、國家坐標系統（TWD97）、MMS 移動測繪、車聯網（V2X）與邊緣運算眾包更新等空間資訊專業策略。

---

【答案】

一、高精地圖（HD Map）之定義

高精地圖（High Definition Map, HD Map）係指專為無人駕駛或高級駕駛輔助系統（ADAS, SAE Level 3 以上）所設計，具備公分級幾何精度、車道級拓撲關係及高豐富度道路語意資訊的三維數位地圖。

其核心功能並非提供人類駕駛視覺導航，而是作為自駕系統的「虛擬感測器」，協助車載電腦結合光達（LiDAR）、雷達（Radar）與相機影像進行即時特徵匹配定位（SLAM/Map Matching）、車道路徑規劃、障礙物超視距預判與駕駛決策。其主要特性如下：

1. 高精度要求：絕對坐標水平精度通常要求優於 $20\sim 30\text{ cm}$，車道間之相對幾何精度需優於 $10\sim 20\text{ cm}$。
2. 車道級精細度：詳盡描繪個別車道中心線、車道寬度、曲率、坡度、超高（橫坡）及路面高程。
3. 動態擴充性：除靜態地理特徵外，能即時疊加交通號誌秒數、施工障礙與臨時管制等動態事件。

---

二、高精地圖之內涵與格式

高精地圖本質上為多圖層疊加的時空地理資訊架構，其內涵依更新頻率與功能分為四個主要層次，並採用標準化資料交換格式：

核心觀念

本題的核心考點為網格資料空間分析（Raster Spatial Analysis）​與地圖代數（Map Algebra）​的基本運算分類體系。

地圖代數係由 C. Dana Tomlin 於 1990 年提出，為網格式地理資訊系統（Grid-based GIS）中空間模型化的數學基礎。Tomlin 將網格分析函數依據「決定輸出像元值時所參考的輸入像元空間範疇（Spatial Scope）」區分為四大層次：

1. 局部分析（Local operations）：僅取決於相同空間位置的單一或多個圖層像元。
2. 鄰域分析（Neighborhood / Focal operations）：取決於目標像元周圍指定幾何範疇（如動態移動視窗）​內的相鄰像元。
3. 區塊分析（Zonal operations）：取決於特定不規則同質區域（Zone）​內的所有像元群體。
4. 全域分析（Global operations）：取決於整個圖幅範圍內所有像元（題目未要求，但屬同一理論體系）。

---

解題方法

本題為標準的申論型名詞解釋與申論分析題。最佳作答策略為：

1. 定義與運算機制：精確界定每一類分析的空間範疇（輸入像元與輸出像元之空間對應關係）。
2. 資料結構與圖層要求：說明該分析在單圖層與多圖層作業時的運作邏輯（例如區塊分析必定需要分區圖層與值圖層的搭配）。
3. 具體實務範例：舉出測量製圖、環境資源或遙測分析中具代表性、考生與閱卷委員皆熟悉的經典案例（如 NDVI 植生指標、DEM 坡度計算、集水區平均高程統計）。
4. 綜合比較矩陣：最後以清晰的比較表格統整三者之「運算單元範疇」、「相鄰關係需求」與「代表性演算法」，使答案具備教科書級別的結構完整性。

---

解題技巧

1. 空間範疇階層化記憶法：

• 局部（Local）：點對點（$1 \leftrightarrow 1$，同位置貫穿各圖層）。
• 鄰域（Neighborhood）：局部面域滑動窗（動態 $3 \times 3$ 或圓形 Kernel 漸進移動）。
• 區塊（Zonal）：非滑動之同質集合（依據類別屬性圖層將空間切塊彙整）。

2. 常見答題陷阱：

• 混淆「鄰域分析」與「區塊分析」：鄰域分析的計算範圍隨目標像元逐一移動（Moving Window），屬於連續性的局部空間濾波；區塊分析則是固定不變的空間單元集合（如行政區邊界、集水區），不隨像元滑動。
• 忽略輸入圖層數量的說明：局部分析可以是單圖層（如像元重分類）或多圖層疊合；區塊分析在實務上多為雙圖層輸入（Zonal Layer + Value Layer），答題時點出此要點能顯著拉開分數差距。

3. 閱卷亮點補充：適度提及「地圖代數（Map Algebra）」創始者 C. Dana Tomlin 之理論架構，展現學理深度。

---

【答案】

在網格資料模型（Raster Data Model）中，以地圖代數（Map Algebra）為基礎的空間分析，依據決定輸出值時所參照的空間範疇（Spatial Scope），可將局部分析、鄰域分析與區塊分析之特性與範例詳述如下：

一、局部分析（Local Analysis / Local Operations）

1. 核心特性：

• 空間範疇：輸出像元（Output Cell）的數值，僅取決於輸入網格在相同空間位置（同一直行、橫列座標）上的像元值，與周圍相鄰像元無關。
• 運算型態：
• 單圖層運算：像元值的數學變換（如對數轉換）、屬性重分類（Reclassification）。
• 多圖層運算（點對點覆蓋運算）：多個網格圖層在相同座標位置上進行算術運算（加、減、乘、除）、布林邏輯運算（AND、OR、NOT）或逐點統計（求各圖層之最大值、平均值）。
• 資料對齊要求：進行多圖層局部分析時，各網格之坐標參考系統（CRS）、解析度（Cell Size）與網格原點必須嚴格對齊，否則須先經重取樣（Resampling）。

2. 實務範例：

• 常態化差值植生指標（NDVI）計算： 利用衛星影像的近紅外光波段（NIR）與紅光波段（Red）之對應像元進行代數運算： $\text{NDVI} = \frac{\text{NIR} - \text{Red}}{\text{NIR} + \text{Red}}$
• 多準則評估（MCE）加權疊合法：

核心觀念

本題評量考生對地圖設計（Cartographic Design）​與地圖符號學（Cartographic Semiology）​核心理論的掌握度，主要涉及以下觀念：

1. 視覺層次（Visual Hierarchy）：指在地圖視覺呈現上，依據地理資訊的主次與重要性，透過視覺權重（Visual Weight）與視覺深度（Visual Depth）的安排，引導讀圖者依序感知、解讀資訊的組織技術。
2. 格式塔心理學（Gestalt Psychology）之「圖底關係」（Figure-Ground Relationship）：人類知覺會自動將視野區分為突出的「圖（Figure）」與襯底的「底（Ground）」。地圖設計即利用此機制使重要主題圖徵浮現於視覺前端。
3. 伯廷（Jacques Bertin）之「視覺變數」（Visual Variables）：包含尺寸（Size）、數值/明度（Value）、色相（Hue）、彩度（Saturation/Chroma）、形狀（Shape）、方向（Orientation）與紋理（Texture）。透過視覺變數形成對比（Visual Contrast），建立層級差異。
4. 地圖配置層級（Map Layout Hierarchy）與文字層級（Typographic Hierarchy）：地圖主體、周邊圖飾（圖名、圖例、比例尺）及地名注記的大小、字體與顏色層次。

---

解題方法

本題為「名詞解釋＋原理闡述＋圖示＋實務應用」的標準申論題架構。答題時切入點如下：

1. 第一部分：定義「視覺層次」：從認知心理學與地圖溝通模式切入，界定其概念為「將重要主題置於視覺前端，輔助資訊退居背景」，達成視覺深度與認知順序的一致性。
2. 第二部分：繪圖說明：試卷上無法使用彩色，應繪製「視覺深度層次示意圖（層次堆疊透視圖）」或「圖面要素視覺權重層次圖」，配合線寬、陰影、網點或不同深淺灰階，具體呈現由前至後的感知層級。
3. 第三部分：如何建構視覺層次：分項說明地圖設計四大核心實務手段：

• 強化圖底分離（Figure-Ground Differentiation）。
• 靈活運用視覺變數（以尺寸、明度、彩度創造對比）。
• 建立系統化文字標註層次（Typographic Hierarchy）。
• 規劃整體版面元素權重（Layout Hierarchy）。

---

選項分析

本題為高等考試二級測量製圖類科之申論題，非選擇題，故無個別選項。評分關鍵在於「概念定義是否精確」、「圖示是否具有幾何與層次美感且標示清楚」、「建構手法是否切合製圖實務與專業術語」。

---

解題技巧

1. 掌握考場繪圖關鍵：

• 題目明確要求「並繪圖說明」，不畫圖必遭重扣分數。
• 試卷僅有黑白兩色筆，繪圖時務必使用「粗實線（重要主題）」、「細實線或虛線（次要背景）」、「斜線或交叉網點剖面（次景）」與「白色留白/陰影（前凸效果）」，展現黑白手繪的灰階與立體感。

2. 避開常見陷阱：

• 避免只寫圖徵符號，忽略整飾與文字：許多考生只寫河流、道路的大小，遺漏了「文字注記（Typography）」與「圖面邊緣要素（圖例、圖名）」也是視覺層次的一環。
• 避免混淆視覺變數：強調「數值/明度（Value）」與「尺寸（Size）」是創造層次最強烈的變數；而純粹的「形狀（Shape）」與「方向（Orientation）」主要表達質性差異，較不具備強烈的等級層次感。

3. 口訣記憶法：「圖底分明、變數對比、文字大小、版面主次」。

---

【答案】

一、視覺層次（Visual Hierarchy）之意涵

1. 定義： 「視覺層次」係指地圖製作者依據地理資訊的主題重要性與邏輯架構，運用視覺對比、符號學變數及圖底關係，賦予圖面上各項要素不同程度的「視覺權重（Visual Weight）」，使讀圖者在觀看地圖時，能以直覺且有系統的順序（由前景焦點至背景底層）感知並理解空間資訊的設計技巧。
2. 核心目的：

• 引導視線焦點：使首要主題（如主題圖的分析目標）最先被看見。
• 降低認知負荷：透過明確的主次分層，避免圖面資訊雜亂干擾（Visual Clutter）。
• 維持地圖溝通效率：確保地理資訊在傳遞給使用者的過程中保持高訊噪比。

---

二、視覺層次示意圖

在二維圖面上，透過符號的尺寸、線寬、填色深淺及輪廓陰影，大腦會建構出三維的「知覺深度（Perceptual Depth）」層次，如下圖所示：