跳到主要內容

響應環保,從台中做起!


今天是世界地球日,不免的還是要實行一下低碳環保的行動,
就在下午到銀行辦事時,突然發現很奇怪的在非收費時段,停車格抄單人員還是會開立免費憑證單據!
看著開單員騎著車一台接一台的開單,這整個不就是浪費人力、時間、成本與製造污染的行為嗎?
因此趁今天這日子,有感的提供個小建議給市政府的市長信箱,
信件原文如下,來看看到時他們會怎麼回覆吧!

原文如下 (貼上網表格有點跑掉):
=======================================================================
胡市長您好:

今天是世界地球日 (04/22),一個全球響應環保、抗暖化、低碳生活的重大節日。
同時,臺南市環保局亦在今日主辦了"反怠速、節能減碳"的環保活動。

反觀我們台中,在台中市主要幹道上,我們時常可以看到辛勞的停車格抄單人員
頂著烈日穿梭在車輛旁執勤。但令人遺憾是這些抄單人員所騎乘的機車長期處於
怠速狀態,在人員停駐開單時依然不斷排放出較行進時更加污染空氣的燃燒不完
全廢氣。若以全台中市抄單人員數量統計,這無疑對台中市空氣品質、市民健康
及環境保護上造成莫大的傷害。

昨日,有幸聆聽安籐忠雄先生以身為建築師身份,宣揚他在守護生態環境上的堅
持與奮鬥。同時也很高興聽見市長先生對企業公民與環境保護概念的支持認同。

因此希望能建議市長,
協助改善公有停車格抄單人員交通工具,採用環保無污染的電動機車取代目前使
用的燃油機車,以達節能、減碳、響應環保並抵抗全球暖化的效果。

(不建議要求人員抄單時熄火,因重複熄火發動時將造成更多燃燒不完全廢氣)

倘若能有效實施,預期可符合以下效益:

效益一、響應環保、達成減碳效益

 以彰化縣環保局資料為例 http://www.chepb.gov.tw/i/m01/index_05_3_3.htm

 [污染]    [電動機車]   /    [50 c.c 燃油機車]
 SOx(g/km)     0.0384 (3)  /    -
 CO(g/km)     0         /    3.5以下(4)
 HC+NOx(g/km)     0.0492 (3)  /    2.0以下(4)
 CO2(g/km)     30 (3)        /    57.18

 (3).電動機車排放污染係反推發電廠排放污染值,屬固定污染源防治較易成本較低 
 (4).87.1.1起實施機車三期法規新車排放標準。機車冷車運轉、塞車、保養不良時
   污染值更高,且屬移動性污染源,防治不易成本較高。

效益二、因應油價高漲,有效降低成本

 以彰化縣環保局資料為例 http://www.chepb.gov.tw/i/m01/index_05_3_3.htm

 以下資料數據以每公升市區行駛35公里計,92無鉛汽油每公升以17元計。每次充電
 約2度電(仟瓦小時),每度電以非夏季用電331度以上之價格2.6元計算。里程數依
 車輛公會統計,50cc機車每年平均行駛里程約為4000公里。電池約一年更換一次。 

 [耗能]                 [電動機車]        [50 c.c 燃油機車]
   使用能源      電力      92無鉛汽油
 市區使用能源費用(元/公里)      0.15        0.49
 5年2萬公里累計能源費用(不含電池更換)     3,000        9,800 

 若換算時價(2008.04)
 九二無鉛汽油:30.44 元 / 公升 (經濟部能源局-油價資訊管理與分析系統)
 非夏季用電331度以上價格:2.9 元 / 度 (臺灣電力公司 - 電價表)

  則可重建上表如下:
 [成本]                 [電動機車]        [50 c.c 燃油機車]
   使用能源      電力        92無鉛汽油
 市區使用能源費用(元/公里)      0.167        0.877
 5年2萬公里累計能源費用(不含電池更換)     3,340         17,540 

 由重建表可見,若採用電動機車則單輛車在五年能源成本中即可節省 14,200 元
 且公務車出勤時數、里程數遠高於上表數據中車輛公會訂定之每年平均 4000公里

 若以公務車每年10000公里為基準,則五年五萬公里每輛車可節省:

 50c.c燃油機車:43,850 - 電動機車:8,350 = 35,500 元/輛

效益三、提升市政績效,塑造優質執政形象
 若市府願意以身作則跟進國際環保思維,進一步樹立典範提升市民文化、生態保護
 水平,這不但能提升正向的市府施政績效,更能塑造優質環保、永續發展的都市形
 象。

 

以上建議,期待市長回應。

         BP

 

 

留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...