5
核心資料層
事故逐筆、KPI 趨勢、熱點空間、族群風險與背景暴露量。
資料中心
交通安全資料中心
把台灣交通事故相關的公開資料，整理成一般人也看得懂的閱讀順序。這一頁同時保留長期脈絡與近期快照：先理解事故結果，再補上熱點、族群與暴露量背景，避免只看件數就下結論。
10+
公開資料來源
中央平台、地方政府、監理、氣象與人口統計都能成為分析基礎。
先理解
不是只堆資料
這一頁先建立閱讀框架，再帶你看各類資料能回答什麼問題。
最新快照
先看最新一個月，再回頭判讀長期趨勢
道安總動員的月度頁面適合放在資料中心最前面，因為它能快速告訴讀者最近一個月事故死亡的重點結構：哪些族群、哪種場景、哪類風險還在高檔。
264
平均每日 8.8 人，適合作為近期風險溫度計。
158
代表月度快照裡仍需優先追蹤的高風險運具。
111
提醒資料中心不能只談總量，還要回到高齡暴露與道路環境。
121
把焦點拉回路口設計、轉向衝突與視距問題。
13
適合與執法、回訓與長期趨勢頁面一起看。
閱讀方式
先建立框架，再進入細節
這一頁不是要一次塞給你所有表格，而是用一般人也能跟上的順序，帶你理解哪些資料最重要、哪些比較需要搭配背景一起看。
先看事故結果
先用死亡、受傷、逐筆事故與趨勢建立整體輪廓，理解問題規模。
再看風險集中在哪
把事故放回地點、族群與路口類型，才能看見高風險場景。
最後補上暴露量
車輛數、人口、道路與天氣等背景資料，是避免誤讀事故件數的關鍵。
基礎事故資料
先看逐筆事故，才知道風險真正發生在哪裡
如果只看新聞或年度總數，會看不到事故是在哪些時間、哪些地點、哪些運具條件下重複發生。逐筆事故資料是所有交通分析的起點。
近五年交通事故 30 日死亡人數
先看長期走勢，再決定該往哪個族群或場景深挖。
A1 / A2 傷亡道路交通事故逐筆資料
可直接取得事故發生時間、地點、死傷、車種等逐案資料，是做熱點、時間帶與風險族群分析的基礎。
可拿到什麼
- 發生年、月、日、時
- 地址與經緯度
- 死亡與受傷人數
- 車種與部分事故條件欄位
適合拿來做什麼
- 畫事故熱點地圖
- 找出高風險時段
- 比較不同運具的事故型態
A1 / A2 即時或短週期更新資料
相對於年度統計，短週期更新資料更適合追蹤最近事故樣態，尤其是地圖與近期趨勢展示。
可拿到什麼
- 更新頻率可達每月或半月
- 常含經緯度，可直接畫點
- A1 為 24 小時內死亡
- A2 為受傷或延後死亡
適合拿來做什麼
- 做近期事故觀察
- 建立事故地圖入口
- 觀察政策或事件後的短期變化
閱讀提醒
為什麼要先看逐筆資料？
因為交通風險不是平均分布的。年度總數只能告訴你問題存在，逐筆資料才能告訴你風險集中在哪裡、發生在什麼條件下，以及哪些地方值得優先改善。
KPI 與趨勢
Dashboard 很重要，但不能只剩一個總數
彙總統計適合用來追蹤政策方向與跨年度比較，但真正有用的 dashboard 必須把整體、行人、酒駕、路口與縣市差異一起攤開來看。
道安總動員月度指標
道安總動員可追蹤每月 30 日死亡、機車、高齡者、路口與酒駕等指標，是最接近公共溝通場景的指標層。
可拿到什麼
- 每月 30 日死亡人數
- 機車與高齡者死亡
- 酒駕死亡
- 路口事故與縣市比較
適合拿來做什麼
- 做首頁摘要 KPI
- 觀察月度改善方向
- 比較縣市表現差異
不只看總數，也要收錄變化率與人口比率
如果資料中心只放死亡總數，讀者很容易誤判風險。值得固定收錄的還包括較上年同期增減數（率）、縣市每十萬人死傷數，以及鄉鎮市區每千人死傷數。
可拿到什麼
- 較上年同期增減數（率）
- 縣市每十萬人死傷數
- 鄉鎮市區每千人死傷數
- 近 12 個月同月比較
適合拿來做什麼
- 避免只用絕對數字比較縣市
- 幫讀者分辨短期反彈與結構性惡化
- 讓資料中心更接近風險率而非事件總量
交通部統計查詢與交通年鑑
適合放長期趨勢、年度比較與政策脈絡，但要注意近一年資料可能仍會修正，不能當作完全定稿版本。
可拿到什麼
- 全國事故件數
- 30 日死亡統計
- 年度趨勢與長期序列
- 跨年度比較基礎表
適合拿來做什麼
- 呈現五年到十年走勢
- 對照單月波動與長期趨勢
- 作為文章引用的長期底圖
同一個月下降，不代表風險已經解決
單月下降可能受季節、執法密度或資料修正影響。資料中心應先幫讀者區分「短期波動」與「結構性改善」。
適合拿來做什麼
- 避免把短期好轉誤讀成長期改善
- 提醒讀者先看年度序列再看單月
- 把資料放回政策與工程改善脈絡
熱點與空間
事故不是平均灑在地圖上，而是集中在少數高風險路口與路段
空間資料能把抽象統計變成具體改善優先順序。當你看到某些路口反覆出現在排名前段，討論就能從情緒回到設計與治理。
事故熱點與路口 / 路段排名
熱點資料可用於找出高風險路口、比較各縣市黑點，並幫助讀者理解「哪裡」比「多少」更有行動價值。
可拿到什麼
- 路口或路段排名
- 事故件數、死亡、受傷
- 空間分布與區域集中情況
適合拿來做什麼
- 找出改善優先順序
- 視覺化黑點地圖
- 串連地方改善議題
EPDO：把死亡、受傷與件數放在同一個尺上
只看事故件數，會把大量輕微碰撞和高致命風險混在一起。EPDO 讓你更接近「哪裡最危險」這個問題。
適合拿來做什麼
- 排序路口風險嚴重度
- 避免單靠件數排行
- 幫助一般人理解風險強度差異
死亡 × 9.5 + 受傷 × 3.5 + 件數
有經緯度，就能從表格變成地圖
經緯度能把事故資料從表格轉成地圖，讓風險分布與聚集情況更容易被理解。
適合拿來做什麼
- 串接地圖或篩選器
- 顯示事故聚集廊帶
- 對照學校、車站與主要幹道周邊風險
閱讀提醒
熱點資料的閱讀重點
真正重要的不只是「第一名是誰」，而是同一類風險是否反覆集中在特定路型、特定行政區或特定通行需求附近。這才會把討論帶向改善方案。
族群與地方補充
除了全國數字，還要知道是誰承受了更多風險
高齡者、行人、機車騎士與特定行政區，往往不是因為個別人特別不小心，而是因為他們暴露在更高風險的道路與制度條件中。
縣市警察局事故資料
地方資料能補中央資料不足，常會多出行政區、年齡、性別、肇因與車種等欄位，對地方議題與區域比較很有價值。
可拿到什麼
- 事故時間與行政區
- 年齡、性別、車種
- 肇因或當事者分類
適合拿來做什麼
- 地方議題整理
- 高風險族群分析
- 補足中央欄位不足之處
把「高風險族群」講清楚
資料中心不該只說某族群死亡較多，還要補上他們面對的道路、速度、視距與暴露條件，否則容易把結構問題說成個人失誤。
適合拿來做什麼
- 說明行人、高齡者與機車風險
- 連回道路設計與制度脈絡
- 支撐文章與倡議內容
暴露量與背景資料
只看事故件數，會誤判哪裡真的比較危險
事故數字描述的是結果，不是風險本身。要比較不同地區或不同族群，還需要知道他們的人口規模、車輛數、道路條件與天氣暴露。
車輛掛牌數與車種結構
如果不知道各地有多少機車、汽車或高齡車主，就很難判斷「死亡人數較高」到底是風險較高，還是母體本來就比較大。
可拿到什麼
- 機動車輛登記數
- 車種比例
- 可延伸車齡結構
適合拿來做什麼
- 計算每萬車死亡率
- 比較不同縣市車種結構
- 避免只用絕對數字比較
人口與年齡結構
人口資料讓你可以把死亡與受傷換算成每 10 萬人風險，而不是只比總量。
可拿到什麼
- 各縣市人口數
- 年齡結構
- 可細分統計區資料
適合拿來做什麼
- 計算每 10 萬人死亡率
- 理解高齡風險是否集中
- 搭配地方事故資料做交叉比較
道路、天氣與執法資料
道路長度、道路類型、降雨、能見度與酒駕或超速取締數，都能幫你更接近「為什麼這裡風險偏高」的問題。
可拿到什麼
- 道路長度、車道數、道路類型
- 降雨、能見度、時段條件
- 酒駕與超速執法資料
適合拿來做什麼
- 估算每公里事故率
- 做雨天事故分析
- 觀察政策與執法效果
閱讀提醒
一定要補的三個關鍵資料
車輛數、人口與行駛量，是避免誤判風險的核心背景。前兩者相對容易取得，真正困難但價值最高的是行駛量（例如 AADT 或 VKT）。
判讀限制
公開資料已經很強，但仍有幾個缺口要先知道
台灣公開事故逐筆資料很強，但行駛里程、即時交通流與細緻駕駛行為資料仍相對不足。
近一年統計可能持續修正，不適合把單月變化當成最終結論。
不同資料集的統計口徑可能不同，資料中心需要明確標示定義與更新基準。
資料入口
如果你想繼續查，從這些官方來源開始
這裡整理了主要官方來源，方便你從資料總覽一路查到原始資料與統計入口。
事故逐筆與地方事故資料
逐案資料、座標與事故基本欄位，是理解交通風險分布的基礎。
趨勢與政策觀察
適合追蹤月度指標、年度統計與政策公告。
暴露量與背景資料
用來計算每萬車、每十萬人或每公里風險，而不只是比絕對件數。