OSM 的隱藏陷阱：以 λ 指數修正志願者貢獻偏差
OSM 的隱藏陷阱：以 λ 指數修正志願者貢獻偏差
系列 A 第三篇 / 本系列的核心方法論貢獻。台中 OSM 建築數量 2018→2025 增長 392%，但其中有多少是真實建設、多少是社群回填？本篇提出一個可量化、可控制修正強度的 λ 偏差修正指數。
一、問題：392% 的增長，有多少是「真的」？
先檢視台中市 OSM 數據 8 年的原始增長：
| 年份 | OSM 建築物總數 | 設施 | 商店 | 休閒 |
|---|---|---|---|---|
| 2018 | 16,926 | 1,015 | 408 | 30 |
| 2019 | 12,771 | 1,207 | 466 | 32 |
| 2020 | 16,117 | 1,520 | 541 | 39 |
| 2021 | 18,500 | 1,599 | 534 | 47 |
| 2022 | 24,973 | 1,640 | 590 | 49 |
| 2023 | 41,055 | 1,762 | 647 | 57 |
| 2024 | 47,584 | 1,874 | 690 | 59 |
| 2025 | 50,208 | 1,921 | 705 | 61 |
採樣點 500m 範圍內的「平均建築數量」更為顯著——從 2018 年的 27.6 棟，增至 2025 年的 136 棟，+392.1%。
問題隨之而來：
台中市真的在 8 年內新建了比原有存量多 4 倍的建築嗎？
答案顯然是否定的。即便是開發最密集的城市，10 年內新建建築數量也不會超過存量的 1 倍。這 392% 中，相當大一部分其實是「OSM 社群志願者持續將既有建築數位化補登」，也就是「歷史回填」（backfilling）效應。
二、量化「回填效應」：社群貢獻量代理變數
核心直覺：若某地區 2018 年 OSM 共有 1 萬個元素（建築 + 設施 + 商店 + 休閒），2025 年增至 5 萬，則社群整體活躍度約提升 5 倍。建築數的增長，有相當一部分是被這個系統性的「社群更積極補登」推高的。
定義「社群貢獻量代理」C_t：
C_t = building_count_t + amenity_count_t + shop_count_t + leisure_count_t將所有有測量目標的標籤加總，作為志願者整體投入程度的代理變數。
台中 8 年的 C_t（每採樣點 500m 範圍內均值）：
| 年份 | C_t（總元素均值） |
|---|---|
| 2018 | 34.6 |
| 2021 | 57.1 |
| 2025 | 146.4 |
C_2025 / C_2018 ≈ 4.23，社群貢獻量翻了逾四倍。
核心假設：社群貢獻量增長與「真實建設增長」是兩個獨立過程。OSM 元素總數的增長是兩者的疊加，而研究者真正關心的是後者。
三、修正公式
定義第 t 年的「校正後增長指數」：
G_t_corr = (N_t / N_0) × (C_0 / C_t)^λ各符號意義：
| 符號 | 意義 |
|---|---|
N_t / N_0 |
原始增長率（基準年 N_0 = 2018） |
(C_0 / C_t) |
社群貢獻量的衰減倒數（C 愈大，此因子愈小） |
λ ∈ [0, 1] |
修正強度，由分析者根據研究假設設定 |
三種直覺解讀：
- λ = 0：完全不修正 →
G_corr = N_t / N_0，還原為原始指數 - λ = 1：完全比例修正 → 假設所有 OSM 元素增長均來自社群活躍度提升
- λ = 0.5：中度修正，假設增長中一半來自真實建設、一半來自社群回填
四、套用至台中數據
採用建議值 λ = 0.5：
| 年份 | 建築均值 | 原始增長 | 修正因子 (C_0/C_t)^0.5 | 修正後增長 |
|---|---|---|---|---|
| 2018 | 27.6 | +0.0% | 1.000 | +0.0% |
| 2019 | 31.0 | +12.3% | 0.943 | +5.9% |
| 2020 | 34.8 | +26.1% | 0.901 | +13.6% |
| 2021 | 47.6 | +72.5% | 0.778 | +34.2% |
| 2022 | 67.8 | +145.7% | 0.692 | +70.0% |
| 2023 | 109.8 | +297.8% | 0.582 | +131.1% |
| 2024 | 131.3 | +375.7% | 0.508 | +141.7% |
| 2025 | 136.0 | +392.8% | 0.486 | +139.6% |
392% 被壓縮至 140%，較接近一個快速發展城市的合理增速範圍。
換個角度詮釋：原始指數顯示「8 年新增了 4 倍建築」，修正後顯示「8 年新增了 1.4 倍建築」——後者更符合人類認知與官方建照數據的數量級。
五、λ 靈敏度分析
λ 是無法從資料本身唯一決定的參數，因此靈敏度分析是不可省略的步驟——它能讓讀者清楚看見「不同假設下結論差距有多大」。
台中 2018→2025 建築增長在不同 λ 值下的結果：
| λ | 修正後增長 |
|---|---|
| 0.00 | +393%（不修正） |
| 0.25 | +234% |
| 0.50 | +140%（中度修正，建議值） |
| 0.75 | +73% |
| 1.00 | +17%（完全比例修正） |
兩種極端解讀：
- λ = 0 派：「OSM 增長即真實建設增長」→ 4 倍增長，呈現泡沫式擴張
- λ = 1 派：「OSM 增長完全等比例反映社群活躍度」→ 17%，幾乎零成長
兩者皆不準確。實際情況必然介於兩者之間，靈敏度分析的價值在於：明確告知讀者「結論在 λ ∈ [0.25, 0.75] 範圍內均成立」，比直接拋出單一數字嚴謹得多。
六、如何選定 λ？
理論上 λ 應由「外部基準」決定。以下是三條可行的校準路徑：
路徑 1：對照官方建照數據
最直接的方法——以政府公布的「年度核發建照數」作為 ground truth，反推 λ：
λ* = log(N_t/N_0 / G_real) / log(C_t/C_0)其中 G_real 為官方建照累計增長率。台中建管處（CPA）有公開資料，可據此反算出城市特定的 λ 值。
路徑 2：跨城市穩定性檢驗
若同一個 λ 值應用於台北、高雄、台中均能與官方數據對齊，則可視其為 OSM 系統性偏差的穩健估計，與個別城市無關。
路徑 3：保守採用 λ = 0.5
在缺乏 ground truth 校準的情況下，以 0.5 作為「未知條件下假設各佔一半」的保守選擇。報告中務必附上靈敏度分析表，讓讀者知悉結論在 λ ∈ [0.25, 0.75] 範圍內的穩健性。
七、批次修正多項指標
輸出兩份結果檔：
output/osm_bias_corrected.csv——各指標各年的原始與修正後增長指數output/osm_bias_sensitivity.csv——λ 靈敏度分析結果
修正前後各 OSM 指標的 8 年總增長率對比（λ = 0.5）：
| 指標 | 原始增長 | 修正後增長 | 差距幅度 |
|---|---|---|---|
building_count |
+393% | +140% | 巨大 |
amenity_count |
+44% | −30% | 中等 |
shop_count |
+61% | −22% | 中等 |
poi_diversity |
+37% | −33% | 中等 |
為何 amenity / shop / poi_diversity 修正後呈現負增長？
這個結果頗具啟示性——它說明：設施、商店、POI 多樣性的增長速度，低於社群整體活躍度的增長速度。以白話解讀：
- 社群志願者在 8 年間新增了 4.23 倍的「總元素」
- 其中建築物增長最為顯著（4.93 倍），佔新增貢獻的絕大部分
- 設施、商店類元素雖有增長，但比例上未能跟上社群整體活躍度的提升
修正後的負值意味著：這些指標的「真實增長」可能接近零，幾乎全數源於社群回填效應。
這一發現本身即具有獨立的研究價值——它告訴規劃者一個有悖直覺的事實：從 OSM 觀察到的「商店設施大量增加」，很可能並非真實現象。
八、方法論的局限
誠實面對這套修正方法的潛在問題：
1. 假設「真實建設增長」與「社群活躍度」相互獨立
此假設未必成立。當城市快速擴張時，社群往往也更有動力更新 OSM（例如建商人員主動補登自家樓盤）。兩者之間實際存在正相關。
即便如此，修正的方向仍是正確的——只是修正幅度可能略有過度。
2. C_t 以「總元素數」代理過於粗略
更精細的做法：以 OSM changeset 數量、活躍編輯者數，或某類「不會新增的歷史地物」（如山脈、河川的 way）作為更純粹的社群活躍度代理。但 changeset 資料須從 OSM Planet 下載，工程量較大。
3. λ 不宜跨指標共用
修正建築物所用的 λ，未必適用於設施類指標。理論上每個指標都應有其專屬 λ，但此舉會使校準工作量大幅增加。
4. 全域 λ 假設的侷限
目前 λ 假設在整座城市中均一。實際上市中心與郊區的「社群覆蓋率」差異顯著——市中心早已被 OSM 完整標記，郊區則在後期才陸續補登。空間異質性 λ(x, y) 是更嚴謹的作法，但需要更多前提假設。
九、本篇小結
| 概念 | 重點說明 |
|---|---|
| 問題 | OSM 數據增長 = 真實建設 + 社群回填，兩者混雜難以區分 |
| 代理變數 | C_t = 建築 + 設施 + 商店 + 休閒 總數，作為社群活躍度代理 |
| 修正公式 | G_corr = (N_t/N_0) × (C_0/C_t)^λ |
| λ 選擇 | 預設 0.5，並進行 λ ∈ [0, 1] 靈敏度分析 |
| 校準方式 | 以官方建照數據或跨城市穩定性反推真實 λ |
| 意外發現 | 設施、商店類指標修正後增長為負，暗示真實增長接近零 |
十、引用建議格式
如需將此方法套用至其他資料集，建議引用格式如下：
OSM bias correction was applied using the volunteer contribution index proposed in city-ana:
G_corr = (N_t/N_0) · (C_0/C_t)^λ,
where C_t is the total count of building, amenity, shop, and leisure elements in year t. We adopt λ = 0.5 as the central estimate and report sensitivity across λ ∈ {0, 0.25, 0.5, 0.75, 1.0}.
下一篇預告：系列 B 第二篇，SSIM vs ResNet 餘弦距離——兩種跨年變化偵測方法的取捨。前者著重「結構相似度」，後者著重「語義變化」，兩者結合能有效識別「空地 → 建築群」這類重大事件。
程式碼：osm/bias_correction.py
輸出：output/osm_bias_corrected.csv、output/osm_bias_sensitivity.csv
論文章節：對應 paper/main.tex 的「Volunteer Contribution Bias Correction」段落