OSM 的隱藏陷阱 - 以 λ 指數修正志願者貢獻偏差

本篇要講述的是台中 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。

關於 OSM 其中的 392% 增長，有多少是真的？

先來檢視台中市 OSM 數據 8 年的原始增長：

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%。

然而其中一個問題隨之而來：

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。

量化「回填效應」：社群貢獻量代理變數

若某城市/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。

我們在這邊定義「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。

# osm/bias_correction.py:37-54
def compute_total_elements(osm_metrics: pd.DataFrame) -> pd.Series:
    """
    計算每年 OSM 快照的「總元素數」（社群貢獻量代理）。
    """
    count_cols = [c for c in ["building_count", "amenity_count", "shop_count", "leisure_count"]
                  if c in osm_metrics.columns]
    osm_metrics = osm_metrics.copy()
    osm_metrics["total_elements"] = osm_metrics[count_cols].sum(axis=1)
    return osm_metrics.groupby("year")["total_elements"].mean()

台中 8 年的 C_t（每採樣點 500m 範圍內均值）：

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。

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：

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

# osm/bias_correction.py:80-97
v0 = series[base_year]
c0 = community_proxy[base_year]

for year in sorted(series.index):
    v_t = series[year]
    c_t = community_proxy.get(year, c0)

    raw_growth = v_t / v0 if v0 > 0 else np.nan

    # 社群貢獻量修正因子 = (C_t0 / C_t)^λ
    if c0 > 0 and c_t > 0:
        correction_factor = (c0 / c_t) ** lambda_
    else:
        correction_factor = 1.0

    corrected_growth = raw_growth * correction_factor

將 λ 套用至台中數據

採用建議值 λ = 0.5：

392% 被壓縮至 140%，較接近一個快速發展城市的合理增速範圍。

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。

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」。

# osm/bias_correction.py:111-143
def sensitivity_analysis(series, community_proxy, base_year=BASE_YEAR, lambdas=None):
    if lambdas is None:
        lambdas = [0.0, 0.25, 0.5, 0.75, 1.0]
    final_year = sorted(series.index)[-1]
    rows = []
    for lam in lambdas:
        df = bias_correction_index(series, community_proxy, base_year, lam)
        final_row = df[df["year"] == final_year].iloc[0]
        rows.append({
            "lambda": lam,
            "corrected_growth_index": final_row["corrected_growth_index"],
            "implied_real_growth_pct": (final_row["corrected_growth_index"] - 1) * 100,
        })
    return pd.DataFrame(rows)

台中 2018→2025 建築增長在不同 λ 值下的結果：

只是在這情況下，下列兩種解讀都不合適：

• 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，真實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。

後面我們將繼續講解關於 λ 值得其他參考計算方式，這本篇中著墨在城市 OSM 數據跟志願者貢獻偏之間的關係計算。