【特別企劃】政府資訊開放 除了開放更要好存取易應用

政府資訊開放存取模式 (Dataset)的維護窘境

政府資訊開放(Open Government Data) 雖然只是建構未來成功開放政府(Open Government)的第一步，透過持續地落實資訊開放，始能帶動並催生新穎的開放服務。政府資訊開放原則上盡量保持資料的完整性，但存取模式通常是以資料集(Dataset) 作為存取單位；以資料結構的角度來看，亦可再區分為向量(Vector)、矩陣(Matrix)、陣列(Array)、因素(Factor)、列表(List)、資料框架(Data Frame) 等， 資料元素的模式則亦可區分為整數(Integer)、實數(Numeric)、邏輯(Logical)、複數(Complex)、文字(Character)， 以及NA、NaN、INF 等遺失值(Missing Values)。

資料集通常是取樣調查下的結果，或是限制於有限資料集合的靜態資料，如某班級學生成績、機關各項業務承辦人聯絡方式或辦公室位置等—這與資料實體至少具有一個以上自由度(Freedom) 的特性實是相互頇隔的：例如空氣汙染監控資料，自由度在於無止盡的時間軸，只得分割為無數個某某日、某某日等逐漸累增的資料集，當資料集累積到一定量維護工作令人咋舌，開放服務端則更需費工於合併組合與不定時不定量之更新；其他如：固定資產設備、鐵路沿線倉庫出租資訊，將動態異動於新增、修改、刪除於異動活動及地理位置兩種自由度，若加上影像資料，開放資訊將可擴為三個自由度，任一個微小的變動皆需要重新更新資料集，更新週期緩慢時將造成雙方的資訊落差。

資料實體的動態串流特性

除了少數的詞彙檔、代碼檔、主檔之外，大部分的資料實體皆具有動態串流的特質。如：客運業者營運所產生的簡易營運紀錄檔，為一個自由度的資料實體且其主鍵欄位為時間，當轉換以視覺化呈現便可以看出其為動態串流的特質。動態串流是隨著自變數而變動，並基於串流的離散密度(Discrete Density) 以界定串流資料的間格。開放資訊裡對於原始資料(RowData) 的爭議會在於離散密度的賦予，太密的間格需要昂貴的設備投資，如鐵路業者須添購

各種卡票通行閘門始能獲取精度至秒的原始資料，且開放到每一筆進出旅客紀錄；太疏則可能是人工蒐集統計後輸入系統，其準確度較低且易被質疑為非原始資料。因變數是動態串流主體，可以是獨立變數，如載客人數、延人公里、營運收入等，經分群處理後的各種列車別的載客人數、各種旅客別的載客人數等分群變數，或是明顯分列，如個車站別進出旅客人數等分列變數，較複雜的資料架構則可能需要形成層級架構(Hierarchical Structure) 以分層展列。原生串流(Native Steam) 直接產由系統資料庫，可能具有震盪擺動的特性，經分解降頻週期串流(Periodic Stream) 與事件資料之後將較易於理解其週期性變化，如圖一為原生串流經總體經驗模態分解(EEMD) 與低通過濾(Low-Pass Filtering) 處理後的週期串流。

修正存取的三星開放等級

對於動態串流的存取方式則是以服務(WS、REST) API 來存取開放資訊，其係是讓開放服務端自由擷取其中一段串流訊號成為不定量的資料集，此將大幅減省開放服務端合併組合眾多分割資料集與不定時不定量之更新工作，同時亦大幅降低提供端維護超高量資料集的苦難。

W3C 於倡議資訊開放之始即定義五星開放等級， 依序為OL：Open License、RE：MachineReadable、OF：Open Format、URI：Unform Resource Identier、LD：Linking Data。然而五星開放等級僅是針對開放資訊格式而定義，當再加入機器辨識性以及動態串流之存取方式等因素，可再重新調整界定五星開放等級，如下表。為區隔過往個別資料集下載的存取形式，修正後的三星級開放等級將可擴充為以可收容動態串流並以服務API 存取為主的範疇，其中ODF、CSV 則被限制為資料框架結構之資料格式。