50輛車泡水中…車主轟通知太慢!柯文哲:每個國民要對自己行為負責
三立新聞網 setn.com.2022年10月17日 12:10

記者陳怡潔/台北報導

士林百齡橋下淹水,50輛車泡在水中。(圖/翻攝自臉書)

尼莎颱風加上東北季風共伴效應,造成大量降雨,台北市傳出災情,士林區百齡橋下變成「大型泡水場」,50輛車浸在水中,有車主控訴根本沒有收到簡訊通知。對此,台北市長柯文哲(17)日表示,反省改進是我們的文化,已經指定副市長彭振聲去處理,會重新建立更早期的預警系統。不過柯也強調,每個國民還是對自己行為負責,政府要盡到通知責任,要不要移車你還是要負責。

針對百齡橋下50輛車遭淹沒,柯文哲今天視察堤外停車與水門開啟狀況後指出,反省改進是我們的文化,今天早上7點30分開會,有針對這問題有做出決議,台北市水利處要跟中央的河川局更緊密接觸,因為水是從上游下來的,如果等到開始淹水才通知就來不及,所以要跟中央氣象局、經濟部河川局,以及台北市水利處再合作,重新建立更早期的預警系統,已經指定副市長彭振聲去處理。

柯文哲指出,堤外停車場有幾個時間,開始是只出不進、關水門、開始拖吊、開放紅黃線停車;結束是開水門、紅黃線禁止停車。之後會嚴格要求車主要掃QRcode,並開放網站key(輸入)資料,以後簡訊直接推播,確保大家以後沒話講。今天早上已經要求資訊局水利處交通局重新把通知系統用好,目前只有簡訊,關於通知系統會再討論讓系統做得更好。

柯文哲強調,每個國民還是對自己行為負責,政府要盡到通知責任,要不要移車你還是要負責,都通知了還不移走卻要叫政府賠償,哪來這回事。

而民進黨台北市議員今天召開《尋找台北市長柯文哲》記者會,要求柯文哲請辭。柯文哲回應,「在哪裡?網路無所不在,柯文哲無所不在」,這都是口水戰,特別是選舉到了比較多,聽聽就好。

更多三立新聞網報導
暴雨狂灌!市長不在被罵翻 柯文哲:長官只要做3件事「還有第4樣作秀」
勘災康湖隧道晚陳時中3小時 挨批「慢N拍」!蔣萬安:怕去了耽誤搶通
論文抄簡舒培臉書?蔡壁如喊冤:台北市48位議員都是我研究對象
吳子嘉、沈慧虹互告!柯文哲搖頭苦笑:最後我要去當證人

更多相關新聞
一個台灣兩個世界 專家:真正共伴才開始 北部快發霉、南台熱爆
暴雨中上班上課 汐止6點就塞爆 當地人氣炸:全面癱瘓
秀朗橋河堤慘變「大型泡湯現場」 車主崩潰:移車要等3小時
花1億改建市場淹大水?綠轟好好做事破功 侯友宜解答了
文化大學正常上班課 學生罵爆:要不要騎車看看

相關新聞影音

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

賴清德 派系

謝龍介 參選 台南市長

媒體 宣傳 預算

雲林 槓上 中央

民眾黨 支持度 下滑

賴清德 民調

EBC東森新聞
中天新聞網
中天新聞網
中天新聞網
沈慶京打「健康牌」!拒供實情與院檢拚毅力
沈慶京打「健康牌」!拒供實情與院檢拚毅力
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司