高揚凱為危老建築請命 住宅議員有具體做法
中天新聞網.2022年9月19日 17:46

社群中心/綜合報導

近日台灣地震頻率升高,昨日花東發生今年最大地震,震度相當於八顆原子彈威力。台北市議員候選人高揚凱認為,大安區、文山區屋齡三、四十年以上老房子比例相當高,危老建築整建刻不容緩,當選後將發揮自身營造與都市規劃專長,全面推動危老建築健檢與補助方案,讓市民住得安心,長者出入更便利。

台北市議員候選人高揚凱

921大地震將屆滿23周年前夕,台東於昨日發生規模6.8強震,學者專家示警,台灣已進入強烈地震的高風險期。高揚凱認為,前內政部長李鴻源提出「防災型都更」理念,具有宏觀視野,可結合國土規劃作為長期政策目標。就當前燃眉之急而言,應該優先推動危老的健檢與補強、修繕工作,尤其文山地區年長鄉親甚多,在老舊公寓進行修繕改建時,亦應把增設電梯及無障礙設施納入考量,禆能營造友善年長者生活空間。這不是一句選舉口號,別人推不動的,「在地囝仔、住宅議員」高揚凱承諾當選後一定積極落實這項政見!

具備豐富的住宅工程專長與實務經驗的高揚凱表示,他當選後將立即結合學界、技師公會、業者籌組「危老服務志工團隊」,第一年即開始推動大安、文山區的「老屋健康檢查」,爭取危老建築補助款並加速都市更新作業;無電梯的公寓也將委請專家學者組成評估小組,盡可能為老式公寓增建電梯或座椅式無障礙樓梯間升降椅,並爭取市政府編列預算,補助符合增設電梯資格的家戶,以不負市民所託。

台東昨日發生6.8強震,但命理專家預告,3天後的「四離日」才是真正的凶日。(圖/中天新聞)

高揚凱指出,頭痛醫頭、腳痛醫腳式的政策無法解決問題,他無法認同中央或地方政府總是遇事才開始呼籲改革,根本緩不濟急。最近頻繁發生的地震警示我們,短期的危老建築改善與長期的防災型都更,實攸關每一位市民的身家安全。地震何時出現無法預期,但事先可對建築進行耐震檢查並及時進行補強,高揚凱一定全力以赴來守護鄉親住的安全。高揚凱特別提醒鄉親,目前為地震高風險期,務請鄉親朋友們做好防災準備,地震包與手電筒應擺放於家中易拿取處。盼天佑台灣,鄉親都平安。

【更多中天快點TV報導】
生育補助一胎十萬!「在地囝仔」高揚凱展現紥實基層實力
綠營焦慮了!高揚凱揭桃園綠選情緊張 因民進黨這樁家醜?
《大新聞大爆卦》時中拚深綠基本盤無中間票?高揚凱:因為賭X防疫票太多

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

修正 委員會

蘇巧慧 參選 新北

澎湖 漁船 扣押

選罷法 審查 立院

三立 洗錢 主嫌

侯友宜 停權

今日新聞NOWnews
中央廣播電台
CTWANT
太報
戰狼小姐姐嗆綠委 柯前幕僚批:為求聲量
[NOWnews今日新聞]立法院內政委員會昨排審《公職人員選舉罷免法》部分條文修正草案,民眾黨8名立委皆未缺席,黨團主任陳智菡到委員會並開直播,批民進黨立委是薪水小偷,綠營反擊,民眾黨內政委員會立委麥...
  • 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