樓梯間全是鄰居雜物!台北女怒了
今日新聞NOWnews.2022年10月8日 11:31
▲一位民眾稱家住於信義區吳興街,但連兩年打1999反應鄰居在樓梯間堆放雜物問題,都未獲得處理。(圖/翻攝《爆怨公社》)

住公寓大樓,最害怕遇到這種狀況!一位台北民眾控訴鄰居長期將大量雜物擺放樓梯間,連人都沒辦法通行,但向1999以及多個單位投訴了兩年都未有成效,讓她忍不住痛批「真的火災了,死了人,才會處理嗎?」

一位女網友在臉書《爆怨公社》上發文貼出照片,自家住處位於信義區吳興街,只見鄰居已經把該處當成倉庫,將玩具車、紙箱、安全帽、滑板等所有大型雜物都堆放在樓梯間,甚至還曾經出現人完全無法通行的狀況。從多張照片發現,雜物擺放種類以及位置都有變化過,鄰居將樓梯當成雜物間使用的情況已非一朝一夕。

原PO痛訴「打過1999,沒有用。已經反應兩年了,消防局不是他們的事,環保局不是他們的事,工務局業務繁忙未到,因為沒有管委會,故結案,但沒看過政府官員來查過。如果發生火災,我真的不知道怎麼辦。真的火災了,死了人,才會處理嗎?」 

▲樓梯間曾多次出現完全無法通行的狀況。(圖/翻攝《爆怨公社》)
▲樓梯間曾多次出現完全無法通行的狀況。(圖/翻攝《爆怨公社》)

畫面曝光後立刻有不少民眾氣憤喊「灣就是這樣,出事了才會被注意」、「真的非常討厭這種人,上頂樓施工常常遇到這種」、「快選舉了,找一些要參選的人會比較快」。

而據《公寓大廈管理條例》第16條第2項規定,住戶不得於私設通路、防火隔間、開放空間、樓梯間、共同走廊、防空避難設備等處堆置雜物,經制止而不遵從者,除可依法處4萬元以上、20萬元以下罰鍰,還能連續開罰;若造成他人跌倒受傷,不僅可能觸犯「過失傷害罪」,引發災害、涉妨礙人員逃生避難及影響消防救災者,更將依公共危險相關責任依法究處。(編輯:潘毅)

更多 NOWnews 今日新聞 報導
新電視搖控器太複雜!孫「客製化」超強 阿公一用超順手
北市推超級悠遊卡!議員吐槽「突破性技術」 用戶也搖頭
好友「包2000元」攜伴又拿餅!新娘無言:只有我覺得少嗎

網友在熱議什麼?
結帳等1小時…好市多塞爆:冰淇淋都融了
退租被討4萬元 曝房東嗆「不給就提告」掀熱議
準備微波美食祭祖 6萬網友狂讚喊方便
少子化害慘學區房價?內行人揭關鍵「根本沒差」
gogoro騎到飽方案將退場 網歎:信仰撐不下去

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

高雄場 陳其邁

連勝文 中國

國民黨 台南 改革

兩岸 連署

改革 覆議案

台南 謝龍介

民視
今日新聞NOWnews
太報
民視
LIVE/全台出擊! 反擴權護民主桃園宣講晚間登場
即時中心/林耿郁報導反擴權、護民主宣講,晚間來到桃園市開講,民進黨多位黨內要角如郭昱晴、張雅琳、范雲、林月琴、洪申翰與王義川等人,都到場宣傳國會擴權法案的危害與違法之處。期盼國民黨、民眾黨懸崖勒馬,儘快「起義來歸」。
  • 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