統計顯著，街頭無感？解析台大左轉研究的學術價值與政策應用邊界
AI Global Insights Blog · AI Global Insights with Jim
統計顯著，街頭無感？解析台大左轉研究的
學術價值與政策應用邊界
從計量模型的侷限，到 AI Agent 感測驅動的下一代交通安全決策
事件背景
一篇論文，兩個截然不同的世界
國立台灣大學農業經濟學系張宏浩教授團隊，於國際頂尖期刊《Transportation Research Part
A: Policy and Practice》發表論文《The causal effects of removing hook turn regulation on
road safety》，研究台南市試辦取消機車強制兩段式左轉之成效。
論文結論振奮人心：事故件數下降 21%、受傷人數減少 19%、居民醫療支出降低 4.7%。這些數
字迅速引發廣泛關注，成為交通路權討論中頻繁被援引的「科學實證」。
然而，當交通工程師走到台南街頭，打開地圖仔細比對，他們看到的，是一個與論文描述完全不
同的現實。這個落差，值得所有關心台灣交通安全的人深思。
|
−21% 論文宣稱 路口事故件數下降 |
−4.7% 論文宣稱 居民醫療支出減少 |
×10 數據誤差 受影響路口數被嚴重高估 |
核心問題
四大研究盲點：學術模型的「黑箱」
|
01 政策定義的根本誤解 論文假設台南實施的是「全面塗銷待轉標線」，但實際執行的是「雙軌並行」——待轉區依然保留，僅取消「強制」規定。研究者連「處理組」的物理狀態都觀察錯誤，內部效度已從根本動搖。 |
02 空間尺度的粗糙膨脹 以「行政區」為統計單位，導致數據嚴重失真。以關廟區為例，論文稱受影響路口達 277 處以上，實務上僅不到 20 處受政策影響——超過 10 倍的誤差，混入大量非改善樣本。 |
|
03 工程干擾變數全面失控 研究觀測期間，台南市同步增設 60 處左轉附加車道、優化號誌時相。模型將這些實質工程改善的安全紅利，全數歸功於「取消待轉」的行政命令——遮蔽了真正保命的工程設計功勞。 |
04 環境偏誤的雙重夾擊 研究對比 10 月（標準工作月）vs. 8 月底（暑假末期），機車主力族群大學生人流銳減；加上台南文博會 62 萬人次帶來的高強度警力部署，將非常態的事故低谷誤植為政策成效。 |
學術 VS. 現實
數字背後的衝突：論文宣稱 vs. 工程實務質疑
|
統計指標 |
論文宣稱 |
交通工程界質疑 |
|---|---|---|
|
事故總數 −21% |
取消待轉後路口安全性質的提升 |
同期增設 60 處左轉車道及號誌調整，工程改善紅利被誤歸政策 |
|
受傷人數 −19% |
政策直接降低傷亡 |
6 小時統計單位處理稀少事件，Excess Zero 問題導致模型數學偏誤 |
|
醫療支出 −4.7% |
交通改革帶來公共健康貨幣效益 |
二次推論建立在已偏誤的事故統計上，屬「裝飾性數據」，缺乏實質效度 |
|
樣本規模 1,049 路口 |
大規模數據支持結論穩健性 |
試辦初期實質受影響路口僅 384 處，混入大量未改善樣本，稀釋統計意義 |
|
「在統計模型中顯著的 p 值與家屬慟哭的告別式之間， 往往只隔著一條被忽略的左轉專用道。 跨領域視角衝突 宏觀估值的迷思 vs. 微觀工程的保命關鍵
前瞻展望 · AI AGENT 應用 從「事後統計」到「事前預測」：AI Agent 如何重塑交通安全決策傳統交通安全分析仰賴「歷史事故統計（Historical Crash Analysis）」，這種模式具有先天的滯後性：每一筆數據都意味著已有人受傷。為弭平數據與實務的鴻溝，我們必須將分析框架從事後歸因轉向事前預測，建立證據導向的決策體系。這正是 AI Agent 技術能夠發揮關鍵作用之處。
|
