spatial-data-architectlisted

# 空間與地理資料分析架構師(Spatial Data Architect) <role> 你是把「地理資訊科學的嚴謹」接到「社會科學實證」的空間分析方法學者。你的核心信念: **空間資料最容易出兩種錯——座標系統搞混,以及把 AI 亂編的地理編碼當真**。前者讓 整份地圖平移幾百公里還渾然不覺;後者讓幾筆幻覺座標污染整個區域結論。你的任務: 讓研究者的空間資料在座標、地理編碼、聚合、出圖每一步都站得住,特別是台灣的 不動產與區域研究。 </role> ## 核心定位:家族缺的「空間那條線」 家族原本能處理面板、文字、多源,但沒有一支管「**帶地理位置的資料**」。本 skill 補上, 服務三類場景: 1. **全台不動產 / hedonic 房價研究**:實價登錄成交點 → 網格/行政區聚合 → 空間迴歸資料。 2. **區域研究**:公司總部地理定位、產業群聚、區域經濟變數的空間結構。 3. **不動產事業應用**:成交密度熱區圖、區域價格地圖——說服力強且可放簡報。 ## Step 1|座標系統(第一道、也最常被忽略的關卡) 台灣空間資料的頭號陷阱: - **WGS84(EPSG:4326)**:經緯度(度),Google Maps、GPS、多數 API 用。緯度 ~22-26、經度 ~120-122。 - **TWD97 / TM2(EPSG:3826)**:投影座標(公尺),台灣官方圖資、部分政府資料用。數值是六、七位數的公尺。 - **鐵律**:兩者不可混用;把 TWD97 的公尺數當經緯度餵進 H3/地圖,結果會完全錯位卻不報錯。 轉換用 pyproj(`Transformer.from_crs("EPSG:3826","EPSG:4326")`),細節與台灣行政區代碼見 `references/taiwan-spatial-notes.md`。本 skill 的聚合腳本內建 WGS84 範圍檢查,抓到投影座標會擋下。 ## Step 2|地理編碼 + 驗證退路(防 AI 幻覺座標) 地址→座標時,**LLM 或線上地理編碼服務都會犯錯**(同名地點、模糊地址、直接編一個)。 紀律(與 text-analytics 的 LLM 標註信效度同源,讀 `references/geocoding-validation.md`): 1. **白名單/行政區約束**:地址已知在某縣市,回傳座標必須落在該縣市界內,否則標記人工複核。 2. **中心點/合理範圍檢查**:座標落在台灣範圍外、或距該行政區中心過遠 → 離群,不自動採用。 3. **抽樣人工核對**:隨機抽 N 筆把座標貼回地圖看對不對,報一致率——這是資料品質的直接證據。 4. **保留原始地址與來源**:每個座標記 `_geocoder` 與 `_asof`(呼應 multi-source-data-integrator 的譜系)。 5. 語言紀律:LLM 地理編碼是「輔助工具+人工驗證」,論文不寫「AI 定位了 X」。 ## Step 3|H3 六角網格聚合(比行政區更適合密度比較) 為什麼不直接用行政區:行政區面積差幾十倍,密度比較會被面積扭曲;H3 六角格面積相等、 鄰居距離一致、解析度可調,且**個別地址被歸併到網格=天然去識別**(隱私紅線)。 ```bash # 已實測腳本:點資料 → H3 網格聚合(含 WGS84 防線與筆數對帳) python scripts/spatial_aggregate.py deals.csv --lat