【114-2微學分課程】AI x 城市淨零：綠能健身與自行車政策實作 AI x Urban Net Zero: Green Energy Fitness & Cycling Policy Practice

人工智慧微學程

本課程基於 Cheng (2025) 之最新研究框架，結合「淨零轉型 (Net Zero)」、「預防醫學」與「AI 數據決策」三大趨勢。課程將突破 YouBike 僅作為通勤工具的既有印象，引導學生利用 AI 工具探索將公共自行車轉型為「微型綠能發電站」的可能性。

透過專題導向學習 (PBL)，學生將模擬城市規劃師，針對「交通弱勢族群（年長者與肥胖者）」設計結合 “Revive” 斜躺式充電車與太陽能遮陽板的新型態站點。透過實作，學生將學習 “Low-Code, High-Impact” 的策略思維：利用生成式 AI (ChatGPT) 建立模型，量化自行車對心理健康（多巴胺分泌降低自殺率）與電網韌性（輔助民生用電）的具體貢獻，並產出能經得起 AI 模擬質詢的永續政策提案。

本課程旨在培養學生結合行為經濟學與 AI 數據建模的能力。修畢後，學生能整合 SDG 健康與能源指標，運用 Excel DAX 建立「健康與減碳」之貨幣化迴避成本模型；並透過 Power BI 進行數據敘事，設計遊戲化獎勵政策。最終能利用 AI 模擬攻防，針對城市永續發展提出具財務精準度與政策說服力的三贏決策方案。

本課程歡迎跨領域學生，不需程式背景。

選課日期： 2026年03月09日 截止
前往選課系統

授課教師

經營管理研究所 鄭若涵 博士生講師 (實際教學)
經營管理研究所 丁承 教授 (課程指導)

對應總課程名稱

人工智慧應用與實作
Artificial Intelligence Applications and Implementations

課程日期

2026年03月13日~2026年04月24日

第1-2堂:每週五13:20-15:10
第3-6堂:每週五13:20-16:20

課程總時數

16小時

上課地點

本課程為線上授課

修課人數

15人(開放外校選修，陽明交大在學生優先修課)

先修科目或先備能力

修課學生須具備：基礎 Excel 操作概念之相關知識或能力

自備物品

需自備筆電與 Google 帳號，且預先下載並安裝Excel及Microsoft Power BI Desktop。

課程教材

1. Cheng, J.-H. (2025). Pedaling towards net zero: AI, policy, and incentives drive a cycling revolution. Transportation Research Interdisciplinary Perspectives, 34, 101783. https://doi.org/10.1016/j.trip.2025.101783

2. 書名：Power BI最強入門：AI視覺圖表+ 智慧決策+ 雲端分享王者歸來(全彩印刷) (第二版)
作者： 洪錦魁
出版社：深智數位

作業、考試、評量

出席率30%、平時作業30%、期末成果40%。
一、出席與參與度 (30%)： 採多元互動與即時回饋機制，包含：
線上互動： 觀看翻轉教學影片後的留言評論與提問（非同步）。
課堂實作： 同步課程中的討論發言、簽到與實作演練。
隨堂測驗 (Exit Ticket Quiz)： 每堂課結束前進行 5 分鐘線上測驗，即時檢核學生對當日實作概念（如：健保迴避成本計算）的吸收程度。

二、平時作業 (30%)： 數據洞察卡 (Data Insight Card)： 第 3 週繳交 (共一次)。 學生需從 YouBike 數據集中挖掘出一個具備商業或政策價值的發現 (Insight)，並截圖說明計算邏輯。
• 評分重點：
1. 數據邏輯與正確性 (40%)： 計算公式 (如：減碳係數、醫療節省成本) 引用正確，推論合乎邏輯。
2. 工具應用熟練度 (30%)： 能有效運用 AI 輔助撰寫公式，並正確操作 Power BI 進行清洗與視覺化。
3. 創意發想與商業價值 (30%)： 洞察是否具備獨特觀點 (例如發現特定高風險族群的騎乘模式) 及其對決策的參考價值。

三、期末成果 (40%)： 決策模擬口頭報告 (Strategic Presentation)：
• 完成形式： 採「20分鐘深度提案」形式。每位學生需展示自製的 Power BI 儀表板 與 一頁決策提案單 (One-pager)，並接受 AI 模擬官員與師生的即時質詢。
• 核心評量標準：
1. 整合應用能力： 是否能將「Revive 駐站發電概念」與「數據可視化」串聯，提出具說服力的 ESG 解決方案。
2. 實務解決能力： 提出的獎勵方案 (如：雞胸肉兌換指數) 是否經過成本效益估算，且具備財務可行性。
3. 溝通與應變： 面對 AI 模擬的高強度質詢 (如：質疑預算來源)，能否引用儀表板數據進行精準辯護，並接受質詢。





課程大綱

課程大綱 分配時數
單元主題 內容綱要 講授 示範 習作 其他
1. 理論建構：安全、健康與迴避成本 1. 痛點分析： 探討「交通弱勢族群 (年長者/肥胖者)」的道路安全焦慮。
為何 "Stationary Mode" (駐站模式) 是唯一解法？
2. 經濟模型 (Cheng,2025)： 計算「看不見的價值」。
• Revive 概念： 結合斜躺車與太陽能遮陽棚的 ESG 價值。
• 健保迴避成本： 運動-->多巴胺-->減少抗憂鬱藥支出。
• 能源貢獻： 人力發電 kWh ×台電費率。
 1hr 0hr 0.5hr 0.5hr
2. AI數據實作 I：看見電力的價值 [工具] 匯入 BikeAI.csv與資料清理。
[任務] 利用 AI 輔助運算：若全六都 7,000 站皆導入駐站發電，能產生多少 kWh 電力？這些電能可煮多少杯咖啡？
(將數據具象化)。 		0.5hr 0.5hr 1hr 0hr
3. AI數據實作 II：健康與獎勵模型 [分析] 深入分析 BMI 與Activity_Level 欄位關聯。
[任務] 設計「雞胸肉指數」：計算騎乘多少公里/發多少電可兌換一塊雞胸肉？如何避免點數通膨導致財政崩潰？
(進行成本效益分析)。 		0.5hr 0.5hr 2hr 0hr
4. AI 數據實作III：儀表板視覺化 [技巧] 學習如何用圖表說故事 (Data Storytelling)。
[實作] 製作 Power BI 儀表板，需呈現三大指標：
1. 累積發電量 (貢獻民生用電)
2. 國民健康改善預估 (BMI 下降趨勢/健保費節省)
3. 碳權收益估算。 		0.5hr 1hr 1.5hr 0hr
5. 政策模擬：獎勵方案設計 [策略] 根據分析結果設計獎勵機制，並進行成效預測。
[演練] 教學 "Prompt Engineering" (提示工程)。
[任務] 台下同學設定 ChatGPT 角色：「你現在是重視預算的市議員，請針對『廣設充電樁太貴』對台上報告者提出尖銳質疑。」 		0.5hr 0.5hr 2hr 0hr
6. 成果發表：模擬市議會提案 [形式] 線上成果發表會與回饋：
[發表] 學生扮演城市規劃師提案，展示儀表板。
[質詢] 台下同學利用 AI 生成問題進行攻防，台上可即時依據數據回應。
[回饋] 老師總結與優化建議。 		0hr 0hr 0hr 3hr
合計 (講授以 YT 影片為主，示範採同步或錄影) 3hr 2.5hr 7hr 3.5hr

課程進度

3/13 觀念建立【啟動】從 YouBike 到 Net Zero：AI 扮演的角色
內容：論文導讀 (Cheng, 2025)、Revive 駐站充電概念介紹、SDGs 與 ESG 趨勢。
任務：觀看教學影片 + 填寫課前認知問卷 (Pre-assessment)。
3/20 工具上手【工具】工欲善其事：
Power BI 與 AI 協作基礎內容：打開已安裝軟體、匯入老師提供的「BikeAI 虛擬數據」、建立基礎資料關聯 (Data Schema)。
任務：成功跑出第一張「年度體重下降趨勢圖」。
3/27 核心分析【分析】誰在騎車？AI 輔助的用戶分群 (Segmentation)
內容：區分「通勤族」與「駐站發電族」。利用數據找出 High-Value Users，分析活躍度與 BMI 改善之關聯。
任務：[檢核點] 繳交「數據洞察卡」作業 (Data Insight Card)。
4/10 實作設計【視覺】讓數據說話：設計高影響力儀表板內容：
參考 BikeAI 範例，製作「個人減碳影響力指標」、「健保節省金額」與「雞胸肉兌換量」視覺化圖表。
任務：儀表板優化實作與美化。
4/17 策略應用【決策】AI 賦能的規劃能力：
設計獎勵機制內容：基於數據分析，設計一套針對「年長者與肥胖族群」的精準獎勵方案 (Policy Simulation)，並練習 AI 攻防指令。
任務：小組/個別提案演練與互評 (Peer Review)。
4/24 成果驗收【發表】Demo Day：淨零城市提案競賽內容：線上成果發表。
學生模擬向市議會提案，展示儀表板並說明政策效益。
任務：期末互評與老師總結回饋。

常見問題