台南市政府場地租借的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

政府推動區民活動中心政策困境及對策- 以IPA分析臺北市北投區為例

為了解決台南市政府場地租借的問題，作者葉智豪 這樣論述：

區民活動中心設置之政策目的，主要係提供地方民眾進行休閒活動及集會之場所，同時亦因應政府機構公務上之需求、里辦公處辦理里鄰活動，以及社區發展協會舉辦經市政府指定之活動等，具有公共財之特性，能因應各類動、靜態之活動需求，也因場地收費便宜的特性，近年來吸引許多民眾租借使用，大多數的場地使用率居高不下。但該政策實務運作下，區民活動中心該項政策因涉及許多利害關係人，遭遇到不少困境，場地收支不平衡、設備損壞率高造成民眾滿意度不佳、區公所承辦人員專業度不足、場地長期遭到特定地方團體占用等。本研究藉由問卷分析及深度訪談之方式，聚焦在臺北市北投區，主要探討造成北投區之區民活動中心目前在營運上所面臨的困境以及原

因，訪談臺北市區公所、臺北市政府之承辦人員，以及里長、臺北市議員，以PZB模式發展出本研究之問卷，蒐集北投區各區民活動中心使用者之意見回饋，並且透過IPA分析進行分析，希冀針對區民活動中心之困境能找出相關解決辦法，於文末提出相關政策建議。

利用機器學習預測多功能活動中心之室內聲學指標

為了解決台南市政府場地租借的問題，作者葉秋瑜 這樣論述：

在台灣，學校之禮堂、體育館、社區活動中心等中小型活動中心，常作為演奏、演唱及演講等多功能的使用。不同的使用行為應搭配不同的建築聲學設計基準，以確保包含迴響時間（RT）、語言清晰度（C50）、音樂清晰度（C80）、聲壓級（SPL）分布、語音清晰度（STI）等聲學指標滿足要求。在進行建築設計時，大多僅採用沙賓迴響時間公式進行確認（Sabine’s equation），此類估算公式雖然簡潔迅速，但是在計算過程中忽略很多細節。另外透過Odeon、Ease等室內聲學模擬軟體雖可得到較準確的分析，卻較為複雜且耗時，在實務設計上較少採用。本研究的目的，是藉由機器學習（Machine Learning）的方

式，提出聲學指標的預測模式，作為中小型活動中心進行室內裝修及設計時的簡易評估工具。首先確認聲學模擬軟體預測與現場實測之再現性，接著透過參數化設計方法生成800個空間樣本做為分析對象，採用Odeon進行模擬分析取得各項聲學指標的預測值，利用機器學習的監督式學習方法（Supervised Learning），透過空間基本的幾何訊息、材料特性、擺放位置等參數進行訓練後得到預測模型。將資料以80%及20%的比例分配給訓練集和測試集，並以測試集的資料樣本進行模型效能的評估，以確認預測模型的適用性。結果發現，透過GBDT及ANN演算法，在各項聲學指標的預測幾乎皆可達到JND ± 2以內的成效，在C50、C

80、STI及聲壓值分布差值的JND，更可達到 ± 1以內。其中迴響時間的預測以GBDT最為準確，相比於傳統之計算公式，其預測能力較好。其他聲學指標則以ANN的預測效果為最佳。透過此方法，可以建立方便迅速並具有精準度的聲學指標預測模型，不須透過建模及聲學模擬軟體即可得知空間中的各項聲學指標。