AI空拍解析凱道集會：民眾黨「8萬人」聲勢，實測數據這樣說

<p>3月29日，民眾黨號召「小草」集結凱道聲援柯文哲，一度高喊現場突破8萬人。然而，空拍照片經最強AI模型「Gemini 3.1 Pro」分析後，揭示現場實際人數介於4500至8000人之間，與官方宣稱的數字形成巨大落差，引發外界對政治集會人數估算的熱議，這也讓凱道集會的人數真相成為各界關注的焦點。</p>

<h2>現象觀察：凱道集會人數的羅生門</h2>
<p>民眾黨於3月29日舉辦的「戰！329上凱道討公道」造勢集會，其參與人數從活動一開始就引發了各方議論。活動主持人、民眾黨台北市議員參選人許甫，在集會開始約一小時後便高喊現場突破3萬人，而民眾黨後續更宣稱最高峰時段已突破8萬人次。</p>
<p>不過，現場曝光的空拍圖與獨立觀察者的估算，卻呈現出截然不同的景象。網紅「四叉貓」劉宇在活動初期便跳出來潑冷水，估計現場人數大約落在5000到8000人之間。這些數字的巨大差異，不禁讓人好奇，究竟哪一個版本更接近真實？這也凸顯了大型集會人數估算在當前資訊環境下的複雜性與挑戰。</p>

<h2>原因剖析：AI模型與傳統估算法的交鋒</h2>
<p>為了解開這場凱道集會人數的羅生門，粉專「阿凱談天說地」採取了新穎的分析方法，將凱道集會的空拍照片上傳至被譽為最強AI模型的「Gemini 3.1 Pro」進行深度解析。AI模型在分析過程中，採用了人群估算中常用的「雅各布斯法」（Jacobs Method），這套方法透過估算人群佔據的面積乘以平均密度來推算總人數。</p>
<p>根據AI的詳細分析，<strong>人群主要聚集在景福門圓環面向總統府的凱達格蘭大道中央路段</strong>，其佔據的平均寬度約為30到35公尺，長度則粗略估計在100到150公尺之間。綜合計算，人群實際佔據的總面積落在3000至5250平方公尺之間。</p>
<p>在人群密度方面，AI觀察到現場密度分佈不均。舞台前緣區域的人群密度較高，大約每平方公尺有2到2.5人；而中後段及兩側則屬於中低密度區，甚至能看見路面的柏油標線，密度大約落在每平方公尺1到1.5人。綜合來看，AI推估整塊區域的平均密度約為每平方公尺1.5人。</p>
<p>綜合考量這些因素，Gemini 3.1 Pro給出了一個明確的結論：</p>
<blockquote>
<p>「要從單一張照片精準計算人數有一定的難度，因為會受到拍攝角度、遮蔽物以及人群密度的影響。不過，我們可以使用人群估算中常用的『雅各布斯法』（Jacobs Method，即面積 \times 密度）來進行合理的推算。」</p>
<p>「總結，根據這張照片所呈現的視覺範圍與密度，畫面中肉眼可見的人數大約落在4500到8000人之間。」</p>
</blockquote>
<p>這項AI分析結果與民眾黨宣稱的8萬人形成了鮮明對比，也印證了「四叉貓」等獨立觀察者的初步判斷，<strong>指出實際參與凱道集會的人數遠低於官方「膨風」的數字</strong>。</p>

<h2>影響評估：政治動員的真實性與挑戰</h2>
<p>政治集會的人數多寡，往往被視為展現民意支持度與動員能量的指標，因此，主辦方傾向於高估人數，這在政治場域中並非新鮮事，甚至可說是長久以來的「潛規則」。然而，當AI等客觀技術介入，提供更為精準的數據時，這種傳統的「喊價」模式便面臨了真實性的挑戰。</p>
<p>話說回來，<strong>這種數據上的落差不僅影響了公眾對特定政治力量的認知，也可能加劇社會對資訊真實性的疑慮。</strong>在資訊爆炸的時代，公眾對於訊息的查證需求日益增加，而客觀數據的提供，無疑是重建信任的重要一步。這也促使我們思考，在未來的政治活動中，主辦單位是否需要更透明地揭露人數估算方式，以避免不必要的爭議？畢竟，真實的民意支持度，最終還是要回歸到數據的客觀性。</p>

<h2>趨勢預測：AI在公共事件分析的未來角色</h2>
<p>從這次凱道集會人數的AI分析案例來看，人工智慧在公共事件數據分析上的潛力不容小覷。過去，大型集會人數的估算往往依賴經驗判斷或模糊的現場觀察，誤差空間極大。然而，透過AI圖像辨識與演算法，現在可以更客觀、科學地進行評估，大幅提升了數據的可靠性。</p>
<p>說真的，這項技術不僅限於人數估算，未來甚至可以應用於分析人群動向、安全風險評估，甚至是民意氛圍的即時監測。我們可以預見，隨著AI技術的持續進步，它將在新聞報導、社會研究乃至於公共政策制定中扮演越來越重要的角色，<strong>為複雜的社會現象提供更堅實的數據基礎，並推動資訊透明化</strong>。</p>
<p>總體而言，民眾黨3月29日凱道集會的人數爭議，透過AI的介入獲得了相對客觀的數據參考。這次事件不僅揭示了政治動員中常見的「膨風」現象，更凸顯了人工智慧在提升公共事件分析精準度上的巨大潛力。未來，我們或許會看到更多類似的技術應用，共同推動社會資訊的透明化與客觀化。</p>