近年來只要社會發生嚴重的酒駕事故，我國立法機關常傾向以加重法定刑來回應民意。然而就裁判結果本身而言，已有研究指出刑法第185-3條不能安全駕駛罪的重刑化趨勢並未影響法院的裁判結果，緊接而來的問題即是不能安全駕駛案件裁判結果的影響因子為何？筆者認為此問題有探究的必要性。

本研究從歷年裁判結果選出5種量刑因子與6種統計因子為出發點，進行資料收集與數據標註，再透過量化實證研究分析，探討並比較各修法區間各種不同量刑因子對於法院裁判結果的不同影響程度，並嘗試找出影響程度較大的量刑因子為何？經由統計分析，了解統計因子與法院的裁判結果的關係為何？同時，本研究並以實際由國民法官參審的案件做分析，討論國民法官新制施行對於裁判結果是否有影響？此外，本研究亦比較7種酒精濃度學說對行為人影響，並提出個人的見解。

最後，本研究回應問題意識，找出何種量刑因子對於法院裁判結果的影響程度較大，並嘗試基於本研究的發現，提出未來修法可朝提升法定刑下限方向的建議。

In recent years, Once a serious drunk driving accident occurs, the legislative authorities have
often tended to respond to public opinion by increasing statutory penalties. However, speaking ofthe adjudication itself, some studies have pointed out that the trend of severe penalties for Article185-3 of the Criminal Law unsafe driving offense has not affected the court’s adjudications. The following question is what are the impact factors for the adjudication of unsafe driving cases? The author believes that it is necessary to discuss this issue.

This study keeps selecting 5 sentencing factors and 6 statistical factors from the adjudication
over the years as the starting point, collects and annotates data, and explore and compare the
different level of impact of various sentencing factors on the adjudication in each law revision
period by quantitative empirical research analysis, trying to find out which sentencing factor has agreater impact? Through statistical analysis, understanding what is the relationship between
statistical factors and the court's adjudications? Meanwhile, this study also analyzes cases actually attended by citizen judges to discuss whether the implementation of the new system of citizen judges has any impact on the adjudications? In addition, this study also compares the impact of seven alcohol concentration theories on perpetrators and deliver personal opinions.

Finally, this study responds to the awareness of the problem and finds out which sentencing
factors have a greater impact on the court's adjudications. Based on the findings of this study,
attempting to put forward suggestions for future law revisions in the direction of increasing the
lower limit of statutory Penalties.

誌謝辭 2
摘要 3
目錄 4
圖目錄 7
表目錄 9

第壹章 緒論 10
第一節 研究背景 10
第二節 文獻探討 11

第貳章 法規與因子 14
第一節 修法歷程 14
第二節 量刑因子 15
第一項 刑法第185-3條 行為人 16
第二項 刑法第57條 16
第三節 統計因子 17
第四節 小結 17

第參章 研究方法 18
第一節 研究範疇 18
第二節 研究工具 19
第三節 數據取得 19
第四節 數據標註 21
第一項 量刑因子標註 21
第一款 酒精濃度 21
第二款 累犯 21
第三款 毒品 22
第四款 和解 22
第五款 交通工具 22
第二項 統計因子標註 22
第一款 法庭地 22
第二款 地區 23
第三款 致人死傷 23
第四款 辯護人 23
第五款 緩刑 24
第六款 易科罰金 24
第五節 數據分析 24
第一項 數值模型 24
第二項 數值模型選定 25
第三項 決策樹修正 27

第肆章 有期徒刑因素分析 28
第一節 111年01月28日至112年06月30日修法區間 28
第一項 統計分析 28
第二項 因子重要性 32
第三項 小結 33
第二節 108年06月19日至111年01月27日修法區間 34
第一項 統計分析 34
第二項 因子重要性 38
第三項 小結 39
第三節 102年06月11日至108年06月18日修法區間 40
第一項 統計分析 40
第三項 因子重要性 44
第三項 小結 45
第四節 100年11月30日至102年06月10日修法區間 46
第一項 統計分析 46
第二項 因子重要性 50
第三項 小結 51
第五節 097年01月02日至100年11月29日修法區間 52
第一項 統計分析 52
第二項 因子重要性 54
第三項 小結 54
第六節 088年04月21日至097年01月01日修法區間 55
第一項 統計分析 55
第三項 因子重要性 57
第三項 小結 57
第七節 所有修法區間 58

第伍章 罰金因素分析 61
第一節 111年01月28日至112年06月30日修法區間 61
第一項 統計分析 61
第二項 因子重要性 63
第三項 小結 63
第二節 108年06月19日至111年01月27日修法區間 64
第一項 統計分析 64
第二項 因子重要性 66
第三項 小結 66
第三節 102年06月11日至108年06月18日修法區間 67
第一項 統計分析 67
第二項 因子重要性 68
第三項 小結 69
第四節 100年11月30日至102年06月10日修法區間 70
第一項 統計分析 70
第二項 因子重要性 71
第三項 小結 72
第五節 097年01月02日至100年11月29日修法區間 73
第一項 統計分析 73
第二項 因子重要性 74
第三項 小結 75
第六節 088年04月21日至097年01月01日修法區間 76
第一項 統計分析 76
第二項 因子重要性 76
第三項 小結 76
第七節 所有修法區間 78

第陸章 實證結果分析 79
第一節 裁判未受重刑化影響 79
第一項 刑法第185-3條第1項 79
第二項 刑法第185-3條第2項 81
第三項 小結 83
第二節 國民法官量刑較重 84
第一項 臺灣基隆地方法院 112 年度國審交訴字第 1 號刑事裁判 84
第二項 臺灣臺北地方法院 112 年度國審交訴字第 1 號刑事裁判 85
第三項 福建金門地方法院 112 年度國審交訴字第 1 號刑事裁判 86
第四項 小結 87
第三節 酒精濃度回推基準不一 89

第柒章 結論與反思 91

參考文獻 93
附錄 96

一、中文期刊文獻：
(1) 文家倩（2023年），從量刑工具探討國民法官的量刑評議，司法周刊，2156別冊，頁1-41。
(2) 文家倩（2022年），量刑與AI的交會──淺談司法院量刑資訊系統的革新，當代法律，第10期，頁6-12。
(3) Luis Greco（2021年），沒有法官責任的法官權力：為什麼不許有機器人法官，月旦法學雜誌，第315期，頁170-195。
(4) 邵軒磊（2021年），人工智慧與酒駕刑度估計─深度學習卷積神經網路量刑模型之實踐，月旦法學雜誌，第312期，頁105-116。
(5) 古承宗（2019年），論不能安全駕駛罪之解釋與適用─以刑法第 185 條之 3 第 1 項第 1款為中心，刑事政策與犯罪防治研究專刊，第22期，頁3-11。
(6) 蕭奕弘（2019年），人工智慧之新發展與在司法實務上之應用，檢察新論，第25期，頁3-27。
(7) 周漾沂（2019年），重新理解抽象危險犯的處罰基礎——以安全性理論為中心，臺北大學法學論叢，第109期，頁161-210。
(8) 蔡聖偉（2018年），酒測器的誤差值─評臺灣高等法院臺南分院106年度交上易字第722號判決，裁判時報，第69期，頁56-66。
(9) 蔡聖偉（2018年），服用毒品與不能安全駕駛——評臺灣高等法院臺中分院106年度交上易字第353號判決，月旦裁判時報，第66期，頁69-77。
(10) 游明得（2018年），我國刑法第185條之3醉態駕駛罪危險概念的流變，中原財經法學，第41期，頁207-262。
(11) 王皇玉（2015年），不能安全駕駛罪之「駕駛」，月旦法學教室，第153期，頁62-67。
(12) 陳高村（2000年），論酒後駕車對交通安全影響與其衍生的法律責任，警學叢刊，第31
卷第五期，頁117-134。
(13) 蔡中志（2000年），國人酒精濃度與代謝率及對行為影響之實驗研究，警光，第538
卷，頁56-57。
(14) 王光全等（2000年），台灣地區國人飲酒量與呼氣、血液、尿液、唾液酒精濃度間關聯
性之研究，刑事科學，第50期，頁1-14。
(15) 交通部運輸研究所（1988年），駕駛人行爲反應之研究—酒精對駕駛人生理影響之實驗分析，頁43-53。
(16) 陳高村（1988年），吐氣中酒精含量倒推計算過程。

二、中文學位論文：
(1) 吳貞儀（2022年），裁判結果與民意期待衝突之原因探究—以不能安全駕駛罪、詐欺罪、妨害性自主罪為例，國立中正大學犯罪防治碩士在職專班碩士論文。
(2) 劉宜屏（2022年），作為公共危險罪的刑法第185條之3不能安全駕駛罪，國立中正大學法律研究所碩士論文。
(3) 吳彥霖（2018年），中華民國刑法不能安全駕駛公共危險罪修正效果實證分析－以桃園市為例，國立清華大學公共政策與管理碩士在職專班碩士論文。
(4) 蘇怡華（2018年），我國不能安全駕駛罪與日本駕駛汽車致死傷行為處罰法之比較研究，國立臺北大學法律學系一般生組碩士論文。
(5) 胡展彰（2015年），每況愈下的不能安全駕駛罪立法－以一０二年修法後的不能安全駕駛罪為中心，中原大學財經法律研究所碩士論文。
(6) 鄭妤姍（2015年），不能安全駕駛之危險評價，中央警察大學法律學研究所碩士論文。
(7) 王宗博（2000年），危險犯之研究－以刑法第一八五條之三酒醉駕車問題為例，國立中正大學犯罪防治研究所碩士論文。
(8) 蔡惠芳（1999年），從危險理論論不能安全駕駛罪，國立臺灣大學法律學研究所碩士論文。

三、中文網頁：
(1) 行政院國情簡介 土地，https://www.ey.gov.tw/state/4447F4A951A1EC45/094b1d53-de8d-4393-bde6-ab092969cce4（最後瀏覽日期：2023年03月12日）。
(2) 行政院國情簡介 人口，https://www.ey.gov.tw/state/99B2E89521FC31E1/835a4dc2-2c2d-4ee0-9a36-a0629a5de9f0（最後瀏覽日期：2023年03月12日）。
(3) 交通部公路總局 機動車輛登記數https://stat.motc.gov.tw/mocdb/stmain.jsp?sys=100&funid=a3301（最後瀏覽日期：2023年03月12日）。
(4) 交通部道路交通安全督導委員會 道安資訊查詢網 101年至110年，https://roadsafety. Tw/Dashboard/Custom?type=統計快覽（最後瀏覽日期：2023年03月12日）。
(5) 司法院統計年報 地方法院刑事第一審案件裁判結果－按罪名別分101年至110年，https://
www.judicial.gov.tw/tw/np-1260-1.html（最後瀏覽日期：2023年03月12日）。
(6) 立法院法律系統，中華民國刑法 異動條文及理由，https://lis.ly.gov.tw/lglawc/lawsingle?005C3E7E18E30000000000000000014000000004FFFFFA00^04536088033000^00000000000（最後瀏覽日期：2023年03月24日）。
(7) 法務部全球資訊網，重刑化刑事政策對於再犯威嚇效果之研究，https://www.moj.gov.tw/media/6690/83516380868.pdf?mediaDL=true（最後瀏覽日期：2023年11月12日）。

四、外文文獻：
(1) Myles, A. J., Feudale, R. N., Liu, Y., Woody, N. A., & Brown, S. D. (2004). An introduction to
decision tree modeling. Journal of Chemometrics: A Journal of the Chemometrics Society,
18(6), 275-285。
(2) Suthaharan, S., & Suthaharan, S. (2016). Decision tree learning. Machine Learning Models andAlgorithms for Big Data Classification: Thinking with Examples for Effective Learning, 237-269。
(3) Ozili, Peterson K. (2023). The Acceptable R-square in empirical modeling for social science
research. Munich Personal RePEc Archive.

五、外文網頁：
(1) MathWorks， Fitensemble Documentation Method - Ensemble aggression model，https://
www.mathworks.com/help/stats/fitensemble.html（最後瀏覽日期：2023年03月20日）。
(2) MathWorks， Fitensemble Documentation Learners - Weak learners to use in ensemble，
https://www.mathworks.com/help/stats/fitensemble.html（最後瀏覽日期：2023年03月20日）。
(3) MathWorks， Fitrtree Documentation Method - Control Tree Depth，https://
www.mathworks.com/help/stats/fitrtree.html（最後瀏覽日期：2023年03月20日）。
(4) MathWorks， Decision Trees Documentation, https://www.mathworks.com/help/stats/decision-trees.html?searchHighlight=decision tree&s_tid=srchtitle_support_results_1_decision tree（最後瀏覽日期：2023年03月20日）。
(5) MathWorks， PredictorImportance - Estimates of predictor importance for classification
ensemble of decision trees, https://www.mathworks.com/help/stats/
compactclassificationensemble.predictorimportance.html（最後瀏覽日期：2023年03月20日）。
(6) MathWorks， PredictorImportance - Estimates of predictor importance for classification tree
Documentation, https://www.mathworks.com/help/stats/
compactclassificationtree.predictorimportance.html（最後瀏覽日期：2023年03月20日）。
(7) MathWorks， Framework for Ensemble Learning Documentation, https://
www.mathworks.com/help/stats/framework-for-ensemble-learning.html#bsw8akh（最後瀏覽
日期：2023年03月20日）。