台北市率先訂「外送員自治條例」:沒替司機保險、颱風天還送餐都開罰

台北市率先訂「外送員自治條例」:沒替司機保險、颱風天還送餐都開罰
Photo Credit: 中央社

我們想讓你知道的是

雙北市共有3萬5000名外送員,台北市開出第一槍,將要求業者與外送員簽定契約後24小時內完成納保,若無做到可處以10萬元以下的罰責。

美食平台外送員日前發生車禍身亡意外,外界關心外送員的勞動權益。台北市政府勞動局今(1)日率先公告「外送平台業者管理自治條例」草案,要求平台業者應替外送員投保意外險、颱風天應停止外送等保護方式,且無論雇傭或承攬皆適用,預計11月底送於市議會審議。

國慶連假知名外送平台foodpanda、Uber Eats接連發生外送員死亡意外,暴露平台業者以承攬關係規避勞保和相關責任險,台北市議員要求市府設立自治條例規範相關權益,台北市長柯文哲日前在市議會允諾成立「外送員權益保護專案小組」,北市勞動局也於今日召開「台北市外送平台業者管理自治條例(草案)」記者會,公告草案內容。

該自治條例共條列15條文,主要內容包括:

  1. 強制外送平台業者為外送員投保意外險
  2. 颱風天應停止外送
  3. 職災發生應通報勞檢機關
  4. 相關食安管理
  5. 職安教育訓練

業者需替外送員投保意外險,簽約後24小時內「強制納保」

台北市副市長蔡炳坤表示,無論外送平台業者和外送員是承攬或僱傭關係,都適用該條例。在強制為外送員投保意外險方面,包含因意外傷害致失能或死亡之保險不得低於200萬元;意外傷害之醫療險,實支實付者不得低於3萬元,日額支付者不得低於每日1000元。

勞動局局長賴香伶表示,強制納保部分將要求業者與外送員簽定契約後24小時內完成,若無做到,將依《地方制度法》規定處以10萬元以下的罰責。

未投保、職災未通報、颱風天出勤死亡,業者都要受罰

《聯合報》報導,若發生職災事故,平台業者必須在8小時內完成通報,若未完成通報、或未替外送員投保一定額度保險,將可罰5萬到10萬元。另外天然災害如颱風期間未停止外送服務,導致外送員服務過程死亡,則將罰3萬到9萬元。

《中央社》報導,賴香伶表示,6大外送平台在台北市都有設公司或事務所,上網登記為外送員者,雙北市共有3萬5000人,而自治條例不僅讓執法機關有法的依據,也擴大對外送員的保護。

另外食安部分,運送服務應符合食品安全衛生管理規定,經通知限期改善未改善罰3至9萬;交通安全部分將按季公布外送員事故資料。消費者保障部分,要求明確揭示商品價格、服務費等,且要求業者保存相關電磁紀錄,限期未改善者罰3至6萬元。

外送平台業者
Photo Credit: 台北市勞動局

《中國時報》報導,北市勞動局職業安全衛生科長康水順強調,因礙於「地方自治法規定」,自治條例的罰則最高只能訂在10萬元,條例的目的是為彌補中央「食物外送作業安全指引」的不足,讓不肖業者無法用「承攬」就想撇清關係。勞動局長賴香伶則表示,北市率先訂定自治條例,雖然無法預防業者的不肖行為,但希望能帶動其他縣市一同推進。

《自由時報》報導,對此Uber Eats表示,現在台灣13營運縣市合作外送員,其合作的汽車貨運業者,都有提供外送員雇主補償險,意外身損就會啟動保險機制,日後若再新開營運縣市,合作的貨運業者也會幫外送員加保雇主補償險;foodpanda表示,目前尚未收到相關正式公文,法規也尚未上路,後續收到正式資訊會再做討論。

延伸閱讀:

新聞來源:

核稿編輯:羊正鈺


猜你喜歡


【圖解】Dyson全球灰塵研究:台灣人愛用吸塵器、毒理醫學專家招名威教授公開最佳除塵利器

【圖解】Dyson全球灰塵研究:台灣人愛用吸塵器、毒理醫學專家招名威教授公開最佳除塵利器

我們想讓你知道的是

為了進一步探索台灣民眾對灰塵的認知,並找出最有效的除塵掃具,Dyson在全球灰塵研究中首次納入台灣市場調查,並委託毒理醫學專家招名威教授,透過實驗找出除塵效果最好家用秘器。

國內疫情再度升溫,民眾再度回到居家隔離的生活。談到落實防疫,確實的整潔打掃絕對是必要;然而,如何才能有效率的掃除空間中的灰塵?且層出不窮的灰塵究竟從何而來?為了進一步探索台灣民眾對灰塵的認知,並且找出最有效的除塵掃具,知名科技品牌Dyson在全球灰塵研究中首次納入台灣市場調查,並委託毒理醫學專家招名威教授,透過實驗找出除塵效果最好家用秘器。

Dyson最新灰塵研究報告:64%台灣愛用吸塵器高於全球平均

為了暸解全球消費者對於灰塵的認知,並從中洞察出消費者打掃習慣、提供居家清潔最佳解方,今年2月Dyson於全球33個國家展開「灰塵研究」,收集超過三萬份有效問卷,統計出全球民眾對灰塵的認知程度。本研究更首次納入台灣,針對台灣民眾對灰塵的認知、打掃行為以及打掃工具等展開調查。

01_完稿

本次灰塵研究,主要可分成三大部分調查結果:

  1. 灰塵認知:調查發現逾七成民眾知道居家灰塵量與健康有強烈關係,但多數不清楚灰塵的組成。有三成的台灣民眾認為灰塵的主要成分是沙子與土壤,但事實上,灰塵是由多種潛在過敏原的混合物,其中最主要來自塵蟎的分泌物、排泄物、蟲卵或屍體等。此外,近七成台灣民眾認知塵蟎會引起過敏及其他疾病,然而,民眾並不清楚「塵蟎排泄物」才是引起過敏的主因而非「塵蟎」本身。在調查結果中,民眾不止對「塵蟎排泄物」才是灰塵的主要成分感到驚訝,且僅有三成民眾知道「塵蟎排泄物」會引發過敏(32%)或氣喘(33%)。
  2. 打掃工具:依據台灣灰塵研究數據,以抹布(濕/乾)為打掃工具者最多(77%及66%);接續為掃把(65%)與吸塵器(64%)。值得注意的是,台灣市場有64%的家庭使用吸塵器作為主要打掃工具,高過全球的統計數據(59%)。
  3. 打掃習慣/行為:有過半數(56%)台灣民眾的日常打掃頻率為每週至少打掃1次。疫情影響下,32%的台灣民眾增加打掃頻率,顯示人們意識到疫情間保持健康環境的重要性,也有助於提升居家的舒適度。

最新實驗證明,吸塵器的除塵效果大於濕抹布、乾抹布、掃把

為瞭解不同打掃工具的除塵效果,Dyson進一步委託毒理醫學專家招名威教授執行實驗,針對居家常見的打掃方式,如使用濕抹布、乾抹布、掃把、吸塵器等工具,觀察不同打掃方式能有效清除的灰塵與細菌數量。

02_完稿

詳細說明實驗方式如下:

  • 取樣環境:某戶親子家庭的客廳/臥室
  • 實驗流程:分別採用
    • 只用濕抹布擦拭
    • 乾抹布 + 濕抹布各擦拭1次
    • 掃把 + 濕抹布掃1次再擦拭1次
    • 吸塵器 +濕抹布吸1次再擦拭1次
    • 只用吸塵器清潔

針對不同打掃工具蒐集打掃前與打掃後的地板細菌,並運用「ATP冷光即時細菌檢測儀」進行細菌量分析,進行Before/After比較,找出清潔效果最好的清潔方式。實驗結果如下表:

截圖_2022-05-26_下午6_13_44

招名威教授也補充:「實驗結果發現,臥室相對而言較為密閉且少開窗,濕度較高,因此含有 740 CFU/mL的細菌量,比客廳的411 CFU/mL高出一倍。」進一步觀察清潔效果,則可發現:

「效果最好的是吸塵器,能去除75~90%的細菌量;若只單純使用濕抹布,只能消除35~40%的細菌。」

另外,招名威教授也強調:「實驗結果發現,使用吸塵器、又再用濕抹布擦拭後,清潔效果竟然只剩下57~73%;若選擇使用濕抹布進行打掃,可在清掃前先確定抹布和水是乾淨無菌的,才能避免又把髒污帶回到地板上。」由此可見,在無嚴重的污漬情況下,單只針對灰塵,使用吸塵器打掃環境就能提供最潔淨的清潔效果,無需讓手碰觸灰塵,也不用擔心揚塵與灰塵透過濕抹布擴散到其他區域,完成居家整潔,事半功倍。

毒理醫學專家推薦:Dyson V12、V15無線吸塵器

招名威教授說明,台灣氣候容易孳生「塵蟎」、積累「塵蟎排泄物」,加上疫情影響,居家時間變長,應選擇強力打掃工具,並提升打掃頻率,才能有效改善環境品質。例如「Dyson V12 Detect Slim™輕量智慧無線吸塵器」及「V15 Detect™智慧無線吸塵器」皆具備智慧雷射軟質碳纖維滾筒吸頭,綠色雷射光能清楚照射吸頭前方區域,讓灰塵陰影與地板形成明顯對比,讓平時看不見的微塵也能瞬間現形。

此外,Dyson V12及V15吸塵器還搭載「壓電式聲學感應技術」,每秒可測量高達15,000次通過入氣口的塵粒數量,並將顆粒震動轉換為接收訊號,測量吸入灰塵的體積與數量,在自動模式下,能根據偵測到的灰塵數量與濃度自動調整吸力,維持長效續航力。

不只能偵測灰塵濃度,還可透過「視覺化分類統計功能」,計算並偵測吸入灰塵的數量及大小,並將統計數據直接顯示於LCD螢幕之中,幫助消費者理解居家灰塵處成,包括:過敏原和花粉、微細灰塵、塵蟎和細砂、跳蚤及糖粉等,進而決定最適合的清潔頻率與需要加強清掃的重點區域,讓清潔的過程更加科學化與系統化。

更棒的是,讓消費者感到頭痛的頭髮纏繞問題,Dyson也提供有效解法。Dyson V12及V15吸塵器採用無纏結科技,可輕鬆將毛髮甩入集塵筒內,避免纏繞的情況發生,減輕打掃負擔。

招名威教授也建議,不只要追求有效除塵,最好還能選購預防「二次汙染」的掃具用品,讓灰塵無所遁形、還原居家健康舒適環境。

Dyson吸塵器皆配有全機密封與多重過濾系統,「Dyson V15 Detect™ Absolute Extra無線吸塵器」,不只配備上述功能,更進階加強「全機密封HEPA過濾系統及HEPA濾網」,可捕捉99.97%小至PM0.1的超細懸浮微粒、花粉和過敏原,將吸入機器與集塵桶內的汙染物牢牢鎖住並過濾,最終只排出潔淨的空氣,避免含汙染物的廢氣在清潔過程中造成室內空氣的二次汙染。

03_完稿

讓灰塵無所遁形的打掃利器!專家推薦:


猜你喜歡