【TW犯罪現場EP926】惡女其貌不揚設桃色陷阱殺運將!連奪3命劫財只為改運買彩券?【台灣啟示錄】

東森新聞 CH51 · 發布於 2026/08/17 下午10:00 · 更新於 2026/08/18 下午09:17 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
248次
喜歡
4次
YouTube 留言總數
0則
長度
—
字幕狀態未確認

觀看數觀測

目前僅一筆觀測 ·
248次

共同標籤

這支影片尚未比對共同詞彙

比對版本

youtube-quality-20261017-a

影片說明

00:00 連續三起命案!運匠人心惶惶 誰在汽車旅館誘殺計程車司機? 21:59 色誘運匠!汽車旅館陪睡抵車資?就是她!專挑「這種」計程車司機下手 30:47 色誘運匠!汽車旅館陪睡抵車資?警方上門抓人:其貌不揚怎麼會是她? 41:47 幻想中大獎!洗劫運匠買彩卷 迷信日本漫畫「殺人改運」無稽之談 43:58 要錢沒命?放熱水是要讓他清醒?一度遭判三死刑!改判無期徒刑逃死定讞 2010年在大台北地區連續發生三起計程車司機命案,這三名死者都陳屍在汽車旅館的浴缸裡,當警方接獲報案趕到現場時,都已經沒有生命跡象,而且浴缸的水龍頭還繼續的放水,這是意外嗎?難道是死者泡澡時突然心臟病發,心肌梗塞導致昏迷,所以無法關閉水龍頭的水,最後溺死在浴缸裡?但如果是意外,為何在短短時間內接連發生三起死狀一模一樣,也未免太巧合,但如果不是意外,那就是他殺了嗎 ?這三起命案有任何關連嗎?兇手很有可能就是同一個人嗎?當年新聞曝光後引起很多排班計程車司機人心惶惶,如果兇手真的是鎖定計程車當作下手目標,那在他落網之前每一個上車的客人,都可能是兇手嗎? 嘉義是條假線索,也可能只是這名女子隨口說說編出來的一套故事,她是誰?為甚麼會把計程車司機帶去汽車旅館,然後又匆匆忙忙的先行離開?雖然還無法百分之百斷定她就是殺人兇手,但是畢竟她很有可能就是死者生前接觸到的最後一個人,不論如何,警方都要趕快把她找到,問清楚她和死者之間的關係,案子才有可能出現其他的線索,問題是這條線查到嘉義斷掉了,而且汽車旅館的監視器畫面又相當模糊,無法清楚看到這名女子的臉部特徵,坦白說當時桃園警方辦案的確遇到瓶頸,沒有想到一個多月後新莊警方也接到了類似的報案,一名計程車司機陳屍在汽車旅館的浴缸裡水龍頭的水還在繼續流,同樣也是一名女子提早離開房間,但是新莊警方掌握到更多的線索是,死者在案發當天曾經打電話給他的朋友說載到一個應召女郎,還問他的朋友,附近有汽車旅館嗎?這段對話讓警方高度懷疑,難道這是一個桃色陷阱嗎?先把上鉤的計程車司機誘騙到汽車旅館,趁著四下無人的時候下藥迷昏,這種所謂乾洗的詐騙手段實有所聞,但通常都是錢財到手就跑了,沒有必要把人也殺死啊!難道兇手除了要錢之外,還有別的動機嗎? 桃園警方看了新莊汽車旅館命案的新聞,直覺和他們手上這一起肯定有關聯,果然監視器畫面一比對,發現大事不妙,雖然臉部特徵還是相當模糊,但是至少看得出來這兩名女子的身材穿著打扮,基本上就是同一個人不會錯,這個重大發現代表這是恐怕是一起連續殺人重大刑案,如果警方判斷沒錯,那麼在兇手落網之前他還有可能繼續犯案嗎? 但新聞都曝光了兇手還敢繼續犯案嗎?警方擔心的事情還是發生了,就在兇手落網的前一天又有一名計程車司機遇害了,在那之前新莊警方已經調閱上百支的監視器,每一段畫面都仔細過濾終於鎖定了這名嫌犯的行蹤,她在新莊汽車旅館搭計程車到板橋火車站,然後用悠遊卡買了車票坐火車,這一個買票的動作是關鍵,因為警方可以透過調閱這張悠遊卡的消費紀錄掌握這名女子平常活動的範圍,她買了一張板橋到樹林的火車票,於是新莊警方立刻殺到樹林火車站埋伏了 一天一夜,但是卻沒有發現人影,警方不死心決定拿著相當模糊的監視器翻拍的照片,從樹林火車站往外輻射挨家挨戶的查訪,終於問到了這家彩券行老闆說他有印象,而且人才剛剛來過,買了彩券就走了他有可能就是殺人兇手嗎? 甚麼時候出門不一定,警方決定不等了直接上樓按門鈴,結果有人在家來開門的一名身高大約145公分,體型微胖的女子,警方直接問她我們是警察,你應該知道我們為什麼來找你,這名女子聽了之後點點頭,也沒有太大的反應,等於是默認了這三起計程車司機的命案跟她關係,警方同時在她手提包找到了一罐液體,事後經過檢驗證實,裏頭的確含有安眠藥的成分,但令警方不解的是 根據過去的辦案經驗,類似的乾洗詐騙案件,嫌犯通常都有一定姿色才有辦法誘騙被害人上當,但這名站在眼前的女子似乎沒有具備這樣的外在條件,為什麼她有辦法得手呢? 警方事後分析,嫌犯應該知道以自己的外在條件無法輕易讓人上鉤,所以她的下手目標都是經過挑選的,首先她會在火車站附近的排班計程車站默默觀察,而且她也不是一上車就提出陪睡的奇怪要求,因為這樣被拒絕的機會很高,她通常會自稱是歸國華僑想要包車一整天,請司機帶她到處去玩,降低司機的警覺心,等到傍晚的時候再邀請司機帶她去汽車旅館一起喝酒休息,或者是謊稱 她身上沒有錢了,但是願意用身體抵還車資,再趁機在酒裡下藥,等到計程車司機藥效發作就將財物洗劫一空。 嫌犯江雲卿,落網之後警方才發現她有詐騙前科,當年她才18歲就犯下詐騙案 受害者都是老人家,最後被重判了有期徒刑12年,沒有想到才剛假釋出獄兩年多又重施故技。 如果只是單純為了錢那為什麼會害死三個計程車司機呢?你把人騙到汽車旅館迷昏在浴缸裡,為什麼會讓水龍頭的水繼續流呢?她難道不知道計程車司機,可能有溺死的危險嗎?還有每次犯案後她就會把這些騙來偷來的錢,拿去買彩卷,因為據說她相信殺人可以改運,拿這些錢去買彩券會讓她中大獎。 江雲卿迷昏計程車司機,每次得手的金額並不大,因為司機在車上也不會放太多錢,但據傳對江雲卿來說騙來的錢只是籌碼,因為她相信把這些騙來的錢拿去買彩券,會讓她中大獎,她為什麼會對這種無稽之談深信不疑呢? 江雲卿害死了三名計程車司機,在一審時遭到判處三個死刑,但為什麼到了更一審大逆轉,法官改判三個無期徒刑而且全案定讞呢? 訂閱【東森新聞】現在就加入》https://pse.is/396256 加入【東森新聞】會員,獨家影片搶先看》https://pse.is/39m9l8 🌍 🌎 🌏 #台灣啟示錄 #東森新聞 #計程車 #司機 #江雲卿 #命案 #汽車旅館 #新莊 #彩券 #浴缸 #死刑 #無期徒刑 #詐騙 #安眠藥 #監視器 #乘客

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

時間序列只有一筆有效觀測時,只列出該值與觀測時間,不畫走勢圖;累積兩筆以上才畫圖。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →