docs: INFRA.md 更新生產 29 個 target 清單與覆蓋實測

- 取代舊 5 target 記錄（台北/內湖/板橋/新竹/宜蘭）
- 完整列出大台北 11 點、新北 12 點、新竹 1 點、宜蘭 5 點共 29 個座標
- FETCH_LOCK_TTL 從 400 調整到 600（29 點序列 ~5 分鐘）
- 新增實測數據：760 筆 filtered（台北 577 / 新北 713 / 宜蘭 64）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

docs/INFRA.md

@@ -238,10 +238,26 @@ ALLOWED_HOST_LIST = external,192.168.42.0/24,loopback
 - `radar_fetcher.py` 支援 `RADAR_TARGETS=name:lat,lng;...` 環境變數
 - 主流程 loop 每個 target 呼叫 Function Server，以 `(id, lat, lng, expire_time)` dedupe 後 union
 - 單點失敗不阻斷其他 target
-- 建議搭配 `RADAR_ZOOM=15` 街區級密度（zoom 越大單點範圍越小但回傳密度越高）
-- `FETCH_LOCK_TTL` 拉高到 `400`（5 點序列跑總耗時 ~50s，但要留餘裕）
+- 搭配 `RADAR_ZOOM=15` 街區級密度
+- `FETCH_LOCK_TTL=600` 保 29 點序列跑的耗時（~5 分鐘）
 
-目前生產設定 5 個 target：台北車站 / 內湖南港 / 板橋 / 新竹 / 宜蘭。測試 twpk 內湖那個 1km² 街區：0 → 2 筆。還不理想但方向對；可加 target 或降 `MIN_REMAINING` 進一步補密度。
+**目前生產 29 個 target**（涵蓋大台北 / 新北 / 宜蘭主要人口區 + 新竹備援）：
+
+```
+台北：台北車站(25.0478,121.5170)、中山(25.0634,121.5264)、松山(25.0499,121.5777)、
+     信義(25.0330,121.5645)、大安(25.0263,121.5443)、萬華(25.0356,121.4990)、
+     士林(25.0875,121.5260)、北投(25.1316,121.4986)、內湖(25.0824,121.5877)、
+     南港(25.0544,121.6065)、文山(24.9890,121.5691)
+新北：板橋(25.0141,121.4631)、三重(25.0613,121.4860)、新莊(25.0385,121.4502)、
+     中和(25.0070,121.4995)、永和(25.0093,121.5148)、新店(24.9650,121.5423)、
+     土城(24.9722,121.4419)、汐止(25.0692,121.6415)、淡水(25.1718,121.4489)、
+     三峽(24.9349,121.3746)、林口(25.0775,121.3931)、蘆洲(25.0872,121.4692)
+新竹：新竹(24.8138,120.9675)
+宜蘭：宜蘭市(24.7511,121.7535)、羅東(24.6770,121.7681)、礁溪(24.8234,121.7708)、
+     蘇澳(24.5952,121.8523)、頭城(24.8600,121.8256)
+```
+
+驗證：single fetch 回 760 筆 filtered（台北市 577 / 新北市 713 / 宜蘭縣 64）。街區級密度仍不如 twpk（zoom 17 視角下單點有 98 marker），但整個北北宜已有覆蓋；若要再補可加密 target 或降 `MIN_REMAINING`。
 
 ### 3.13 UI 顯示資料更新時間