文：張芸翠

第一屆「人本街道黑客松」聚集了來自不同背景的大專院校學生，在短時間內回應一個看似熟悉、卻始終難解的問題──為什麼在城市裡，好好走路這麼困難？比起提出「完整解方」，黑客松更有趣的地方在於：參賽者如何重新定義問題、選擇切入尺度，以及他們想像未來街道治理的方式。

本屆卓越團隊的三件作品，分別從「人行道現況」、「行人過街時刻」與「校園周邊街道結構」出發，呈現三種截然不同、卻彼此呼應的人本思考。

卓越金獎｜人行道行得通：讓城市自己看見障礙

「人行道行得通」從一個日常卻常被忽略的經驗出發：人行道並不是沒有，而是常被佔用、被阻斷、被忽視。團隊並未試圖重新設計街道，而是提出一個更為前端的問題─我們是否真的「看見」人行道的狀態？

他們結合 Google 街景影像與 AI 物件辨識模型，嘗試自動辨識機車、花盆、招牌等常見人行道障礙物，並將結果串接成一套資料管理平台與回報 App。這樣的設計，讓人行道不再只依賴人工巡查或零星檢舉，而是可被持續觀測、更新的公共資料。

這個提案的關鍵不在技術本身，而在於它重新想像了治理模式：當障礙被看見、被記錄、被比較，清除與否就不再只是個案處理，而是可以被討論、被排序、被追蹤的公共議題。

更具體而言，透過資料管理平台，人行道障礙不再只是零星檢舉，而會被量化為可比較的公共資訊──例如不同街區的障礙密度、類型與持續時間。這使得哪些路段長期被佔用、哪些高齡或學區動線反覆受阻，能在會議與圖台上被清楚討論；也能依影響通行安全的程度與出現頻率，排序出改善優先順序。每一次清除是否有效、是否反覆出現，亦能被長期追蹤，讓人行道問題從個案處理，轉化為可被檢視與監督的治理議題。

卓越銀獎｜等一下，綠就來了：把時間還給行人

相較於人行道的「空間問題」，「等一下，綠就來了」把焦點放在行人等待的時間感受。團隊觀察到，現行號誌多以車流為優先，行人往往必須在不合理的秒數內穿越寬闊路口，對長者、孩童或行動較慢者尤其不友善。

他們提出一套「行人響應式號誌」的概念：透過即時人流影像分析，動態調整行人綠燈秒數，讓號誌回應當下的行人狀態，而非固定設定。簡單來說，不是行人配合號誌，而是號誌學會等待行人。

更具體的情境是：在學校或醫院周邊的路口，系統透過即時影像辨識，偵測到等候過馬路的行人中有高齡者、孩童，或人流明顯增加、步行速度偏慢時，便會即時延長行人綠燈秒數；反之，當路口行人稀少、步速較快，號誌則回到較短的通行時間。這種「在地智慧號誌決策」，讓每一個路口不再套用同一組秒數，而是依當下行人狀態微調節奏，把過馬路的十幾秒，真正交還給正在使用街道的人。

這件作品有趣之處，在於它沒有把智慧交通想成龐大的系統工程，而是從一個非常具體的時刻切入──過馬路的那十幾秒。它提醒我們，人本交通的核心，有時不是更快，而是更剛好的節奏。

卓越銅獎｜擺脫行人地獄：校園周邊的模組化想像

「擺脫行人地獄」則回到街道設計最傳統、卻也最困難的尺度──整體空間配置。團隊以多所大專院校周邊街道為觀察對象，整理出常見的道路型態與事故特徵，並歸納出一組可重複使用的街道優化模組。

這些模組並非華麗設計，而是一些我們其實不陌生的調整：拓寬人行道、設置停車彎、縮減車道、後移行穿線、改善視線死角。差別在於，團隊嘗試把這些措施系統化，讓不同校園可以依自身條件「組裝」適合的解法。

相較於單點改造，這個提案更像是一套街道理解工具：它幫助我們辨認問題類型，也提醒決策者，改善不一定要一次到位，但可以逐步累積。更重要的是，這組模組化成果的用途，並不只服務交通或設計專業者。對校方、學生或周邊商家而言，它像是一套「看得懂、用得上」的街道想像工具。透過將常見問題類型（如人行空間不足、車速過快、視線死角）對應到具體模組，使用者可以直接對照現場條件，組合出一個「如果這裡這樣改，街道會變成什麼樣子」的空間情境。這樣的方式，讓改善不再只是抽象的專業建議，而是能在現場討論中被具體指認、被想像、被逐步推進的共識工具，也降低了不同角色參與街道改造的門檻。

黑客松之後：留下什麼？

這三件作品沒有試圖給出台灣街道的最終答案，卻共同指向一件事：人本街道的起點，往往不是設計，而是重新看待問題的方式。從資料化的人行道、會等待行人的號誌，到可被複製的校園街道模組，這些想法或許仍在原型階段，卻已經為未來的街道治理，打開了新的想像空間。而這，正是黑客松最迷人的地方。