解決大稻埕溺斃搜救系統盲點的建議

先說結論，無人載具不要只想著外銷，要想怎麼解決在本地就常常發生的問題。如果這個問題有普世性，那麼發展出來的解決方案就有更大的外銷可能。

大稻埕碼頭（即時影像），從過去的貿易港口到現在的單車聖地與煙火勝地，這片水域始終是雙北最親近、卻也最難捉摸的邊界。每當大稻埕上下游傳出溺水事故，新聞畫面總是重複著：搜救小艇四處穿梭，或是潛水員在混濁不堪的河水中摸索。這種仰賴「肉眼」與「體力」的傳統搜救模式，在淡水河這種感潮河段（Tidal Reach），效率很難論斷。

淡水河是台灣唯一的感潮河流，而這段河流又是台北和新北的主要河川。在這邊若能更快速有效的解決尋找失蹤的溺者，這難道不是雙北市長候選人都該重視的課題？

我們需要什麼？我們要的是一套基於數據與現代感測技術的系統性解決方案。

一、 認清環境現實

淡水河大稻埕段有三個麻煩的點：

1. 能見度零： 泥沙含量極高，潛水員下水後基本上是「盲人摸象」，只能靠手摸。
2. 潮汐推力： 這裡的水流方向每六小時多變換一次。大稻埕的失蹤者，兩小時後可能在關渡，也可能被潮水往上游推到了板橋大漢溪。
3. 水底違章建築： 數十年的廢棄鋼筋、流木、機車、甚至工程廢料。

二、 技術棧的重新定義 (The Tech Stack)

要解決大稻埕的搜救難題，必須導入這三層技術架構：

1. 建立動態水文模型 (Dynamic Hydrology Model)

目前消防單位多半靠經驗判斷，但會在淡水河「落水」「游泳」或是這帶水域活動（如 SUP）的人，仍屬極為少數。但事實上，我們需要的是將潮汐觀測與這段的河道地形數據串接。當有人落水，系統應立即生成一條「機率漂流曲線」。

這在 TAK（Tactical Awareness Kit）的 plugin 裡面有個很好的範例叫做 LandSAR（GitHub）的外掛程式。LandSAR 有兩個特點：

• LKP (Last Known Point) 定位： 以最後已知點為圓心，根據失蹤者的類別（老人、小孩、登山客、失智症患者），外掛內建了搜救統計數據。
• 遺失者行為模型（motion models）： 結合國際搜救統計數據（如 ISRID），外掛會根據地形（坡度、植被密度）調整失蹤者可能的移動速度與距離。LandSAR 可搭配陸域和水域的失蹤人行為模式來作為計算的基礎，這在美國的海軍和海岸巡防隊用的不少。但台灣應該沒有人落水的水域漂流行為模型？

雙北可考慮在此河道開始建立行為模型，但這不是基於傳統河川水利工程的計畫，而是更為先進的安全保障計畫的一環。

2. 高頻聲納的常態化部署

如前面所，大稻埕河底就是個垃圾場。但在釣魚用的聲納之外（又稱魚探聲納，很好取得），我們可以考慮引進其他型態的聲納來協助探尋。

• 側掃聲納 (Side Scan Sonar)： 用於大面積快速掃描，尋找不自然的人體陰影。
• 多波束聲納 (Multibeam)： 建立河床 3D 地圖。大稻埕碼頭附近的河底坑洞是溺斃者最容易卡住的地方，我們必須先有地圖，才知道「坑」在哪。幾個上游的橋樑例如中正橋、秀朗橋等，也是「好發」區域。筆者就親眼看到過好幾個水流屍的案例。

3. ROV 與影像聲納的「第一線化」

潛水員的生命很值錢。在淡水河這種危險環境，應該先下 ROV (水下無人機)，配備適合類別的影像聲納。這種聲納能在伸手不見五指的混水中，利用聲波重建出類似「超音波」的黑白影像，直接辨識人體輪廓。

三、 結構性的建議：從「救火」到「監測」

在每年都會有人掉下去前，我們可以思考：

• 感測點前置化： 在大稻埕碼頭、忠孝橋、台北橋等關鍵節點，安裝高頻定點掃描聲納。一旦監測到異常落水（透過影像辨識或紅外線感測），立即標定初始座標。
• 提供開放資料接口： 台北市與新北市的搜救數據應整合。淡水河兩岸分屬不同行政區，但水流是不認行政區劃的。數據斷裂，就是搜救失敗的開始。
• 重要河段的清理： 市政府應定期清理大稻埕周邊的河底大型雜物。減少「偽陽性」（false positive）的聲納訊號，也能減少溺斃者被雜物勾住而無法尋獲的機率。

小結

透過高頻聲納、水文模擬與無人載具的整合，我們至少能讓那些不幸迷失在泥水中的靈魂，找到一條回家的路。筆者在淡水河上游河段游泳經驗不下四百次，也曾三次徒手救溺，但不是每個人都有這樣的運氣和能力，所以我們更要考慮用無人科技和數據來加強城市水域的安全保障。