路边停车无人收费系统落地实录：用边缘计算破解老城区占道收费难题
干了十几年城市交通治理的活儿，我见过太多“方案很美好、落地一地鸡毛”的智能停车项目。尤其是老城区，街巷窄、产权乱、网络差，传统地磁加云端的模式基本水土不服。但上个月，我们在江南某省会老城片区跑完一轮无人收费系统实测，结果让我这个老交通人不得不服——边缘计算，真把占道收费这块硬骨头啃下来了。
先说背景。这片老城区有将近四千个路边泊位，之前全靠收费员拿POS机人工拦车、撕票。逃费率常年维持在35%以上，高峰期乱停堵死消防通道是常态。去年区里想推纯云端视频桩，结果施工完发现，巷子里的4G信号飘得像醉酒，车牌识别传不上后台，欠费单根本出不了，最后成了摆设。
我们这次没走老路。核心改了一条：把算力沉到路边。
系统在每一个关键点位布了低功耗边缘网关，配合双目摄像机和地磁辅助。车辆入位，摄像机在本地完成车牌识别、停车时长计算，数据直接在网关里处理完，只把计费结果和异常事件往上送。整个时延控制在200毫秒内，断网也能照常计时——这点对老城区太致命了，以前一断网收费就瘫痪，现在边缘节点自己兜着，网络恢复了再补传。
实测两周，有几个数字值得拿出来说。逃费率从35%掉到4.8%，不是靠加码催缴，而是系统对“伪离场”“跟车逃费”的本地识别准了。有次一辆SUV贴着前车屁股开，想骗杆，边缘网关比对了两帧视频就判了异常，当场锁单。还有，收费员从原来的120人压到17个巡检，人力成本一年省下小六百万。更关键的是，因为不用实时回传高清视频，单点带宽成本只有原来云方案的九分之一。
当然，落地不是没坑。老城区的树冠遮挡、斜列车位，一开始边缘模型误识率不低。我们拉了本地三个月过车数据做增量训练，把模型烧进网关，误识率才从11%压到2%以下。还有居民担心隐私，我们明确：边缘端只留特征值，原始视频不出社区机房，这一点在验收时拿到了网信办的合规背书。
说句实在话，无人收费不是把人赶走，而是把人从重复劳动里解放出来去做纠违和服务。这套边云协同的打法，未必适合所有新区，但对网络孱弱、肌理复杂的老城，可能是目前最稳的一条路。项目二期我们已经在接车位级诱导，下一步让边缘网关顺便管住共享单车堆积——技术嘛，解决问题才是硬道理。
18581869297
