停云织网：路侧停车电子收费系统在城市级巡检场景中的边缘计算实践
自从“交通强国”试点铺开，新基建把边缘计算推到台前，路侧停车这类高频场景首当其冲。这两年智慧城市的话题炒得很热，但真落到地面，往往发现最磨人的不是那些宏大的顶层设计，而是路边长长的停车带。我干智能交通集成这行快十年，亲眼看着路侧停车电子收费从早年的咪表、人工PDA，一路演进到地磁 巡检车，再到如今密布的视频桩和高位相机。技术栈在变，但城市管理部门的一个核心诉求没变：怎么用最低的成本，把成千上万条路边的车位管清楚，还能顺便把巡检的活儿干了。
我们团队从2021年就开始琢磨一套新的架构，内部代号叫“停云织网”。名字挺文气，其实是取“停车如云散布、边缘织网成片”的意思。它瞄准的正是城市级巡检场景下，路侧停车电子收费系统面临的真实瓶颈——纯云架构在规模面前，真的顶不住。
说个实在的痛点。传统模式里，巡检车沿着马路慢悠悠开，车顶360度相机咔咔拍，原始数据全往中心云传，靠云端GPU集群做车牌识别和泊位状态判断。听起来很美，但我们在华东一个地级市做试点时就踩了坑：老城区窄路多，5G覆盖稀稀拉拉，巡检车一进隧道或楼宇夹缝，回传链路抖得厉害，半天漏了一整条街的数据。更别提中心云那边，每天大几百万张图片涌进去，算力账单贵得财务直跳脚。
“停云织网”的思路是把算力下沉。我们在巡检车上塞进一台工业级边缘计算盒子，巴掌大，自带NPU，跑的是量化剪枝后的轻量检测模型（YOLOv5s改良版，用TensorRT做了加速）。车在街上跑，边缘盒子本地就把车牌识了、泊位画了、异常停车标了，只把结构化结果和几KB的缩略图回传。路侧的视频桩也没闲着，它们固件里烧录了同样的轻量推理引擎，平时各管各的泊位，遇到巡检车路过，通过局域网瞬时互认，形成一张动态的“网”。
去年深秋，我们在华北某特大城市推了这套东西。整整1200台边缘巡检终端铺下去，覆盖主城六区380多条核心路段。最有说服力的例子是欠费巡检专项：以前城管和停车公司联合扫街，人工核对POS机记录，一轮下来得俩礼拜，漏网之鱼多。换成停云织网，边缘端实时比对地磁欠费记录和现场车牌，巡检车开过即知谁在“老赖”停车，三天完成全城扫荡，催缴回收率直接拉高到91%。
这里面有些技术细节值得唠唠。城市级巡检最怕逆光和夜间低照度，我们和北方一所211的联合实验室搞了针对停车场景的暗光增强预处理，放在边缘盒子的FPGA上做，延迟压到8毫秒。还有，考虑到设备分散，运维用的是基于KubeEdge的轻量云边协同，中心能远程热更新模型，不用担心边缘变“死节点”。
说实话，停云织网不只是让收费痛快了。边缘计算天生适合就地发现城市异常，我们现在顺带把僵尸车识别、消防通道占用、甚至共享单车堆积都做了扩展。一次巡检，多重收获，城市管理的成本边际就这样被摊薄了。
走到今天，我越来越觉得，智慧交通没有魔法，就是把合适的数据在合适的节点算完。路侧停车这件看似不起眼的小事，恰恰因为规模够大、场景够杂，成了边缘计算最佳的练兵场。停云织网这个实践，或许能给更多城市级物联应用打个样。
微信号：18581869297