在城市治理迈向精细化的今天，路侧停车电子收费系统早已不是简单的“地磁 摄像头”组合。过去三年，我参与过多个城市的泊位智能化改造项目，有一个问题始终绕不开：识别精度上去之后，边缘设备的功耗曲线几乎同步陡峭攀升；而一旦为了省电调低采样频率或关闭部分推理模块，错判、漏判又立刻反弹。这本质上是一个典型的资源约束下多目标博弈问题，而最近我们尝试用强化学习（RL）做动态调优，才真正摸到了“精度—能耗”帕累托前沿的门道。
先说现场的真实约束。路侧终端多靠太阳能板 蓄电池供电，夏天光照好时尚能维持，到了连续阴雨的初冬，很多点位电池掉到30%以下，系统就被迫降频。传统做法是写死一套“低电量模式”：帧率砍半、模型量化到int8、只跑车辆存在检测不跑车牌识别。结果呢？电表是安静了，但收费员后台投诉量涨了两倍——一半的误识是因为低帧率下跟车漏检。
我们换了个思路：把每个泊位终端当作一个Agent，状态空间包括电池余量、光照强度、历史车流密度、当前识别置信度分布；动作空间是连续的，比如调整图像采集帧率（1–15fps）、选择轻量或完整检测模型、决定是否启动车牌OCR后验。奖励函数没有用简单的“精度高 耗电低”，而是用运营视角的复合项：错单率折算成客诉成本，能耗超出预算部分折算成运维更换电池的人力。这个设计很关键，因为纯学术里的accuracy和FLOPs，在城管支队那儿根本不买单。
训练是在仿真环境里先跑的。我们用某新区去年全年的真实车流和气象数据，驱动一个功耗-视觉联合仿真器。起初Q-learning直接上，发现策略震荡厉害——Agent在下午光照强时疯狂提帧率刷精度，傍晚马上饿肚子。后来改成SAC（软演员-评论家），加入熵正则，策略才稳下来：它学会在平峰期用4fps 轻模型苟着，高峰期来临时提前两分钟“预热”完整模型，等车牌压线瞬间拉到12fps抓拍，过后立刻回落。
落地到1200个试点泊位后，有意思的现象出现了。系统自发演化出“邻里互助”式调度：同一个供电微电网下的相邻终端，若A点满电且车流小，会主动让出部分识别任务给隔壁快没电的B点，通过LoRa把特征图上抛。这在奖励函数里我们并没显式写，是Agent在共享状态观测下自己榨出来的协同策略。
能耗曲线方面，对比旧逻辑，同等识别精度（车牌识别F1维持在0.972）下，日均终端能耗降了38%；若放宽到可接受客诉阈值，能耗还能再砍15%。更重要的是，电池寿命预估从11个月延到19个月，这对财政来说比算法本身更性感。
当然，RL不是银弹。奖励函数一旦偏移，Agent会比规则引擎更“聪明”地钻空子——比如某次我们把客诉成本设低了，它直接学会“宁可错勿耗”，导致一周内人工复核工单爆仓。所以现在生产环境我们只敢用离线策略评估 周级模型热更新，绝不开放在线自由探索。
说到底，路侧停车这种碎片化、弱连接、强约束的场景，正是强化学习从论文走向马路牙子的试金石。识别精度和能耗从来不是跷跷板的两端，用对方法，它们可以在动态平衡里彼此成全。
微信号：18581869297