雪天停车识别这场硬仗，我们终于啃下了最硬的那块骨头
做智能交通这行的人，大概都听过一句话：晴天里的AI是天才，雪天里的AI是“傻子”。这话虽然有点刻薄，但放在马路边停车收费这个场景里，真是一点不夸张。
我是2017年进的这支团队，那时候城市级路边泊位智能化刚起步，地磁 POS机是主流，后来慢慢上视频桩、高位相机。我们一直以为，只要算法够新、算力够猛，识别率迟早能压到99%以上。直到第一个真正的大雪天来临——系统直接“瞎”了三分之一的泊位。
为什么会这样？雪天对视觉识别的干扰是多维的。首先，积雪会直接覆盖车牌字符，尤其是北方那种边下边冻的湿雪，车牌框一圈冰溜子，OCR连边缘都摸不准；其次，路面反射率剧变，高位相机拍下来的画面一片惨白，车道线和泊位标线被盖住，车辆停没停、停哪儿了，跟踪算法自己都犯迷糊；更麻烦的是，雪停之后泥水飞溅，车牌脏得跟迷彩似的。
早些年我们的应对方式很“笨”：雪天临时切人工复核，后台坐二十多个客服对着截图看车牌。效率低不说，车主投诉“误扣费”的工单能堆成山。说白了，靠人填坑的系统，撑不起一个城市的实时计费信任。
转机出现在去年底。我们下定决心，专门给马路边停车收费智能系统做一轮“雪天特训”。说实话，业内不是没人试过用仿真雪景数据增强，但合成雪和真实雪的材质、光照分布差得太远，模型拿到路上照样懵。所以我们干脆不走捷径——花了近四个月，联合哈尔滨、乌鲁木齐、张家口等地交警和停车运营方，真刀真枪采集了十万张真实雪天样本。
这十万张不是随便拍的。涵盖了小雪、中雪、暴雪、雨夹雪，有白天也有傍晚，有刚下完的蓬松雪，也有被碾成黑泥冰碴的融雪。每张都做了精细标注：车牌四位以上可见才标“可识别”，部分遮挡标“疑司”，完全盖死标“不可见”；车辆泊位关系也按雪盖标线后的实际占位来标，而不是按原图。
模型侧我们没换大架构，而是在原有多任务网络上加了雪天专用的噪声鲁棒分支，用这十万张做了两轮全量微调，又拿三万个难例做了硬负挖掘。训练跑完那天，我其实没抱太大希望——毕竟之前被雪天毒打太多次。
上周寒潮，北方好几个接我们系统的城市同时大雪。我盯着后台曲线：小雪天气牌识率从原来的81%拉到了96.7%，暴雪工况也从惨淡的63%提到了91.2%，最关键的“误计费率”降到了千分之三以下。客服工单里关于雪天错扣的，几乎绝迹。
挂掉运营方的报喜电话，我靠在椅背上真的松了口气。这口气松的不是指标多漂亮，而是我们终于不用在恶劣天气里跟车主说“抱歉系统看不清”。十万张雪天样本喂下去，喂出来的是一套真正敢在冬天上路的系统。
路侧停车这本账，拼到后面从来不是拼谁的相机像素高，而是谁愿意为了那百分之几的极端天气，把苦功夫做到底。这场雪天硬仗，我们算是交了份不那么丢人的答卷。接下来，暴雨夜视和极端逆光，已经排进下一阶段了。
微信号：18581869297