标题：从“看不清”到“逃不掉”：多模态感知如何把路边停车收费的盲区抹平
早上八点，我在天河东路等红灯，余光瞥见路边一辆白色SUV斜插进车位，车尾那块脏得发灰的号牌，被后备厢半开的遮物帘挡去了三分之一。放在两年前，这种车大概率是“免费停”的——传统单目摄像机的识别逻辑太死板，光照一差、角度一偏、遮挡一出现，系统就直接哑火。但这次不一样，大约四秒后，杆机没动，路侧的LED提示屏却精准跳出这辆车的完整车牌与入场时间。后来跟深圳一家做城市级停车平台的朋友聊起，他告诉我，这背后已经是第二代多模态感知架构在跑，遮挡车牌识别准确率做到了99.5%，不再是实验室里的纸面数字。
说实话，路边停车收费这件事，过去十年走得磕磕绊绊。早年靠人工巡管，一个管理员管不过两三条街，逃费率能到三成；后来上地磁 POS机，解决了“有没有车”的问题，却解决不了“是谁的车”；再往后单摄像头方案铺开，成本下来了，可一到夜晚、逆光、雨雾天，或者遇到故意歪牌、污泥遮号、卡通贴纸，识别率瞬间掉到八成以下。城管和运营方不是没想办法，加补光灯、调安装角、上超清镜头，治标不治本。业内人都清楚，单模态视觉的天花板，就在那儿。
真正起变化，是最近这一波多模态感知的落地。以我近期调研的华东某省会项目为例，系统在路侧不再只挂一个枪机。它把广角视频、窄角特写、毫米波雷达、以及红外补采模块做成了协同阵列。雷达先判定车位级有车无车，不受天气影响；视频负责抓宏观特征；特写机锁定号牌区域；红外在暗光下补足纹理。更关键的是后端融合了轻量化大模型，不是简单“投票”，而是跨模态对齐——雷达说有车、视频说牌被挡，模型就去推断遮挡物后的字符结构，用前后帧与同框车辆上下文做交叉验证。朋友给我看后台样例：污泥遮了“粤B”的后半，系统靠雷达测距 前车轨迹 剩余笔画，把完整号码推了出来，置信度0.995。
你可能会问，99.5%到底意味着什么？按他们公开的运行月报，辖区内日均路侧停放车次约11万，旧系统日均漏识、误识导致的争议工单1800单上下；换装多模态后，争议量压到不足60单，且多数源于车主人为折叠号牌这类物理破坏，已非技术识别范畴。运营方算过一笔账：仅逃费追缴回流，一个中型城区一年多出六百来万，足够覆盖设备迭代成本还有盈余。
当然，作为长期观察城市治理的人，我得说句公道话：技术不是万能药。99.5%的准确率，建立在合规安装、定期标定、隐私合规的前提上。我也注意到部分市民对路侧感知设备密度的担忧，这点上，多地已要求脱敏存储、本地化推理、数据不出区。把车牌管得住、把隐私守得牢，才是系统能长期跑下去的底盘。
回到开头那辆白车。它车主后来正常收到账单，没闹异议。看似小事，却是一个信号：当遮挡不再是漏洞，路边停车才真正从“靠自觉”走进“靠规则”。多模态感知未必性感，但它实在地把城市收费的最后一块盲区，填上了一半以上的真实刻度。剩下的0.5%，交给法制与共识，大概正合适。
微信号：18581869297