从人工到自治：马路边停车收费智能系统的云边协同实践
在城市交通治理的版图中，路边停车一直是个“老大难”。早些年，我们习惯在马路牙子边上看到穿着荧光背心、手里攥着一本票据的收费员，他们顶着日晒雨淋，靠人眼记录车牌、靠脚程追着车主收费。这种方式不仅人力成本高，还容易出现逃费、议价、纠纷，甚至因为人工巡检不及时，导致车位周转率低、违停蔓延。
我在这个行业里摸爬滚打了十几年，从最早参与地磁感应试点，到后来做高位视频方案，再到这两年落地云边协同架构，可以说是亲眼看着路边停车从“人管人”一步步走向“系统自治”。今天想结合几个真实落地案例，聊聊云边协同到底是怎么把这套系统跑通的。
所谓的云边协同，说白了，就是把“脑子”和“手脚”分开摆。边缘侧，也就是安装在路侧杆件上的AI相机、边缘计算盒子，负责实时抓拍、车牌识别、违停判定，甚至做初步的计费逻辑；云端则承担海量数据存储、跨片区调度、逃费追缴模型训练、以及全市级的停车热力图分析。二者之间通过专网或5G切片低延时通信，平时边缘自治，断网也能本地存七天，联网后自动补传。
去年我们在华东某地级市做了全覆盖改造，全市6800多个路边车位，撤掉了九成以上的现场收费员。边缘相机用的是国产SoC方案，识别准确率在逆光、雨雾天气下也能稳定在98.6%以上。最关键的是，边缘节点不只是“拍照工”，它内置了轻量级推理模型，能区分“临停上下客”和“长时间占位”，避免误计费。车主停进车位，手机端公众号立马推送入场时间；驶离时，若已绑定免密支付，根本不用掏手机，杆上语音播报“再见”就完事。
但光有边缘不够。实践中我们发现，单纯靠边端容易在跨片区“套牌车”识别上吃瘪。这时候云端的大数据图谱就派上用场——把各片区边缘节点的过车记录汇总，用图神经网络跑一遍，哪些车频繁换牌、哪些车长期欠费，一目了然。云侧训练好的新模型，每周下沉到边缘，形成“云训练、边执行”的闭环。
还有个容易忽略的点：运维。以前人工时代，设备坏了靠投诉才发现；现在边缘盒子自带健康自检，CPU温度、存储水位、镜头遮挡全量上报云端，故障工单自动派给最近的外包队。我们测算过，整体运维人力比纯人工收费时期降了七成，而车位日均周转次数从2.1次爬到了3.4次。
当然，自治不等于没人管。法律边界、隐私合规、老人无智能手机的现金通道，这些还得靠管理规则兜底。但技术层面，云边协同确实让路边停车第一次有了“自我运转”的可能。
回头看，从人工到自治，不是简单换个机器，而是把城市路侧资源当成可计算、可调度、可运营的公共资产。这条路还没走完，但方向，显然是清楚了。
微信号：18581869297