路边停车收费“误拍”之痛，我们靠边缘计算给治好了——实测误拍率狂降七成
干了快八年智慧交通集成，我见过太多城市在路边停车收费这件事上栽跟头。不是系统不稳定，也不是地磁坏了，而是——摄像头太“傻”。
以前路边泊位用的基本都是中心云识别方案：杆上相机咔嚓一拍，图片或视频流打包丢回中心机房，由服务器做车牌识别、入离场判断。听起来没毛病，但实际跑起来，问题一大堆。
最要命的就是误拍。
树影晃一下，算你入位；旁边电动车路过，算你离场；黄昏逆光、雨夜反光、早高峰人流遮挡……中心云那边算法再牛，也得等数据传过去才能反应，等它反应过来，计费已经错了。车主投诉、运维骂娘、财政还收不上钱。我们团队去年接手南方某省会城市三万多个路内泊位运维时，每月误拍工单接近四千条，人工复核成本比设备电费还高。
转机出现在今年初。我们没换相机，也没推倒重来，而是在每个路边机柜里塞了台边缘计算盒子，把识别模型直接下沉到离摄像头不到五米的地方。
说人话就是：让相机“当场思考”，别啥都往云端甩。
这套边缘节点干了几件以前中心云干不好、或者干起来太慢的事。
第一，本地做多帧校验。车进泊位，边缘盒会连抓八帧，结合地磁信号交叉验证，确认“真停了”才上报。以前云端的逻辑是单帧触发，误报率天然高。
第二，动态调参。逆光、暴雨、雾天，边缘侧根据环境光传感器实时切换识别策略，不用等中心下发配置。我们实测，雨夜误拍直接从每千次19次降到4次。
第三，可疑只传缩略图。真正拿不准的才切片回云，带宽占用砍了六成，中心算力腾出来干更值钱的事。
效果有多明显？上线六个月，全市路内泊位误拍率从改造前的11.3%降到3.2%，整整砍掉七成多。复核人力从十二人减到三人，车主申诉量月均下降68%。更关键的是，因为计费准了，欠费率也跟着往下走——这可是真金白银的财政收入。
有同行问，边缘计算盒子会不会增加运维负担？恰恰相反。我们用的工业级设备，宽温防尘，远程可灰度升级，比中心那堆必须7×24盯着的服务器省心多了。
当然，也不是说边缘万能。极端遮挡、跨位停车这种，依然要云边协同。但至少，把七成低级误判堵在路边，这事边缘计算已经证明自己能搞定。
如果你也在管路内停车，别急着换枪机、别盲目上雷视融合。先看看自己数据链路——识别如果不发生在现场，误拍就永远治不透。我们这波改造，单泊位改造成本不到两百块，回收期四个月。这账，挺好算的。
（作者系城市级智慧停车系统总架构师，参与多地路内泊位信息化标准编制）
微信号：18581869297