从地磁到视频流：路边停车无人收费系统架构升级的幕后技术细节
做了十几年智能交通集成，我见过太多“PPT上跑得通、现场一塌糊涂”的停车方案。早些年各地铺得最猛的路边停车感知手段，莫过于地磁。说白了，就是在车位里埋个线圈或者磁敏元件，车停上去磁场一变，就算占位。成本低、施工快，当时看确实是性价比之王。
但真到了运营侧，地磁的短板藏不住。首先，电池寿命和封路维护是死穴——柏油路上打洞埋设备，一两年的电池耗尽后，你得再次占道开挖。其次，地磁只能告诉你“有车没车”，至于这车是不是跨位停、是不是三轮车占用小车位、车牌是多少，它一概不知。后台只能按时间粗算费用，逃费、误判、邻位串扰，几乎天天被市民投诉。
大概从2019年开始，我们团队在华东几个试点城市推第一代视频流方案，坦白讲，那会儿并不顺利。早期枪机 地磁双模，架构还是“端侧抓拍、中心识别”，网络一抖就丢帧，识别率刚过85%就敢上线，结果误扣费比地磁时代还难看。
真正的分水岭，是边缘计算盒子下沉和流式处理框架的成熟。这一轮架构升级，核心不是“把摄像头挂上去”，而是把原来中心云干的事，拆成了三层：
第一层，端侧轻量感知。 现在路侧多用多目一体化视频桩或高位枪球联动，端机内嵌轻量AI模型，只做“有无车辆 初步框选”，不跑重识别，功耗和延迟都压下来了。
第二层，边缘节点汇聚。 一个街区十几个视频桩的数据，先汇到路口边缘服务器。这里跑车牌识别、泊位状态仲裁和短时轨迹拼接。关键是引入了“视频流时间序列校验”——同一辆车在三个桩的视野里出现轨迹连续，才确认入位，彻底干掉了单帧误检。
第三层，中心云做账和稽查。 云端不再实时识别，只接收边缘送来的结构化事件：某车某时入某位、某时出。账单生成、欠费追缴、跨区拟合，全部异步处理。这样中心带宽压力掉了七成，雪亮工程那种视频直传回云的老思路，基本被抛弃了。
技术上最难的，其实是光照和遮挡。我们后来在模型里加了基于气象API的动态曝光补偿，并在边缘侧做了多帧融合去影。实测在暴雨和逆光条件下，车牌识别率从原来的78%拉到了96%以上。
还有一个容易被人忽略的细节：时钟同步。视频流方案里，如果边缘节点和中心时间差超过200毫秒，跨桩轨迹拼接就会错乱。我们强制全部节点走PTP轻量级同步，而不是靠NTP瞎凑。
回头看，从地磁到视频流，不是简单换个传感器，而是整个停车感知架构从“哑终端 人工对账”走向“流式感知 边缘智能”。作为一线做系统的人，我的判断是：地磁不会完全死，它会退成视频系统的校验冗余；而真正的无人收费，拼的不是摄像头多清楚，是背后那套事件流的确定性和容错率。这块水有多深，只有掉过坑的才知道。
18581869297
