城央流动的神经：重新审视智能交通系统的落地困境
被高估的感知层，总在意料之外的场景掉链
现在市面上多数方案，都会把感知端的准确率吹到接近满分。仿佛只要铺够了摄像头和雷达，所有交通流问题都能解决。可实际上呢？感知准确率永远是场景依赖的，脱离环境谈准确率就是耍流氓。江南入梅之后，连续半个月的阴雨，路面的积水反光会直接吞掉车道线，摄像头拍出来的画面全是光斑，根本识别不了哪是直行哪是左转。毫米波雷达对静止物体的检测天生缺陷，高速路上停着的故障车，经常被算法当成背景噪音滤掉，好几次差点出了事故。激光雷达准确率够，可单台成本是摄像头的几十倍，全路段铺开的预算，够给整个城市修十公里新地铁，根本不可能大面积推广。
雨天高速公路智能摄像头识别模糊实拍
很多集成商交付项目的时候，只会挑晴天中午的好天气测试，拿好看的数据交差。等真正运营起来，一到雾霾天暴雨天，直接掉一半准确率，最后还是要靠人工盯屏。
数据闭环的谎言，谁为持续变化的路网买单
现在行业里最火的概念就是数据闭环，说模型会自己采集数据自己更新，越用越聪明。说实话，我见过不下十个落地项目，交付完之后数据更新就停了。城市的路网哪是一成不变的？今年挖地铁改了半幅路，明年商圈开业加了左转道，后天施工搭了临时围挡，这些新场景，半年前标注的训练数据里根本没有。我去年接触过一个华东城市的项目，新改造的路口换了新的禁停标志，原来的模型直接把标志识别成了普通广告牌，连续半个月没拦过一辆违停，直到市民举报才发现问题。更离谱的是，有不少项目的标注数据，全是找实习生网上扒的公开图，根本不是本地路网的真实场景，模型从出生就带着错。
城市新改造路口交通标志识别错误后台截图
动态更新数据要花钱，要专人跑现场，要重新标注，大部分项目的预算里根本没留这份钱。交付验收完，集成商拿钱走人，运维方没能力更新，所谓的闭环，从一开始就是个画出来的饼。
被忽略的应用边界，智能不是越全越好
被忽略的应用边界，智能不是越全越好
现在很多地方做规划，上来就要全路网全要素覆盖，要建超算中心，要做全域调度。可有没有想过，我们到底需要多智能？核心商圈的主干道，早晚高峰每小时过几千辆车，自适应调信号灯确实能把拥堵时长降下来，这个投入是值得的。可老城区里窄得只能过两辆车的支路，一天到晚通行量还不到主干道的十分之一，花几百万装一套感知设备，最后大部分时间都在闲置，钱打了水漂。
还有看不见的风险。全路网的感知，意味着每一辆车的行驶轨迹都会被采集存储，哪怕做了脱敏，也很难保证数据不泄露。现在绝大多数项目，对隐私风险的应对都只是走个过场，没人真的去做全链路的加密防护，真出了问题，谁都担不起责任。还有算法的固有缺陷，算法只会优化全局的通行效率指标，不会考虑特殊情况。去年就有过报道，某个城市的智能调度为了保证主干路的通行速度，把所有支线的绿灯时长压缩，结果执行任务的救护车被堵在支路上，错过了最佳救援时间。算法没算错指标，可它错在了不会给特殊案例留余量。
不过话说回来，这不是技术本身的问题，是我们太急着把概念落地，太急着做全覆盖，忘了技术本来就是服务人的。现在合适的路径本来就是分层落地：核心路段、高速主干道，投入高等级的感知和调度，确实能解决大问题；次要支路、老旧小区周边，只需要做基础的流量采集，偶尔人工调整就够，没必要硬堆技术。
江风把路边桂树的花香吹过来，我掐着表算那个信号灯的等待时长，平峰的时候它确实比固定配时快，高峰的时候还是会乱。技术从来不是一蹴而就的，慢慢来，比什么都重要。