当路口开始犹豫：智能交通系统的边界与代价

晚上七点，南京城东一个十字路口，信号机把东西向绿灯延长了八秒。一辆公交没赶上。司机按了喇叭。这个细节比大屏演示更诚实：系统在计算，路口在犹豫。所谓智能交通系统，落到地面，先要回答一个不体面的问题——它到底在优化谁的时间，又准备把代价挪给谁。

路口不是算法画布

感知、决策、执行，这条闭环被讲得太多，容易让人忘了每一环都有毛边。摄像头看见的是像素，雷达看见的是回波，融合之后才是轨迹。问题在于，轨迹并不等于意图。一个外卖骑手突然斜穿，一个老人走到一半停下，一辆车在实线前犹豫变道——这些长尾场景不服从干净的数据分布。感知融合的难点不在“看见”，而在“看见之后仍保留不确定性”。过早把目标框画得很确定，下游控制就会显得果断，代价往往由路口承担。

我有点懊恼的是，很多演示项目把标定漂移藏得很深。摄像头和雷达的外参偏了几度，白天看不出，夜里雨后反光一上来，融合轨迹就开始漂。工程师知道要复标，运维预算却没写进去。系统于是带着慢性误差运行，像一副没配准的眼镜。

信号优化不能替代道路设计

信号控制常被当成万能旋钮。自适应配时、绿波协调、公交车辆信号请求，这些机制确实有效，但有条件。它们擅长在给定路网容量里分配通行权，不擅长凭空增加容量。一个进口道排队溢出，先要看渠化、掉头口、公交停靠站和沿线出入口，而不是只改周期。把拥堵从一个路口赶到下一个路口，算法可以做到，城市管理者未必想要。

更麻烦的是公平性。系统若以车均延误为目标，行人等待、非机动车过街、支路居民出行容易被压到次要位置。目标函数一换，结果就变。信号优化的边界在于：它只能调整通行权的时间切片，不能替代需求管理和道路几何改善。说实话，某些项目把大屏做得像航天指挥中心，路口渠化却没动，这种“智能”只是把矛盾擦亮了一点。

责任链比时延更难压缩

时延预算可以算：感知几十毫秒，融合跟踪几十毫秒，决策控制再几十毫秒，通信链路另算。边缘计算能把一部分环节拉近，但拉不近责任。车路协同一旦出事，是路侧设备供应商、算法提供方、交通管理部门还是车辆驾驶员的责任？技术链路可以分层，责任链不能含糊。没有日志、没有版本冻结、没有可复现的仿真回放，讨论责任就是空转。

风险还不止时延。对抗攻击在感知层很现实：贴纸、强光、遮挡都可能让检测抖动。数据偏差会让系统对某类交通参与者不敏感。隐私脱敏做得粗糙，路侧视频就会变成另一种负担。供应商锁定也常被低估，接口不开放，后续迭代只能被一家牵着走。趋势上看，小范围闭环评估比大而全的覆盖更可靠：先在固定路口做仿真到现实的差距分析，再逐步放开。标准接口、模型审计、运行日志，这些不性感，却是系统能否长期运行的前提。

如果只把智能交通系统当成展示工程，它会越来越会解释，路口却不会更好走。判断一套系统是否值得继续，不看它讲了多少场景，而看它敢不敢暴露失败条件、保留人工接管、接受第三方复核。做不到这些，八秒绿灯的犹豫，还会反复出现。