分享
收藏
点赞
让技术“增强”人，而不是“替代”人
今年3月，我到某新建监控中心参观。一进门，就被那面弧形大屏幕镇住了——屏幕上呈现的是整套可视化展示系统（以下简称“大屏”）的内容，整条高速的三维模型在屏幕上缓缓旋转，负责讲解的技术人员很自豪，当场演示了“一键zoom in”：从全景缩放到某座大桥，再缩放到某个桥墩，连传感器编号都清晰可见。
交流时，我走到操作台边，发现一位监控员面前的电脑屏幕上，打开的并不是那个炫酷的三维平台，而是传统的九宫格视频监控，于是问她：“新系统用着怎么样？”
她抬头看了一眼大屏，压低声音说：“领导来了才开那个系统，我们平时很少用到。”
后来在不同场合跟几位同行聊起，类似的情况屡见不鲜。大屏建得越来越漂亮，但监控员面前的电脑屏幕上，打开的往往还是传统的九宫格视频监控。
监控中心需要可视化，领导需要直观了解路况，这些需求都真实存在。
对建设单位来说，数字孪生、三维可视化是验收时最拿得出手的“成绩单”。评标打分的时候，有没有数字孪生平台、大屏够不够震撼，往往是硬指标。
一位参与过多条智慧高速设计的工程师透露：“你说要投几百万做数据清洗、做算法优化，评委觉得看不见摸不着；但你说要建一个沉浸式三维管控系统，那效果立竿见影。”
对设备商来说，一套数字孪生平台的硬件投入（LED屏、图形工作站、服务器集群、网络设备）往往远高于软件开发和数据治理费用，且硬件设备存在持续的更新换代需求，形成了长期的设备采购周期。
对运营单位来说，大屏是向上汇报的最佳道具。一位信息化部门的负责人坦言：“部里省里来检查，我们第一件事就是打开大屏，能看到整条路的实时状态，这种视觉冲击是传统报表给不了的。”但他也承认，检查结束后，平台的使用率就断崖式下跌。
中国公路勘察设计协会智慧公路专业委员会联合赛文研究院发布的《中国智慧公路建设调研报告（2023）》也说明了这一点：在基础设施数字化这块，数字孪生系统只有49%的人认为“效果好”，32%觉得“一般”，还有19%认为“待检验”。
有人说，大屏是“给上面看的”，不是“给下面用的”。这说法，并非毫无依据。光鲜的硬件堆砌、重展示轻实操的建设逻辑，直接造成基层调度人员无法依赖智能化系统开展日常工作，只能继续沿用传统经验处置特情。
要回答这个问题，得先理解特情处置时，监控员到底在干什么。
很多人以为无非就是“发现事故-通知救援-等待反馈”三步走。有一线调度经验的人都清楚，实际工作远非如此。
1.感知设备的“近视眼”
当前智慧高速的感知体系主要靠摄像头和毫米波雷达撑着。摄像头便宜、直观，但一到雨雾天或夜间就“眼神不好”。公安部交通管理局2025年10月发布的雾天安全行车指南里提到，车辆辅助驾驶系统的视觉传感器在能见度降至50米时，目标检测召回率比晴天下降34%，有效探测距离大幅缩短，识别精度和测距能力都明显退化——路侧感知设备在恶劣天气下的表现，与此同理。
毫米波雷达号称全天候工作，但它靠多普勒效应识别运动目标，对静止物体本就不敏感，还容易把护栏、路牌这些环境杂波当成目标。业内不少方案为了压低误报，干脆在算法层面过滤静止目标，结果路边故障停车、散落的大件障碍物这些关键风险反而被漏掉。甚至有厂商把“智能过滤静态障碍物”当成算法卖点——这恰恰说明静止目标识别仍是短板。
一位干了十几年的老监控员跟我讲过一件事：夏天雷暴天，系统显示路段畅通，但他结合气压变化和上下游收费站的车流波动，能预判低洼路段马上要积水。
经验的价值在于拼碎片，而当前AI擅长的是从完整图景里找规律，短板恰恰是拼碎片。
2.监控员的“拼图游戏”
系统碎片化、数据不通，是基层调度不得不靠经验兜底的根本原因。一条智慧高速往往涉及多家厂商：感知设备是A厂的，视频平台是B厂的，气象系统是C厂的，救援调度是D厂的。数据格式各说各话，接口互不打通，形成了一个个“烟囱”。
《中国工程科学》刊发的相关研究指出，智慧公路建设普遍存在“一地一方案”“一路一方案”现象，全国统一的智慧公路建设标准体系框架仍为空白，关键性技术标准缺失，数据系统之间、设施设备之间的衔接融合困难，难以实现高效互联互通。
这种碎片化落到运营层面，就是“系统多、入口多、来回切”。更现实的问题是，很多关键信息压根没进过系统。某支救援队的实际出勤速度，不只取决于车辆性能，还取决于司机的技术水平、对路线的熟悉程度、甚至当天身体状况；某段路的拥堵规律，不只与车流量有关，还与周边工厂的下班时间、学校的放学时间、甚至当地庙会等民俗活动有关。这些信息大多留在监控员的经验记忆里，还没有变成数据。
3.算法的“狼来了”
违停、抛撒物这类“标准动作”，AI识别准确率不算低。可一旦碰上训练数据里极少出现的长尾场景，稳定性就快速下滑。比如一辆摩托车连续经过多个门架点位，现有系统往往在每个点位单独触发告警，监控员得逐条核验、合并归档，统计数据很容易虚高。
海康威视在2025年发布新一代事件检测产品时提到：一条布设1500路摄像机的高速路段，传统算法日均能感知1000余次事件，其中夹杂大量无效告警，监控员疲于复核。
高频误报最狠的杀伤力不是消耗精力，而是摧毁信任。系统三天两头“狼来了”，监控员本能地选择忽视报警，回到“肉眼盯屏+经验判断”的老路。信任一旦崩塌，重建成本比换套新系统还高。
4.经验，是什么？
美国心理学家加里·克莱因从1980年代开始研究消防员、军事指挥官在高压下的决策行为，提出了“识别启动决策模型”（RPD）。他发现，专家面对突发状况时，通常不是先列出几个方案再慢慢比较，而是在几秒钟内把眼前情境和记忆里成千上万个历史案例进行匹配，直接“认出”这是什么情况，然后启动对应的行动方案。
高速调度其实是一样的逻辑。老监控员扫一眼路况数据、听几句对讲机里的描述，就能判断事故大概多严重、该封哪条道、派哪支队伍——不是因为他算得比别人快，而是他“见过太多次类似的场面”，大脑自动完成了匹配。这种能力，目前的AI确实还做不到。
经验依赖还有个深层原因：高速公路运营企业的知识管理，基本停留在“老带新”的口头传授阶段。监控员普遍采用轮班制，工作过程中要时刻保持高度集中的注意力，还要具备快速反应和冷静处理问题的能力。这些隐性经验本可以转化为可传承、可复用的标准化知识库，但很多经验藏在从业人员脑子里，难以被整理成文字或结构化数据。
前面说了两个问题：大屏建得太炫却不实用，AI算法还不成熟、容易误报。提出这个状况，我们反对的不是技术本身，而是技术脱离了人的实际需求。
既然设备和算法都有短板，那是不是该让AI完全接管？恰恰相反。暴雨天路面有个坑，人一眼就能看出来，AI未必行；但让它秒级检索千万条过车记录，人又根本做不到。逻辑本该如此：AI干它擅长的，人干自己擅长的，是“增强”而不是“替代”。
1.大屏做减法，数据做加法
现在监控大屏普遍信息过载，几十项指标堆在一起，监控员反而抓不住重点。可以借鉴航空“玻璃驾驶舱”的极简思路，按岗位和场景分层设计：日常巡查只留路段车流、气象预警、主动告警三项核心内容；一旦进入应急模式，无关图层自动隐藏，事故点位、周边监控、救援队伍、管制建议直接置顶。核心就一条：“在对的时间，把对的信息，用对的方式，推给对的人。”
砸几千万搞三维数字孪生大屏，看着炫酷，不如先把底层短板补上：统一数据交互标准、打通各厂商系统接口、把算法模型训准、把无效告警压下来。底子不牢，面子再好看也是空中楼阁。
2.人机协同，关键是“人做判断、AI打下手”
京雄高速就是个典型。据《人民日报》报道，京雄高速通过“AI+人工轮巡”升级全线视频监控，车辆事故、抛撒物、行人闯入等事件识别准确率超过95%，经监控员判定风险等级后，实现对重要异常事件“一键触达、秒级推送”。河北高速集团京雄分公司后续披露，引入AI后，各类突发事件从发现到处理完毕，时间从1小时以上缩短到30分钟左右——AI负责“发现”，人负责“判断”，这才是正经的协同。
更进一步，把监控员的决策过程全部留痕，决策依据、处置结果记录下来，用这些真实数据反哺算法，让机器越学越聪明，形成“人教机器、机器助人”的循环。
广东联合电子服务股份有限公司的“一键救援”就很实在。2024年深中通道通车前后，救援机构通过车牌号就能快速锁定车辆所在路网区间和方向，待援车辆定位时间从平均3分钟缩短到1分多钟，效率提升40%以上。技术不用搞得花里胡哨，解决一个真痛点，比建十面大屏都管用。
3.老师傅的经验，不能跟着退休一起带走
监控员干久了，脑子里全是“土办法”和直觉，这是花钱买不来的组织资产。建议运营单位干几件实事：定期组织复盘会，让老监控员讲典型案例，录成音视频；建立标准化处置日志，关键决策点必须记录；再用自然语言处理技术，从对讲机录音、电话记录里提取关键信息，慢慢攒成一套“调度知识图谱”。
这些事技术门槛不高，就是费工夫，得有人沉下心持续干。可偏偏这是最没人愿意干的。
4.验收看建设，回头看得看运营
现在项目验收，看的全是硬指标：设备覆盖率、系统功能完备度、大屏分辨率。建议一年后增加“运营回头看”，重点看这几项：数字孪生平台到底有多少人天天用、用多久；系统辅助决策的事件占多大比例；监控员觉得这套系统到底好不好用；事件处置平均响应时间有没有缩短。
“软指标”真正硬起来，“重建设、轻运营”的惯性才能扭过来。
记得3月份那次，临走时，问及什么样的系统才是真正好用的，那位女监控员想了一会儿，说：“别让我来回切系统，别报那么多假警，真出事的时候能告诉我该找谁、在哪找、多久到。就行了。”
这个回答朴素得让人心疼。花了几十亿建智慧高速，最后基层监控员想要的，不过是少点折腾、多点靠谱。
技术从来不是目的，服务人才是。智慧高速的“智慧”，不该只挂在屏幕上，更该落在监控员更轻松的工作节奏里、更快速的救援响应里、更安全的路网运行里。
路是给人走的，系统也是给人用的。
未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明等材料，与我们联系，我们将及时沟通与处理。
好文章，需要你的鼓励
师公
特邀作者