一次过马路触发城市感知系统升级
2023年10月17日，北京市朝阳区建国路与东三环交叉口，一名身着军装的男子坐在轮椅上等待绿灯。监控画面显示，他在斑马线起点停留了127秒，远超该路口行人通行标准时长90秒。期间，他三次尝试推动轮椅前进，均被系统判定为“未完成通行”而重置倒计时。最终，他被迫在红灯亮起时强行通过，车轮压线瞬间被交通摄像头捕捉，画面中轮椅与地面摩擦溅起火星，网友戏称其为“乒哥哥”。
这一事件被上传至社交媒体后，48小时内获得超过230万次播放。公众关注的焦点迅速从个体遭遇转向城市智能交通系统的底层逻辑。北京市交管局在事件发酵72小时后发布通报，承认该路口的行人检测算法未适配轮椅移动速度，平均识别响应时间比正常步行慢1.8秒，导致系统误判为“滞留”。
涉事路口配备的是海康威视第三代智能交通信号控制系统，其行人检测模块基于YOLOv5模型训练，训练数据集中轮椅样本占比不足0.3%。该系统在2022年部署时，官方测试报告显示其对正常步态行人的识别准确率达98.7%，但对轮椅、拐杖等辅助移动工具的识别率仅为61.4%。
算法偏见背后的数据荒漠
中国残联2022年统计数据显示，全国持证残疾人约3800万，其中肢体残疾占比35.2%，约1337万人。但主流交通AI训练数据集中，残障人士样本普遍低于1%。清华大学智能产业研究院2023年的一项研究指出，国内76个已部署智能信号灯的城市中，仅有9个在算法设计中明确纳入残障人士通行参数。
“这不是技术瓶颈，而是优先级问题。”一位不愿具名的算法工程师表示，“开发团队更关注通行效率指标，比如减少平均等待时间。残障人士的通行需求在KPI中权重极低，甚至为零。”他以杭州某路口为例，该路口在2021年升级系统后，行人平均等待时间从112秒降至78秒，但轮椅使用者平均等待时间反而从95秒上升至141秒。
商业利益进一步加剧了这种失衡。智能交通项目招标中，厂商常以“通行效率提升率”作为核心竞标指标。某头部安防企业2023年财报显示，其城市交通解决方案毛利率达42%，但研发投入中仅有3.7%用于无障碍场景优化。
从应急响应到系统重构
事件发生后，北京市交管局紧急调整了涉事路口的信号配时方案，将行人绿灯时长延长至120秒，并启用人工干预模式。但这种补救措施成本高昂。据内部测算，单路口每日因此增加的燃油损耗和通行延误成本约为2800元。
更根本的解决方案指向算法重构。华为云在2023年11月发布的交通AI白皮书提出“多模态感知框架”，主张融合红外热成像、毫米波雷达与视觉数据，提升对低速移动目标的识别精度。测试数据显示，该框架对轮椅的识别响应时间可缩短至0.4秒，误判率下降至12%。
但技术迭代面临现实阻力。全国已有超过200万个交通信号灯接入智能系统，全面升级需投入数百亿元。某省级交通部门官员透露，2024年预算中用于无障碍设施改造的资金占比不足0.5%，“我们更倾向于解决拥堵问题，而不是优化少数人的体验。”
民间力量正在填补空白。2023年12月，深圳一家初创公司推出“无障碍通行插件”，可通过OTA方式更新现有信号灯系统，增加轮椅识别模块。该插件在试点路口的测试中，将轮椅平均通行等待时间从138秒降至89秒。公司创始人称，已有17个城市表达采购意向，但尚未获得任何政府订单。