城管这摊子事，干过的人都知道，难就难在“度”的拿捏。一边是市容市貌必须管住，城市不能乱；另一边是摊贩要吃饭、门店要经营，老百姓也有一肚子诉求。以前靠人盯人、车转街，一个中队十几号人撒到几平方公里的辖区里，顾得了东头顾不了西头。巡查靠运气、取证靠拍照、处罚靠口才，遇到纠纷扯皮，光现场解释就能耗掉大半天。更要命的是，队员巡查的频率和力度很难统一，同一类违规，今天严明天松，这条街严那条街松，管理尺度稍微偏一点，投诉和矛盾马上就来。
我在这行做了快十年，从最早的纸质巡查记录，到后来的手持终端，再到现在的AI城市管理综合执法系统，算是亲眼看着执法方式一步步被技术改写的。这套系统的核心思路其实不复杂：把原来靠人眼盯着看的活儿，交给摄像头和算法去干，让执法队员从“巡逻等发现”变成“接单去处置”，把有限的人力集中到真正需要现场解决的问题上。但“不复杂”三个字背后，是算法选型、场景适配、数据标注、流程再造一整套工程。
这篇我就拿我们实际落地的一套城市管理综合执法系统当例子，把从需求拆解到上线运营的完整过程掰开来讲。系统不是什么高不可攀的科研项目，就是一套很务实的东西：AI负责发现和预判，执法队员负责核实和处置，所有行为留痕、数据可追溯。适合正在做智慧城市、城市治理数字化项目的团队参考，也适合想转行做AI落地应用的朋友了解一个真实场景里的技术选型思路和踩坑记录。
1. 传统执法模式的效率瓶颈：为什么需要一个AI“外挂”
在聊技术之前，先得把需求讲透。我接触过的不少城管执法中队，日常工作基本是这么运转的：队员每天分片区巡查，主要靠开车或者步行扫街，眼睛看、脑子记、手里拍。这个模式有几个怎么绕都绕不开的死结。
第一，人力覆盖密度远远不够。一个街道辖区几十条路，早中晚三个高峰时段都要有人盯着，但一个中队能撒出去的人手就那么多。于是只能做“重点路段优先、一般路段随缘”，非重点区域的违规行为常常要等居民投诉了才知道。
第二，问题发现的时间窗口抓不住。游商摊贩最活跃的时间往往是执法队员换班吃饭或者下班后的空档，等接到投诉赶过去，人早就走了，连个影子都拍不到。占道经营也是一样，违规状态持续两三个小时是常态，但巡查可能一个小时才路过一次，看到了就看到了，看不到就漏掉了。
第三，执法证据的固定成本高。以前处理一单出店经营，队员要现场拍照、写巡查记录、当事人签字确认，一套流程走下来，沟通成本极高。当事人配合还好，不配合的时候，光反复解释法规依据就够折腾的。
第四，管理尺度的统一性很难保证。同一个摆摊问题，A队员觉得可以劝导为主，B队员觉得必须罚款，处理标准不一致，当事人就会觉得不公平，投诉自然就多。
这套AI系统要解决的，首先就是第一个和第二个问题——让发现这件事变得自动化、不留死角。摄像头24小时在线，算法不间断地跑，违规行为一旦冒头就被盯上，不用等队员巡到那条街，更不用等居民打电话来投诉。至于第三个和第四个问题，则是通过后端的业务流程重构来实现的，后面我会详细讲。
2. 系统整体架构与识别场景设计：先决定机器管哪些事
我们这套系统的架构说穿了就三层：感知层、分析层、处置层。感知层就是城市里已经布好的各类摄像头，加上可以灵活补位的移动布控球；分析层是服务器上跑的AI识别算法，负责从视频流里把违规行为拎出来；处置层是给执法队员和管理人员用的业务平台，包含工单派发、处置反馈、数据统计这些功能。
识别场景的取舍，是整个项目前期争论最多的地方。AI算法不像人眼，什么都能看，它只能识别你教会它的东西。所以第一步就得想清楚：到底要让机器去盯哪些违规行为，盯到什么程度。
我们最终定了六个核心场景，全部基于“看得清、判得准、有依据”三个原则来筛选的。
| 识别场景 | 核心判断逻辑 | 初始识别准确率 | 优化后准确率 |
|---|---|---|---|
| 游商摊贩 | 特定区域内出现长时间停留的非机动车+人员聚集 | 78% | 91% |
| 出店经营 | 沿街商铺货物越过划定边界线 | 85% | 94% |
| 乱堆物料 | 公共区域出现非预期的物料堆积 | 82% | 90% |
| 违规广告牌 | 未登记的超规格招牌或横幅 | 76% | 89% |
| 垃圾暴露 | 非垃圾收集点出现垃圾堆积 | 88% | 95% |
| 占道施工 | 未经报备的道路挖掘或围挡占用 | 80% | 92% |
我举一个场景细化的例子。光说“游商摊贩”四个字，算法是听不懂的。我们把这个问题拆成了更细的判断链条：一辆三轮车或者电动自行车在某个非允许区域停留超过15分钟，且周边出现2人以上聚集，且现场疑似存在称重、计价、打包等交易动作。只有这些条件同时满足，才会触发预警。
为什么非要这么细化？因为“推着车走路”和“停下来摆摊”在画面里的差别，机器没有常识，只能靠特征去学。如果不把判断逻辑拆清楚，要么漏报——摆摊都开张半小时了还没反应，要么误报——大爷在路边下棋也被当成游商了。后来我们把棋盘、运动器材这类干扰物加了负样本，误报才压下来。
还有个实际经验：摄像头角度对识别率影响极大。前期试点的时候，我们用的是路口的治安监控，视角偏高，俯视角度大，人车重叠严重，识别效果很一般。后来调整了几个点位，把镜头角度压到30度左右，斜向俯视，识别准确率平均提升了8到10个百分点。所以项目启动前，强烈建议先做一次点位勘察，结合路面宽度、树木遮挡、光照条件来定安装方案，而不是直接把现有监控流接进来就完事。
3. 算法选型与模型训练的实战细节：不算昂贵的成本，但足够耗时
很多没做过AI落地项目的朋友，一听算法就以为要招一堆算法工程师、买几块A100显卡搞大模型预训练。这其实是个很深的误会。城市管理这个场景里，绝大多数违规行为的视觉特征是非常明确和固定的，不需要动辄几十亿参数的大模型，用中小规模的检测模型就完全够用。
我们当时在几个主流检测框架里做了对比测试，直接在自建数据集上跑。从最终实测结果看，两者的差距不到2个百分点。考虑到推理速度、硬件占用和后续部署简便性，我们最终选了轻量方案。这也给团队省下了不少预算，一台双卡推理服务器扛住了整个城区试点范围的实时分析，完全没有性能压力。
数据集构建是另外一个耗时大户。视频监控里截出来的原始画面不能直接用，得先做清洗。比如画面模糊的、夜间过曝的、目标被遮挡超过一半的，这类样本要么删掉要么单独标注，否则就会成为训练时的噪声。
标注规范也是反复磨出来的。刚开始我们按通用物体检测的方式去框目标，后来发现不行。问题出在“场景判断”上——城市管理违规识别的重点不只是“画面里有什么”，更是“这个物体出现在哪里、状态对不对”。一辆三轮车停在小区门口不一定是违规，但停在十字路口斑马线附近就是占道。所以后来我们改成了“目标框+区域属性”的双标注模式，既标出目标本身，也标注它所处的区域类型，模型学习的时候同时学两个维度的特征。
训练过程中最容易被低估的是负样本的收集。正样本告诉模型“什么是违规”，负样本告诉模型“什么不是违规”。下棋的大爷、修鞋的小摊、临时停靠的外卖车，这些都是日常误报的重要来源。我们花了将近一个半月专门做负样本采集和标注，把小区门口、学校周边、商圈广场这些高干扰场景的常见画面大量补充进去。效果立竿见影，整体误报率比第一版模型下降了近一半。
还有一个烧经验的小细节：测试集的时间维度。城市管理的违规行为有明显的时段特征，早高峰的摊贩和晚高峰的摊贩，画面光照、人流量、停留位置都不一样。所以我们做训练集和测试集划分时，刻意把不同时段的数据混在一起，确保模型鲁棒性。第一版模型在白天测试集上表现很好，一到黄昏就频繁漏报，就是因为训练数据里傍晚样本占比太低，后来专门补了黄昏和夜间的数据才解决。
4. 从识别到处置的闭环：把“机器管发现、人管处置”变成现实
算法在后台识别出违规行为，这在整个系统里只能算完成了第一步。如果识别出来没有后续的处置动作，那和装了块电子屏没什么区别。城市管理执法系统真正考验工程能力的地方，是从“机器发现”到“人工处置”之间的业务闭环怎么打通。
我们设计的流程分五步，每一步都记入系统日志，全程留痕。识别报警信息推送到值班队员的工作台，附带现场抓拍图片和建议判断类别。队员根据图片初判是否属实，属实的直接导航到现场；不属实的标记为误报，反馈给算法团队做优化。到达现场后，先执行“劝阻优先”原则——如果是轻微且首次违规，通过语音提示或者面对面劝导，给当事人主动改正的机会。拒不改正的，再走证据采集和处置流程。处置完成后，现场拍照上传，系统比对确认问题解决后关闭工单。
这个流程里，智能语音远程劝导是一个很受欢迎的模块。摄像头识别到出店经营或者垃圾暴露这类违规后，可以先触发路侧音柱播放语音提醒：“此处为禁止摆摊区域，请尽快离开”。多数情况下，当事人听到提醒就自行纠正了，根本不需要队员跑一趟。自从启用了这个模块，试点辖区内的出店经营和游商摊贩处置工单量下降了差不多三分之一，人力消耗明显减少。
提到证据链，这里必须多说几句。长期以来，执法争议的焦点就是证据是不是完整、采集是不是合规。这套系统把相关流程做了标准化：识别阶段自动生成违规行为过程的短视频片段和关键帧抓拍；现场阶段由队员通过执法记录仪上传现场视频；处置阶段填写处置结果和当事人信息。三段数据在系统里自动关联成一条完整的证据链。后续无论是当事人复议还是内部审查，调取资料都非常方便，避免了以前那种“口说无凭”的扯皮情况。
值班队员刚上手那会儿，最不适应的就是“不用天天去巡街了”。原来大家的习惯是开着车在路上转，心里踏实；现在改成坐在大屏幕前盯工单，有人就觉得心里发虚，担心自己漏了事。后来运行了两周，大家发现工单接得根本停不下来，这才建立起对系统的信任。实际上，系统的价值本来就是替代掉重复性、高耗时的巡查动作，让队员有更多精力去处理那些机器搞不定的复杂问题，比如邻里纠纷调解、重大活动保障这些需要人情味的活儿。
5. 落地过程中的三座大山：误报处理、隐私合规、跨部门协同
任何一套AI系统，从实验室走到真实的业务环境，都躲不过三个现实问题的拷问。城市管理执法系统尤其明显，因为它的使用场景是开放的公共空间，面对的群体是广大市民，容错率非常低。
误报是首先需要解决的技术管理问题。刚上线头一个月，每天的误报工单能把值班队员逼疯。最高纪录是某天系统把同一棵树的影子移动连续报了八次“乱堆物料”，原因很简单：那棵树位置特殊，下午阳光一照，树影落在一堆整齐摆放的共享单车上，影子形状和“物料堆”的特征高度相似。后来我们针对这类情况做了两件事：一是给算法增加了“时间连续性”判断，目标状态需要在多帧画面里持续出现一段时间才触发报警，有效过滤了瞬间光影变化的干扰；二是指定了专人每天汇总误报案例做分类分析，每两周给算法团队更新一次版本，迭代节奏稳定以后，误报率从初期的每天三十多条降到了个位数。
误报率低到一定程度之后，队员会自然建立起对系统的信任；但如果前期误报太密集，队员就会习惯性忽略所有报警，这个系统就废了。所以宁可报警阈值设得保守一点，慢一点发现，也不能让误报把值班员给淹没了。
隐私合规这块，是项目启动前就必须想清楚、并且一刻都不能放松的底线。公共区域的视频监控有相关法规依据，但采集到的数据怎么存、谁能看、能存多久、能不能调取，每一项都要有明确的管理制度。我们的做法是：视频原始数据只存储在政务专网内部的视频云平台上，业务系统里只保留违规行为的截帧和短视频片段，且设置了严格的分级查看权限。非执法办案需要，任何人不得调取超出权限范围的视频资料。系统在上线前通过了合规性审查，运行过程中的数据调取行为全部留痕可审计。
跨部门协同是比技术更难的坎。一个城市管理问题，往往涉及的部门不止一个。占道施工可能是城管批的，也可能是市政干的；垃圾堆放可能是环卫的保洁范围没覆盖到，也可能是物业的清理不及时。初期试运行阶段我们也遇到了不少工单推不动、转不出去的情况。后来由上级主管部门牵头，建立了一套工单分拨转派机制，通过系统接口把不同类别的工单自动流转到对应的责任单位，处理结果回传，形成完整的闭环。这套机制理顺之后，整个系统的处理及时率一下子就上来了。技术部门搞不定的事，最终还是要靠管理机制来兜底。
6. 运营半年后的真实效果与一线反馈：数字不会骗人
系统在试点区域稳定运行半年后，我们做了一次相对完整的效果评估。当时选了一片包含商业街、老旧小区、学校和农贸市场周边的复合型辖区，常驻人口大约八万，辖区面积将近六平方公里。
先看发现能力的数据。试点区域内共接入和补建了60多个AI识别点位，日均产生有效预警工单约45条，其中游商摊贩和出店经营两类合计占比超过五成。对比系统上线前，同一区域内主动发现的问题数量大约是原来的三倍有余，发现时间从平均约40分钟缩短到2分钟以内，绝大多数违规行为在萌芽阶段就被系统捕捉到了。
处置效率的提升同样直观。以前一个队员一天能处理五六个巡查发现的问题已经算高效率了，现在有了系统派单和精准导航，单人的日处置量大幅提升，而且因为不用漫无目的地巡街，车辆油耗和维护成本也降了下来。更关键的是，事件从发生到办结的平均时长，从过去的两到三个小时缩短到四十分钟左右，当事人在现场等待处理的时间也明显短了，冲突自然少了很多。
一线队员的反馈里，有好评也有中肯的意见。好评集中在系统确实省了腿脚，出店经营这类高频问题不用再反复跑，远程语音劝离就能解决大部分。意见集中在两块：一是夜间识别能力还是不如白天，部分点位灯光不足时，误报和漏报都会抬头；二是系统产生的数据量越来越大，报表功能还是太简单，想分析某个区域某类问题的时间分布规律，得自己导数据去Excel里折腾。
数据统计这块我们后来做了升级，增加了按照路段、时间、问题类型三个维度交叉统计的看板。运营人员可以在大屏上直接看到辖区内的违规热力图，据此动态调整巡查重点和执法力量部署。比如某条商业街的游商摊贩问题集中在傍晚五点到七点，那就把这个时段作为重点管控时段，安排执法队员和辅助力量集中巡查，效果比均匀用力好了不少。
7. 想复刻这套系统？先算清这三笔账再说
写到最后，给正在琢磨要不要上这套系统的朋友算几笔账。很多时候大家一听说“AI执法系统”，第一反应是预算会不会很高、技术门槛会不会很高。实际上，从城市管理的真实需求出发，这笔账是可以算得比较清楚的。
第一笔是硬件账。60个点位规模的话，新建设备和服务器的一次性投入大概在七八十万到一百多万的区间。如果辖区已经建有一定数量的监控资源，可以直接复用的话，成本会再降不少。我们试点就是优先接入了存量监控，只在关键盲区补建了少量新点位。
第二笔是数据账。数据集构建和标注的投入经常被忽略，但这恰恰是整个项目里最花时间、最磨耐心的环节。自己组建标注团队还是找第三方标注公司，各有利弊。第三方公司胜在便宜、出活快，但前期需要花不少精力做规范培训和抽检；自己团队标注质量更可控，但速度真的慢。我的建议是核心场景的标注标准定下来之后，可以交给第三方做初标，再由业务人员抽检复核，性价比相对较高。
第三笔是运营账。算法上线只是起点，后续的数据迭代是一个持续的过程，每个月都需要根据新出现的误报案例和场景变化做模型优化。这个工作可以由团队内部的技术人员承担，也可以和算法服务商保持长期合作。千万别做一锤子买卖，买完部署完就不管了，那系统的准确率会随着城市管理问题的变化波动得越来越明显。
我个人在实际操作中的体会是，做这类AI落地项目，最忌讳的就是一开始就奔着“高大上”去，把摊子铺得太大。要想清楚现阶段最痛的问题是哪一个，就先解决哪一个。比如辖区里出店经营最严重，就先把这个场景做到极高的准确率，让队员切实感受到系统带来的变化，再慢慢往其他场景扩。有了实实在在的效果，后面扩展场景、申请预算都会顺很多。系统再智能，最终要解决的都是城市治理里的那些具体而微的小事，能让一线少跑冤枉路、让老百姓少一点委屈，这个AI就算落得值了。
