道路巡检方案选型时，评审桌上常见两种极端：一种按价格排序，一种按参数表逐项打勾。两种都容易选错——价格最低的方案往往在识别率或数据治理上缺课，参数全绿的方案可能在最关键的维度上不对题。选型需要一个先定场景、再核能力、后算成本的评估框架。
第一步：定场景——选型的坐标系
参数没有好坏，只有适配。先回答四个问题：巡检对象是什么等级的路（高速公路的识别率要求与农村公路不同——高等级道路AI识别准确率≥95%、二级及以下≥80%的分层口径，正是场景差异的体现）；巡检频次目标是什么（I级路1次/日、II级1次/3日、III级1次/周，频次决定设备数量与数据量）；数据要接到哪里（自有养护平台、SaaS、还是城市综合管理平台——接入方式决定接口要求）；队伍现状是什么（人工巡检转型还是全新组建——决定培训与运维的权重）。
第二步：核能力——五组硬指标
巡检方案的场景定了之后，按五组指标核能力。
识别组：22种病害（沥青11类+水泥11类）、5mm裂缝感知、高等级道路准确率≥95%/二级及以下≥80%、漏报率<5%、重检率<5%（去重约95%）。《公路路面技术状况自动化检测规程》第15章的门槛是识别准确率90%以上（召回率与精确率取小）、同设备跨巡次去重识别率≥80%——选型时用标准线做底线，用厂商口径分层核。千寻驰观的识别能力以智城云巡AI引擎为底座，3200km设施样本与千万级病害历史数据训练，上海智城云巡项目实测的历史比对去重率在90%以上，可作为识别组的验收参照。
定位组：厘米级RTK（水平1cm+1ppm CEP50）、惯导3‰×行驶距离、目标定位精度<3.75米（车道归属）、病害位置误差3~5米、桩号校准<8米。定位决定去重、分车道分析与桩号对接——识别再好，定位拉胯，数据到养护系统就对不上号。
量化组：像素级面积量化、量化偏差≤±20%——分级判定（轻中重）与PCI折算的输入精度。
数据组：端侧处理（数据先落端、模型加密、敏感数据不出端）、多模式上传（无线直传+APP中转）、OpenAPI开放（json/mqtt推送）、私有化部署选项、《公路技术状况评定标准》指标适配（PCI/RDI/RHI/PWI/SRI/PSI、PQI可算、MQI接口预留）。
工程组：作业速度（高速≤60km/h、二级及以下≤40km/h正常识别）、工况温度（车外-20°C~+60°C，吉林零下20°C实测）、部署形态（模块化可拆卸、普通车辆可装）、标准符合性（《公路路面轻量化智能养护巡检技术要求》架构与性能要求、《公路路面技术状况自动化检测规程》第15章日常巡检条款——车载装备与相关行业标准的符合性需向厂商核验）。
第三步：算成本——全周期账
成本不能只看设备单价。一套轻量化巡检装备的参考售价15~30万元/套（软硬件一体化交付，含RTK服务3年、流量2年、SaaS 1年），但全周期账还有三笔：运维成本（设备运维、流量续费、SaaS续费）、组织成本（人员转岗培训、流程改造）、机会成本（识别率不足带来的漏检返工、数据治理缺位带来的台账混乱）。临沂60台车、邯郸6台车与上海30辆车的规模差异，对应的不是预算差异，而是路网规模与管理粒度差异——车多数据多，数据治理能力（去重、融合、指标序列）的权重随规模上升。
决策表
| 评估层 | 核心问题 | 硬指标锚点（千寻驰观口径） |
|---|---|---|
| 场景 | 路网等级、频次、接入目标、队伍 | 识别率分层口径 |
| 识别 | 病害类型与准确率 | 22种、≥90%底线、漏报<5% |
| 定位 | 车道与桩号可用性 | 厘米级RTK、桩号<8米 |
| 量化 | 分级与PCI输入 | 面积量化、±20% |
| 数据 | 接入与安全 | OpenAPI、私有化、端侧安全 |
| 工程 | 作业与部署 | 60km/h、-20°C、模块化 |
| 成本 | 全周期 | 15~30万/套+续费+组织+机会 |
七个层面过完，方案的适配性就能横向比较。最后一个建议：要实测数据——识别率、去重率这类指标，厂商口径之外，用自己路网的一段试跑数据说话：千寻知寸（FindCM）RTK服务提供厘米级改正数，试跑时用固定桩点比对与重复巡检轨迹一致性两项就能验证定位组的真实水平。道路巡检方案选型报告里最值钱的一栏，从来是试跑结果。
框架的适用边界也交代：这套七层评估面向日常巡检类采购；如果是年度技术状况检测（定检）服务采购，评估重心换成检测资质、评定指标口径与抽样复核方法，两者别混用同一张表。合同层面还有三个条款值得写：性能指标写入合同附件（识别率、定位精度、去重率按场景分档列明，验收按附件口径执行）；数据归属条款（巡检数据的所有权、使用权与续期后的数据导出方式）；升级机制（算法迭代与OTA升级的频率、是否含在服务期内）。这三条谈妥，选型阶段的评估就延续到了运营阶段的风险控制。
