随着技术的发展，不难想象的是，传统的收费站工作人员，有相当大的一批收费员要被人工智能抢了工作。曾经的“铁饭碗儿”，如今也变得极不稳定。如今势头正盛的人工智能，正是时代进步的结果，新兴科技的发展也必然会淘汰以往效率低、效益差的老旧手段。
一段时间之前，交通部宣布，未来在高速公路的收费站将使用智能化收费手段，计划将ETC、视觉识别、无感支付等人工智能技术应用于其中，全面推出无需停车的收费系统——也即人工智能“收费员”，取代传统的铁饭碗儿——人工收费岗位。而目前，在陕西省、河南省等部分地市，已经实现了人工收费员的撤销，改用“智慧收费站”。
秦汉收费站“智慧收费站”
近年来，ETC自助缴费车道已经大范围普及，但是对于车主来说，ETC可能会产生以下缺点：前期办理ETC的时间成本与经济成本太高，ETC的发票获取不方便，部分车辆ETC使用有问题，原本想节省通行时间，反而变成了通行时间的耽误，同时也会大大增加在高速公路的收费站站口出现事故的可能性。
而随着科学技术的进步与发展，人工智能算法的配套使用，使得高速公路收费站的不停车收费系统有了更多可能性。总的来说，利用视觉识别、图像检测等人工智能技术，可以在车辆行驶的动态过程中，快速高校准确地识别车牌号，而且人工智能算法还可以用来解决错读、漏读车牌号的问题，大大降低车主误付款的概率。当摄像头扫描到车牌，运用视觉识别技术对比与识别车牌，然后通过云端大数据进行查询，从车主事先绑定的支付宝、微信、银联等支付账号，自动从相应的账户实现快速准确扣费。
而人工智能“收费员”具体是如何实现的呢？运用到的技术又有哪些？
人工智能“收费员”，主要由5.8GHZ DSRC微波读写单元、视觉识别与视频处理平台、集成工控云终端、无感支付等核心部件组成。当车主驾驶车辆经过高速公路收费站的入口与出口、以及高速公路某些路段的特殊的识别标识点时，人工智能“收费员”通过DSRC微波读写单元，创新采用射频信号分集吸收等前沿的通信技术，实现对车辆车载电子标签OBU的智能定位；并通过毫米波雷达成像技术，结合视觉识别技术与视频处理平台等人工智能技术，智能识别车辆的型号、款式、颜色、车牌号等特征，将这些信息与OBU中车辆存储的信息数据进行对比，5.8GHZ DSRC微波通信与OBU车载电子标签的交互，可以避免“套牌”“假牌”等逃费情况的发生。而在识别通过后，将会通过无感支付，从车主的账户扣除相应费用。在这一过程中产生的所有的数据与信息，都将自动进行存储，集成工控云终端便是存储的平台，这一平台后期将会扩展应用于交通指挥方案的设计、刑侦破案等方面。
综合上述简介，我们已经大致了解了人工智能“收费员”的工作流程。其中运用的核心技术主要包括5.8GHZ DSRC微波通信，视觉识别与图像检测、分类技术，毫米波成像技术，无感支付技术等，后期的扩展应用中，应用到的技术有数据挖掘技术等。下面将进行详细介绍：
（1）人工智能图像视频识别技术
当车辆经过高速公路收费站出口时，人工智能“收费员”会对车辆进行拍照、录像与识别，并调取收费站入口与车辆经过的特殊路段识别标识点时的车辆数据信息，与此时5.8GHZ DSRC微波读写单元获取的车载电子标签中的信息进行匹配，当二者信息一致的时候，无感支付，扣除车费；当二者不符时，也就说明车辆存在逃费现象，这时人工智能“收费员”会立马发出警报。此技术的应用，将会杜绝“大车小标”、“假冒套牌”等逃费现象。
（2）无感支付技术
“无感支付”的另一个名字就是“车牌付”，也就是说车牌可以作为司机的支付卡。车主只要事先将车牌进行扫描，绑定指定的手机APP或者支付宝、微信账号，设置金额上限。当车辆经过收费站时，一旦智能设备的图像识别技术辨认出车牌，并与系统中相应信息进行匹配，达成一致以后，自动从对应账户中扣除费用。
对于高速公路收费站来说，无感支付大大降低了运营、人力与管理成本，提高车辆通行效率，并降低了车辆的有效交易时间；而对于车主来说，无感支付的结果就是，车主在经过收费站时可以无需排队，或者拿出手机、现金进行支付，收费时间可缩短至3秒。
（3）人工智能数据挖掘技术
集成工控云终端中蕴含着大量交通信息，同时也会实时采集信息并进行更新。通过人工智能技术训练与挖掘海量历史数据，从中得到有用信息，可以帮助交管部门制定全方位多维度的交通指挥预案，智能调度交通资源，实时预警高速公路的拥堵情况。
（4）人工智能车辆管理辅助稽查
此技术采集大量出行者、车辆信息，实现快速、准确搜车，可供后续智能交通稽查，辅助刑侦破案，与原有的人工稽查相比，大大提高稽查效率。
而这些，在未来都将会是平常可见的。在未来，人工智能的应用远远不止这些。人工智能收费，配合即将到来的5G通讯技术，再配备强大的分析系统与跟踪系统，可以实现车路感知协同化。而现在研发正热的无人驾驶，将来也可以实现在高速公路的自动驾驶，人工智能收费将来也会配合无人驾驶技术进行提升。当然，这是研究和应用领域的挑战，需要学术界与工业界的共同努力。
