美国汽车记者乔尔·费德尔在试驾路虎揽胜时，因AI车牌识别系统与警方执法流程的连环失误，被当作盗车嫌疑人遭多辆警车围堵截停。这一事件暴露出自动化监控系统中数据录入错误、算法匹配缺陷及人工复核缺位等系统性风险，引发舆论对公共安全与公民权益的广泛关注与讨论。

事件经过：试驾途中遭警方持枪围堵

事情发生在美国明尼苏达州普利茅斯市。乔尔·费德尔驾驶一辆价值15.5万美元的路虎揽胜试驾车，在商场停车场倒车时，突然被四辆警车合围。警员持枪戒备，命令他与妻子下车接受搜身，并告知该车悬挂的新泽西州车牌已登记为被盗车辆。警方通过Flock路面摄像头已追踪该车辆长达两天，最终触发了一场危险的执法行动。

费德尔当场联系路虎官方与车队管理公司核实，最终确认这是一场乌龙——该车为厂家提供的合法试驾车，并非被盗车辆，整个事件源于车牌识别系统的错误报警。

差错源头：车牌录入错误引发连锁反应

这场乌龙事件的根源在于数据录入错误。加州警方在处理一起拍摄活动中丢失的厂家牌照时，录入全国犯罪信息数据库时遗漏了车牌中间两位数字，仅登记了“34 DTM”的残缺信息。而路虎旗下大量媒体试驾车均采用“34 XX DTM”格式牌照，所有同系列车辆因此被这条残缺记录牵连，导致AI车牌识别系统误判频发。

Flock公司的AI车牌识别系统并未校验完整车牌，只要命中录入的字符片段就触发警报。接警的警员也未核对摄像头拍摄的完整号牌照片，直接执行了围堵行动。这一“部分字符匹配”机制，成为误判的核心环节，暴露了自动化执法系统在算法设计与人工复核层面的双重漏洞。

类似案例：并非孤例

这并非孤立事件。另一位汽车记者在内布拉斯加州驾驶同批次试驾路虎（车牌为34 08 DTM）因相同原因被警方拦下。路虎大量媒体试驾车均采用“34 XX DTM”格式牌照，全部被这条残缺信息牵连，面临误抓风险。这类车牌识别错误案例表明，AI监控系统的数据质量问题可能引发大规模误判。

系统数据与公司回应

Flock公司回应称，系统运行“符合设计逻辑”，按警方需求支持部分字符匹配，本意是适配仅有零碎线索的案件。公司强调，警报仅为线索提示，最终需人工复核。然而，数据显示该系统每月完成200亿次车牌识别，若按1%误差率计算，对应2亿次误读，其中有多少会引发危险的执法行动，目前并无公开统计。这一数据缺口引发了公众对AI执法系统安全性的深度担忧。

后续影响与反思

普利茅斯警方承认操作存在疏漏，但表示全美车牌格式超过8000种，人工失误难以完全避免。目前当地议会已启动对Flock监控设备使用规范的审议。舆论担忧，无约束的自动化监控会层层放大人为差错，最终酿成执法安全事故。如何平衡AI辅助执法效率与公民权利保障，已成为亟待解决的公共议题。

小提示：如何避免类似误抓？

• 警方在录入被盗车辆信息时，应强制要求完整车牌号，并设置校验机制，避免遗漏数字，从源头减少车牌识别错误风险。
• AI车牌识别系统应默认启用完整匹配模式，仅当特定案件需求时可启用部分匹配，且需人工复核并记录，确保自动化监控系统可追溯。
• 试驾车企应建立专属车牌预警机制，与警方数据库定期核对，避免因单一数据错误导致大规模误判，降低自动驾驶监控系统风险。

常见问题

Q：AI车牌识别系统为什么会出现部分匹配？
A：部分匹配模式是为了适应警方调查中仅有零碎线索（如部分车牌字符）的案件，但默认启用会增加误报风险。Flock公司称系统“符合设计逻辑”，但实际使用中缺乏人工复核约束，导致执法系统漏洞频现。

Q：这种误判事件可能造成哪些严重后果？
A：除引发公民被错误持枪控制、心理创伤外，还可能因紧张对峙导致意外走火或交通事故。若被误判的车辆是民用车辆，甚至可能引发更严重的冲突，暴露出AI车牌识别系统误判背后的安全隐患。

Q：如何监督AI监控系统的使用？
A：需要建立公开透明的算法审计机制，要求系统记录每次警报触发时的完整匹配过程，并接受独立第三方评估。同时，警方应制定严格的复核流程，确保人工复核覆盖所有警报，从制度上约束自动化监控系统应用。