3. 车云协同架构

在自动驾驶数据回传与边缘预处理工程中，车云协同并不是简单的“车把数据传到云”，而是一个由车端、路侧、边缘节点与云端共同构成的分层协作体系。每一层承担不同的计算、存储、通信与决策职责，数据在不同层级之间按需流动、逐级过滤、就近处理。理解这四类角色的边界与协作方式，是设计回传链路、部署边缘预处理任务和评估通信成本的前提。

一、四类角色的核心职责划分

车端是数据的源头，也是实时性要求最高的计算节点。它负责传感器采集、时间同步、原始数据缓存、初步筛选与脱敏，并在本地完成安全相关的紧急决策。车端通常部署车载计算平台，具备多路摄像头、激光雷达、毫米波雷达、组合导航等接口，能够在数据产生时就打上时间戳、位置标签和事件标记。

路侧单元（RSU）部署在道路关键节点，如路口、匝道、隧道口和事故多发段。它通过路侧感知设备补充车端视野盲区，并将局部交通事件、信号灯相位、行人闯入等信息以低时延广播给附近车辆。路侧节点同时可以作为车端数据回传的汇聚点，把多车数据就近汇聚后上传，减少重复链路占用。

边缘节点是车云之间的“预处理工厂”。它通常部署在区域机房、运营商边缘云或路侧机柜中，距离数据源更近，具备一定的GPU/CPU算力与存储能力。边缘节点承担数据清洗、压缩编码、目标检测预处理、事件切片、脱敏与合规过滤等任务，只把高价值数据或特征数据上传云端，从而显著降低回传带宽和后端存储压力。

云端是全局数据湖与模型工厂。它负责海量数据的长期存储、跨区域汇聚、标注管理、模型训练、仿真回放、OTA升级包管理和全局运营监控。云端不追求单条数据的实时性，而追求全局视角、数据完整性和计算弹性。

二、典型拓扑与通信链路

从拓扑上看，车云协同通常呈现“车端—路侧—边缘—云端”的四级结构，但并非所有数据都必须逐级穿越。实际工程中常见三种链路模式：

• 车端直连云端：车辆通过5G蜂窝网络直接与云端建立加密隧道，适合非实时、大批量的原始数据回传，如夜间充电时的日志上传、影子模式数据回灌。
• 车端—路侧—边缘—云端：数据先经V2X或5G到达路侧，再由路侧汇聚到边缘节点预处理，最后按需上传云端。这是城市路口、高速匝道等场景的主流模式，能有效利用路侧固定链路的高带宽和边缘算力。
• 车端—边缘—云端：车辆在边缘节点覆盖范围内直接接入边缘，跳过路侧汇聚，适合园区、港口、矿区等封闭或半封闭场景。

通信链路方面，车端到路侧常用PC5直连或5G Uu接口；路侧到边缘多采用光纤或工业以太网，时延可控制在毫秒级；边缘到云端则依赖专线或公网，带宽较大但时延相对较高。下行链路同样重要，云端下发的OTA包、模型更新、配置策略需要经过边缘缓存和路侧分发，才能高效触达车辆。

三、参数与职责对照清单

四、案例场景：城市路口事件回传

假设某城市路口发生车辆急刹事件。车端首先在本地检测到急刹信号，立即标记事件前后各10秒的传感器数据，并完成车牌、人脸等敏感信息脱敏。随后，车端通过V2X将事件摘要和关键帧发送给路侧单元。路侧单元结合自身摄像头确认事件，并将多车视角数据汇聚后通过光纤传到边缘节点。边缘节点对视频进行抽帧、压缩和目标检测预处理，提取出事件类型、位置、时间、涉事目标等结构化特征，只把特征数据和少量关键片段上传云端。云端数据湖接收后，触发标注任务和模型训练流程，同时将事件加入仿真场景库。整个链路中，原始视频大部分留在边缘，云端只获得高价值数据，回传带宽降低约70%以上。

五、常见误区与复盘

复盘来看，成功的车云协同架构通常遵循“车端保实时、路侧补盲区、边缘做减法、云端做全局”的原则。车端负责安全底线，路侧负责局部协同，边缘负责数据降维与合规，云端负责全局智能。四层各司其职，才能让数据回传既高效又经济。

# 边缘节点预处理配置示例（YAML）
edge_preprocess:
  input:
    source: rsu_aggregator
    protocol: ethernet
  filters:
    - name: desensitize
      fields: [plate, face]
    - name: event_slice
      pre_seconds: 10
      post_seconds: 10
    - name: compress
      codec: h265
      bitrate: 2Mbps
  output:
    cloud_upload:
      endpoint: https://cloud.example.com/ingest
      format: feature_json + clip_mp4
      retry: 3

通过上述角色划分与链路设计，车云协同架构能够在带宽、时延、算力和合规之间取得平衡，为自动驾驶数据回传与边缘预处理提供可落地的工程框架。