2. 智能交通系统基础
智能交通系统（Intelligent Transportation System，ITS）并不是单一技术的产物，而是交通工程、通信、控制、计算与汽车电子长期融合的结果。理解 ITS 的发展脉络与体系架构，是理解车路云协同为何出现、处在什么位置、解决什么问题的前提。本节从发展历程、体系架构、关键子系统三个层面展开，并给出车路云协同在 ITS 中的定位。
2.1 发展历程：从信息化到协同化
ITS 的演进大致可划分为四个阶段，每个阶段的核心矛盾与关键技术不同：
- 起步阶段（20 世纪 80—90 年代）：以交通信号控制、电子收费、交通广播为主，解决“看得见、收得着”的问题，数据以人工采集和固定检测器为主。
- 信息化阶段（2000—2010 年）：GPS、GIS、无线通信普及，出现浮动车数据、导航与调度系统，交通信息从“采集”走向“发布与服务”。
- 网联化阶段（2010—2020 年）：4G/LTE、DSRC、C-V2X 逐步成熟，车与车、车与路之间开始直接交换消息，交通系统从“单体智能”走向“群体感知”。
- 协同化阶段（2020 年至今）：以车路云一体化为特征，边缘计算、云控平台、高精地图与 AI 决策共同支撑协同感知、协同决策与协同控制。
核心判断：ITS 的每一次跃迁，本质都是“感知范围”与“决策主体”的扩展——从单点检测到全网感知，从人工决策到云边端协同决策。
2.2 体系架构：四层参考模型
从系统工程视角，ITS 通常采用“感知—通信—计算—应用”四层架构。该架构与车路云协同的分层高度一致，是后续章节反复引用的基础框架。
四层之间并非简单堆叠：感知层提供原始数据，通信层负责低时延高可靠传输，计算层完成融合与决策，应用层输出服务。车路云协同并不是独立于 ITS 的新体系，而是把 ITS 中“车—路—云”三类主体的感知、通信与计算能力组织成闭环。
2.3 关键子系统与车路云协同的定位
ITS 的关键子系统可按“主体”和“功能”两个维度划分。下表给出典型子系统及其与车路云协同的关系：
| 子系统 | 主要功能 | 典型技术 | 与车路云协同的关系 |
|---|---|---|---|
| 交通信号控制 | 路口配时、绿波协调、优先通行 | 感应控制、自适应控制 | 路侧感知与云控平台提供实时流量输入 |
| 交通信息服务 | 路况发布、路径诱导、出行规划 | 浮动车、导航 App、V2I | 云平台汇聚车路数据后统一发布 |
| 电子收费与稽查 | 不停车收费、路径识别、逃费稽查 | ETC、DSRC、车牌识别 | 属于车路通信的早期典型应用 |
| 车队与公交调度 | 车辆定位、排班、优先信号 | GPS、4G/5G、调度平台 | 依赖车云通信与路侧优先控制 |
| 协同自动驾驶 | 协同感知、协同决策、编队行驶 | C-V2X、边缘计算、高精地图 | 车路云协同的核心目标场景 |
| 应急与安全管理 | 事件检测、救援调度、预警发布 | 视频分析、广播、云控 | 需要跨部门数据共享与低时延通信 |
从定位上看，车路云协同是 ITS 从“信息化”迈向“协同化”的关键使能技术。它把 ITS 中原本分散的子系统连接为统一的数据与控制闭环：路侧感知补足单车视野盲区，车端感知提供移动视角，云控平台完成全局优化，通信网络保证闭环时延可控。
2.4 典型场景：交叉路口协同通行
以城市交叉路口为例，车路云协同的典型工作流程如下：
- 路侧 RSU 与摄像头、雷达采集路口车辆、行人、非机动车目标；
- 边缘计算节点完成多源融合，生成局部动态地图；
- 通过 PC5 直连或 Uu 接口，将目标与信号相位信息广播给接近车辆；
- 车载 OBU 结合自身感知与路侧消息，判断是否存在冲突风险；
- 云控平台根据全局流量优化配时，并将策略下发至信号机与车辆；
- 车辆执行减速、让行或通行决策，形成闭环。
该场景中，时延预算通常要求端到端控制在 100 ms 以内，其中通信时延占比往往超过一半，因此通信层设计是车路云协同工程落地的关键约束。
2.5 常见误区与复盘
误区一：把 ITS 等同于“装摄像头和信号机”。ITS 的核心是数据闭环与决策优化，设备只是入口。
误区二：认为车路云协同可以替代单车智能。协同解决的是超视距与全局优化问题，单车智能仍是安全底线。
误区三：忽视通信层的时延与可靠性约束。再好的算法，若消息不能在有效时间内到达，协同决策就会失效。
误区二：认为车路云协同可以替代单车智能。协同解决的是超视距与全局优化问题，单车智能仍是安全底线。
误区三：忽视通信层的时延与可靠性约束。再好的算法，若消息不能在有效时间内到达，协同决策就会失效。