3. 系统总体架构

L2+智能驾驶系统不是单一控制器的功能叠加，而是一条从环境感知到车辆运动的完整功能链。理解总体架构的关键，是把它看成“分层解耦、纵向贯通、横向协同”的系统：纵向按感知、融合、决策规划、控制执行分层，横向由传感器、计算平台、通信网络、执行器与云端共同支撑。只有各层接口清晰、时序一致，功能链才能稳定闭环。

一、分层架构：从物理世界到车辆动作

L2+系统通常划分为五层。第一层是传感器层，负责把光、声、电磁波转换为原始数据；第二层是感知与融合层，完成目标检测、车道线识别、定位与多源融合；第三层是决策规划层，输出行为决策与轨迹；第四层是控制执行层，把轨迹转换为转向、驱动、制动指令；第五层是云端协同层，承担数据回传、OTA、地图更新与仿真验证。层与层之间通过明确的接口协议交互，避免“感知直接驱动执行”的越层耦合。

二、传感器配置：冗余与互补

L2+常见传感器组合包括前视摄像头、环视摄像头、毫米波雷达、超声波雷达，部分车型增加激光雷达与高精定位单元。摄像头擅长分类与车道线，毫米波雷达擅长测距测速且不受光照影响，激光雷达提供高精度三维点云，超声波用于低速近距泊车。配置时需考虑探测范围、视场角、分辨率、刷新率与安装位置，形成前向、侧向、后向的覆盖冗余。

三、计算平台与通信网络

计算平台是功能链的“大脑”，通常采用异构架构：SoC负责AI推理与图像处理，MCU负责实时控制与安全监控，二者通过高速总线交互。典型配置包括高算力AI芯片、功能安全MCU、车载以太网交换与CAN/CAN FD网关。通信网络按带宽与实时性分层：摄像头与激光雷达走千兆以太网，雷达与执行器走CAN FD，诊断与标定走DoIP。时间同步依赖PTP或gPTP，确保多传感器数据在同一时间基准下融合。

典型数据流：
摄像头 → CSI/以太网 → SoC感知 → 融合 → 规划 → MCU控制 → CAN FD → 转向/制动
雷达   → CAN FD     → SoC融合
激光雷达 → 以太网    → SoC点云处理
云端   ← 4G/5G T-Box ← 数据回传 / OTA

四、执行器与云端协同

执行器包括电动助力转向（EPS）、电子稳定程序（ESP）、驱动电机控制器与电子驻车。L2+要求执行器支持外部请求接口，并具备响应时间、精度与失效降级策略。例如横向控制请求需在100 ms内响应，纵向减速度需与ESP协调。云端协同则通过T-Box上传脱敏数据、下载OTA升级包、更新高精地图与算法模型，形成“车端闭环、云端迭代”的持续进化路径。

五、整体视图与关键接口

把上述要素放在一张图中，可以看到L2+系统的整体视图：传感器层向计算平台提供原始数据，计算平台内部完成感知、融合、规划，再通过通信网络向执行器下发指令，同时与云端进行数据交互。关键接口包括传感器时间戳、目标列表格式、轨迹点协议、控制请求报文与OTA升级协议。接口定义不清是集成阶段最常见的返工原因。

六、案例与常见误区

某车型在集成阶段出现AEB误触发，复盘发现毫米波雷达与摄像头的时间戳偏差超过80 ms，融合算法把不同时刻的目标关联成同一障碍物。修正方案是启用gPTP统一时间基准，并在融合前做时间对齐。另一个常见误区是把云端协同当成实时控制回路，实际上云端只做数据闭环与模型迭代，实时安全必须由车端保证。还有团队在架构设计时忽略执行器响应时间，导致规划轨迹过于激进，车辆出现画龙现象。

总体而言，L2+智能驾驶系统的总体架构是一张“分层清晰、接口稳定、冗余互补、闭环迭代”的工程视图。传感器配置决定感知上限，计算平台决定处理能力，通信网络决定协同效率，执行器决定动作精度，云端协同决定进化速度。只有把五者放在同一张架构图中统一设计，功能链才能从演示走向量产。