3. 路侧感知系统概述

路侧感知系统是智能网联道路与车路协同体系中的“路端眼睛”。它通过部署在道路沿线的传感器、计算单元与通信设备，对道路参与者、交通事件和道路环境进行持续观测，并将结构化感知结果发送给车辆、云控平台或交通管理部门。与车端感知相比，路侧感知的核心价值在于固定视角、广域覆盖、全局协同：它不依赖单车视角，而是从道路基础设施侧建立统一的时空基准，为超视距感知、盲区补全和群体协同提供数据基础。

一、路侧感知的定义与边界

路侧感知可以定义为：在道路基础设施侧，利用相机、毫米波雷达、激光雷达等传感器，结合边缘计算与通信单元，对道路范围内的目标进行检测、跟踪、分类和定位，并输出标准化感知消息的系统。其输出通常包括目标类型、位置、速度、航向、尺寸、置信度以及交通事件状态等。

需要明确的是，路侧感知不等于“路侧监控”。传统监控以视频回传和人工查看为主，而路侧感知强调机器可读、低时延、可融合、可通信。它既要服务交通管理，也要服务自动驾驶车辆和车路协同应用。因此，路侧感知系统必须解决时间同步、坐标统一、目标关联和消息标准化等问题。

二、系统组成

典型路侧感知系统由四层构成：感知层、计算层、通信层和平台层。感知层负责原始数据采集；计算层完成目标检测、跟踪与融合；通信层通过 RSU、5G 或光纤将结果发送出去；平台层负责全局监控、数据存储、算法迭代和运维管理。

• 感知层：相机、毫米波雷达、激光雷达、气象传感器等，负责采集图像、点云、回波和天气信息。
• 计算层：边缘计算单元 MEC，运行检测、跟踪、融合算法，输出结构化目标列表。
• 通信层：RSU、交换机、5G 模组，承担 V2X 广播、回传和时钟同步。
• 平台层：云控平台、运维系统、数据标注与仿真工具链，支撑全局调度和算法闭环。

三、部署形态

路侧感知的部署形态与道路场景强相关。常见形态包括：十字路口多杆部署、高速路段龙门架部署、隧道内壁挂部署、园区低速接驳部署以及匝道汇入区部署。不同形态在传感器选型、安装高度、俯仰角、标定方式和覆盖范围上差异明显。

在十字路口场景中，通常采用多杆部署：每根杆上安装相机与雷达，通过杆间标定形成统一坐标系，覆盖整个路口及进口道。在高速场景中，龙门架部署可获得更远的纵向覆盖，但需重点解决多目标高速运动下的跟踪连续性问题。在隧道场景中，GNSS 信号弱，必须依赖 PTP 或隧道内同步设备完成时间同步。

四、优势与挑战

路侧感知的优势主要体现在三个方面。第一，超视距与盲区补全：路侧传感器可提前发现被遮挡的行人、非机动车和汇入车辆，为车辆争取更多反应时间。第二，全局视角与群体协同：路侧感知可同时观测多个目标，便于交通流优化和群体调度。第三，稳定供电与算力集中：路侧设备不受车端功耗和体积限制，可部署更强算力与更多传感器。

但挑战同样突出。首先是标定与时间同步：多传感器、多杆件之间必须保持高精度时空一致，否则融合结果会出现重影或漂移。其次是环境适应性：雨雾、逆光、夜间和扬尘会显著影响相机与激光雷达性能。再次是通信时延与可靠性：感知结果必须在毫秒级送达车辆，且不能因丢包导致安全风险。最后是运维成本：路侧设备分布广、数量多，清洁、校准和故障排查需要体系化运维。

五、典型场景与常见误区

以城市十字路口为例，路侧感知系统需要完成以下流程：相机与雷达采集原始数据；边缘计算单元进行目标检测与跟踪；多传感器融合生成统一目标列表；RSU 将 RSM 消息广播给周边车辆；车辆结合自身感知进行融合决策。若路口存在大型车辆遮挡，路侧感知可提前向车辆推送被遮挡的行人与非机动车信息，显著降低“鬼探头”风险。

复盘来看，路侧感知系统的建设应遵循“先基准、后算法、再应用”的顺序：先完成时间同步、坐标标定和通信链路验证，再迭代检测跟踪与融合算法，最后面向具体车路协同场景做联调。只有把路侧感知放在“车-路-云”整体架构中审视，才能发挥其广域覆盖与全局协同的真正价值。