2. 路侧感知系统概述
路侧感知系统是智慧交通与车路协同（V2X）体系中的“路端眼睛”。它通过在道路关键节点部署雷达、相机、激光雷达等传感器，实时获取交通参与者与道路环境信息，再经边缘计算单元完成融合、跟踪与事件检测，最终通过路侧通信单元广播给车辆、云端与交管平台。与单车智能相比，路侧感知具备全局视角、超视距感知和路侧固定供电等优势，是解决盲区、遮挡和协同决策问题的关键基础设施。
一、智慧交通与车路协同背景
车路协同的核心思想是“车—路—云”一体化：车辆提供自身状态，路侧提供超视距环境，云端提供全局调度。路侧感知在其中承担环境数字化职责，把物理道路映射为结构化目标列表（位置、速度、航向、类型、置信度）。典型应用包括交叉口冲突预警、弱势交通参与者保护、匝道汇入协同、公交优先和事故快速发现。
核心价值：路侧感知不依赖车载传感器性能，可稳定输出“上帝视角”目标轨迹，为自动驾驶补盲、为交通管理提供实时数据底座。
二、路侧感知典型场景
- 城市交叉口：多方向车流、行人、非机动车混行，遮挡严重，需雷达与相机互补。
- 高速公路与匝道：车速高、距离远，关注合流冲突、异常停车与抛洒物。
- 隧道与地下通道：光照突变、GPS 失效，依赖路侧定位与连续跟踪。
- 桥梁与长直路段：布设间距大，需远距雷达与事件检测算法。
- 公交站与学校区域：行人密集，强调低时延与高召回。
三、系统组成
典型路侧感知系统由感知层、边缘计算层、通信层和平台层构成。感知层包含毫米波雷达、相机、激光雷达及标定组件；边缘计算层完成时间同步、坐标变换、目标融合与跟踪；通信层通过 RSU/5G/光纤回传；平台层负责全局态势、事件管理与运维。
四、性能指标与工程约束
路侧感知的性能指标直接决定协同应用的安全边界。常用指标包括检测距离、测距/测速精度、目标漏检率与虚警率、跟踪连续性、端到端时延、定位精度和系统可用性。工程约束则来自供电、网络、安装高度、视角遮挡、温湿度、防雷和成本。
| 指标类别 | 典型要求 | 工程影响 |
|---|---|---|
| 检测距离 | 交叉口 80～150 m，高速 200～300 m | 决定杆件位置与传感器选型 |
| 测距/测速精度 | 距离 ≤0.5 m，速度 ≤0.5 m/s | 影响融合关联与轨迹质量 |
| 端到端时延 | ≤100 ms（预警类 ≤50 ms） | 约束边缘算力与通信协议 |
| 漏检率/虚警率 | 漏检 ≤5%，虚警 ≤1 次/小时 | 影响算法阈值与场景适配 |
| 定位精度 | ≤0.5 m（绝对），≤0.2 m（相对） | 依赖标定与时间同步 |
| 可用性 | ≥99.9%，MTBF ≥30000 h | 决定冗余与运维策略 |
五、案例与常见误区
以城市十字路口为例：四角各部署一台雷达与一台相机，杆高 6～8 m，俯角约 15°～25°。雷达负责全天候测距测速，相机负责分类与车道归属，边缘计算单元在 50 ms 内完成融合并输出目标列表，RSU 以 10 Hz 广播 BSM/RSM 消息。若标定偏差 1°，在 100 m 处将产生约 1.7 m 的横向误差，足以把目标“推”到相邻车道，因此标定与时间同步是工程落地的高频痛点。
常见误区：只关注单传感器指标，忽视融合后的时空一致性；只追求检测距离，忽视遮挡区召回；只部署不运维，导致标定漂移和在线率下降。
工程建议：先明确应用场景与安全等级，再反推指标；把标定、时间同步和在线监测纳入日常运维闭环；用真实交通流做长周期测试，而不是只看单帧效果。
# 典型路侧感知配置片段（示意）
sensor:
radar: {range: 200m, fov_h: 90°, fov_v: 20°}
camera: {resolution: 1920x1080, fps: 30}
fusion:
sync: PTP
output_rate: 10Hz
max_latency: 100ms
综上，路侧感知系统是车路协同的数据入口，其价值取决于“感知—融合—通信—平台”全链路的时空一致性与工程可靠性。理解典型场景、系统组成和指标约束，是后续雷达相机融合算法与工程部署的基础。