3. 车路云系统架构

车路云协同感知不是把摄像头、雷达和服务器简单堆在一起，而是把“感知—计算—通信—决策”按空间位置和实时性要求拆成三层：车端负责毫秒级自车安全，路侧负责路口级全局感知与边缘融合，云端负责跨区域调度、模型训练与长周期数据沉淀。理解这三层架构，关键是看清三件事：每层有哪些计算节点、节点之间通过什么链路通信、数据往哪个方向流、在哪个节点被融合或下发。

一、三层架构的核心分工

车端是安全底线层。典型计算节点包括车载计算平台（如域控制器或智驾芯片）、摄像头、毫米波雷达、激光雷达、GNSS/IMU 以及 V2X 通信单元 OBU。车端处理的是自车视角的原始或目标级数据，输出的是本车轨迹预测、碰撞风险判断和底盘控制指令。它的特点是闭环快、算力受限、数据不出车或只上传摘要。

路侧是感知增强层。典型节点包括路侧感知单元（摄像头、毫米波雷达、激光雷达）、路侧计算单元 RSU/ECU、边缘计算节点 MEC 以及路侧通信单元。路侧把固定视角的感知结果做时空对齐，形成路口级的“上帝视角”目标列表，再通过 PC5 直连或 Uu 蜂窝链路广播给附近车辆。路侧的价值在于补盲、超视距和全局一致性。

云端是全局协同层。典型节点包括区域云平台、中心云平台、高精地图服务、模型训练集群和 V2X 消息中间件。云端不直接参与毫秒级控制，而是做跨路口交通态势融合、全局路径规划、模型迭代、OTA 升级和长周期数据回放。云端通过 Uu 链路与路侧、车端进行非实时或准实时交互。

二、通信链路与数据流向

三层之间的通信链路可以按“时延—带宽—可靠性”三个维度区分。车端与路侧之间常用 PC5 直连通信，时延可做到 10～20 ms，适合碰撞预警、盲区提醒等安全类消息；车端与云端之间走 Uu 蜂窝链路，时延 50～200 ms，适合导航更新、路径规划和 OTA；路侧与云端之间通常走光纤或 5G 回传，带宽大、时延稳定，适合原始数据回传和模型下发。

数据流向不是单向的，而是“上行汇聚、下行分发、横向共享”三种模式并存。上行方向：车端上传自车状态和事件摘要，路侧上传融合目标列表和交通事件，云端汇聚后形成全局态势。下行方向：云端下发地图更新、信号灯相位、限速和路径建议，路侧下发路口目标列表和预警，车端接收后与自车感知做融合。横向方向：车与车之间通过 V2V 共享位置和意图，路侧与路侧之间通过 RSU 互联共享相邻路口目标。

三、计算节点的部署与选型

三层架构的落地难点不在“有没有节点”，而在“节点放在哪里、算力配多少、时延能不能满足”。车端计算平台通常要求 100～500 TOPS 的 AI 算力，功耗控制在 50～200 W，满足功能安全 ASIL-D；路侧 MEC 通常要求 50～200 TOPS，支持多路视频和点云接入，工作温度范围更宽；云端训练集群则追求高吞吐 GPU 和分布式存储，不追求单点低时延。

四、典型场景：十字路口盲区预警

以城市十字路口为例。路侧摄像头和雷达检测到被建筑物遮挡的横向来车，MEC 在 30 ms 内完成目标融合，生成包含位置、速度、航向和置信度的目标列表。RSU 通过 PC5 以 10 Hz 频率广播给路口附近车辆。车端 OBU 收到消息后，与自车感知结果做时空对齐，若判断存在碰撞风险，则在 HMI 上发出预警，必要时触发 AEB 预制动。与此同时，路侧把事件摘要上传云端，云端更新该路口的历史风险热力图，用于后续信号配时优化。

五、常见误区与复盘

• 误区一：把云端当实时控制层。云端链路时延通常 50 ms 以上，无法满足碰撞预警的毫秒级要求。安全类决策必须下沉到车端或路侧边缘。
• 误区二：路侧融合只做单传感器。路侧价值在于多源时空对齐，若只把摄像头结果直接转发，补盲和超视距能力会大打折扣。
• 误区三：忽略时间同步。车端、路侧、云端若没有统一时钟源（如 PTP/GNSS 授时），融合结果会出现“鬼影”和位置跳变。
• 误区四：通信链路只考虑带宽。PC5 和 Uu 的可靠性、拥塞控制和消息优先级同样关键，安全消息应配置更高优先级。

# 典型时延预算示例（十字路口盲区预警）
路侧感知采集        : 10 ms
MEC 时空对齐与融合  : 20 ms
RSU 消息封装与广播  : 5 ms
PC5 空口传输        : 10 ms
OBU 接收与解析      : 5 ms
车端融合与风险判断  : 20 ms
HMI 预警 / AEB 触发 : 10 ms
--------------------------------
端到端合计          : 约 80 ms

三层架构的本质是“按实时性分层、按空间位置分责”。车端守住安全底线，路侧提供全局感知增强，云端完成跨域协同和长周期进化。只有把通信链路、计算节点和数据流向三者对齐，车路云协同感知才能从概念走向可落地的工程系统。