📚 课程目录第2章智能交通与自动驾驶基础

2. 智能交通与自动驾驶基础

车路云协同感知系统并不是凭空出现的独立技术，它建立在智能交通系统（ITS）与自动驾驶技术长期演进的基础之上。理解自动驾驶如何分级、感知任务如何分类、车路协同究竟协同什么，以及这些能力最终落在哪些典型场景中，是后续学习协同感知架构、通信机制与融合算法的前提。本章从这四个基础问题出发，建立一张贯穿全课程的概念地图。

一、自动驾驶分级：从辅助到自主的连续谱

国际自动机工程师学会（SAE）将驾驶自动化划分为 L0 至 L5 六个等级，核心判据是动态驾驶任务（DDT）由谁执行、谁负责监控、谁承担接管。L0 为纯人工驾驶，仅提供报警；L1、L2 属于驾驶辅助，系统可同时控制横向与纵向，但驾驶员必须持续监控环境并随时接管；L3 是有条件自动驾驶，在限定设计运行域（ODD）内由系统完成全部 DDT，驾驶员可在系统请求时接管；L4 在 ODD 内无需人类接管，L5 则无运行域限制。

分级的关键不在“功能多少”，而在责任边界与接管义务的转移。L2 与 L3 之间是质变：L2 驾驶员是驾驶主体，L3 系统在 ODD 内成为驾驶主体。这也解释了为什么 L3 对感知冗余、失效降级和接管时间预算的要求远高于 L2。对车路云协同而言，路侧感知与云端全局调度最有价值的切入点，正是弥补单车感知在遮挡、超视距和 ODD 边界上的不足，帮助系统稳定停留在更高等级。

核心判据速记：谁执行 DDT → 谁监控 → 谁接管 → 是否限定 ODD。四个问题回答清楚，等级自然确定。

二、感知任务分类：从“看见”到“理解”

自动驾驶感知不是单一任务，而是一条从原始信号到结构化语义的处理链。按输出形式可分为四类：目标检测输出类别与二维/三维包围框；目标跟踪在时间维度上维持 ID 一致性并估计速度、航向；语义分割为每个像素或体素赋予道路、车道线、可行驶区域等标签；场景理解与预测则进一步推断交通参与者意图、交互关系与未来轨迹。

按传感器来源又可分为摄像头、毫米波雷达、激光雷达、超声波以及路侧感知单元（RSU 搭载的相机与雷达）。不同模态各有短板：摄像头语义丰富但测距弱，雷达测速准但分辨率低，激光雷达几何精确但受天气影响。车路云协同感知的本质，是把车端、路端、云端的多源异构感知结果在时空上对齐并融合，形成比任何单一视角更完整的环境模型。

三、车路协同核心理念：从单车智能到系统智能

车路协同（V2X，Vehicle-to-Everything）的核心理念是把感知、决策与算力从车端扩展到路端和云端，通过车与车（V2V）、车与路（V2I）、车与人（V2P）、车与网（V2N）的信息交互，突破单车智能的物理极限。其价值可归纳为三点：

补盲与超视距：路侧高位相机与雷达可看到被大车遮挡的行人、弯道后的来车，把“看不见”变成“提前知道”。
全局优化：云端掌握多路口、多车流信息，可做绿波车速引导、信号优先与协同换道，减少个体最优带来的整体拥堵。
降本与冗余：路侧共享感知可降低单车高线束激光雷达的依赖，同时为 L3 以上提供失效冗余。

需要强调的是，车路协同不是“路端替代车端”，而是分层分工：车端负责毫秒级实时控制与近场精细感知，路端负责路口级超视距感知与信号交互，云端负责区域级态势与调度。三者通过统一的时间基准、坐标框架和消息格式协同工作。

四、典型应用场景与误区复盘

车路云协同感知的落地场景通常具备“遮挡严重、超视距、多车交互、全局优化”四个特征之一。下表列出典型场景及其对感知能力的关键要求：

典型场景	核心痛点	协同感知关键能力	主要协同方式
城市交叉口	遮挡、鬼探头、多向冲突	路侧全视角目标检测与跟踪	V2I 广播 + 云端汇聚
高速公路匝道汇入	超视距、速度差大	远距离目标识别与轨迹预测	V2V + V2I
公交优先与绿波通行	信号配时与车速不匹配	车辆位置与信号状态实时对齐	V2I + 云端调度
园区低速接驳	人车混行、规则复杂	高精度语义分割与行人意图	车端为主 + 路侧补盲
恶劣天气路段	单车传感器退化	多模态冗余与路侧雷达兜底	路侧感知 + 云端告警

常见误区一：把 L2 当 L3 用。L2 要求驾驶员持续监控，任何“脱手脱眼”都是责任错位。协同感知提升的是系统能力，不改变分级定义下的接管义务。

常见误区二：认为路侧感知可以完全替代车端。路侧存在通信时延、覆盖盲区和时钟同步误差，无法满足毫秒级控制闭环，只能作为增强与冗余。

常见误区三：忽视时空对齐。多源感知融合的前提是统一时间戳与坐标变换，若对齐误差超过阈值，融合结果反而比单源更差。

复盘要点：判断一个场景是否适合车路云协同，先问三个问题——单车是否真的看不见？路侧是否能稳定覆盖？云端优化收益是否大于通信成本？三问皆“是”，协同才有工程价值。

# 协同感知消息关键字段示例（抽象）
{
  "msg_type": "perception_share",
  "timestamp": 1710000000123,      # 毫秒级统一时间基准
  "source": "rsu_1024",            # 路侧单元编号
  "frame": "world_enu",            # 统一坐标框架
  "objects": [
    {"id": "p_07", "type": "pedestrian",
     "pos": [12.4, 3.8, 0.0], "vel": [0.2, -1.1, 0.0],
     "confidence": 0.93}
  ]
}