2. 车路协同系统概述

车路协同(Vehicle-to-Everything,V2X)并不是“把车联网起来”这么简单,它是一套把车、路、云、网四类要素组织成闭环的工程系统。理解这套系统,最有效的方式不是背名词,而是先看清它的分层架构,再顺着数据流把通信、感知、计算与执行串起来。本节围绕体系架构、通信方式、路侧感知设备、车载单元(OBU)与云控平台五个基本组成展开,为后续目标共享与轨迹融合建立系统级认知。

一、体系架构:四层协同的总体框架

车路协同体系通常划分为感知层、通信层、计算与平台层、应用层。感知层由路侧摄像头、毫米波雷达、激光雷达以及车载传感器构成,负责把物理世界转成结构化目标;通信层通过 PC5 直连与 Uu 蜂窝链路,把路侧与车载数据汇聚到边缘或云端;计算与平台层完成融合、预测与调度;应用层面向协同预警、协同驾驶、交通优化等场景输出服务。

需要强调的是,车路协同的“协同”发生在边缘而非仅云端。路侧边缘计算单元(RSCU/MEC)在毫秒级完成多传感器融合与目标去重,再通过低时延链路广播给车辆,这是保障安全类应用可用的关键。若所有数据都绕行云端,时延与带宽都难以支撑碰撞预警这类场景。

车路协同系统总体架构与数据流 应用层 协同碰撞预警 协同自适应巡航 绿波车速引导 交通态势优化 计算与平台层 云控平台 全局调度 / 轨迹融合 / 仿真 边缘计算 MEC / RSCU 多源融合 / 目标去重 / 低时延广播 高精地图与定位服务 坐标基准 / 车道级拓扑 通信层 PC5 直连(V2V / V2I) 低时延 · 无网络覆盖依赖 Uu 蜂窝(V2N) 广覆盖 · 大带宽 · 云端交互 时间同步 GPS / PTP 授时 感知层 路侧摄像头 视觉目标 / 车牌 毫米波雷达 距离 / 速度 / 角度 激光雷达 三维点云 / 轮廓 车载传感器 摄像头 / 雷达 / GNSS 车载单元 OBU V2X 通信模组 定位与惯导 HMI 预警输出 下行广播 上行感知数据

二、通信方式:PC5 与 Uu 的分工

车路协同的通信方式主要有两类。第一类是PC5 直连通信,基于 3GPP C-V2X 的 sidelink,车辆与车辆、车辆与路侧设备可在不经过基站的情况下直接交换消息,典型时延可控制在 10~20 ms,适合前向碰撞预警、盲区提醒等安全类业务。第二类是Uu 蜂窝通信,通过基站接入网络,覆盖广、带宽大,适合地图下载、云端调度、大规模数据回传等非时延敏感业务。

工程上通常采用“双链路并行”策略:安全消息走 PC5 广播,业务数据走 Uu 上传。消息格式遵循标准集,如 BSM(基本安全消息)、MAP(地图消息)、SPAT(信号相位与配时)、RSI(路侧信息)与 RSM(路侧安全消息)。其中 RSM 正是路侧感知目标共享的核心载体,后续轨迹融合章节会重点展开。

时间同步是通信层的隐形基础。若路侧与车载时钟偏差超过 10 ms,融合后的目标位置会出现明显“拖影”,因此工程上普遍采用 GNSS 授时或 PTP 精密时钟协议统一时基。

三、路侧感知设备与车载单元

路侧感知设备按安装位置分为杆侧与龙门架两类,常见组合是“摄像头 + 毫米波雷达”做中距离覆盖,“激光雷达”补盲与提供高精度轮廓。多传感器需要在空间上完成联合标定,把各自坐标系统一到路侧局部坐标系,再通过时间戳对齐完成融合。

车载单元 OBU 是车辆侧的“通信与执行入口”,通常包含 V2X 通信模组、GNSS/惯导定位模块、安全芯片与 HMI 输出接口。OBU 接收 RSM/BSM 后,结合自身定位与运动状态,判断是否存在碰撞风险,并通过仪表、HUD 或语音向驾驶员预警。在自动驾驶车辆上,OBU 还会把协同目标注入感知融合模块,作为本车感知的补充输入。

四、云控平台:从全局视角做融合与调度

云控平台承担三类职责:一是全局数据汇聚,接收多路口、多路段的 RSM 与交通流数据;二是轨迹融合与预测,把同一目标在不同路侧单元中的观测统一为全局 ID,形成连续轨迹;三是策略下发,向边缘与车辆推送调度建议、信号优化方案与路径引导。

下表对比了车路协同五类基本组成的核心职责与关键指标,便于建立整体印象。

组成 核心职责 关键指标 / 接口
路侧感知设备 采集并输出结构化目标 检测距离、FOV、标定精度
边缘计算 RSCU/MEC 多源融合、目标去重、低时延广播 融合时延 < 50 ms、RSM 输出频率 10 Hz
通信层 PC5 直连与 Uu 蜂窝承载 PC5 时延 10~20 ms、Uu 带宽
车载单元 OBU 接收、解析、预警与目标注入 定位精度、HMI 响应时间
云控平台 全局融合、预测、调度与仿真 全局 ID 一致性、轨迹连续性

五、典型场景与常见误区

以城市十字路口为例:路侧摄像头与雷达检测到一辆遮挡视线的行人,RSCU 在 30 ms 内完成融合并生成 RSM,通过 PC5 广播给接近路口的车辆;OBU 解析后判断行人轨迹与本车路径存在冲突,触发预警。整个过程从感知到预警控制在 100 ms 内,这是车路协同相对单车感知的核心价值。

常见误区有三:一是把车路协同等同于“云端大屏”,忽视边缘实时性;二是只做单传感器部署,导致遮挡与误检无法互补;三是忽略时间同步与坐标统一,融合结果出现“同一目标两个 ID”。工程落地时,应优先保证时基统一、标定准确与目标 ID 稳定,再追求更复杂的融合算法。

理解这五类基本组成及其数据流,是后续学习目标共享与轨迹融合的前提。只有先看清“谁在感知、谁在传输、谁在融合、谁在执行”,才能在具体工程中定位瓶颈并做出合理取舍。