就车路协同路侧基础设施的现状、挑战和发展趋势等方面进行探讨

随着智能交通系统的不断发展和智能网联车辆的快速增长，车路协同技术成为交通领域的重要发展方向。路侧基础设施作为车路协同系统的重要组成部分，对于智能网联车辆驾驶安全、道路通行效率、市民出行体验等方面具有至关重要的作用。本文就车路协同路侧基础设施的现状、挑战和发展趋势等方面进行探讨。

一、车路协同路侧基础设施发展现状

1、路侧基础设施介绍 

目前车路协同路侧主流的架构是云边端架构。云平台服务包括V2X应用管理服务、平台管理服务和其他基础服务等，可以实现车辆与路面基础设施之间的信息共享和协同决策；边缘计算单元（MEC/RSCU）提供边缘计算服务，完成感知设备的接入与数据处理，从而降低云端压力，并减少信息传输时延；终端设备包括相机、毫米波雷达、激光雷达和V2X路侧单元（RSU）等，摄像机、毫米波雷达、激光雷达为路侧感知设备，RSU为路侧V2X通信设备。具体系统组成如下图所示。

边缘计算单元是一种高效、低时延的计算处理单元，可以部署在路口或道路沿线，通过本地计算和数据处理，提供更精准、实时的交通信息，为车辆提供更安全、更直接的数据服务.

感知设备包含摄像机、毫米波雷达、激光雷达等，主要负责路侧信息的采集；摄像机设备成本相对较低，但目前成熟的方案无法解决全天时全天候的感知；毫米波雷达从技术属性来说可以实现全天时全天候感知，但其感知信息的局限性与当前的精度限制使得其只能当做辅助感知设备；激光雷达的成本较高，随着激光雷达量产，未来在车路协同应用将越来越广泛。

RSU是路侧V2X通信单元，负责实时分发路侧全量感知信息，实现道路基础设施与车辆之间的信息交互，减少交通事故的发生的同时，也可以提高交通管理的效率。

边缘计算单元、感知设备和通信设备的生产厂商由于专业领域与产业生态分布情况，已形成各自单独完备的生态链，目前均为独立的设备被集成到车路协同路侧方案中。

2、应用现状

各级政府鼓励政策密集发布，驱动车路协同市场稳定发展，22年市场规模达到54 . 05亿元 ，同比增长23 . 94 %，在智能交通市场总规模收缩的情况下，车路协同增速明显较高。

目前全国已建设17个测试示范区、16个“双智”试点城市、7个国家车联网示范区完成了7000多公里道路智能化升级改造，装配路侧网联设备7000余台套。然而车路协同还处于示范区示范阶段,未形成规模化产业落地，实现产品规模化复制、从示范应用阶段逐步向规模应用跨越，是车路协同亟须跳跃的“龙门”。

二、车路协同路侧基础设施应用存在的问题

目前，车路协同路侧方案已落地多个示范区，并实现了车路云整个业务的闭环，但基于目前方案的现状，路侧基础设施的发展还面临着一些挑战：

系统可靠性待提高：车路协同路侧系统精度要求高，易受户外恶劣环境干扰。户外环境中的干扰可能对信号传输和数据处理产生不利影响，降低系统的精度和可靠性。例如，恶劣天气条件（如雨、雪、雾、风等）可能导致感知设备位置偏移而使得感知精度下降；系统设备组成方案复杂，连接线缆众多，增加施工不确定性与户外小动物可能破坏系统线缆、接口的机会，从而导致设备供电或通信中断不可用。

系统建设成本高：车路协同项目需要对路口进行智能化改造，包括安装边缘计算单元设备、感知设备、V2X路侧单元设备等，以及所配套的通信网络建设和软件开发等。设备部署数量多、调试交付周期长，都会导致建设成本较高，不能使得目前的方案实现规模化复制。

标准化协议不完善：由于车路协同路侧系统涉及多个专业领域和技术范畴，因此需要制定统一的标准和协议，以确保不同厂商的设备相互兼容和可靠通信；目前已出台了一些相关的标准，但还不足以规范当前所有设备产品，再加上当前不同厂商之间的设备和技术还存在一定的差异，因此标准化工作仍需继续推进和完善。

服务能力待提升：目前路侧方案的服务时域空域范围局限在白天，且基于目前方案的感知精度、时延等指标已遇到瓶颈，亟须突破。

三、路侧基础设施的发展趋势思考

1、提升可靠性，是车路协同规模化落地的前提

影响可靠性指标的主要原因是系统复杂性和集成度，车路协同路侧系统涉及多种类、多个数量的设备，这种复杂的系统组成架构可能导致系统易出现故障或性能下降的情况。即使每款路侧设备可保证产品的高可靠性，对于由众多设备组成的路侧系统稳定性依然会打折扣，用 SLA代表可服务率，则设备及系统 SLA 计算方式如下：

单设备SLA =可用时长/（可用时长+不可用时长）=MTBF / ( MTBF + MTTR)

单路口系统 SLA= SLA（边缘计算）^ 设备数量 * SLA（RSU）^设备数量 * SLA（相机）^设备数量 * SLA（交换机）^设备数量

由上可见，在单产品 SLA 不变的情况下，系统复杂度越高即组成系统的设备数量越多，系统SLA 指标会越低。因此通过高度集成、分布算力集群等设计方式可有效提升系统的 SLA 指标。

高度集成：路侧基础设施采用高度集成化的方式，将各种感知设备、通信设备、计算设备等高效集成，实现更高效的信息采集、传输和处理，使得系统 SLA 指标大幅提升，同时也可以降低方案成本，更有利于车路协同路侧方案实现规模化部署。

分布式算力集群：由于车路协同路侧系统需要进行大量的数据处理和复杂的计算，采用分布式算力集群的方式，将计算任务分配到多个计算节点上执行，保证计算结果的可靠性和准确性，同时提高了系统的计算速度和效率。分布式算力集群还具有很好的扩展性，在不需要更换硬件设备的情况下，可以随着用户需求的变化添加计算节点来扩展计算能力。

2、全天时、全域感知是规模化部署的基础

车路协同路侧系统需要满足不同天气、不同时间段的服务能力，同时需要覆盖更广泛的区域，从最初的路口示范，逐渐向路网、全域覆盖演进。未来通过提升硬件的低照感知能力、多感融合、大模型 AIGC赋能等技术手段，实现车路协同路侧系统的全天时、全域感知能力。

3、数据与大模型技术的融合是车路协同发展的必然趋势

数据和大模型技术的融合为车路协同技术的发展提供了新的机遇。大模型具有通用性强、标注数据更少、模型效果更优等特点，可以突破感知精度的局限。通过大模型对海量的交通数据进行挖掘和分析，从而为交通管理和决策提供科学依据。同时，随着通用大模型的不断发展，也可以将其应用于交通大模型的构建和优化中，进一步提高模型的性能和泛化能力。

展望未来，随着政策的牵引、科技的进步和智能交通系统的不断升级，车路协同路侧基础设施逐渐向规模化部署阶段跨越发展，从而进一步推动交通行业的数字化、智能化和绿色化进程。我们期待未来发展，也相信在各方的共同努力下，车路协同路侧基础设施的方案演进将推动中国自动驾驶和智慧交通迈入新阶段。