車路云一體化路側感知系統數據質量研究綜述

中圖分類號：U471 DOI：10.20042/j.cnki.1009-4903.2025.02.008

Abstract：AstheVRCIntegratinprojectadvanceseicleoadcolaborationapplicationsaveproiferatedyetroadsidepceptio dataquaityremainsunevenacross Chineseregions.ThispaperfocusesonthedataqualityofVRCIntegrationroadsideperception systems.ThispaperinvestigatesdataqualityinVRC-integratedroadsideperceptionsystems，systematizingdatasourcesand clasificationswhilerigorouslyanalyzingmultidimensional metricsforevaluatingperceptiondata quality.Byexaminingdataquality requirementsviascenarioonstructionanddataonboardingpracticesinvicularsystems，thisstudysummarzescurentalenges indataqualitymanagement.TheanalysisimstoprovideinsightsforVCIntegrationiniativesfromadataqualityperspectivewhile alsoproposing developmental directions forrefining qualitystandards and advancing technologicalinnovations. Key Words： Vehicle-Road-Cloud Integration; Roadside perception; Data quality; Data-onboarding

0 引

當前，“車路云”一體化技術已成為推動自動駕駛和智慧城市落地的核心引擎。其中，路側感知系統利用安裝在道路桿件上的路側設備所提供的上帝視角，能夠突破單車智能的感知局限（如盲區、算力不足），從全局視角為車輛解析交通態勢，進而實現高精定位、碰撞預警、協同路徑規劃等功能。

近年來，國內外在車路協同與路側感知領域取得了顯著進展。在美國，其政策逐漸從專用短程通信技術轉向支持蜂窩車聯網（CellularVehicle-to-everything，C-V2X）。歐洲在V2X技術上采取了專用短程通信和C-V2X并行發展的策略。在國內，車路云一體化試點城市的公布意味著V2X從測試驗證到規?；瘧玫年P鍵轉折點（；測試方面，IMT-2020（5G）推進組牽頭組織了C-V2X“四跨”先導應用實踐活動，主辦方利用路側真值系統和車載真值系統進行測試，結果表明：交通參與者定位偏差波動較大以及路側感知融合算法等仍需持續優化，歸因于對路側感知的數據質量并沒有提供強制性指標要求[2]。

綜上所述，現有研究依然存在的路側數據質量可靠性問題逐漸凸顯：傳感器的標定誤差、算法漏檢誤檢等缺陷，可能導致系統級的安全隱患與效率瓶頸，而數據質量的標準化缺失則阻礙了跨平臺協同效率的提升。

1路側感知數據及質量

1.1數據來源及分類

車路云一體化路側感知系統由路側感知設備和邊緣計算設備組成[3。路側感知系統利用安裝在路側電警桿或紅綠燈桿件上的攝像機、毫米波雷達等感知傳感器獲取當前所覆蓋道路交通環境的圖像、點云等原始感知數據；其次是通過邊緣計算單元對感知設備采集的原始感知數據進行處理和計算。邊緣計算設備是部署在抱桿箱、路側落地機柜或者機房等位置的邊緣計算服務器、工控機等計算設備，最終利用C-V2×通訊技術實現路端、車端和云端的信息交互。

路側感知數據可作如下分類：（1）原始感知數據，即路側感知系統通過攝像機、毫米波雷達等設備所收集的原始數據，包括視頻、點云等數據。（2）融合感知數據，包括通過路側傳感器標定和邊緣計算能力，對原始感知數據進行處理后形成的目標結構化數據，如交通參與者類型、位置、速度、航向角等。（3）交通狀態數據，包括環境狀態數據，如道路狀況如路面濕滑、能見度等，還有交通事件數據，如車流量、交通事故、違章等。

1.2數據質量評價維度

路側數據質量：指路側感知系統輸出的交通參與者、事件、環境等信息的準確性、實時性、完整性和穩定性，需滿足車路云一體化中輔助駕駛、自動駕駛、交通管理等場景對數據可信度的要求。

行業歷經發展，對路側感知系統的規劃建設及應用部署也做了要求。在早期的團體標準T/CSAE53-2020《合作式智能運輸系統車用通信系統應用層及應用數據交互標準（第一階段）》（簡稱DAY1）和第二階段（簡稱DAY2）中，已經顯現出對于不同應用場景，要求不同的數據質量[5-6。對比DAY1和DAY2，DAY1側重基礎功能驗證，支持低復雜度場景交互，覆蓋基礎安全與效率需求，適用于城市道路和高速公路。DAY2側重增強協作能力，支持高精度實時協同和復雜交通管理，面向高階應用（如自動駕駛編隊、動態交通控制），隨著場景復雜度增加以及對更高級自動駕駛的支持。DAY2對數據質量的要求高于DAY1。

為數不多且可直接參考的數據質量標準YD/T4770-2024《車路協同路側感知系統技術要求及測試方法》（簡稱4770）的提出，使路側感知系統更好地服務于不同的應用場景[。其劃分了3個感知等級，明確規定了需要路側感知系統參與的針對輔助駕駛、自動駕駛等不同應用的分級性能指標要求。通過分析總結該標準，將數據質量分為4個評價維度：

（1）基礎性能：包括感知范圍、感知覆蓋率、感知時延、消息輸出頻率等基礎能力指標。（2）交通參與者感知：涉及對機動車、行人等目標的定位精度、速度精度、航向角精度、識別準確率及召回率。（3）交通事件檢測：涵蓋逆行、超速、違停、占道等異常事件的檢測能力，以召回率和虛警率為核心指標。（4）交通流檢測：包括車流量、平均車速等交通參數的統計精度。

通過多維度指標量化路側感知數據質量，能夠為車路云一體化從試點走向規模化部署提供技術基準。

2車路云一體化對路側數據質量的要求

2.1場景建設要求

隨著車路云一體化建設的推進，國家和地方出臺了許多政策及指導材料，其中《車路云一體化系統C-V2X車車/車路協同典型應用場景及實施參考》根據車路云的分階段、分場景建設與應用策略，選取14個典型應用場景，也成為行業主推場景。

以超視距弱勢交通參與者場景為例，其中明確要求“（1）路側設備應能識別到設備感知方向上 200m 范圍內的道路標記信息；（2）路側設備感知的目標信息位置精度 0.5m ； （3）C-V2XRSU播發RSM消息頻率為 10Hz ，信息傳輸平均時延在 30ms 以內；（4）本車定位信息采集頻率 ?10Hz ；（5）滿足車路傳輸安全要求?！边@些場景無一不對路側數據質量提出了具體要求。場景建設對數據質量的要求可以總結為精準性與完整性（感知范圍和定位精度），實時性與低時延（信息傳輸平均時延），標準化與互通性（車路傳輸）。

再如，當前高速公路運行監測中心存在的感知事件/事故產生“誤報”較多的情況，影響了高速公路管控決策的及時性和精準性，甚至加重運行監測部門負擔。

2.2 數據上車要求

數據上車應用分為3個階段：階段一，路側基礎設施建設階段，主要將路側感知系統的硬件設備部署在路側；階段二，數據質量達標階段，針對單節點數據質量進行測試；階段三，數據上車應用階段，可分為初級和高級應用，通過車路云系統架構，初級應用是將信號燈數據、路側識別到的事件類數據賦能智能網聯車輛，高級應用則是將實時孿生數據賦能給智能網聯車輛和自動駕駛車輛，真正實現協同感知、協同決策。

其中，第二階段的心是數據質量，行業內也相應作出了要求，如上述4770標準是數據上車階段能夠量化數據質量的標準之一。其測試部分對應于中國信通院的“SL3”認證，是車路協同路側感知系統認證中的最高級別。該標準具體是指在車路協同路側感知系統中，產品的性能和交通參與者的感知能力均達到SL3等級的最高標準，但部分指標要求較嚴格，目前在實際項目中的建設和實踐規模較小。

此外，考慮到輔助駕駛和自動駕駛服務對數據質量要求的不同，車路云項目建設方會基于成本和場景對道路智能化進行分級建設。如2024年底，無錫市車路云一體化項目合作伙伴招募（路側端）的項目中，明確針對不同場景（交管賦能、輔助駕駛和自動駕駛）提出不同數據質量要求，并在招標前給相關單位提供實際路口進行測試，相比以往項目較為罕見，足以證明在規?；ㄔO前確保路側數據質量的重要性。

2.3挑戰

在此將影響數據質量的主要因素總結如下：

（1）傳感器：其自身軟硬件直接關聯原始檢測結果，也包括如低延時攝像機等對時延提出的更高要求。隨著芯片工藝和機械加工等行業的發展，元器件可靠性和抗干擾等能力都有所提升。

（2）標定和感知算法：標定精度和感知算法能夠影響數據的準確性；其次，多模態融合數據已是重點發展方向，如傳統單傳感器感知方案在遮擋或惡劣天氣下易出現誤報漏報，而雷視融合等技術通過多源感知數據融合能夠提升數據的可靠性。

（3）內存和算力升級：面對路側感知海量數據，邊緣計算設備的內存和算力的大小決定了路側數據處理的效率。

（4）通信網絡時延與穩定性：5G/V2X網絡的覆蓋率和低時延特性是數據實時傳輸的基礎。

3總結

車路云一體化城市試點項目驗證了路側感知系統在交通流量優化、碰撞預警、弱勢道路使用者保護等場景中的有效性；未來需要政府、車企、車路云相關技術公司等多方面開展協作，在政策、法規、標準等層面形成合力，推進數據質量有力提升。

參考文獻

[中國汽車工程學會，中國智能網聯汽車產業創新聯盟，等.車路云一體化實踐應用白皮書[.2024-11.

[2]于勝波.C—V2X“四跨”先導應用實踐活動進展與展望[DB].https：//mp.weixin.qq.com/s/jlnasGoVvkHntG9mrO1QfQ，2024—12—21.

③鮑敘言，龔正，李伯雄等.車路協同路側感知系統的關鍵技術與測試驗證[J].電信科學，2024，40（12）：30-37.

[4張長隆，鮑海興，杜仙童，等.路側感知在智能網聯汽車中的應用與未來[J].人工智能，2019（01）：58-66.

[5]標準起草工作組.T/CSAE53-2020《合作式智能運輸系統車用通信系統應用層及應用數據交互標準（第一階段）》[S].中國汽車工程學會2020—12—31.

[標準起草工作組.T/CSAE157-2020《合作式智能運輸系統車用通信系統應用層及應用數據交互標準（第二階段）》[S].中國汽車工程學會，2020—11—26.

標準起草工作組.YD/T4770—2024《車路協同路側感知系統技術要求及測試方法》[S].工業和信息化部，2024—07-05.

8移動通信及車聯網國家工程研究中心，中國汽車技術研究中心有限公司，等.車路云一體化系統C—V2X車車／車路協同典型應用場景及實施參考MJ.2024-10-30.