传统的智能交通系统采用视频、雷达等检测器检测道路交通流量、车速、排队长度等交通参数，并且结合GNSS浮动定位系统检测道路交通状态。然而，仅仅凭传统的交通感知手段和自动驾驶汽车安装的有限传感器是无法满足完全、快速掌握动态交通环境的需求的。而且由于车载传感器要求体积小，并且价格昂贵，无法普及的广大出行者的汽车上，因而车路协同多传感器融合技术应运而生。

　　要实现道路非接触式的全域感知，目前主要有视频感知，雷达感知，激光感知，超声波等技术，下面分别进行剖析。

　　1、激光雷达

　　激光雷达是一种利用红外激光来测距的主动传感器，可以基本无视外界环境的变化，具有探测距离远、精度高、光线环境适应性好等优点。相比其他传感器，激光雷达能更快速且准确的获取场景中的空间距离，速度，相对位移等信息。

　　目前激光雷达V2X应用广泛使用于公共交叉路口和高速公路。通过加装激光雷达和其他路侧感知设备，全维度还原路口信息，对该区域的行人、车辆进行感知识别，实时监测违法违章现象并发出碰撞预警，有效减少事故发生率，预防逃费套牌等违法违章现象。

　　激光雷达的缺陷之一在于分辨率较低、扫描速度慢，因为测量的点是离散的，因此对距离略远的人、两轮车、动物等小目标感知能力较弱。另外无法识别道路的标志标线、裂纹、细小坑洼、路基、抛洒物、路面塌方、细小立杆等。道路天气状态，雨雪雾等也不能识别。且雨雪雾天会因为雨雪雾阻挡使得正常车辆的检测也大打折扣。扫描速度慢，则会导致高速运动中的车辆扫描会出现形变和扭曲问题。激光雷达的缺陷之二在于外壳护罩长期曝露在外，容易被灰尘水污覆盖，这会阻挡激光的传播，一定程度上也会影响其探测距离和探测精度，此外因为内置旋转马达的机械装置，需要24小时曝露在野外全天候工作，其使用寿命也会大大缩短。

　　2、毫米波雷达

　　毫米波雷达因具有探测距离远、测速精度高、集成度高、受天气条件影响较小等特点，在智能车路协同系统中广泛应用。随着车路协同技术的发展，适用于多种场景感知的毫米波雷达产品不断涌现，如交通场景雷达、汽车雷达、智能检测雷达等。此类毫米波雷达为道路管理、车端决策提供实时场景信息，在车路系统中发挥着不可替代的作用。

　　毫米波雷达用于车路协同的缺陷之一在于其分辨率较低，无法准确探测到距离稍微远一点的人、两轮车或动物，此外其无法识别道路的标志标线，裂纹，坑洼，路基，树木，建筑设施，抛洒物，路面塌方，护栏，立杆等，对道路天气状态，雨雪雾等也不能识别。毫米波雷达的缺陷之二在于，对于前后贴近的目标无法准确区分，此外，有些厂家为滤除背景干扰，设计了一些算法，只关注动态目标，这会导致停下来的静止车辆和目标不能准确检测和识别。

　　3、视频感知

　　视频摄像机是在智能交通系统中应用最为普遍的感知设备，采用一系列的计算机视觉算法对道路进行感知，因为视频采集的像素点多、分辨率高、颜色丰富、动态范围大，最能真实反应道路的实景，因而应用非常普遍。随着自动驾驶技术的不断发展，视频摄像机也被广泛运用在自动驾驶车辆上。伴随视觉处理技术的进步，可以使视频处理出的有效信息倍增，从而更好地辨别道路上的标识、行人等信息。

　　视频感知的缺陷之一在于，现实世界存在昼夜切换，日月流转，视频成像会因为光线的变化产生变化，夜间灯光较暗的时候，识别效果会急剧下降。

　　视频感知的缺陷之二在于，由于摄像机安装高度问题，只能倾斜俯视安装，远处目标由于视差的原因，导致目标定位可能存在一定的误差，距离越远误差越大，我们实测在100米以内可以实现1m以内甚至0.5m以内的定位误差，但到150米之外，误差会提升到1.5米甚至更多。

　　然还有其他类型的道路感知方式，如超声波，但其受限于作用距离和分辨率，往往只适用于近距离的感知，微波的分辨率则非常低，同样无法适用于远距离和小目标的感知。另外，采用单车感知，然后通过V2X实现车辆之间的多车多传感器融合也是目前很多科研院所在研究的一个方向，就是借助单车的雷达、视频、激光等传感器进行道路感知，然后通过车车通信，车云通信实现多辆车感知数据的共享，最终实现道路的准全域感知，这个方案实现的前提是道路上所有车辆都装了各种传感器，这在极个别局部的受限环境下可能可以实现，如智慧矿山、智慧码头、智慧园区等，但在广域的道路上显然是不现实的。

　　综上所述，实现道路的全域数字化，构建真正的智慧公路，准确的道路感知是关键，这样才能让车路协同大放异彩。而目前来看，采用单一的传感器并不能完全实现道路的精准感知，而将众多不同的感知设备相融合，可以最大程度地合理协调多源数据，充分利用有用的信息，提高信息的综合利用率，这种优势恰好能在智能交通领域得到充分发挥。