车路协同系统依托于传感器对环境信息进行精准地感知和获取,随着车路协同系统的不断发展,人们对其提供的信息数量和质量提出了更高要求。本文将针对路侧传感器在复杂道路环境不同因素影响下的交通适应性进行分析,为推动路侧传感器更普遍的实际应用以及车路协同的进一步发展提供借鉴。首先,对车路协同系统、传感器应用及适应性研究三个方面对国内外研究现状进行了总结,确定将激光雷达、摄像头、毫米波雷达作为研究对象,给出了本文的主要研究内容及技术路线。其次,对目前实际运用中的传感器的原理方法及本文所利用的51Sim-One仿真软件中传感器仿真的相关原理进行了对比介绍,在此基础上提出了路侧传感器交通适应性模型,设计了定位精度、测速误差、TTC差值三个表征指标,并基于改进熵权法,利用模糊综合评价法构建了适应性评价体系。然后,基于不同影响因素水平分别设计了33组仿真场景,利用51Sim-One仿真平台进行了路侧传感器仿真实验,从仿真数据中提取出交通适应性表征指标,作为后续交通适应性研究的数据基础。最后,通过统计检验方法及适应性指标评价,分析了三种路侧感器在不同因素下的交通适应性差异。研究结果表明:从表征指标角度总体分析,毫米波雷达定位精度均值相较于摄像头和激光雷达分别降低9%、6%;其测速误差相较于激光雷达和摄像头分别减少了约7%、18%。而在不同因素影响下的三种路侧传感器交通适应性存在一定差异。对于速度影响,整体来看,毫米波雷达传感器的交通适应性随速度增加而降低,激光雷达及摄像头传感器交通适应性受速度影响不大。在10km/h的速度下,毫米波雷达总体交通适应性较好,然而在中高速行驶环境,激光雷达对道路交通的适应性更高。对于天气因素,整体来看,随着降雨/降雪水平的增加,激光雷达和摄像头的交通适应性有降低的趋势,毫米波雷达在晴天及雪天环境下交通适应性较好,在雨天环境下由于降雨后的多重散射效应,其适应性略差于激光雷达。根据综合评价结果,整体来看,激光雷达交通适应性最高,摄像头对道路交通环境的适应程度为三者中最低。