毫米波雷达的冰与火两重天

毫米波，通常指波长介于 1-10 毫米的电磁波，其频率范围在 30-300GHz 之间。毫米波雷达正是利用这一特殊频段的电磁波进行目标探测，通过发射并接收毫米波信号，能够精准测量目标物体的距离、速度和角度等关键参数。

 

 

添加图片注释，不超过 140 字（可选）

作为前沿的交通感知设备，毫米波雷达具有独特的高带宽、窄波束的技术特性。凭借这些特性，毫米波雷达不仅能实现高精度的测距测速，还具备同时追踪多个目标、远距离探测以及穿透雨雾、沙尘等恶劣天气的强大能力。在应对全天候、恶劣天气、规模化部署的交通检测场景，毫米波雷达都展现出无可比拟的应用优势，在交通领域的应用前景广阔，也因此成为行业关注的焦点。

毫米波雷达的研制始于1940年，并于70年代实现技术突破，至90年代开始小规模应用于车载领域。如今，随着汽车智能化的不断推进，毫米波雷达市场正迎来蓬勃发展的新局面。在智能交通领域，毫米波雷达的应用最早可追溯至交通信号的实时优化及交通分析诊断。然而，其在高速公路上的规模化应用，大致始于2018年九省市新一代国家控制网和智慧公路试点项目。

2024年，交通运输部启动首批8个省份交通基础设施数字化转型升级示范项目，2025年，第二批再次扩容了12个省份。本次数字化转型是以数据资源为关键要素，以信息通信技术融合应用、全要素数字化转型为重要推动力。交通感知系统作为支撑数字化转型路网运行监测预警、干线通道主动管控、应急指挥调度等任务的数据基础，旨在实现路网全域、全时、全天候的精准感知能力。

01 毫米波雷达能力与数字化转型需求高度契合

结合2018年以来各地示范工程的实践经验以及本次数字化转型任务要求，毫米波雷达在“路网运行监测”与“主动交通管控”场景中的应用，精准契合了本次数字化转型的绩效考核要求。

1、路网运行监测：毫米波雷达可用于对交通事件的精准感知，满足路段日常营运的刚性需求。主要包括停（车）止事件、逆行事件、行人事件、抛洒物事件、拥堵事件、机动车驶离事件等典型事件种类（参照GB/T 24726-2009视频交通事件检测器），以上指标仅做参考，实践表明，停（车）止事件的检测率是关键指标，而抛洒物事件的检测率因为尺寸、种类差异性大，通常不作为验收硬性指标。

2、主动交通管控：毫米波雷达可用于采集交通流参数，通过流密速模型进而生成ATM 管控策略，服务于交通效率优化。主要包括：车流量、断面平均车速、分车道车流量、分车道平均车速、分车道时间占有率、分车道车头时距和分车道车间时距等参数（参照GB/T 20609-2023交通信息采集 微波交通流检测器）。

综上，毫米波雷达兼具点云数据输出（支撑融合算法）与交通流参数提取（服务交通管控策略）双重能力，精准契合数字化转型中“安全和效率”两大核心考核指标，成为智慧公路感知层的关键技术。

02 以往的毫米波雷达为何叫好不叫座？

前些年，在各地的智慧公路试点工程中，毫米波雷达往往被视为交通感知技术的亮点。然而，在后续的智慧公路建设中，毫米波雷达并未真正实现大规模的推广应用，其原因大致可以归结为四个方面：

1、安装调试难度大，实际效果达成难。据调研，国内多个项目的雷达调试动辄以月、季度，甚至年为单位的调试周期，抛开项目投入雷达规模的差异，其主要原因一方面在于雷达角度校准依赖物理结构微调与信号特征分析的结合，需同时满足机械安装精度和电磁波覆盖范围的双重要求。另一方面，由于雷达在“硬件部署复杂度、算法调优深度及环境适配难度”对工程实施提出更高的要求，需要硬件、算法、环境三者“全面咬合”才能稳定运行。因此，雷达系统调试周期显著长于摄像机等光学设备，相较于摄像机“所见即所得”的快速部署特性，雷视融合系统安装调试综合门槛更高。实际调试中，雷达的设备标定、时空同步、融合计算、算法调优、跨杆跟踪、全域上图展示都是影响效果的核心环节，需要多轮精细调校。

2、应用场景受限，部分性能弱于视频。据调研，毫米波雷达在实际工程应用中存在以下短板：首先，低速目标检测能力不足。毫米波雷达基于多普勒效应，对于运动目标可实现有效检测，但当目标时速低于1km/h后其回波强度逐渐弱于地物杂波。因此对于低速、静止的目标，以及长时间拥堵等场景，雷达检测性能明显下降。其次，目标分类精度有限。由于毫米波雷达输出的点云数据分辨率有限且无法完全滤除杂波，目标分类能力较差，对于行人识别、车型分类及抛撒物等需要测量尺寸或轮廓的场景明显力不从心。再次，隧道等特殊环境受限。电磁波在隧道内的多径效应若未抑制，会严重影响雷达应用效果。综上，毫米波雷达与视频事件检测在感知逻辑和技术特性上呈现显著差异，二者的互补性与冲突性共同构成了当前交通感知技术的核心矛盾。

3、初期市场混乱，部分雷达性能不达标。近些年，汽车雷达（或称车载毫米波雷达）被频繁应用于交通检测场景，但这类雷达天然存在局限性：其出厂性能本就无法满足路侧交通感知需求。部分厂商仅通过后期“拼凑”技术向需求靠拢。例如，工作在76~81GHz频段的汽车雷达，有些设备商简单采购接口板、电源板后贴牌为交通雷达；复杂些的则改动天线、更换PCB电路板，将其包装为交通雷达。此类产品受限于硬件基础，在探测距离、跟踪目标数量等核心指标上显著不足，经常暴露“远端盲区靠仿真”“杆下盲区靠拟合”的性能缺陷，一旦视频和雷达“面对面对账”，往往现出原形，好不尴尬。

对于汽车雷达的性能无法满足路侧交通感知的原因，主要有三个方面：

（1）最大检测距离短。汽车雷达的最大作用是前向防撞， 200米足够用于本车对前向目标的感知，因此，200米的检测距离是目前汽车雷达的常见指标。路侧交通感知对作用距离的需求则是越远越好，综合前后车遮挡、门架间距、雷视联动等多种影响因素，因此，300-700米的检测距离是交通雷达的常见指标。如将汽车雷达用于路侧交通感知，只能通过多个汽车雷达芯片级联提升作用距离，虽然可实现更高功率输出和信号增益，但随之也需更高集成度硬件设计，特别是对实现更大孔径阵列天线要求提升，相对交通雷达设计没有优势。

（2）可同时跟踪的目标数量受限。汽车雷达通常安装于保险杠位置，前车大概率会遮挡前前车，左车大概率会遮挡左左车，因此汽车雷达能同时照射到的目标并不多，可同时跟踪64个目标是目前汽车雷达的常见指标。路侧交通雷达安装高度通常为6-11米，照射到300米外时，前后车遮挡问题开始逐渐严重。按照双向8车道、拥堵时车间距10米计算，300米内目标总数已达240个。因此，可同时跟踪256-512个目标数量是目前交通雷达的常见指标。雷达看得“远”意味着看得“多”，目标数量与作用距离是相互耦合的两个指标，如果可同时跟踪的目标数量不足，在车辆密度较高时，目标数超限就会直接导致作用距离受限造成“木桶短板”效应。

（3）多种场景的适配算法难。汽车雷达使用场景为本车对外界目标的探测，所有算法均固化进芯片内部，只能做参数级微调。交通雷达面临的场景包括弯道、纵坡、标牌遮挡、声屏障、隧道、“灯下黑”等多种复杂场景。针对任何一种场景，都必须开发对应的适配算法。交通雷达不存在算法固化问题，因此可以随场景开发新算法。汽车雷达如要适配交通场景，只用基于固化后的汽车雷达输出数据进行二次处理。

4、技术路线多元化，融合算法门槛高。

（1）“雷达+”组合多元化，技术路线多样化。从目前公开资料来看，行业内存在两条被广泛报道的技术路线，分别为“毫米波雷达+卡口+视频”和“毫米波雷达+射频+视频”。此外，据不完全统计，还有一些创新组合在实际应用中崭露头角，例如“毫米波雷达+视频摄像一体机”（首次应用在浙江沪杭甬高速）、“激光雷达+卡口+视频”（首次应用在广东祈福隧道）以及“激光雷达+ETC-RSU天线+视频”（首次应用在广东潼湖隧道）。以上5类组合在行业内均有实际应用案例，但是否每个项目均能实现预期目标，其效果仍有待进一步验证。

（2）融合算法技术门槛高，软硬磨合决定实际效果。在多传感器融合系统中，算法性能与雷达数据质量呈现强耦合的乘法效应——若数据质量不达标，即便算法设计精妙，也难以实现性能提升；反之，高质量数据需依托适配算法，才能发挥1+1>2的协同优势。经与行业算法专家研讨，当前主流技术路线可归纳为三大类：

数据级融合（信号层）：作为最底层融合方式，属于目标“像素级”的融合。毫米波雷达生成目标点云数据后，据此划定感兴趣区域（ROI），并将区域内视频像素数据（坐标、RGB/灰度信息）与雷达点云（坐标、速度）叠加，实现“点云+像素”的深度融合。优势在于可充分挖掘传感器原始数据价值，在高算力、大存储条件下，精准识别目标多维特性；局限在于需处理海量数据，对时空对齐精度要求严苛，算法容易出现扰动；应用场景：适用于停车事件检测等对精度要求高、对时延不敏感的场景。此外，数据级融合也包括通信感知一体融合算法，利用通信的信号定位和雷达轨迹融合来解决雷达的遮挡和虚警问题，同时利用ETC天线识别目标弥补雷达点云的数据质量问题，从而达到数据融合。

特征级融合（中间层，也称前融合）：基于原始图像和雷达检测（点云）数据，通过构建网络提取各传感器数据特征并融合，能够最大兼容双传感器优势和适应场景应用；优势在于相比数据级融合，大幅降低数据处理量，实现精度、算力与实时性的平衡。局限在于高度依赖传感器间精确配准，分立设备部署难度较大；应用场景：目前在汽车自动驾驶（ADAS）领域已相对成熟，路侧交通场景尚处探索阶段，常见于雷视一体设备；此算法作为新兴技术，被视为未来多传感器融合的重要方向。

决策级融合（目标级融合，也称后融合）：基于多传感器分别检测目标，利用“联合概率密度函数”对多传感器输出的结果数据进行“置信度”动态设置，例如白天天气好时，视频的置信度较高； 车辆较少/无遮挡时，雷达置信度较高；当多传感器目标冲突时，可采用“投票表决法”选择置信度最高的数据；当多传感器数据有差别时，可以用“‌加权平均法”，根据传感器的目标值及权重系数对目标结果计算；必要时通过拟合算法推断遮挡目标。优势在于算法复杂度低，响应速度快，系统集成灵活，成本效益高；局限在于无法修正原始数据误差，容易把两个传感器的缺点也进行融合，可能放大单一传感器短板；行业应用：凭借高性价比与灵活性，成为当前市场应用最广泛的雷视融合方案。

03 毫米波雷达规模化应用面临的挑战

结合数字化转型需求，毫米波雷达虽然相较之前在性能指标、技术路线、算法迭代、场景细化及市场秩序有了显著的进步，但毫米波雷达规模化应用仍然面临多方面的挑战：

1、毫米波雷达产业链现状与92-94GHz芯片量产挑战

（1）产业链现状与国产化替代

毫米波雷达产业链分为三个部分：上游主要包括射频前端组件（MMIC）、数字信号处理器（DSP/FPGA）、高频PCB板、微控制器（MCU）、天线及控制电路等硬件供应商，其中MMIC和DSP/FPGA为毫米波雷达核心元器件；中游主体是毫米波雷达方案模块及整机供应商；下游主要是在智能汽车、智能交通、航空航天、安防监控、智能家居、无人机等领域形成创新应用【1】【2】。

过去，我国毫米波雷达MMIC、DSP等元器件主要依赖于进口，MMIC 芯片供应商集中为国际企业，如英飞凌、NXP、TI、意法半导体等。目前，我国MMIC、FPGA/DSP和PCB国内都已经开始逐步替代，只是成本没有明显优势或者开发工具链完善程度不如国外产品。一旦国外断供，短期内可快速切换至国产供应商。

（2）量产进度与市场信任危机

2025年1月，工信部发布《雷达无线电管理规定（试行）》 明确76-79GHz频段用于汽车雷达，同步要求自2026年1月1日起，将交通雷达频段切换至92-94GHz，倒逼产业链升级。

94GHz MMIC目前主要限定于交通应用，国内芯片厂家尚未完全响应。理论上，国内所有生产76~81GHz芯片的设备商，如加特兰、斯凯瑞利、迈矽科、矽杰微、苏州毫感科技、圭步微电子等（不少于10家），均具备生产94GHz芯片的能力。然而，由于相关频段刚刚发布，缺乏前期市场引导，导致目前市场上能够实现量产的设备商为数不多，而能够量产的设备商，都是在标准发布前就具备前瞻性预判并启动研发的企业。新雷达的研发涉及芯片设计、天线设计的技术积累，以及长时间的整机调试，绝非一蹴而就之事。

因此，94GHz芯片的量产难题，几乎已成为国内所有雷达设备制造商的“芯病”。在2025年3月底的青岛信息化大会上，多家设备商均推出了94GHz雷达，但面对量产话题闪烁其词，大多数回答是“年中可量产，最晚年底”，也有回答“友商能够量产，自己也可以”，由于缺乏明确时间表，市场存疑。在首批、第二批数字化转型的20个试点省份中，大多数省份如考虑采用毫米波雷达作为强感知路线，MMIC芯片的量产问题有可能在25-26年内成为考核感知效果和年度投资额的制约因素。

（3）投资回报比制约产业扩张

当前智能汽车辅助驾驶L2+级以上车型标配5-12颗雷达，以中国市场为例，2023年中国乘用车毫米波雷达装配量达到1093.3万辆，毫米波雷达使用超3600万颗，车载前装渗透率达45%。截至2025年3月，中国高速公路通车总里程已达到19万公里，假设交通雷达以每公里4-10颗的密度全线布设，高速公路总体使用量约在76万-190万颗之间，如果考虑各路段实际交通量及服务水平的差异性，这个数字可能会更低，因此汽车雷达芯片厂家虽然都具备这个技术能力，但交通雷达市场规模和投资回报比会严重制约企业对交通雷达的投入。

综上，规模化应用前，建议慎重调研芯片厂家量产能力及雷达设备商的供货能力，为相关决策提供依据。

2、毫米波雷达感知性能评估困境与行业标准需求分析

（1）性能评估的主观性与标准缺失

当前毫米波雷达性能评估缺乏统一标准，导致设计、集成与运营单位对雷达及算法性能表述模糊。对项目的参观考察依赖主观判断（如“现场数车”“事件记录”），不同观察者结论差异大。核心矛盾在于检测率定义不明确，分子（检测到的目标数）与分母（实际目标总数）取值无统一规范，致使工程验收指标可信度降低。例如，大交通量路段宣称的高检测率（如98%），与小流量路段同类指标相比，明显脱离实际，暴露标准缺失下数据的不可比性。

（2）验收标准与场景适应性的矛盾

工程实践中，验收指标定义混乱：既有简单的“检出率+准确率”双率组合，也有“检测率、漏报率、虚报率、误报率、重复率”五率体系，但均未统一适用场景。同时，环境与气象条件（如昼夜、雨雾、低能见度）对雷达感知的量化影响缺乏研究，导致性能评估脱离实际应用场景。例如，同一雷达在不同气象条件下的检测能力差异巨大，却无标准量化其波动范围。

（3）行业标准化测试的迫切性

对于毫米波雷达的规模化应用，行业亟需明确“为何测（评估目的）、测什么（核心指标）、怎么测（测试方法）”，这不仅关乎工程质量把控，更是制约项目实施周期的关键。统一测试标准可减少争议，提升数据可信度，加速产品迭代；而环境适应性的量化分析，能帮助设备商进一步优化算法与传感器性能。例如，通过标准化测试界定不同场景下的性能阈值，可避免过度宣传或性能虚标，促进行业良性竞争。

3、理性审视毫米波雷达规模化应用的工程问题

毫米波雷达规模化应用后，可预见会带来新的问题，如事件检测和主动交通管控的雷达共用问题，对于不同服务水平路段及不同风险路段的感知技术路线与性价比问题，对于具备夜间照明路段在恶劣天气下的全天候问题、典型路段不同条件下的性能差异、如何利用好雷达数据等诸多问题仍需要在工程实践中验证总结。

4、毫米波雷达规模化应用的破局建议

（1）制定统一检测规范：明确检测率、准确率等核心指标的计算逻辑与场景适用范围，统一分子/分母统计口径。

（2）建立环境分级测试体系：按光照、能见度、降水强度等因素划分昼、夜、雨、雾、霾、雪测试场景，制定量化评估标准，推动传感器与算法在复杂环境下的可靠性验证。

（3）推动产学研协同：联合主管部门、企业、高校与科研机构，开展多传感器融合性能评估研究，形成可落地的行业、地方标准，为规模化应用提供依据。

总之，毫米波雷达是重要感知工具，但需结合实际场景理性部署，通过工程验证解决“水土不服”问题，避免脱离技术本质的“神话”宣传。

参考文章：

【1】雷光耀：毫米波雷达行业分析

【2】预见2025：2025年中国毫米波雷达行业全景图谱