美国亚特兰大中城桃树街曾经依赖埋在沥青路面下的感应线圈来检测交叉口的车辆。每当线圈故障——经过足够多重型卡车碾压后总会出问题——城市就得切开路面，更换线圈，然后重新铺装。每次花费$2,500–$5,000，还要占用一条车道一整天。
2023年，这座城市测试了另一种方案：在交叉口的信号灯杆上架装一台360° LiDAR传感器。传感器同时检测所有方向的车辆、行人和骑行者，不需要任何嵌入路面的硬件。六个月后，交通工程师报告测试交叉口的平均延误减少了15%，而传感器一次都没有维修过。
美国、欧洲和亚洲的城市都在进行类似的试点。它们要解决的问题并不新鲜——2023年美国交通拥堵让司机损失了$704亿，大约一半的交通事故伤害发生在交叉口。但它们使用的工具正从线圈和摄像头转向3D传感技术。
为什么感应线圈在失势
感应线圈自1960年代以来一直是标准交通检测技术。埋在路面下的线圈检测驶过车辆的金属质量，该信号触发或延长绿灯相位。
线圈能用。但它有难以忽视的机械、操作和经济局限：
- 安装需要封闭道路。 每一个新线圈或更换都意味着切割沥青、铺设线圈、重新密封。人工费用、车道封闭和交通干扰加起来很快。
- 单点检测。 线圈只告诉你"这里有车"，但无法获取车辆的类型、速度或轨迹。它检测不到行人和骑行者。
- 劣化。 路面裂缝、导线腐蚀或冻融循环导致路面隆起都会导致线圈故障。城市每年在线圈维护上花费数百万。
- 无轨迹数据。 线圈无法告诉你车辆从哪里来、到哪里去，这限制了其在高级信号优化中的用途。
LiDAR不需要路面切割，能检测所有道路使用者，并产出丰富的3D数据——包括位置、速度和分类。对于正在更换老化线圈基础设施的城市来说，经济账越来越划算。
LiDAR 改变局面的五大用例
1. 交通信号优化
LiDAR同时监控交叉口所有方向的来车，计算车辆数量、测量接近速度、检测停止线后形成的排队。这些数据输入自适应信号控制算法，实时调整相位配时。
改善是可量化的。拉斯维加斯使用基于LiDAR的检测在20个交叉口替换了基于线圈的感应，测量到平均延误减少了10–18%。在科罗拉多州博尔德市，LiDAR数据使城市能够检测到线圈从未捕获的红灯右转冲突，通过调整信号配时将直角冲突减少了22%。
一台360° LiDAR传感器（如Livox M360）从一个安装点就能覆盖整个交叉口——所有方向、人行横道和转弯运动。一个传感器替代每个交叉口通常需要的4–8个线圈。
2. 行人和骑行者安全
行人和骑行者检测是LiDAR提供了线圈完全无法实现的功能。3D点云以高置信度区分行人和车辆，实时追踪他们的位置，并可以触发安全干预。
在人行横道场景中，LiDAR检测到行人进入横道后可以：
- 延长行人绿灯相位，确保他们有时间走完
- 提醒下游交通有行人存在
- 记录险情事件——行人在横道内时有车辆通过——用于安全分析
夜间和恶劣天气是行人检测最重要的时刻。美国联邦公路管理局的数据显示，约75%的行人死亡发生在夜间。摄像头在没有补光时夜间失去能见度。LiDAR不受影响。它在午夜和正午产出相同质量的点云，行人检测全天候可靠。
3. 停车管理
以200kHz的扫描频率，LiDAR传感器扫描停车区域，以厘米级空间精度检测已占用和空余车位。数据驱动的实时占用率地图引导司机前往空闲车位，减少研究估计占市中心交通量30–40%的"兜圈找车位"行为。
对于路侧管理，LiDAR可以检测停车时长、识别装卸区或公交站点的违规停车，并为执法系统提供数据。多个欧洲城市已部署基于LiDAR的路侧监控来执行限时停车，而不会引发摄像头的隐私争议。
4. 数字孪生
城市交通基础设施的数字孪生将LiDAR的3D点云数据与其他数据源——信号配时、公共交通时刻表、空气质量和气象站——整合成一个交通网络的实时模型。
LiDAR在数字孪生中的角色是提供实时物理层：车辆和行人实际在哪里、如何移动、空间模式如何随时间变化。这些数据支持仿真场景——"如果我们在这条路加一条左转车道会怎样？"或"棒球比赛如何影响周边交通？"——为基础设施投资决策提供依据。
新加坡、巴塞罗那和迪拜的多个智慧城市项目已将LiDAR空间数据纳入城市数字孪生，用于洪水风险建模、基础设施监测和交通规划。
5. 事件检测与应急响应
LiDAR检测异常交通模式来识别事件：车辆停在行车道中、车辆异常排队、或行人在非人行横道路段进入行车道。检测速度快——点云处理在毫秒级别完成——系统可以自动向交通管理中心报警。
对于应急车辆优先通行，LiDAR通过速度和轨迹模式检测接近的救护车、消防车或警车，并触发信号优先使其获得绿灯。这不需要车辆安装GPS信标，一些城市出于简单和成本考虑更倾向这种方案。
LiDAR vs 摄像头 vs 雷达
| 参数 | LiDAR | 摄像头 | 雷达 |
|---|---|---|---|
| 全天候性能 | 好（905nm穿透雨雾） | 雨雪夜间差 | 极好 |
| 夜间性能 | 不受影响 | 显著下降 | 不受影响 |
| 行人检测 | 精确（3D分类） | 依赖AI，夜间不可靠 | 有限 |
| 车辆分类 | 好（大小、类型、轨迹） | AI可行 | 差（无法分类） |
| 隐私合规 | 匿名点云（无面部/车牌） | 记录视觉数据 | 无视觉数据 |
| 交叉口覆盖 | 一台传感器（360°视野） | 需要多台摄像头 | 需要多个单元 |
| 安装方式 | 杆装，无需切路 | 杆装，无需切路 | 常需切路布线 |
| 功耗 | <4.5W（Livox M360） | 各异 | 各异 |
选型要点
- 供电：大多数信号灯杆有现成电源，确认电压兼容性。12–32V输入范围覆盖大多数安装。
- 网络：LiDAR数据需要传到交通管理中心或边缘处理器。100BASE-TX以太网是标准配置。
- 安装高度：路面以上3–5m提供所有车道和人行横道的良好覆盖。
- 软件集成：LiDAR硬件只是方案的一半。感知软件必须分类目标、追踪运动、并与现有信号控制器对接。确认与你信号控制器协议（NTCIP、ATC或私有协议）的兼容性。
- 防护等级：户外城市部署意味着雨水、施工粉尘和冬季道路盐。IP67是实际最低要求。
混合模型
LiDAR不会取代交叉口的每一台摄像头和雷达。多数试点项目趋向的实用部署模型是：
- LiDAR负责检测和触发：车辆和行人检测、分类、计数和信号触发
- 摄像头负责确认和取证：LiDAR报警激活的PTZ摄像头为操作员提供视觉上下文
- 雷达负责远程公路检测：信号控制需要在LiDAR范围之外检测来车
这种分层方法让每种技术发挥各自优势，而非强迫单一传感器覆盖所有功能。最终是一个全天候可靠检测、全道路使用者分类、需要时提供视觉证据、并默认保护隐私的系统。
本文数据和案例研究基于截至2026年7月的公开来源。试点结果因路口几何形状、交通量和软件配置而异。请咨询交通技术供应商获取具体方案建议。
© 2026 SmartBotParts. All rights reserved.