信号灯识别产业链全景解析

信号灯识别产业链全景解析

信号灯识别(Traffic Light Recognition，TLR)分两条并行技术路线：车端视觉识别(车载摄像头 AI 识别红绿灯，属于 ADAS / 智驾感知)、V2X 信令直传(路侧信号机直接下发灯态、相位、倒计时，车端接收)，现在量产主流是视觉为主、V2X 为辅的融合方案，两条路线供应链部分重叠、部分独立。

一句话定位：它不是单一算法功能，是智能驾驶、车路协同、智慧交管交汇的感知入口，是城市路口 “车 - 路 - 云” 协同的基础语义节点。

一、产业链总框架

上游：传感器、光学、算力芯片、基础软件、数据集中游：感知算法商、模组 / 前视摄像头 Tier1、路侧设备厂商、信号机厂商、V2X 通信厂商、融合方案集成商下游：乘用车 OEM、商用车、交管平台、智慧城市运营商、高精地图服务商、测试与标定服务商

两大分支：

车载视觉 TLR 链：摄像头→SoC→感知算法→域控→整车 ADAS(TJA/NOA/ 自动红停)

V2X 信号灯信息链：路口信号机→信号采集器→RSU→C-V2X 通信→车载 OBU→域控融合

二、上游：底层元器件与基础底座

1. 图像感知硬件(视觉路线核心)

CMOS 图像传感器：车规级 HDR、高动态、防过曝是 TLR 痛点，强光逆光、太阳直射、夜晚路灯干扰极易误检;索尼、安森美、豪威(韦尔)为主流

光学镜头：前视 8MP/5MP 镜头、滤光片(IR-CUT、带特定光谱滤波，降低路灯、广告牌霓虹干扰)

激光雷达、毫米波雷达：辅助融合，雷达本身不能识别灯色，用于目标关联、ROI 感兴趣区域锁定，减少误检

2. 算力芯片与域控平台

车载智驾 SoC：地平线、Mobileye、英伟达、高通、黑芝麻、安霸 Ambarella;TLR 作为感知任务跑在感知芯片上，对低时延、确定性推理要求高(毫秒级)

路侧边缘算力：昇腾、寒武纪、瑞芯微等，用于全息路口路侧感知

3. 通信硬件(V2X 路线)

C-V2X 通信模组、RSU 路侧单元、OBU 车载单元，中信科智联、移远、广和通、华为等;负责把信号机的相位报文低时延广播出去

4. 基础软件与安全底座

车规 OS(QNX、安卓、Linux)、工具链、标定工具、功能安全库;TLR 属于安全相关功能，需要满足 ISO26262、ASPICE;数据集：路口昼夜、逆光、雨雾、异形信号灯、老旧信号灯、跨国标信号灯样本集;标注服务商是上游隐形刚需。

5. 路口信号灯本体(V2X 源头)

LED 信号灯、智能信号机(海信、莱斯、千方)，带相位输出接口，是 V2X 方案的数据源头。

三、中游：方案与集成层(产业链价值重心)

分支 A：车载视觉 TLR 方案(前装量产主流)

感知算法供应商

自研路线：百度 Apollo、商汤、毫末、小鹏、理想等自研感知栈，内置 TLR 检测、跟踪、灯态分类、倒计时识别;

第三方感知方案：Mobileye、STRADVISION、智驾新程、德赛西威、华阳感知方案包，直接打包给 Tier1/OEM;算法管线：信号灯检测框→跟踪稳定(防闪烁跳变)→颜色分类(红 / 黄 / 绿 / 熄灭)→倒计时识别→和车道、停止线关联、输出给规划控制。

难点：异形灯、横向灯、遮挡、远距离小目标、广告牌光源混淆、不同城市非标信号灯。

Tier1 模组集成商 博世、大陆、采埃孚、德赛西威、华阳、欧菲光，把 CMOS、镜头、ISP、算法打包成前视单目 / 双目摄像头，作为标准零部件供给车企，是 TLR 最主要交付形态。

分支 B：V2X 信号灯信息方案(车路协同路线)

智能信号机厂商：海信网络科技、莱斯信息、千方科技，新一代信号机支持标准化相位报文输出(GA/T 1743);

信号采集网关：信号机外挂采集器，读取灯组相位、剩余时长，对接 RSU;

RSU 厂商、C-V2X 协议栈厂商：中信科智联、华为、大唐，广播 SPAT(信号相位与配时)消息;

路侧 MEC / 全息路口方案商：海康、大华、佳都，路侧摄像头也可以在路口端识别信号灯，再下发给车辆(路侧感知下发)。

分支 C：融合集成商

域控厂商、智驾方案商做视觉 TLR + V2X SPAT 融合：视觉做本地兜底，V2X 提供提前远距离倒计时;V2X 断连、信号机不开放时，视觉独立工作，是现在城市 NOA 的标配策略。

四、下游：落地应用方

乘用车 OEM(最大市场) L2+、NOA、城市智驾必须支持信号灯识别，用于红灯停、绿波引导、路口通行决策;是 NCAP、GSR 法规相关安全功能。

商用车、Robotaxi、无人配送 封闭园区、干线、城市自动驾驶车队。

交管与智慧城市平台 路侧识别用于路口流量研判、信号调优、违章抓拍，和车端 TLR 是两套独立用途。

高精地图服务商 地图里录入信号灯位置、车道关联关系，辅助 TLR 做 ROI 校验，排除误检。

第三方测试标定、验收服务商 场地测试、道路标定、恶劣场景鲁棒性测试，国内各地车联网示范区、封闭测试场。

五、两条路线优劣势对比(产业选型关键)

纯视觉 TLR ✅ 优势：不需要改造路口基础设施，即装即用，可全国所有路口;是单车智能的原生能力 ❌ 短板：逆光、雨雾、远距离、异形非标灯容易失效;只能识别 “看到的灯”，没有倒计时、相位预判;识别存在概率性误检

V2X SPAT 直传 ✅ 优势：信息准确、自带倒计时、不受光照遮挡影响，可提前获取相位变化;适合绿波车速引导 ❌ 短板：依赖信号机改造、交管数据开放;大量老旧路口不支持，城市覆盖推进慢，专网、安全、数据权限门槛高

行业共识方向：融合 V2X 做 “增强信息”，视觉做 “兜底感知”，二者校验，提升鲁棒性。

六、竞争格局

国际：Mobileye、博世、大陆、安霸，前视摄像头方案成熟，配套全球车企;

国内：视觉感知：商汤、百度、毫末、地平线生态伙伴、德赛西威等;路侧信号机与交管：海信、千方、莱斯、海康大华; C-V2X：中信科智联、华为、大唐;

格局特点：单车视觉是充分竞争红海;V2X 受政策、交管数据开放约束，属于项目制市场，很难全国快速铺开。

七、核心技术边界(承接你前面一系列技术边界的逻辑)

视觉感知边界：深度学习依赖样本分布，不在训练集里的非标信号灯、特殊造型、广告牌、霓虹光源极易幻觉误识别;算法只能识别可见光图像，没有上帝视角;

基础设施边界：V2X 路线最大瓶颈不是芯片通信，而是交管数据开放、信号机改造、公安专网安全隔离，属于体制与工程落地约束，不是技术约束;

安全与功能边界：TLR 只是感知结果，最终是否刹车、通行，还要结合车道、停止线、障碍物、车辆规划做融合;单独信号灯识别不能作为安全决策唯一依据;

标准化边界：国内各地信号灯样式、安装方式不统一，国标落地参差不齐，增加视觉算法泛化难度;SPAT 报文协议、数据安全、跨厂商互通还在持续统一;

成本边界：纯视觉增量成本低;大规模 V2X 全路口改造投入巨大，地方财政约束强。

八、产业趋势

城市 NOA 放量带动车载 TLR 成为标配，从高端车型下放到 15 万级家用车;

视觉 + V2X 融合成为标准架构，单车智能与车路协同不再对立;

交通大模型用于信号灯识别：大模型提升异形、极端场景、长尾工况鲁棒性;

全息路口推广：路侧先识别、下发给车，形成 “路侧强感知、车端轻量化” 的新范式;

合规趋严：NCAP、GSR 对信号灯识别、红灯制动功能提出强制要求，倒逼算法、标定体系标准化。

九、一句话总结

信号灯识别产业链，本质分成单车智能的视觉感知链条和车路协同的信令传输链条;上游是传感器与算力，中游是算法、摄像头模组、信号机、C-V2X 设备，下游车企和交管平台。视觉路线自由度高但受环境制约，V2X 信息稳定但受基础设施改造与数据开放约束;长期最优方案是二者融合，它的能力边界，一半来自 AI 视觉算法的感知局限，一半来自城市交通基础设施数字化改造节奏。