自动驾驶协同感知通过车辆之间交换感知数据扩展单车的环境认知范围，弥补车载传感器在视距和遮挡条件下的探测局限。协同感知的数据流包括车辆自身的位置、速度、航向以及雷达和摄像头检测到的目标信息，数据经车联网无线链路传输至周围车辆和路侧设施。协同感知的有效性依赖于数据的时效性，感知数据从采集到被其他车辆使用的时延决定了数据所反映的环境状态与当前实际状态之间的偏差。在车辆高速行驶场景中，时延导致的位置偏差随车速和时延的乘积增长，偏差过大时协同感知数据失去参考价值，甚至对决策产生误导。无线通信时延对协同感知的影响机制和低延迟传输机制的设计，是自动驾驶协同感知系统实现工程化的关键问题。
车联网无线通信时延的构成包括数据封装时延、信道接入时延、传输时延、传播时延和接收处理时延。数据封装时延来源于协议栈各层的头部添加和加密处理，时延大小与协议栈的实现效率和硬件处理能力相关。信道接入时延来源于多个终端竞争信道资源时的退避和重传过程，在车辆密度较高的场景中，信道竞争加剧，接入时延的波动范围增大。传输时延由数据包大小和链路传输速率决定，传播时延由收发端之间的距离决定，在车联网的通信距离范围内传播时延较小。接收处理时延包括解调、解码和协议栈处理时间。各环节时延的统计特性不同，封装和处理时延相对稳定，信道接入时延和重传时延具有较大的随机性，随机性时延是端到端时延不确定性的主要来源。
协同感知数据对时延的敏感程度因数据类型而异。车辆的位置和速度信息变化较快，其时效性窗口较短，超出窗口的数据不再反映车辆的真实状态。雷达检测到的目标位置和运动状态信息同样具有较短的时效性窗口，目标在时延期间可能发生位置变化。摄像头图像数据的时效性窗口相对宽松，但图像数据量较大，传输时延较高。不同类型的感知数据在协同感知融合中的权重不同，位置和速度信息的权重较高，图像数据的权重较低。低延迟传输机制需要根据数据类型的时效性要求分配传输优先级和资源，高优先级数据采用更快的传输路径和更低的信道接入时延，低优先级数据可以容忍较长的传输时延。
低延迟传输机制的设计需要从链路层和网络层同时入手。链路层方面，信道接入机制采用基于预约的调度方式，为协同感知数据预留专用的时频资源，避免其参与随机竞争。预约调度在车辆进入路侧单元覆盖范围时通过信令交互完成资源分配，协同感知数据直接在预留资源上传输，无需等待信道空闲。资源预留的粒度需根据协同感知数据的周期和大小确定，预留资源过多浪费频谱资源，预留资源过少无法满足数据传输需求。在车辆密度动态变化的场景中，预留资源的数量需要动态调整，调整周期与车辆密度的变化速率匹配。网络层方面，数据包的路由路径选择影响传输时延，在多跳传输场景中选择跳数较少且链路质量较好的路径，减少中继转发的累积时延。
多链路协同传输为低延迟传输提供了冗余和负载分担的途径。车联网可用的通信链路包括专用短程通信、蜂窝网络直连链路和路侧单元提供的无线接入链路。不同链路的时延特性不同，专用短程通信的传输时延较低但覆盖范围有限，蜂窝网络直连链路的覆盖范围广但时延受网络负载影响。多链路协同将协同感知数据分配至时延较低的链路传输，在链路质量恶化时将数据切换至备用链路。高优先级的安全相关数据在多条链路上同时发送，接收端选择最先到达的数据包进行处理，降低单链路时延波动的影响。多链路协同的调度决策需要获取各链路的实时时延统计，时延统计的更新频率影响调度决策的准确性。
工程验证中的协同感知时延影响评估和低延迟传输机制需要在包含多辆车和路侧设施的测试环境中进行。测试场景包括车辆高速行驶、车辆密集分布和通信链路质量波动等典型情况。评估指标包括端到端时延的均值和尾部概率、协同感知数据的更新率和决策准确率。测试数据表明信道接入时延是端到端时延不确定性的主要来源，基于预约的调度机制使协同感知数据的时延分布相比随机竞争方案更为集中，尾部概率显著降低。多链路协同传输在单链路质量恶化时通过冗余发送维持了数据的及时到达。时延对协同感知决策的影响在车辆高速行驶场景中更为显著，时延超出时效性窗口的数据导致决策准确率下降，低延迟传输机制通过压缩时延使决策准确率维持在可接受水平。车联网协同感知的时延影响分析与低延迟传输机制通过链路层预约调度、网络层路径优化和多链路协同，在通信时延和感知数据时效性之间建立了匹配关系。
