车联网中的感知决策控制回路对端到端时延的约束随着自动驾驶等级的提升而逐步收紧。毫米波雷达提供车辆周围目标的距离与速度信息，信息通过多链路传输网络汇聚至边缘计算节点，节点运行的控制算法生成决策指令回传至执行机构。雷达感知的更新速率决定了控制回路的时间基准，传输链路的延迟与计算节点的处理延迟共同决定了控制指令的生效时刻。协同设计的核心在于使雷达感知周期、传输调度周期与控制计算周期三者对齐，避免因周期失配导致的额外等待延迟。周期对齐通过将三者的时间基准锁定至同一个时钟源实现，时钟源的选择需考虑各子系统对精度的不同要求。低时延闭环控制的实现使车辆在检测到危险事件后的响应时间压缩至制动系统机械动作时间以内的余量区间。
毫米波雷达的感知数据在传输前的预处理减少冗余信息，降低对通信链路带宽的需求。原始点云中的噪声点与地面反射点对目标检测没有贡献，在预处理阶段被滤波算法去除。滤波后的点云通过聚类算法形成目标列表，每个目标包含位置、速度与雷达散射截面参数。目标列表的数据量较原始点云压缩至十分之一以下，适合在车联网中实时传输。预处理阶段的延迟由滤波与聚类算法的计算时间决定，计算时间需小于雷达帧间隔的三分之一以保证数据能够及时进入传输队列。算法复杂度的选择与处理器性能匹配，在低性能处理器上采用简单的基于密度的聚类，在高性能处理器上采用更精确的基于网格的聚类。多链路传输在车联网中的角色是将雷达感知数据从车辆传递至边缘计算节点或相邻车辆。直连通信链路提供低时延的广播传输，适用于车辆与路侧单元之间的短距离数据交换。蜂窝链路提供长距离的可靠传输，适用于将感知数据上传至云端的全局融合。两条链路的聚合传输将感知数据同时通过两条链路发送，接收端选择先到达的数据包进行解码，冗余传输降低因单条链路信道恶化引起的丢包。聚合传输的带宽开销较大，适用于关键告警类数据的传输。非关键感知数据采用分流传输，根据两条链路的瞬时负载分配数据包比例，负载信息通过链路质量报告交换。
边缘计算节点的处理延迟由推理模型的推断时间与决策逻辑的执行时间共同构成。推理模型将雷达目标列表映射为环境态势图，态势图包含目标的运动轨迹预测与碰撞风险评估。模型推断的计算时间与模型参数数量相关，参数量较大的模型精度较高但推断时间较长。模型压缩技术在推断时间与精度之间折中，剪枝去除对输出影响较小的参数，量化将浮点参数转换为整数运算加速推断过程。决策逻辑的执行时间较短，主要为状态机切换与阈值比较操作，延迟稳定在微秒级别。推断时间与决策时间的总和需小于控制周期的三分之二，剩余时间留给传输与执行机构动作。
传输调度与雷达感知的周期同步通过时间触发机制实现。雷达在每个帧起始时刻发射探测信号并接收回波，帧起始时刻由本地时钟决定。传输调度器在雷达帧起始时刻预留时频资源用于感知数据的传输，预留的资源在感知数据就绪后立即使用，无需等待资源分配信令。预留资源的时间窗口长度由感知数据的预处理时间与传输时间共同决定，窗口结束时刻为雷达下一个帧起始时刻。控制指令的下行传输使用与上行数据相同的预留窗口结构，指令在计算节点完成决策后直接发送至车辆，车辆的执行机构在接收到指令后的固定延迟内动作。时间触发机制使数据传输的时延具有上限，上限值由预留窗口的长度决定。
协同系统的调试与验证通过硬件在环仿真平台进行。仿真平台接入真实的雷达传感器与通信模块，其余部分由仿真模型替代。平台能够模拟不同的交通场景与信道条件，测试协同系统在各种情况下的端到端延迟。延迟的测量通过硬件信号触发的方式记录关键事件的时间戳，包括雷达发射时刻、数据到达传输队列时刻、数据到达边缘节点时刻、决策指令发出时刻与执行器动作时刻。测量结果中的延迟分布用于识别系统中的最慢环节，优化措施优先作用于该环节。从雷达感知到多链路传输再到边缘计算，通感算融合的车联网低时延闭环控制正在通过周期对齐与时间触发机制将端到端时延压缩至与车辆动力学响应匹配的水平，这种压缩依赖于对各子系统延迟来源的精确测量与预算分配。
