車聯網産業鍊介紹之移動邊緣計算技術

發表時間:2019-07-30 16:31

公安部交管局2017年7月發布的汽車統計數據表明,截至2017年6月底,中國機動車保有量達3.04億輛,其中汽車2.05億輛,成為繼美國之後的第二大汽車大國。另據英國SBD公司預測,未來3年,中國每年将至少售出3000萬輛汽車,到2020年,中國的汽車保有量将達到3億輛左右。
  随着5G技術的成熟,自動駕駛的發展将會愈來愈快,車聯網+自動駕駛将會成為汽車産發展新動力。有了5G網絡強大的數據傳輸能力,車與車、車與路、車與雲端處理器、車與人之間将通過網絡實現信息互通和互動。5G商用實現後,對智能交通、車路協同、車聯網整體生态的建設,甚至對智慧城市建設都起到重要作用。
  車路協同對5G邊緣雲有強需求
  車聯網的業務類型分為三種:信息服務、行駛安全和交通效率。信息服務中包括車載視頻、車載AR/VR、車載視頻通話、車載智慧家庭、汽車分時租賃、導航、動态地圖;行駛安全方面包括車載視頻監控、駕駛實時監測、車輛防盜、自動駕駛、碰撞預警、行人防碰撞;交通效率包括實況直播、全景合成、運行監控、車位共享、編隊行駛、協同導航等能力。
  邊緣計算是自動駕駛的未來
  5G核心網控制面與數據面徹底分離,NFV令網絡部署更加靈活,從而使能分布式的邊緣計算部署。邊緣計算将更多的數據計算和存儲從“核心”下沉到“邊緣”,部署于接近數據源的地方,一些數據不必再經過網絡到達雲端處理,從而降低時延和網絡負荷,也提升了數據安全性和隐私性。
  這對于時延要求極高、數據處理和存儲量極大的自動駕駛領域而言,重要性不言而喻。未來對于靠近車輛的移動通信設備,如基站、路邊單元等或均将部署車聯網的邊緣計算,來完成本地端的數據處理、加密和決策,并提供實時、高可靠的通信能力。
  邊緣計算在車聯網中的應用市場前景廣闊,車聯網的普及也勢必會拉動相關産業的發展。各種智能化的應用場景越來越多,作為一個正在起步的市場,邊緣計算對計算能力也會提出越來越多的要求。
  移動邊緣計算在測試中
  傳統的雲計算在車聯網環境下,時間延遲明顯而且連接不穩定,這會極大降低對車聯網的體驗。
  例如,通過車輛平視顯示,增強現實(AR)能夠提供有幫助的信息與警示,或者提供更好的視野,AR需要較高的計算需求,這往往超出了單個車輛的計算需求;
  例如,車聯網中語音識别、自然語言處理的要求會越來越多,有很好的應用前景,可以在輔助駕駛中發揮作用,這也需要密集的計算能力。因此,靠近車輛的移動通信設備,如基站、路邊單元等設備進行優化,就可以實現車聯網的邊緣計算。
  不同于雲計算,邊緣計算利用終端側(移動手機、智能音箱等)、邊緣設備(網關、路由器、基站)中的處理能力,在數據源頭處完成數據加密、本地數據交互甚至決策。就整個網絡而言,不同地點的用戶請求優先在本地進行處理,邊緣計算架構是分布式的。
  相較集中式架構,有優點如下:有效應對時延敏感業務:本地完成決策,避免網絡傳輸時延;降低網絡擁塞:本地進行決策和數據壓縮,降低網絡傳輸數據量;提升數據傳輸安全性:本地數據加密,提升數據傳輸的安全性;提升應用可靠性:在網絡發生故障時,仍可保證基本功能的可用。
  專家認為,雲計算與邊緣計算的主要區别就是資源“虛拟化”的能力不同。在車聯網中實現邊緣雲、邊緣計算,要考慮幾個方面:一是如何實現計算資源共享;二是要考慮移動特點,降低車輛與路邊設備頻繁信息交互的不穩定性;三是降低移動邊緣計算帶來的設備前端與後端的功耗;四是要盡量減少基礎設施的部署費用。
  MEC與C-V2X融合應用場景
  IMT-2020(5G)推進組C-V2X工作組發布了《MEC與C-V2X融合應用場景》白皮書。白皮書裡面詳細描述了MEC與C-V2X融合的11個應用場景,并針對每個場景中的MEC能力需求進行了歸納總結。


  MEC與C-V2X融合場景視圖

  這11個場景被歸為4類,
 

   1、本地信息分發
  2、動态高精度地圖
  3、車載信息增強
  4、車輛在線診斷
  5、危險駕駛提醒
  6、車輛違章預警
  7、V2V信息轉發
  8、車輛感知共享
  9、匝道合流輔助
  10、智慧交叉路口
  11、大範圍協同調度

本篇由河南安防資質網轉載發布,如有侵權請聯系河南安防資質網