中国安防行业网

首页 > 工程技术 > 正文

车联网产业链介绍之移动边缘计算技术

2019/8/1   中国安防行业网     关键字:车联网 移动边缘 计算技术  浏览量:

5G核心网控制面与数据面彻底分离,NFV令网络部署更加灵活,从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”,部署于接近数据源的地方,一些数据不必再经过网络到达云端处理,从而降低时延和网络负荷,也提升了数据安全性和隐私性。

  公安部交管局2017年7月发布的汽车统计数据表明,截至2017年6月底,中国机动车保有量达3.04亿辆,其中汽车2.05亿辆,成为继美国之后的第二大汽车大国。另据英国SBD公司预测,未来3年,中国每年将至少售出3000万辆汽车,到2020年,中国的汽车保有量将达到3亿辆左右。
  随着5G技术的成熟,自动驾驶的发展将会愈来愈快,车联网+自动驾驶将会成为汽车产发展新动力。有了5G网络强大的数据传输能力,车与车、车与路、车与云端处理器、车与人之间将通过网络实现信息互通和互动。5G商用实现后,对智能交通、车路协同、车联网整体生态的建设,甚至对智慧城市建设都起到重要作用。
  车路协同对5G边缘云有强需求
  车联网的业务类型分为三种:信息服务、行驶安全和交通效率。信息服务中包括车载视频、车载AR/VR、车载视频通话、车载智慧家庭、汽车分时租赁、导航、动态地图;行驶安全方面包括车载视频监控、驾驶实时监测、车辆防盗、自动驾驶、碰撞预警、行人防碰撞;交通效率包括实况直播、全景合成、运行监控、车位共享、编队行驶、协同导航等能力。
  边缘计算是自动驾驶的未来
  5G核心网控制面与数据面彻底分离,NFV令网络部署更加灵活,从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”,部署于接近数据源的地方,一些数据不必再经过网络到达云端处理,从而降低时延和网络负荷,也提升了数据安全性和隐私性。
  这对于时延要求极高、数据处理和存储量极大的自动驾驶领域而言,重要性不言而喻。未来对于靠近车辆的移动通信设备,如基站、路边单元等或均将部署车联网的边缘计算,来完成本地端的数据处理、加密和决策,并提供实时、高可靠的通信能力。
  边缘计算在车联网中的应用市场前景广阔,车联网的普及也势必会拉动相关产业的发展。各种智能化的应用场景越来越多,作为一个正在起步的市场,边缘计算对计算能力也会提出越来越多的要求。
  移动边缘计算在测试中
  传统的云计算在车联网环境下,时间延迟明显而且连接不稳定,这会极大降低对车联网的体验。
  例如,通过车辆平视显示,增强现实(AR)能够提供有帮助的信息与警示,或者提供更好的视野,AR需要较高的计算需求,这往往超出了单个车辆的计算需求;
  例如,车联网中语音识别、自然语言处理的要求会越来越多,有很好的应用前景,可以在辅助驾驶中发挥作用,这也需要密集的计算能力。因此,靠近车辆的移动通信设备,如基站、路边单元等设备进行优化,就可以实现车联网的边缘计算。
  不同于云计算,边缘计算利用终端侧(移动手机、智能音箱等)、边缘设备(网关、路由器、基站)中的处理能力,在数据源头处完成数据加密、本地数据交互甚至决策。就整个网络而言,不同地点的用户请求优先在本地进行处理,边缘计算架构是分布式的。
  相较集中式架构,有优点如下:有效应对时延敏感业务:本地完成决策,避免网络传输时延;降低网络拥塞:本地进行决策和数据压缩,降低网络传输数据量;提升数据传输安全性:本地数据加密,提升数据传输的安全性;提升应用可靠性:在网络发生故障时,仍可保证基本功能的可用。
  专家认为,云计算与边缘计算的主要区别就是资源“虚拟化”的能力不同。在车联网中实现边缘云、边缘计算,要考虑几个方面:一是如何实现计算资源共享;二是要考虑移动特点,降低车辆与路边设备频繁信息交互的不稳定性;三是降低移动边缘计算带来的设备前端与后端的功耗;四是要尽量减少基础设施的部署费用。
  MEC与C-V2X融合应用场景
  IMT-2020(5G)推进组C-V2X工作组发布了《MEC与C-V2X融合应用场景》白皮书。白皮书里面详细描述了MEC与C-V2X融合的11个应用场景,并针对每个场景中的MEC能力需求进行了归纳总结。


  MEC与C-V2X融合场景视图

  这11个场景被归为4类,
 

   1、本地信息分发
  2、动态高精度地图
  3、车载信息增强
  4、车辆在线诊断
  5、危险驾驶提醒
  6、车辆违章预警
  7、V2V信息转发
  8、车辆感知共享
  9、匝道合流辅助
  10、智慧交叉路口
  11、大范围协同调度

相关专题:

相关新闻: