自动驾驶边缘计算场景

01

简介

自动驾驶不仅是汽车行业最受关注的技术之一，也是人工智能的主要应用场景之一。诸多企业已加速了在自动驾驶汽车领域的布局。自动驾驶作为一种智能化交通工具，能够代替人类完成一系列的驾驶行为。自动驾驶技术的发展无疑会给我们的生活和出行带来更多便利。自动驾驶的应用和推广可使高效率的出行成为可能，并且可以推动电能、太阳能、风能等清洁新型的能源发展，改善空气质量，优化我们的生活环境。

02

商业背景

虽然自动驾驶汽车（Automated vehicles）仍处于开发发展阶段，但像Google和Uber这样的行业巨头希望在2020年之前能够使自动驾驶汽车（Automated vehicles）成为消费者消费的现实产品。业界希望自动驾驶汽车（Automated vehicles）能够避免每年车祸所数以千计的生命死亡以及数十亿美元与汽车车祸相关的损失。然而，自动驾驶汽车（Automated vehicles）创造了大量的数据，其中大部分需要与邻近的汽车共享。边缘计算（Edge Computing ）设备在确保信息处理和快速传输到其他车辆方面可以发挥重要的作用。边缘计算（Edge Computing ）技术允许司机立即收到其他司机的警告信息。

03

5G网络的成熟

5G网络能提供20Gbps速率，时延仅仅1毫秒，每平方公里100万连接，网络稳定性可达99.999%的下一代蜂窝无线通讯网络，将从单车的信息流共享、车队的编队无人化、远程驾驶三个方面推动智能驾驶的高速发展。5G网络的给智能驾驶带来了低延时，高稳定性的物网联架构。通过服务器的高性能计算，核心云及边缘云给网联驾驶车提供实时路况、道路信息、行人信息等一系列交通信息，让智能驾驶迈进了“入5G网而知天下”的时代。

出于实际原因，我们已经知道大部分处理必须发生在边缘，因为感知数据需要分析的速度受到自动驾驶汽车运动影响需要及时指示汽车周围有什么。一份调查表明，一辆每天运行8小时的自动驾驶汽车将产生至少40TB的数据。这就是通过网络来回传输的大量数据。

假设有强大的网络连接并且在传输过程中保持连接，通过网络来回发送数据至少需要150-200毫秒。这实际上是一个很长的时间，因为汽车在运转，而且需要对汽车的控制作出快速的决定。

04

本地处理难点

因此，自动驾驶汽车需要利用边缘计算。但是这涉及到具有足够的本地化计算处理能力和存储器容量以能够确保车辆和AI能够执行其所需的任务。如果将大量的处理器和内存放在自动驾驶汽车上，这将为自动驾驶汽车增加大量成本，而且在汽车上增加服务器，将会改变汽车的架构，而服务器需要较为严苛的运行环境不适合部署在汽车上，同时这将会增加机器发生故障的几率，也需要耗费更多的电力，增加更多的重量到汽车等等。而且独立的汽车的处理能力无法掌握路面的全部信息，无法为汽车的运行提供指令，由于上述的需求，需要在路边上部署基站，掌握一部分路段的路面情况。并通过5G网络实时与每台运行的汽车通信。

05

边缘计算解决思路

通过与5G技术的结合，实现了高宽带和低延时的网络通信能力，但是光是网络层面仍远远不够，目前运营商们都在建设更多的基站，甚至“微基站”来满足大量的终端的接入，由于汽车上可能有大量的感知设备，因此在边缘网络中，“多接入”和“低延迟”成为了无人驾驶场景中的关键特性。

多接入：自动驾驶需要的传感器系统主要有三种类型：摄像头、雷达和激光雷达，摄像头具有分辨颜色（识别指示牌和路标）的优势，可易受恶劣天气环境和光线的影响，但雷达在测距、穿透雨雾等有优势，两者互补融合可作出更精确、更可靠的评估和判断。在接入层有大量的终端接入，每个终端或者每辆车需要一个IP，在路段拥堵的情况下，可能会存在大量的IP需求，那么IPv6的需求将会增强。

低延迟：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。

下图具体描述了未来无人驾驶的场景，通过大型的基站，覆盖一部分路段，并提供大量的计算、存储能力，在基站附近建设边缘云，连接路边的其他基础设施，如红绿灯、路灯、摄像头，并连接路面上行驶的车辆。边缘计算云提供了基础设施服务，而上层的自动驾驶的软件应用将根据边缘计算采集的数据，进行智能分析，并快速地为汽车提供准确、安全的操作指令。

而在车辆驶离该基站所覆盖的范围之后，进入另一个基站的网络覆盖范围，需要实现基站切换，并提醒驾驶员，注意路面情况，在新的基站范围之后，实现基站切换，如同目前手机的基站切换，并接收新基站的操作指令。由于基站切换对于汽车来说应该是“无感知的”，因此上一个基站的数据需要在本地清空，防止“脏数据”的产生。

而基站与基站之间进行数据的同步，即边缘云的云边协同，可以对汽车在整个行驶过程中的数据进行汇总，并传输到大型的中心云上进行行驶行为的人工智能分析并学习，从而优化自动驾驶行为。