高梦婕1 秦王晨2
1.身份证号码：1426251992080830** 北京市 100043
2.身份证号码：1401811995041522** 北京市 100043
摘要：经济的发展，社会的进步推动了我国交通行业的高速运行，据公安部统计，截止2020年6月，全国机动车汽车保有量达到3.27亿辆。汽车的出现为国民的出行提供了许多便利之处，但是随着车辆数量的增加不仅会造成道路上的交通拥堵，同时也会增加发生交通事故的概率。2009年美国提出智慧交通（ITS）的概念，ITS是指使用智能监控技术、通信技术、控制技术、传感器技术、网络等先进手段，并将其集成应用于整个交通运输管理体系中，试图建立起一个实时、准确、高效的交通运输管理系统。ITS的主要核心之处在于将道路的信息反馈至数据中心，并根据数据中心储存的内容进行下一步决策，可以实现从根本上解决传统交通中的交通拥堵、交通事故等问题。因此，作为ITS系统中核心技术之一车联网（IoV）在如何保证数据传输的可靠性，稳定性以及如何能够让车辆等终端快速获得来自数据中心的指令并进行下一步动作，现今已成为学术界与工业界所重点关注的问题。
关键词：高速公路;智能交通系统;边缘计算应用
引言
计算机技术和传感器技术的发展使汽车逐渐成为更加智能的自动驾驶汽车。自动驾驶汽车的出现将会增加交通通行效率，减少道路交通事故的发生。美国高速公路交通安全管理局将自动驾驶分为L0~L5共6个等级，从L0~L5，汽车的智能化水平逐渐提升。L5级的自动驾驶汽车可以在何环境下完成所有的驾驶操作而不需要人类驾驶员的干预。为了提供安全的自动驾驶服务，自动驾驶汽车需要获取所处环境的完整信息，并对其进行实时处理以做出行驶决策。从环境信息的获取到行驶决策的制定可以分为3个阶段，分别是环境信息获取、信息融合处理和驾驶行为决策。1)环境信息获取。自动驾驶汽车通过多种车载传感器获取所处环境的信息，如用定位系统、惯性测量单元获取位置信息，用激光雷达绘制周围环境的点云，用摄像头获取环境的图像数据，用雷达和声纳检测距离车辆最近的物体等。2)信息融合处理。此阶段的任务是将获取的环境信息进行融合处理，使自动驾驶汽车了解周围的环境。信息融合处理阶段有3个主要的任务，分别是自我定位、目标识别和目标跟踪。这3个任务都需要大量的计算资源来完成。3)驾驶行为决策。在自动驾驶汽车了解了自身所处的环境之后，就开始预测其他车辆或行人等障碍物的运动路径，然后再根据预测结果做出自身的路径规划和避障决策。
1MEC定义
随着无线终端数量的不断增加，传统架构已经无法满足不断增加的移动业务需求。为了能够在减轻核心网络负载压力的同时保证用户体验质量（QoE），欧洲电信标准协会于2014年提出移动边缘计算的概念，并成立相关工作组推动相关标准化的工作。在移动边缘计算的应用中，其实现了将云计算及云存储的能力下沉至边缘节点中，创建集计算、存储、通信于一体的高性能、低延迟与高带宽的电信级环境，并能为应用提供更快速地响应。
2高速公路智能交通系统边缘计算应用
2.1车联网中基于SDN的移动边缘计算卸载
随着互联网技术及人工智能技术的不断发展，许多汽车应用如路线规划、自动驾驶和AR导航等得到快速发展。然而单个车辆只具备有限的计算资源和存储功能，无法在严格的延迟约束下处理应用程序。且车载终端的计算任务涉及用户人身安全，对时延有着非常严格的要求，其计算任务与传统计算任务相比不仅处理的优先级高且任务的并发数量密度也远远高于传统计算任务。
车联网实现了车对车（V2V）、车对基础设施（V2I）以及车对网络（V2N）的通信。而在传统云车系统中，移动云虽然提高了资源利用率和计算性能，然而当车辆将任务卸载至较远端的云服务器中时可能会因为骨干网络上的传输容量限制及延迟波动而导致卸载效率严重降低，甚至将会导致任务卸载失败。针对上述传统云车系统所存在的问题，提出MEC技术集成至车联网架构中。MEC作为5G核心技术之一最初由欧洲电信标准协会ETSI提出,在车联网中使用MEC技术被认为是一种有效降低V2I、V2N的应用时延方案。若任务卸载至MEC服务器中进行卸载，则可以减少大约88%的时延消耗。在移动边缘计算架构中，由于MEC服务器部署在RSU中，使得数据和应用能够靠近车辆一侧，降低计算任务的传输时延，同时也可以在一定程度上缓解云计算中心及核心网络的计算压力。由于云服务器端拥有比MEC服务器更强大的计算能力及储存能力感觉，故云服务器可以用于处理不易在MEC服务器端进行处理的计算密集型应用程序，因此当车辆终端的计算量超过了MEC服务器的计算能力，则可以将任务卸载至云服务器端进行处理。软件定义网络（SDN）技术具有集成不同访问技术的潜力，可以用于实现对边缘端网络资源的调控及对卸载流量的调度，这对提高车联网的性能和灵活性具有重要意义。
2.2外包边缘服务控制能力
企业确定将应用程序转移到边缘的方式和原因后,下一步就是评估这一举措将如何帮助IT专业人员管理关键的性能和安全因素。一直以来,企业通过监控进行所有连接的集中式或少量数据中心来管理每名用户。在网络边缘运行应用程序则没有这一控制点,用户会直接连接系统而不是数据中心的防火墙。如果没有基于位置的服务和应用状态洞察,就很难了解网络边缘的用户体验。网络边缘服务需要将控制能力外包,这可能会减少IT专业人员对应用性能的了解。考虑到用户对性能的高度期望以及新技术可能带来的技能差距,企业对此需谨慎对待。如果某个应用程序或服务运行异常,用户将很快找到替代方案,这给希望保护外围安全的企业带来了一大难题。
2.3面向自动驾驶的边缘计算
传统的自动驾驶技术专注于以提升单个车辆的能力来实现更高级别的自动驾驶，然而在车辆上安装数量更多或精度更高的传感器并不能解决单个车辆感知范围受限的问题。计算资源不足的问题尽管可以通过给车辆配备高性能的计算系统来解决，但这会极大地增加自动驾驶汽车的成本，不利于自动驾驶汽车的普及。边缘计算技术的发展给高级别自动驾驶的实现带来了契机，自动驾驶汽车通过与边缘节点之间的协同感知和任务卸载能够解决自身在环境感知和数据处理方面的问题。在网络拓扑结构上，边缘节点与自动驾驶汽车是一跳或两跳的通信距离，这使数据传输时延大大减少，能在满足自动驾驶应用极其严格的时延约束下为自动驾驶汽车提供服务。在自动驾驶场景中，边缘节点包括配备有边缘服务器的交通基础设施、无线接入点和网络基站以及移动智能设备等，后文将上述元素统称为边缘节点。需要注意的是，在自动驾驶汽车的视角下，其他自动驾驶汽车也是边缘节点。
结语
车联网是物联网及智能车辆的集成与应用，同时车联网也是智能交通系统中非常重要的组成部分。而随着自动驾驶、AR/VR技术等新兴应用的不断发展，在为用户带来更多便利的同时，也为车联网技术架构带来了挑战。MEC技术通过将服务器部署在路侧单元中，使得拥有更多计算能力及资源的服务器更靠近车辆，能够车联网场景中的终端提供更好更快速的计算服务。尽管MEC服务器的计算能力及资源同样有限，但是可以通过调度算法将计算任务分配至不同的MEC服务器或云服务器中来完成对密集网络请求对不同任务的协作处理。
参考文献
[1]郭金林,武继刚,陈龙,等.基于光纤?无线网络的协同计算卸载算法[J].计算机工程与科学,2019,41(1):31-40.
[2]张燕咏,张莎,张昱,等.基于多模态融合的自动驾驶感知及计算[J].计算机研究与发展,2020,57(9):1781-1799.