邊緣計算在智慧交通系統(tǒng)中的應用

吳建波，朱文霞，劇 亮，許致芳

(1.河北省高速公路延崇管理中心,河北 張家口 075400； 2.長安大學信息工程學院,陜西 西安 710064)

0 引 言

物聯(lián)網(wǎng)是互聯(lián)網(wǎng)的延伸，通過射頻識別、紅外感應及智能傳感器等信息傳感設(shè)備將各種設(shè)備/對象與互聯(lián)網(wǎng)結(jié)合，形成萬物互聯(lián)的巨大網(wǎng)絡(luò)，實現(xiàn)人、機、物在任何時間、任何地點的互聯(lián)互通[1]。智慧交通系統(tǒng)(Intelligent Transportation Systems, ITS)是物聯(lián)網(wǎng)的重要應用領(lǐng)域之一，基于物聯(lián)網(wǎng)平臺，結(jié)合計算機技術(shù)、信息技術(shù)、人工智能等先進的科學技術(shù)[2]，通過車-車之間、車-人之間的信息交互，實現(xiàn)高效便利的交通出行，達到優(yōu)化交通運輸環(huán)境、增強交通安全保障、提高交通管理效率的目的。

目前智慧交通正處于高速發(fā)展階段，智能路網(wǎng)、智慧停車、無人駕駛等正在逐步改善我國交通水平[3]。但隨著車輛的普及，現(xiàn)有智慧交通必然存在諸多問題與挑戰(zhàn)。一方面，大連接和低時延是智慧交通發(fā)展的必然需求。智慧交通環(huán)境復雜多變，車-車通信及車-人通信均會產(chǎn)生大量信息。海量數(shù)據(jù)的實時控制需要高帶寬及低時延的支持，而傳統(tǒng)云計算處理大規(guī)模數(shù)據(jù)存在高延遲、高負荷以及高開銷的問題[4]，因此，如何實現(xiàn)高帶寬與低時延是一大挑戰(zhàn)。

另一方面，傳統(tǒng)云計算將收集的個人信息從傳感器傳輸至距離較遠的云中心，不僅加大了公眾信息的隱私在長距離傳輸中被泄露給第三方的風險，而且同時集中在云端的身份識別和數(shù)據(jù)處理也會加大云平臺的負擔[5]。

本文將邊緣計算(Edge Computing, EC)[6]應用在智慧交通領(lǐng)域中，將部分計算任務(wù)卸載至數(shù)據(jù)邊緣側(cè)進行本地處理，可實現(xiàn)實時、可靠、安全的交通信息管理。

1 智慧交通發(fā)展概況

20世紀60年代美國首次提出了智能交通系統(tǒng)的概念，基于此，IBM于2009年提出了智慧交通的理念。交通運輸是城市發(fā)展的“血管”，智慧交通為提升“血流”的關(guān)鍵。

早期智慧交通的發(fā)展主要集中在美國、日本、英國、歐洲等地區(qū)。美國于1991年開始ITS的研究，研究重點由建立體系框架標準及交通管理中心，轉(zhuǎn)至交通信息服務(wù)與安全，如今美國更致力于建設(shè)一體化、國際化、智能化等的新型ITS系統(tǒng)[7]。日本是ITS發(fā)展較為先進的國家，以眾多政府部門牽頭聯(lián)合學院及企業(yè)致力于ITS相關(guān)研究，其研究領(lǐng)域涵蓋導行系統(tǒng)、電子收費系統(tǒng)、輔助安全駕駛、道路管理、公共交通等9大方面[8]。英國在車載實時信息、交通管控、道路安全等方面，都已獲得顯著的研究成果，其交通信息高速公路和視頻信息高速公路更是世界先進的ITS系統(tǒng)[9]。歐洲于1992年成立歐洲智能交通協(xié)會，開始ITS相關(guān)研究。由于各國體系背景不同，其ITS系統(tǒng)仍處于各國獨立的現(xiàn)狀，強調(diào)統(tǒng)一的ITS體系并將其標準化是歐洲的主要特點[10]。

我國ITS的研究起步較晚，自20世紀90年代中期，我國開始相關(guān)研究并進行關(guān)鍵技術(shù)攻關(guān)與試點運行。2013年，智慧交通被作為國家交通運輸?shù)闹攸c建設(shè)項目之一。2017年，相關(guān)部門頒布“十三五”交通運輸發(fā)展規(guī)劃，為ITS的發(fā)展提供了政策支持[11]。物聯(lián)網(wǎng)、5G、人工智能、計算機的發(fā)展為智慧交通的建設(shè)添磚加瓦，我國已逐步實現(xiàn)智能道路、智慧停車、智慧充電樁等新型模式的應用[12]。

縱觀ITS的發(fā)展概況，過去的ITS旨在提供信息服務(wù)，包括通過信號燈的聯(lián)動提高通行效率，保障交通安全，主要采取集中化管理，由云平臺統(tǒng)一指揮[13]。但隨著人民生活水平的日益提高與5G的相繼發(fā)展，涌現(xiàn)了自動駕駛、虛擬現(xiàn)實、增強現(xiàn)實、輔助駕駛等新型交通應用，車輛也更加智能化。如今智能網(wǎng)聯(lián)汽車不僅是數(shù)據(jù)生產(chǎn)者，更是數(shù)據(jù)消費者，其業(yè)務(wù)需求面向安全(如控制車速、碰撞預警)、效率(如車路協(xié)同、路徑規(guī)劃)、服務(wù)(如導航地圖、加油站)等，這使ITS信息流數(shù)據(jù)量大、實時性高、共享需求大的特點越發(fā)顯著，僅依靠云計算的ITS系統(tǒng)逐漸暴露出以下弊端[13-15]：

1)大數(shù)據(jù)的傳輸問題。據(jù)統(tǒng)計，每人每天平均將產(chǎn)生1.5 GB的數(shù)據(jù)，無人駕駛汽車每秒產(chǎn)生約1 GB數(shù)據(jù)，2020年我國數(shù)據(jù)儲存量達到約39 ZB。隨著越來越多的設(shè)備連接入網(wǎng)，智慧交通中的數(shù)據(jù)量呈指數(shù)增長，以中心服務(wù)器為節(jié)點的云計算將面臨海量數(shù)據(jù)的傳輸造成的帶寬瓶頸。

2)數(shù)據(jù)處理的實時問題。目前ITS逐漸涉及自動駕駛、輔助駕駛、增強現(xiàn)實等新型應用，這些應用需要超低時延的支持，例如碰撞預警時延低至100 ms，自主泊車低至20 ms，自動駕駛更是低至1 ms。云中心遠離數(shù)據(jù)源，遠距離傳輸難以滿足用戶對低時延的需求，海量數(shù)據(jù)的即時處理將使云計算力不從心，

3)隱私及能耗的問題。云中心的部署與終端設(shè)備物理距離較遠，將電子產(chǎn)品、傳感器、車輛終端等設(shè)備采集的隱私數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心的路徑比較長，傳輸過程中容易面臨數(shù)據(jù)丟失或信息泄露等風險。同時，云數(shù)據(jù)中心的高負載導致的高能耗也是數(shù)據(jù)中心管理規(guī)劃的核心問題。

基于此，拉近數(shù)據(jù)處理中心與設(shè)備終端數(shù)據(jù)源的距離對于ITS的發(fā)展顯得十分必要。邊緣計算作為一種新的計算范式，具有物理鄰近、高帶寬、低時延、位置認知的特點，將其與ITS結(jié)合是智慧交通發(fā)展的必然趨勢。

2 邊緣計算在智慧交通中的應用

2.1 邊緣計算

邊緣計算是近幾年的研究熱點，它是云計算向物聯(lián)終端的延伸，可以看作分布式的云計算[16]。具體地，邊緣計算是數(shù)據(jù)源與云中心之間的計算和網(wǎng)絡(luò)資源，可提供大數(shù)據(jù)的邊緣式處理。邊緣計算的基本架構(gòu)如圖1所示。在邊緣計算中，數(shù)據(jù)將在物聯(lián)網(wǎng)終端設(shè)備或者鄰近的位置上進行計算、存儲和應用，不必將所有數(shù)據(jù)都上傳至云端，可有效降低通信傳輸數(shù)據(jù)量。海量數(shù)據(jù)無需進行集中控制決策，利用邊緣計算進行分布式?jīng)Q策可縮短時延并降低用戶響應時間，由于數(shù)據(jù)在近用戶側(cè)得到處理，也能有效避免遠距離傳輸帶來的隱私泄露風險。

圖1 邊緣計算基本架構(gòu)

邊緣計算的分布式、低時延、高效率、智能化等特點可以有效解決云計算存在的高延遲、網(wǎng)絡(luò)不穩(wěn)定和低帶寬的問題，與智慧交通的結(jié)合將進一步實現(xiàn)海量數(shù)據(jù)實時處理，達到提高事件反應速度、提升用戶服務(wù)質(zhì)量的目的。在智慧交通中，應充分利用邊緣計算的優(yōu)勢，并與云計算協(xié)同作用，提供高效、安全的交通服務(wù)。

2.2 基于EC的智慧交通架構(gòu)

不同于依靠云計算的智慧交通體系，基于邊緣計算的智慧交通可在環(huán)境狀態(tài)感知的基礎(chǔ)上，實現(xiàn)車輛實時位置數(shù)據(jù)、營運車輛監(jiān)控數(shù)據(jù)、環(huán)境狀態(tài)信息等數(shù)據(jù)的就近處理，緩解信息流傳輸帶來的帶寬壓力，進一步通過區(qū)域間路網(wǎng)協(xié)調(diào)與調(diào)度，實現(xiàn)實時交通綜合預警，提高應對突發(fā)事件的處置能力。

如圖2所示，基于邊緣計算的智慧交通基本架構(gòu)主要由5個部分組成，從底向上依次為感知層、網(wǎng)絡(luò)層、邊緣層、云中心層和應用層，各部分的主要功能如下：

圖2 基于邊緣計算的智慧交通系統(tǒng)架構(gòu)

1)感知層。數(shù)據(jù)采集是信息化的基礎(chǔ)，感知層是智慧交通建設(shè)的基石。智慧交通中的交通信息分為靜態(tài)與動態(tài)2類，由于交通情況的時變性，動態(tài)交通信息采集尤為重要。感知層利用部署的氣象傳感器、視頻攝像傳感器、激光傳感器和雷達傳感器等對氣象信息(溫度、濕度、雨雪、冰霧)、交通流信息(交通密度、車速、車流量、道路占有率、車車距離)、交通事件信息(交通事故、隧道火災、路面異物等)、自然災害信息(山體滑坡、坍塌、地震、泥石流)等進行全方位的信息采集與存儲，以此反映環(huán)境狀態(tài)、設(shè)施狀態(tài)及交通狀態(tài)。

2)網(wǎng)絡(luò)層。信息傳輸是信息化的前提，網(wǎng)絡(luò)層是信息共享的紐帶。網(wǎng)絡(luò)層作為傳輸數(shù)據(jù)的平臺，主要分為有線網(wǎng)絡(luò)及無線網(wǎng)絡(luò)2種，如有線的光纖通信及無線的衛(wèi)星通信等。其作用是將感知層采集的數(shù)據(jù)通過現(xiàn)有通信網(wǎng)絡(luò)(如3G/4G/5G、WiFi、LoRa[17]等無線通信技術(shù))上傳給邊緣層，或直接與云中心層的服務(wù)器建立連接，完成高效可靠的信息傳輸交互。不同通信網(wǎng)絡(luò)負責不同對象間的數(shù)據(jù)傳輸，例如：5G提供大范圍內(nèi)的無線通信、DSRC負責車-路、車-車之間的短距離通信、RFID通信技術(shù)用來自動識別車輛標簽等。網(wǎng)絡(luò)層的可靠傳輸是連接智慧交通各層功能的重要保障。

3)邊緣層。如果將智慧交通看作人體結(jié)構(gòu)，那么云中心就是“交通大腦”，邊緣層則為“神經(jīng)末梢”。邊緣層可依靠部署大量邊緣節(jié)點解決數(shù)據(jù)就近處理的問題，通過將邊緣服務(wù)器部署在基站、路側(cè)單元、智能網(wǎng)關(guān)等處，形成近用戶側(cè)的邊緣云，這樣一來，感知層采集的海量數(shù)據(jù)不必全部傳輸至云中心，邊緣服務(wù)器就可對其進行處理，實現(xiàn)局部數(shù)據(jù)計算、存儲及分析，減少設(shè)備響應時間與車載終端到云端的數(shù)據(jù)流量，大幅提高交通事件處理效率。

4)云中心層。云中心作為“交通大腦”，主要負責數(shù)據(jù)的全局分析與存儲、任務(wù)的全局調(diào)度以及智能決策。云中心層依靠其中部署的高性能服務(wù)器集群與搭建的計算環(huán)境，利用人工智能、機器學習、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)對上傳數(shù)據(jù)進行整合，為各智慧應用的數(shù)據(jù)融合提供支撐。在此基礎(chǔ)上，利用大數(shù)據(jù)技術(shù)對GPS信息、視頻信息、路網(wǎng)信息、基礎(chǔ)設(shè)施信息等進行分析挖掘，將數(shù)據(jù)潛藏的交通信息發(fā)送給應用層，同時根據(jù)不同的交通業(yè)務(wù)需求，與邊緣層協(xié)同合作，進一步提高交通數(shù)據(jù)處理系統(tǒng)的先進性。

5)應用層。應用層旨在實現(xiàn)用戶操作業(yè)務(wù)，根據(jù)云中心的調(diào)度指令，進行一系列綜合服務(wù)，包括預測路況、實時預警、優(yōu)化交通出行路徑等，可提高交通出行效率與交通管理智慧化水平。

邊緣側(cè)單元具體布局見圖3，以路側(cè)單元為主，上面部署了微波測距儀、氣象傳感器、激光雷達、高清相機等信息采集設(shè)備，同時部署邊緣服務(wù)器形成具有計算能力的邊緣節(jié)點，以此實現(xiàn)移動車輛之間的雙向通信，對預期的危險或交通堵塞進行實時預警，為駕駛員提供更高效安全的服務(wù)。

圖3 邊緣側(cè)布局示意圖

2.3 應用優(yōu)勢

1)降低傳輸時延，提高突發(fā)事件反應能力。

傳統(tǒng)智慧交通體系中海量數(shù)據(jù)的上傳會帶來較大的傳輸時延，導致調(diào)度不及時、實時預警困難，無法有效處理交通事故、惡劣天氣、地質(zhì)災害等突發(fā)事件。應用邊緣計算將解決以上問題。由于邊緣節(jié)點部署在更靠近車載終端的位置，采集到的交通信息可直接在邊緣節(jié)點進行計算和分析，以此實現(xiàn)所在范圍內(nèi)車輛的實時管理，這種物理上的鄰近可以有效降低端到端延遲，從而支持計算密集型和延遲敏感型的交通應用程序。

2)減少傳輸帶寬，提高數(shù)據(jù)分析質(zhì)量。

智慧交通中感知節(jié)點所采集的信息包含大量無用和重復數(shù)據(jù)，通過邊緣計算，可以在數(shù)據(jù)源頭對數(shù)據(jù)進行過濾和處理，去除無用信息與冗余數(shù)據(jù)，邊緣節(jié)點只對關(guān)鍵信息進行計算與上傳，將大幅減少數(shù)據(jù)傳輸至云中心的數(shù)量，同時，云中心只需對這些關(guān)鍵數(shù)據(jù)進行分析，以此提高數(shù)據(jù)分析質(zhì)量，實現(xiàn)交通體系及時、高效的響應。

3)提供數(shù)據(jù)隱私及安全保障。

原始交通信息從感知節(jié)點上傳至云中心的過程中面臨數(shù)據(jù)泄露、數(shù)據(jù)篡改及入侵者惡意攻擊的風險，無法保證數(shù)據(jù)的安全性。邊緣節(jié)點可對交通數(shù)據(jù)進行深入封裝和加密，在數(shù)據(jù)發(fā)布到云端之前實施相應的隱私政策并提供安全保障，部分敏感數(shù)據(jù)可直接在網(wǎng)絡(luò)邊緣進行處理而不必上傳至云中心。此外，由于低延遲的優(yōu)勢，入侵者在數(shù)據(jù)傳輸過程中很難訪問并篡改數(shù)據(jù)，有利于交通體系的安全運行。

4)降低云中心計算負載，減少能耗。

隨著新型車載應用的興起，用戶應用程序數(shù)量呈指數(shù)增長，若這些應用程序都在云中心運行，勢必產(chǎn)生大量的能量消耗。針對云中心的能耗優(yōu)化，現(xiàn)有研究旨在提高能源使用效率和進行動態(tài)資源管理，以此達到節(jié)能的目的。雖然提高了能源使用效率，但依然無法在本質(zhì)上解決云中心的能耗難題。邊緣計算將原有云中心的程序分解，將部分任務(wù)遷移至邊緣服務(wù)器進行處理，可以有效降低云中心的計算負載，進一步降低能耗。此外，由于邊緣服務(wù)器與用戶終端物理鄰近，將任務(wù)傳輸至邊緣節(jié)點的時延低于傳輸至云中心的時間，在相同的發(fā)射功率下，將大大減少終端的傳輸能耗，這對降低車載終端能耗、提升車載終端續(xù)航能力也至關(guān)重要。

5)提供基于位置識別的服務(wù)。

交通領(lǐng)域中存在大量基于地理位置的應用，諸如交通運輸和設(shè)施管理等，這些應用基于位置識別技術(shù)，而邊緣計算依據(jù)其位置認知的特性可以為這些應用提供有效支撐。應用邊緣計算后，可對基于地理位置的數(shù)據(jù)進行實時收集和處理，而不必傳送到云中心。邊緣服務(wù)器可以獲取網(wǎng)絡(luò)的實時狀況和負載信息，通過實時分析數(shù)據(jù)，可根據(jù)路面狀況，利用智能交通信號燈改善路面擁堵狀況或更改行車路線。此外，通過邊緣服務(wù)器，應用程序可獲取用戶的地理位置和實時網(wǎng)絡(luò)狀況，為用戶提供適合當前環(huán)境的視頻源，提升用戶觀看高清視頻的服務(wù)體驗質(zhì)量。

3 基于EC的智慧交通關(guān)鍵技術(shù)

3.1 低延時高帶寬無線傳輸技術(shù)

不同于其它行業(yè)，智慧交通因復雜的環(huán)境和交通工具的高速移動，具有網(wǎng)絡(luò)拓撲多變的特性，常規(guī)單一的通信技術(shù)難以滿足智慧交通系統(tǒng)的安全性與可靠性，如何實現(xiàn)大規(guī)模移動用戶間的可靠通信是智慧交通領(lǐng)域的關(guān)鍵問題之一?；诖耍?lián)合使用多種無線通信技術(shù)進行各層級之間的信息交互顯得十分必要。

5G[18]時代的來臨為智慧交通插上了騰飛的翅膀，其頻段可達450 MHz～6000 MHz，毫米波頻段更高至24250 MHz～52600 MHz，高頻段使5G可以為用戶提供1 Gbit/s以上的帶寬與100 Mbit/s的數(shù)據(jù)速率，并將延遲降低至1 ms，這為交通領(lǐng)域中超高清視頻的傳輸提供了有力的支撐，也讓虛擬現(xiàn)實、增強現(xiàn)實等技術(shù)服務(wù)于交通管理成為可能。雖然5G可以解決大范圍內(nèi)的通信問題，但無法支持覆蓋不完全的交通死角的通信，而蜂窩網(wǎng)絡(luò)通過小區(qū)間設(shè)置的基站可以解決無線網(wǎng)絡(luò)覆蓋不全的問題，為交通管理提供更可靠的通信保障。WLAN在蜂窩網(wǎng)絡(luò)的基礎(chǔ)上，在其覆蓋較弱的地方輔助傳輸數(shù)據(jù)，增強通信能力。DSRC可以在短距離范圍內(nèi)實現(xiàn)快速、安全、穩(wěn)定的通信，在高速移動、高實時性的交通環(huán)境中實現(xiàn)車與車、車與路之間信息的即時交互[19]。LPWAN在邊緣計算小數(shù)據(jù)監(jiān)測交通狀況的情景下，因其低功耗的優(yōu)勢有著廣泛的應用[20]。

此外，交通環(huán)境中存在大量冗余信息，基于邊緣計算去除冗余信息可在聯(lián)合使用多種通信技術(shù)的基礎(chǔ)上進一步降低時延。例如同路段車輛對道路狀態(tài)信息的圖像采集將存在重疊部分，若上傳所有圖像信息將導致頻譜資源的浪費，結(jié)合邊緣計算技術(shù)，可在路側(cè)邊緣節(jié)點部署相應算法消除車輛的冗余數(shù)據(jù)，進一步減少傳輸占用的帶寬，降低傳輸時延。文獻[21]面向交通系統(tǒng)中的沉浸式應用程序，指出了同一位置車輛具有收集大量相同或類似計算任務(wù)的固有特性。提出了基于圖論的最大權(quán)重獨立集，以保證低延遲和應用性能。文獻[22]針對車輛產(chǎn)生的大量冗余數(shù)據(jù)與有限網(wǎng)絡(luò)帶寬的矛盾，對數(shù)據(jù)冗余和協(xié)同任務(wù)計算方案進行建模，根據(jù)捕獲圖像的時空覆蓋情況，將數(shù)據(jù)冗余問題表述為集覆蓋問題，利用子模塊優(yōu)化技術(shù)在不降低車聯(lián)網(wǎng)應用質(zhì)量的情況下，最大限度地減少傳輸?shù)紼C服務(wù)器的圖像數(shù)量。

3.2 智能接入的無線感知技術(shù)

建設(shè)自主互聯(lián)的智慧交通需要使用不同類型的傳感器來收集包括環(huán)境特征、車輛動力學、油耗和駕駛員疲勞水平等在內(nèi)的異構(gòu)混合測量數(shù)據(jù)。而目前傳感器類型紛繁復雜，其數(shù)據(jù)傳輸標準、接口和數(shù)據(jù)格式不一。當前主要的數(shù)據(jù)傳輸標準有RS-232、RS-485、CAN等有線標準和IEEE 802.15.4、CDMA、WLAN等無線標準，主要的數(shù)據(jù)格式有音頻、視頻、圖像、文本等[23]。因此，難以進行數(shù)據(jù)的整合和匯聚，從而形成了信息孤島，為智慧交通運營管理、應急處理和統(tǒng)計分析增加了難度。

這種實時信息的異構(gòu)性和巨大的容量要求在其邊緣有較高的計算資源獨立處理每個數(shù)據(jù)源，這將增加ITS的延遲，并且邊緣節(jié)點計算資源有限，處理異構(gòu)數(shù)據(jù)源具有挑戰(zhàn)性。與獨立使用每種類型的數(shù)據(jù)相比，將這些異構(gòu)數(shù)據(jù)集成到一起可以更好地感知環(huán)境。對于具有多種傳感器的ITS來說，可通過多模算法訓練模型將多模數(shù)據(jù)信號中捕捉到的不同視角結(jié)合起來。例如，一個系統(tǒng)訓練可同時檢測車道標記、車輛和行人，這比3個獨立的系統(tǒng)被單獨訓練的性能更好。

除此之外，多源異構(gòu)海量傳感器的智能接入與信息融合也可消滅傳感信息孤島，提高感知節(jié)點布設(shè)的便利性、傳感數(shù)據(jù)應用的方便性，提高管理感知節(jié)點的效率。文獻[24]針對傳感器接口和數(shù)據(jù)格式的差異，設(shè)計了一種物聯(lián)網(wǎng)感知層智能網(wǎng)關(guān)模型，并提出了一種通用的自適應適配機制，為接口異構(gòu)的傳感器接入到物聯(lián)網(wǎng)提供解決方案，并對感知數(shù)據(jù)進行抽象建模以形成統(tǒng)一的數(shù)據(jù)格式。文獻[23]針對傳感器采樣數(shù)據(jù)的海量性、異構(gòu)性、時空敏感性等問題，提出了一種面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫集群系統(tǒng)框架，提供了良好的傳感器數(shù)據(jù)接入與查詢處理性能。這都將成為ITS中消滅信息孤島的有力支撐。

3.3 低能耗高效能的計算卸載技術(shù)

隨著ITS的發(fā)展，自動駕駛、無人駕駛等新型應用逐步成型，單個車輛產(chǎn)生的數(shù)據(jù)可達TB級，這些數(shù)據(jù)與車輛安全息息相關(guān)。尤其對于無人駕駛汽車來說，由采集的海量數(shù)據(jù)匯成的實時高精地圖就是“機器駕駛員”的雙眼，只有及時更新與分析數(shù)據(jù)才能保證車輛的順利前行。由于該類應用的時延低至1 ms，數(shù)據(jù)上傳至云中心將無法滿足時延要求，而車載單元的計算能力又無法支撐大量數(shù)據(jù)的運算，因此，將計算任務(wù)卸載至邊緣服務(wù)器是ITS中數(shù)據(jù)處理模式發(fā)展的必然趨勢。

計算卸載[25]就是將終端產(chǎn)生的計算任務(wù)遷移到邊緣節(jié)點的過程，能夠有效利用邊緣服務(wù)器的計算能力，提升系統(tǒng)效能。計算卸載主要包括卸載決策、卸載執(zhí)行、結(jié)果回傳3個部分，根據(jù)任務(wù)類型分為完全卸載與部分卸載。通過計算卸載，可有效降低計算任務(wù)的時延，在具有低時延、高帶寬需求的ITS領(lǐng)域中顯得至關(guān)重要。已有學者對ITS中的計算卸載做出研究，針對車輛的無規(guī)則移動，文獻[26]利用移動軌跡預測算法預測車輛移動方向，進行虛擬機預遷移避免任務(wù)傳輸中斷；對于多車輛聯(lián)合計算卸載，文獻[27]利用博弈論的分布式方法設(shè)計高效的計算卸載模型，以此提高車載終端的利用率；亦有研究結(jié)合機器學習[28]、拍賣算法[29]、李雅普諾夫理論[30]等尋找最優(yōu)卸載策略，旨在為用戶帶來更高的服務(wù)質(zhì)量。

英特爾更是提出了Roadside MEC及Smart RSU的解決方案，將攝像機、傳感器等設(shè)備集成為一體，部署在路側(cè)單元上，在此基礎(chǔ)上部署邊緣服務(wù)器，將傳感器采集的數(shù)據(jù)卸載至EC服務(wù)器就近處理并通過RSU廣播出去，其中邊緣服務(wù)器的構(gòu)成包括X86 CPU、Intel AI加速器、Open VINO工具包等，通過在Open VINO上訓練網(wǎng)絡(luò)模型或部署深度學習等機器算法，車輛可對當前路網(wǎng)狀況進行判斷。

3.4 高效可靠的云邊協(xié)同技術(shù)

在智慧交通領(lǐng)域中，云中心為交通“大腦”，對總體交通情況進行宏觀調(diào)控，而邊緣計算則為“神經(jīng)末梢”，進行局部的數(shù)據(jù)處理與分析，二者缺一不可、相輔相成。智慧交通中的云邊協(xié)同主要包括資源、任務(wù)、管理及安全方面的協(xié)同[31-32]：邊緣節(jié)點為車載終端數(shù)據(jù)提供計算資源，車輛可將部分任務(wù)遷移至EC服務(wù)器進行計算，計算結(jié)果上傳至云中心，云中心收集邊緣節(jié)點的狀態(tài)信息，進行總體資源的調(diào)度并下達任務(wù)調(diào)度指令，保證“業(yè)務(wù)在邊緣，管理在云端”。同時，邊緣設(shè)備與云中心的應用開發(fā)、業(yè)務(wù)、生命周期需要統(tǒng)一管理，二者對于惡意攻擊的防御、數(shù)據(jù)安全的保障也需要協(xié)同。

目前有關(guān)云邊協(xié)同技術(shù)的研究已得到了實際應用，華為提出了全息路口的解決方案，搭建了“云-邊-端”協(xié)同的智能架構(gòu)，進行交通狀態(tài)的實時監(jiān)測與反饋，實現(xiàn)計算資源、多源數(shù)據(jù)的實時共享[33]。方案結(jié)合了雷達感知技術(shù)與AI分析技術(shù)，采集人車路的全息數(shù)據(jù)，實現(xiàn)了交通路口的可視化仿真，可在事故處理中還原證據(jù)鏈，有效提升了通行效率。此外，華為還推出了“華為云IEF”平臺，提供了完整的云邊協(xié)同一體化的EC解決方案，目前，IEF已商用2年，在交通領(lǐng)域中得到了廣泛應用。交通部路網(wǎng)中心更是與華為云聯(lián)合，建設(shè)了“全國高速公路取消省界收費站項目”，通過云邊協(xié)同技術(shù)，省界平均通行時間由15 s降至2 s，通行速度提升了90%。未來，依靠華為云IEF及其他云邊協(xié)同平臺可進一步推動V2X、自動駕駛的發(fā)展，將邊緣計算與智慧交通結(jié)合已不是幻想。

4 未來機遇與挑戰(zhàn)

4.1 高移動性

高速移動性是ITS的重要特征之一，隨著車流密度的增加，車輛的高速行駛將導致網(wǎng)絡(luò)拓撲結(jié)構(gòu)發(fā)生頻繁的變化。車輛的高移動不僅增加了計算卸載與資源分配的復雜性，而且產(chǎn)生的多普勒頻移將嚴重影響無線通信的可靠性，進一步影響V2X通信中的數(shù)據(jù)傳輸速率與信道傳輸?shù)挠行С掷m(xù)時間。此外，車輛的高速運動將導致蜂窩小區(qū)頻繁切換，當車輛從一個小區(qū)駛?cè)肓硪粋€小區(qū)時，將中斷原來的數(shù)據(jù)傳輸，并與當前小區(qū)建立連接重新發(fā)送數(shù)據(jù)，數(shù)據(jù)重傳將導致不必要的時延，增大用戶的響應時間，從而降低用戶服務(wù)質(zhì)量。由于全球定位系統(tǒng)的應用，可以大規(guī)模獲取車輛行駛軌跡數(shù)據(jù)，通過車輛軌跡預測技術(shù)提前預測車輛的行駛路線，并沿路線進行虛擬機預遷移，可確保任務(wù)傳輸?shù)倪B續(xù)性，這是解決高移動性的可行解決方案之一。但也不乏出現(xiàn)預測不準確導致切換失敗的情況，因此，故障修復和處理錯誤的機制也是未來值得研究的問題之一。

4.2 部署和標準化

不同于集中式的云計算，邊緣計算是一種分布式計算范式，各邊緣服務(wù)器的部署相對分散。實際上，分布式的路側(cè)單元以及邊緣設(shè)備可能由不同的基礎(chǔ)設(shè)施提供商提供，在何處部署以及如何部署這些邊緣設(shè)備來輔助用戶的計算是值得考慮的問題。此外，考慮到負載均衡問題，路側(cè)單元、邊緣服務(wù)器之類的邊緣設(shè)施之間需要相互協(xié)作，共享通信和計算資源來協(xié)同為用戶提供服務(wù)，而這些設(shè)備間的通信協(xié)議和標準是當前研究的一大挑戰(zhàn)。邊緣計算橫跨物聯(lián)網(wǎng)技術(shù)、信息技術(shù)、無線通信技術(shù)等多個領(lǐng)域，其商業(yè)模型將不僅以服務(wù)為驅(qū)動，更多是以數(shù)據(jù)為驅(qū)動。用戶提出數(shù)據(jù)請求，云中心或邊緣服務(wù)器將數(shù)據(jù)結(jié)果回傳給用戶，形成云中心-用戶、用戶-用戶的多邊商業(yè)模型。如何有效部署邊緣基礎(chǔ)設(shè)施、制定通信協(xié)議、發(fā)展多邊商業(yè)模型是目前基于EC的智慧交通系統(tǒng)面臨的重要問題之一。

4.3 安全隱私

交通領(lǐng)域中的安全和隱私問題一直是人們關(guān)注的熱點。相比于云計算，邊緣計算雖然可以通過在數(shù)據(jù)側(cè)對數(shù)據(jù)進行封裝和加密的方式，在交通信息上傳至云中心的過程中提供一定的數(shù)據(jù)隱私和安全保障，但其依然面臨隱私泄露和被惡意攻擊的危險。車輛的高移動性會使通信經(jīng)常中斷，從而導致通信鏈路頻發(fā)故障，帶來數(shù)據(jù)泄露的隱患。黑客對通信的安全攻擊和數(shù)據(jù)篡改也將造成嚴重的隱私入侵和安全威脅，甚至引發(fā)交通事故。此外，用戶對安全隱私薄弱的意識也給隱私保護帶來了挑戰(zhàn)，例如用戶使用默認密碼設(shè)置路由器，或使用公共Wi-Fi熱點傳輸隱私數(shù)據(jù)，都很容易被他人窺探隱私。高度變化的交通環(huán)境因為網(wǎng)絡(luò)拓撲的動態(tài)變化很容易受到攻擊，如何設(shè)置適用于ITS的安全隱私保護機制是值得思考的問題。

4.4 綠色節(jié)能

近年來，ITS的發(fā)展已由基礎(chǔ)設(shè)施建設(shè)與管理逐步轉(zhuǎn)型為建設(shè)“綠色環(huán)保、節(jié)能高效”的綜合交通系統(tǒng)，打造低排放、低成本的環(huán)境友好型運輸系統(tǒng)。汽車尾氣排放與能源消耗問題一直是影響人類生活環(huán)境的主要因素，綠色節(jié)能對于ITS的建設(shè)有深遠的影響。為了在適應高度變化的交通環(huán)境的同時，緩解目前的環(huán)境污染狀況，利用路側(cè)單元與附近車輛進行通信，實現(xiàn)高效的任務(wù)調(diào)度，滿足車輛用戶需求顯得至關(guān)重要。為了達到綠色節(jié)能的目的，車輛可使用電力能源，但受制于充電站的建設(shè)，目前的電力能源應用處于初級階段，生物質(zhì)燃料、太陽能、醇類燃料等清潔能源的使用還有待進一步的研究。在外，在能源受限的車輛環(huán)境下，路側(cè)單元也可使用風能、太陽能等清潔能源來增加網(wǎng)絡(luò)容量，路側(cè)單元邊緣節(jié)點的任務(wù)調(diào)度和能量收集技術(shù)是實現(xiàn)節(jié)能以解決能源消耗問題的關(guān)鍵之一。現(xiàn)在乃至未來，如何進行任務(wù)調(diào)度以實現(xiàn)節(jié)能依舊是一大研究熱點。

5 結(jié)束語

隨著智慧公路、智能網(wǎng)聯(lián)汽車、無人駕駛的普及，智慧交通的雛形已初步形成，邊緣計算依據(jù)其分布式、低時延、高效率、智能化等特點，將成為智慧交通發(fā)展的重要技術(shù)支撐。智慧交通與新一代邊緣計算技術(shù)的結(jié)合將推動城市智慧交通更加智慧化，推動實現(xiàn)對交通系統(tǒng)全面、實時、準確的感知，有效提高交通系統(tǒng)運行效率。目前，交通部下屬的各級公路管理部門和工信部下屬的各大車廠之間正在緊密合作，關(guān)于智慧交通的各類技術(shù)規(guī)范和標準正在推出，可以預見，智慧交通正逐漸走入人們的生活。