边缘计算如何支撑智能网联汽车

钟慧

5G实现商用后，对无人驾驶领域的影响将会越来越大，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。三大运营商也在力推与车企的合作。打造适合于无人驾驶的5G边缘云方案，将单车的计划和存储压力向网络的边缘侧转移，为未来无人驾驶的商用和规模化发展铺路。

车路协同对5G边缘云有强需求

边缘云可在保证低时延、高可靠性的安全需求框架下，降低车载终端侧的感知压力和计算压力。

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、車载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。

上述三类业务，也是试点中的重点技术方向。大唐联合中国汽研、重庆电信启动的国内首个5G自动驾驶应用示范公共服务平台，就是在大足双桥封闭试验场、重庆半封闭公园、礼嘉开放道路等区域开展5G+MEC+C-V2X试点，支撑危险场景预警、绿波通行、路侧智能感知、高精度地图下载、5G视频直播和远程驾驶等六大场景应用。

日前，联通与华为、吉利也共同展示了基于5G MEC边缘云的智能驾驶，并在杭州湾成功部署5G MEC试商用网络，及智能边缘业务平台CUBE-Edge，并实现与吉利汽车云平台的协同。可以实现的功能包括高精地图下载、智能导航、视频监控、车辆状态数据上载、轨迹跟踪等多项应用服务。

吉利在车路协同5G自动驾驶技术研究中，在环境感知、数据分享、远程驾驶、编队行驶、高精地图下载、融合定位等业务方面，对中国联通的5G通信网络以及MEC边缘云能力都有着强烈诉求，需要5G网络提供延时在10ms以内的数据交互，以及高性能的边缘计算能力，通过混合异构的方式，在保证有效低时延但高可靠性的安全需求框架下，降低车载终端的感知压力和计算压力，井在实现车路协同5G自动驾驶的同时，能够实时远程监控和故障诊断处理。

中国联通边缘业务平台CUBE-Edge具有转发快、运维简便、即插即用等特点。在实时定位、身份认证等基础网络服务能力基础上，进一步整合了联通集团智能网络中心、智网科技、吉利汽车研究院与华为共同研发的车辆险情监控分析、车辆环视实时监测等V2X应用PaaS能力，可实现与智能网联、自动驾驶等应用的快速集成。

MEC服务应用逐步成熟

MEC成熟表现在多个方面，包括边缘计算下沉的位置越来越接近终端，而且形成多层级架构对应服务。

MEC是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台。就近提供智能互联服务，满足对业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。

“MEC在距离用户移动终端最近的RAN（无线接入网）内提供IT服务环境以及云计算能力，旨在进一步减小延迟/时延、提高网络运营效率、提高业务分发/传送能力、优化/改善终端用户体验。”中国信科无线通信高级技术专家何珂表示。

何珂说，基于4G架构的MEC方案，MEC服务器部署在多个eNodeB的汇聚节点之后，或者单个eNodeB之后，可通过监听、解析Sl接口的信令来获取基站侧无线相关信息，但计费和合法监听等安全问题需要进一步解决。

在MEC与5G融合架构中，网络与业务平台可以有效融合，能够支持低时延和宽带业务的本地化部署。何珂认为，MEC服务应用在逐步成熟。

具体表现在多个方面，包括边缘计算下沉的位置越来越接近终端，而且形成多层级架构对应服务;计算能力在中心云与边缘间做了优化配置，在计算能力、存储、转发等静态能力的配置上更成熟;每个承载的优化处理这种动态调配能力也在增强;MEC间协同与互通、MEC服务能力及开放也更加完善;在多业务支撑的网络切片技术上，一个承载的跨多级MEC（纵向切片技术），和同一业务跨多个切片（横向切片技术，如车联网同时需要eMBB+uPLLC支持）的技术进一步成熟;数据采集/压缩、业务、安全、基站控的多功能集成、计算和存储的移动性支持也做得更好。

具体到细分的应用，在车路协同中，MEC能够提供应用的低延迟/时延，以及支撑跨互联网运行;在智能移动视频加速上，MEC部署无线分析应用，作出更为科学的拥塞控制决策，并确保应用层编码能与无线下行链路的预估容量相匹配;在AK应用中，AR信息高度本地化，MEC实现本地实时处理而不是在云端集中进行，最大程度地减小AR延迟/时延、提高数据处理的精度;在密集计算辅助上，MEC降低终端设备或传感器的算力需求，提高其电池性能，实现快速决策。边缘计算推动芯片异构化

智能化应用场景越来越多，作为一个正在起步的市场，边缘计算对计算能力会提出越来越多要求。

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。

据英特尔中国研究院院长宋继强介绍，智能场景中的多种数据类型，在终端、边缘和云处理时，需要计算加速的性能、功耗、实时性、成本、芯片的尺寸大小部有不同的要求，需要提供多样性的方案给客户。作为自动驾驶领域领衔的芯片制造商，英特尔希望通过超异构计算满足未来智能场景中的多元化计算需求。

超异构计算愿景是提供多样化的标量、矢量、矩阵和空间架构组合，以先进制程技术进行设计，由颠覆性内存层级结构提供支持，通过先进封装集成到系统中，使用光速互连进行超大规模部署，提供统一的软件开发接口以及安全功能。这些组合起来使用，一定要分而置之，合而用之，在同一个软件生态里，让使用者能够方便地调用这些技术。

智能计算离不开以芯片为核心的半导体行业的支持。车联网中的关键芯片主要有GPU、FGPA、ASIC芯片。目前市场上具有代表性的产品有英特尔Mobileye的EyeQ系列及altera的CycloneV、恩智浦的$32V系列、英伟达的DRIVR PX系列、瑞萨的R-Car系列、德州仪器的TGAx系列、ADI的BF系列;国内有中科寒武纪、地平线的征程系列、深鉴科技、四维图新相关芯片等。面向车联网的边缘计算，需要形成一个从芯片、设备、网络到终端的完整生态，推动技术不断演进，成为无人驾驶的基石。