APP下载

基于5G云网融合的车联网应用技术探讨*

2021-12-14陈云斌王全冯定东陆威李立平

移动通信 2021年6期
关键词:云网时延边缘

陈云斌,王全,冯定东,陆威,李立平

(1.中兴通讯股份有限公司,江苏 南京 210000;2.盐城供电公司,江苏 盐城 224000)

0 引言

蜂窝车联网(C-V2X,Cellular Vehicle-to-Everything)是基于蜂窝网的车联网技术。C-V2X赋予车辆通信能力,包括车与车之间(V2V)、车与路之间(V2I)、车与人之间(V2P)、车与网络之间(V2N)等。V2X结合AI、机器视觉、高精度精确定位等技术,可以解决智能交通系统在汽车行驶安全、效率提升和信息服务等方面的需求,让驾乘体验更加舒适,交通环境更加安全。

C-V2X目前主要包括LTE-V2X和NR-V2X两个大的标准阶段。C-V2X两个阶段的技术互为补充,长期并存,共同支持丰富的车联网应用。基于LTE的LTE-V2X在3GPP的R14版本中实现标准化,随后R15对LTE V2X进行了功能增强。进入5G时代,R16通过5G NR更低时延、更高可靠性和更大容量来提供V2X服务,在V2N的基础上,支持V2V和V2I直连通信,通过引入组播和广播等多种通信方式,以及优化感知、调度、重传以及车车间连接质量控制等技术,支持车辆编队、半自动驾驶、外延传感器、远程驾驶等更丰富的车联网应用[5]。R17进一步增强提高可靠性和降低时延的资源分配机制,用以满足未来车联网应用严苛的通信需求。

在C-V2X网络中,连接着大量的车载终端和道路基础设施,需要进行海量、实时的数据交互,由此产生海量数据传输、处理、存储的需求,对网络提出了更苛刻的要求。车联网应用要求网络既能支持超低时延的控制决策信息交互,又能支持大流量的业务信息传递。

1 云网融合对车联网应用的必要性

智能汽车通过车载OBU(On Board Unit)每天将与周围基础设施产生GB量级的通信数据;辅助驾驶要求20~100 ms,自动驾驶要求时延低至3 ms。传统的网络架构和云计算方式已经远远不能满足C-V2X需求。车联网应用对云的要求不仅仅是算力,还需要更低的时延、更大的带宽,网络带宽成为影响业务的重要指标。云服务的可靠性、可用性和扩展性也需要网络的协同。然而,云网分离的现状造成云网资源难以实现最佳匹配。

5G网络利用云计算技术实现网络云化,从封闭走向开放,向服务化的方向发展。为满足5G业务低时延、高带宽、高安全的需求,5G网络进行分布式重构将成为必然选择。5G网元的控制面和转发面分离,控制面集中部署,用户面下沉,靠近用户分布式部署,实现云网融合,有效解决C-V2X对网络的苛刻要求。

如图1所示,5G网络以中心、区域、边缘数据中心为基础,构建分布式云。分布云除了承载CT网元外,还可以部署车联网应用。通过云网协同,可针对不同车联网应用场景灵活地提供网络切片,实现云网资源的精准调度和精准服务;通过云边协同,可以选择最佳UPF(User Plane Function)转发节点,让数据存储在最合适的位置,让业务运行在最佳的位置;通过边边协同,实现业务的按需加载和无缝切换。

图1 基于5G云网融合的车联网多级部署

借助5 G 分布式云,M E C(Multi-access Edge Computing)与C-V2X的融合,通过车联网中网络通信、计算、存储的融合,实现车路云的协同感知、决策和控制。MEC在靠近用户的网络边缘,提供无线网络能力、IT业务环境和云计算能力,具有网络能力开放、低时延、高性能、本地服务等特性[10]。MEC本地分流能力,能够显著降低车联网应用的传输时延,适合部署安全驾驶类业务。MEC提供网络信息开放功能,通过标准化接口开放边缘网络,包括无线网络信息(RNIS)、位置信息、用户信息等。利用MEC的位置信息开放可以辅助车载终端实现快速定位,有效提高定位效率和精度。MEC具备本地属性,可以提供区域化、个性化的本地服务,同时降低回传网络负载压力。在智慧交叉路口场景中,MEC可以融合和分析多个路侧及车载传感器采集的数据,并对大量数据提供实时、精确和可靠的本地计算与分析。当路侧部署了能接入MEC平台的路侧雷达、摄像头、智能红绿灯、智能化标志标识等智能设施时,相应的车联网应用可以借助路侧感知的数据为车辆或行人提供信息服务。

综上所述,云网融合可以实现端到端精准感知,提供云网一体的SLA保障,让云网资源实现最佳匹配,从而更好地服务于车联网应用。

2 基于5G云网融合的车联网应用的关键技术

2.1 云网融合架构演进

当前主流的软件开发模型是CS(Client-Server)模型,即客户端发起服务请求,远程服务器处理这些请求,这也是典型的云计算方式。但是,对于基于MEC的车联网应用,开发人员需要根据车联网应用需求,将时延敏感的应用运行在边缘,将时延不敏感、算力要求高的应用运行在中心云[1]。因此,MEC加速云网融合,同时也带来软件架构上的变革,即从CS两层架构架演进为CES(Client-Edge-Server)的三层架构。

如图2所示,通常部署在网络边缘的MEC主机包含MEC平台以及计算、存储和网络资源。MEC平台提供安全的环境,MEC应用可以通过RESTful API发现、通告、消费和提供服务[1]。

图2 CES软件架构[1]

CES架构的软件设计与传统软件不同,可以分为终端组件(Client)、边缘组件(Edge)和远端组件(Server)。

终端组件的位置可以是智能汽车或其它无线连接的计算终端,运行客户端应用程序,初步处理需要接近零延迟的任务。

边缘组件指在边缘云中执行的组件。例如,驾驶安全类业务对通信时延提出了苛刻的要求,将此类业务部署在MEC上比部署在中心云上更能显著降低业务响应时间。

远程组件是指要在远程数据中心执行的组件。例如,对路况分析和统一调度,根据区域车辆密度、道路拥堵情况、拥堵节点位置以及车辆目标位置等信息,利用路径优化的算法对车辆开展导航调度,避免拥堵进一步恶化。此场景对时延不敏感,但需要对海量数据处理、综合路径规划的计算能力,还要能提供各类综合信息的存储能力,适合以远程组件形式部署在中心云。

基于微服务的设计方法特别适合CES架构。微服务以拆分和服务化为基础,将海量用户产生的大规模的访问流量进行分解,采用分而治之的方法,达成用户需要的功能指标,并同时满足用户对高可用、高性能、可伸缩和可扩展的要求。不同于传统软件通过分布式部署解决负载均衡的问题,CES架构基于5G云网融合,通过分布式下沉部署来满足超低时延、超大带宽等只能在网络边缘实现的关键业务的需求。应用开发人员设计时,将需要低时延的组件部署在边缘,需要高算力的组件部署在中心云。通过云网的协同,让应用程序支持分布式处理、上下文同步和多级负载均衡。CES这种分布式部署方式可以充分发挥云网融合的优势,在最适当的位置执行最合适的任务。

2.2 云网资源共享

车联网应用无处不在,只有部署足够广泛的边缘计算节点,才能满足C-V2X的需求,吸引更多的业务迁移到边缘。然而,由于站点和环境限制,很难找到标准数据中心部署通用服务器。边缘计算节点的建设需要进行大量投资,作为新兴的业务,近期的回报没有任何保证,投资风险大。降低此类战略投资的重大成本和风险的方法是云网共部署,实现云网资源的共享。

对运营商而言,将MEC与CT业务共享同一个云基础设施,可以最大限度地利用5G的云基础设施,大幅降低投资成本。运营商拥有大量的分布在全国各地的机房、高质量的网络出口,部署MEC具备天然优势。然而,现有的边缘机房空间小,无法放置通用服务器。边缘机房供电不足,制冷条件差,改造难度大。如何充分利用这些现有的机房成为关键。

出于性能、成本、可扩展性等多种因素考虑,运营商的部署方案包括:

1)中心机房:机房条件好,采用通用服务器。

2)边缘机房:受限于机房空间、制冷和供电能力,边缘服务器要求低功耗、体积小,以及更广的温度适应性和更强的环境适应性来应对边缘机房的复杂环境。

3)接入机房:基于BBU(Building Base band Unit)的空闲槽位,插入嵌入式X86单板,无需额外空间,现有机房不用改造。

为了进一步降低投资,解决机房站点问题,采用CRAN(Cloud RAN)和MEC融合可以更好地适应新的MEC应用。MEC与CRAN合设,共用同一个NFVI,实现资源的共享。MEC和CRAN之间的交互可以通过内部接口进行,利用共享基础设施的性能优势,可以提高通信效率并有效地支持实时应用。基于MEC的车联网应用更靠近RAN部署,RNIS(Radio Network Information Services)获取无线信息的最佳方式是直接与CRAN交互,而不是通过核心网络的网络功能(例如网络暴露功能)进行长时间的路由[2]。

2.3 云网能力开放

传统软件设计采用应用和网络分层设计原则,开发人员不需要关心网络,无线网络状况对应用不可知。但是,随着车联网应用对网络指标要求越来越苛刻,应用设计开始要结合网络的情况,从而提升应用性能和易用性。典型的应用场景如视频压缩,根据网络质量调整视频流的压缩比。利用MEC开放的无线网络信息也可以对TCP传输的控制方法进行优化,有效规避高清视频等多媒体数据传输过程中发生的网络拥塞[11]。

MEC打破封闭的网络架构,在云和网之间构建一个桥梁,让应用感知网络,让网络感知应用。

如图3所示,MEC平台虚拟化层为上层各种能力服务以及应用提供虚拟化平台资源及管理,满足不同应用共享统一的基础设施。MEP(MEC Platform)能力开放平台提供UPF的本地分流能力,以及NAT、虚拟防火墙vFW、DNS、业务负载均衡LB等基本服务能力。同时,MEP还提供无线网络信息服务(RNIS,Radio Network Information Service)、带宽管理、业务路由规则、无线室内定位等服务。这些服务通过网络能力开放框架,以API接口方式来提供服务。边缘服务能力层采用微服务化框架设计,随着后续业务需求的变化,可以引入新的能力,如AI能力、大数据能力等来丰富完善MEC的能力层。

图3 MEC能力开放平台

在遵循分层设计原则的同时,MEC为网络和应用提供开放的服务接口。通过引入了这样的服务环境,可以极大地改善用户体验。通过MEC服务可以提供应用应在何处运行的相关信息,如预期的网络延迟、吞吐量等。简而言之,借助MEC,环境变得可预测,环境(即上下文)信息可用于主动调整应用运行的行为。这意味着软件的设计过程中需要增加考虑网络参数。例如,通过MEC无线网络信息服务RNIS,能够将无线信道质量、小区ID、小区负荷和吞吐量等信息开放给应用[3],引入AI等人工智能分析推理能力,可以实现业务QoS(Quality of Service)从用户级到报文级的更细粒度保障,提供位置感知、链路质量预测等新的网络能力。类似地,MEC应用可以使用带宽管理API提出带宽请求,为应用预留网络资源,这使得边缘应用能够以可预测/可控制的方式从低延迟和高吞吐量中受益,并且在服务设计时可以利用这些信息来优化端到端的服务架构。

此外,5G网络本身还可以受益于MEC服务,例如,通过预测接入的用户行为,可以最大限度地提高网络效率。通过DPI识别,赋予基站对上层业务的识别能力,让无线感知业务、感知用户,从而可以为不同业务、不同用户提供差异化QoS的能力。

2.4 云网协同

当车载终端在5G网络中移出当前MEC服务覆盖范围时,涉及跨MEC之间的切换,此时造成的数据报文的丢失会影响终端业务的体验,这对于要求超低时延和高可靠性的自动驾驶类应用是不可接受的。因此,需要解决低时延应用的业务连续性问题[8]。

为了保障业务连续性,5G网络架构从满足业务需求的角度出发,定义了三种业务与会话连续性模式SSC(Session and Service Continuity),包括PDU(Protocol Data Unit)会话连接的“一直不断”、“先拆后建”或“先建后拆”。车联网应用场景采用“先建后断”的业务与会话连接模式,当终端移动出原有UPF覆盖范围时,新的PDU会话会率先建立,原有的会话连接才会释放[7]。

除了从网络层面保障业务与会话连接不中断,还需要从业务层面来保障业务的连续性。基于MEC的车联网应用,随着车辆终端的移动或者其它条件的变化,在不同时刻要求MEC应用的位置不同,MEC应用需要在正确的时刻运行在正确的地方,不同的位置可能有不同的成本(在资源可用性、能耗等方面)。

车联网应用在不同MEC之间迁移,涉及特定用户应用相关信息的同步。大量的数据同步将增加业务时延,同时可能对网络造成冲击。基于微服务架构,采用无状态设计是一种可行的方法。MEC应用与状态无关,不需要同步和保存服务的状态信息。当终端移动到另一个MEC主机覆盖的位置时,可以避免大量的数据同步。终端的状态数据和信息存放在中心云,便于车联网应用的集中调度,全局协同。对于时延敏感类的数据,可以在MEC本地缓存。通过网络能力开放,可以基于时延、吞吐量等QoS性能预测切换,帮助车辆终端选择基站和MEC主机[5]。通过对MEC切换时机的预测,仅在MEC主机需要切换时,提前向MEC主机发起状态迁移,做好数据同步,即降低了切换的时延,还大幅降低同步的数据量。

3 问题与展望

引入MEC提供车联网应用,同时也引入了潜在的安全威胁和漏洞。基于MEC的车联网应用与网络功能相同的物理平台上运行,这些应用程序可以是第三方应用程序,而不是由运营商直接控制。这些应用可能会耗尽网络功能所需的资源,也可能为黑客提供侵入平台的攻击媒介,进而影响平台运行的网络功能。如何确保MEC环境中的系统故障不会影响5G网络是运营商需要关注的问题。

无线网络能力开放还处于探索阶段,充分利用无线网络能力加速ICT融合创新,需要全产业链的共同合作。同时,无线网络能力开放也涉及到用户的隐私问题,比如位置信息,需要对数据进行脱敏处理,要避免提恶意提取和意外泄漏私有信息。

4 结束语

云网打破界限,实现云网融合是技术发展的趋势。基于5G云网融合的基础设施,不仅可以满足车联网应用低时延、大带宽和高可靠的需求,还可以充分共享运营商5G基础设施,实现低成本快速部署。除了车联网应用,数字化转型中的AI质量检测、远程控制、AR/VR等应用,也需要通过云网融合来提供精准的算力,以及提供无线网络能力开放,加速业务创新。云网融合的基础设施是数字化经济的基石,是推动各行各业数字化转型的重要推手。

猜你喜欢

云网时延边缘
下期要目
新型云网融合编排与调度系统架构与分析
基于ONAP开源架构的云网操作系统研究
航天云网科技发展有限责任公司
基于GCC-nearest时延估计的室内声源定位
基于改进二次相关算法的TDOA时延估计
一张图看懂边缘计算
FRFT在水声信道时延频移联合估计中的应用
基于分段CEEMD降噪的时延估计研究
在边缘寻找自我