面向协同驾驶的基于移动边缘计算的 5G智能网联车辆服务平台*

李沁颖 ，易 豪 ，孙翊馨

（江西科技学院，江西 南昌 330200）

0 引言

截至2020年年底，我国车联网的标准体系建设已基本完备。随着5G网络的出现，以及物联网、汽车信息通信、人工智能等行业的深度融合，智能网联汽车行业已经进入高速发展的新阶段。从2019年至今，我国已先后在江苏无锡、湖南长沙、重庆等地创建了车联网先导区，取得了良好的发展成效。作为新一轮科技革命下的新兴技术，5G智能网联汽车在解决能源短缺、环境污染和交通拥堵等社会问题上具有极大的应用潜力[1-2]。

然而，随着智能网联车应用场景的不断丰富，依托于传统云计算技术的智能网联车平台短板愈发明显。首先，在原有的车联网中，通信信息的传输主要是通过搭建以车辆为移动拓扑节点，以路侧单元（Road Side Unit, RSU）为核心无线接入点的网络拓扑结构来实现的。其拓展性能有限、通信半径较小，由于技术的局限性，该体系的应用功能很难拥有质的突破，无法为用户提供最为可靠的服务体验。Kumar等学者提出了一种传输数据的新方案，该方案集成MEC和SG的环境架构，成功将数据方案的吞吐量提高了10%～15%，但由于通信传输核心部署在云中心，导致时延较高。我国是5G覆盖率最高的国家，在此基础上，学者王彪指出，5G的通信距离覆盖1 km，最大宽带达1G，在车联网体系中应用5G边缘计算是最符合其场景需求的技术解决方案。由此观之，5G移动边缘计算技术的应用对智能车联网行业的发展具有巨大的推动作用。其次，单个车辆的数据通信与计算能力有限，其计算架构时延过长，在复杂应用环境中无法对车联网中传递的所有交互信息作出实时、精准的决策。Emara M等学者基于MEC的卸载框架，在考虑服务器资源限制和时延容忍的基础上利用契约理论的方法设计出新的计算卸载策略，有效提高了车辆的效用功能。Zhang K等学者结合多车辆的计算卸载问题和博弈论的算法思想，重构车辆卸载策略以获得最小的系统总开销。综上可知，任务卸载是基于移动边缘计算技术的智能网联汽车能实时处理任务、降低时延的重要保障。

现阶段，智能车联网的发展仍面临着许多挑战。如何降低通信干扰对智能车联网信号传输的影响以及提高移动边缘车载网络资源利用的效率，仍是移动边缘智能网联车发展亟待解决的问题。基于如上问题，本文结合移动边缘计算技术，设计了具有车辆智能编队、行车环境感知、行车资源分配以及车辆安全预警四种核心功能的5G智能网联车辆服务平台[3-4]。

1 5G智能网联车辆服务平台框架

本平台结合学界先前对移动边缘计算车载网络资源分配和任务卸载的研究，构建车载网络模型。运用博弈论思想生成最高效的分布式资源分配方案，结合网联车队的特征设计车载网络的数据传输与卸载策略，融合应用于移动边缘计算处理设备，为智能网联汽车驾驶者提供协同驾驶服务。5G智能网联车辆平台技术功能框架如图1所示。

图1 5G智能网联车辆平台技术功能框架

2 5G智能网联车服务平台的技术应用

2.1 基于C-V2X体系的5G智能网联车辆

随着应用需求的变更和技术的深入发展，未来车联网的技术核心由单车计算逐步向V2X（Vehicle to Everything）方向发展。目前，在国际上车联网的通信标准主要有DSRC（Dedicated Short Range Communication）和C-V2X（Cellular Vehicle-to-Everything）两类。相较于DSRC，C-V2X在带宽容量、覆盖能力、移动性以及非视距感知能力等方面具有显著优势，然而该技术的发展与普及必须依靠低时延、高可靠性通信网络的支持[5]。5G移动通信融合了大规模天线阵列、CR、超密集组网、毫米波等关键技术，将时延均值降低至10 ms以内，可满足车联网通信对低时延、大带宽、高速率等方面的要求，且5G支持切片网络，可对传输中不同优先级的数据实施切片管理。5G技术应用于车联网体系已成为时代发展热点，在实际应用中可通过构造人、路、车、网等数据的立体模型来推动车联网体系中深层功能的实现。5G车联网网络拓扑图如图2所示。

图2 5G车联网网络拓扑图

2.2 基于移动边缘技术的车联网体系

车联网系统基于行车动态模型与无线通信设备以车辆联网等方式进行无线通信，为智能交通系统中的车辆个体、路侧单元提供指定服务。但因受任务传输回程容量限制、网络传送延迟以及车辆移动影响通信距离等问题的影响，浪费了大量的通信资源与车辆资源，进而导致车联网中的资源利用和任务卸载效率很低。在此基础上，将移动边缘计算（Mobile Edge Computing, MEC）引入车载网络，就近实时分析处理车辆信息数据，扩大车辆终端的容量，可以在增强车辆的计算能力的同时，降低响应延时[6-8]。 此技术的应用可以有效降低限制因素对车联网影响程度。其具体作用路径如图3所示。

图3 基于5G移动边缘计算的智能网联汽车架构体系

2.3 资源分配和任务卸载中的博弈思想

博弈论的基本思想是指在博弈过程中，每个参与者都需要结合其他参与者的决策状况，在有限的迭代中不断调整自己的策略，尽可能使自己获得更大的增益和更小的开销，最终实现“纳什均衡”的状态。在该状态下，参与者单方面改变策略并不会提高其自身收益。该思想适用于面向协同驾驶的5G智能网联车辆服务平台，通过搭建MEC节点与智能车辆的博弈关系，可以有效提高智能网联汽车体系中的资源利用效率。任务卸载是移动边缘计算车联网的关键技术之一，该技术通过无线通信的方式将计算任务卸载至MEC单元处理后再返回给车辆。通过这项技术可以使MEC平台更好地释放其强大的计算能力，增加车辆效用，降低系统总开销。MEC车联网任务卸载场景如图4所示。

图4 MEC车联网任务卸载场景

3 5G智能网联车辆服务平台主要功能

3.1 智能网联车辆编队

本平台将群智能算法应用到智能网联汽车自主驾驶多车协同控制中，以智能网联汽车个体为目标，有序整合智能网联汽车车队系统。此外，在平台中单个自主驾驶车辆可通过车辆传感器了解前后车辆以及头车的信息 ，不会受到车辆规模等因素的影响。多车协同控制技术支持车辆间的直接通信，不再利用传统的路边支持系统。通过车辆传感器和无线通信技术，形成基于协同驾驶关系的智能网联车队，单个自主驾驶车辆可获取车队整体的模型信息，继而为其在道路信息、驾驶过程、故障检测等行为提供协同帮助，此种采用协同控制技术的智能网联车队，不仅可减少因人为驾驶主观因素影响引起的交通事故，还可以在高速行驶中严格控制各车驾驶距离，大幅度提高道路交通的车辆密度，充分利用道路资源。

3.2 行车环境感知

车联网系统下的用户较多，行车环境感知是协同驾驶实现的一大难点。本平台创新将5G移动边缘计算应用至车辆环境感知中，拓宽了车辆感知的能力和范围，利用5G通信可将不同车载、路侧采集到的海量数据传输至MEC计算工具实时计算，围绕单车节点构造车载环境网络模型，扩大车辆视距，消除环境感知盲区，帮助车辆驾驶拥有更强的环境适应能力。此外，环境感知功能还可借助车路通信帮助车辆获得实时交通信息，减少亮度与车速对汽车驾驶员信号识别能力的干扰[9]。

3.3 行车资源分配

资源分配算法的核心目的是降低干扰与时延、提高通信可靠性以及避免资源碰撞。本平台在资源分配相关的算法构造中融合博弈论的核心观念，将资源调度问题转化为博弈问题。平台结合车载网络下的智能网联汽车模型，建立MEC信息传输中端与车辆节点的双重博弈关系，通过加强MEC节点与车辆的协同关系来提高通信的可靠性，同时将优先级作为资源调度的竞价基础，利用多轮拍卖、竞价等方式达成满足纳什均衡的最优资源分配方案，提高车联网体系中资源的利用效率，规避资源碰撞问题，降低资源部署开销成本[10]。

3.4 行车安全评估预警

传统车辆的驾驶行为评估系统是通过分析利用GID设备采集的车辆行驶状态信息以及GPS信息等数据来进行的。此类系统在分析行车安全过程中仅考虑了车辆自身的因素，具有较大局限性，且存在平台响应时间较长等限制因素，不具有实时性。本平台在安全评估系统中加入了基于5G移动边缘计算车载网络的系统模型，提升了计算与交互效率；且结合协同驾驶中行车环境感知等外部感应技术，获取实时的行驶环境数据；利用智能网联车队模型辅助车辆对外部环境进行感知，为多车辆道路行驶提供优解方案。此外，本平台利用综合多因子影响、自身与外部结合、多模型多算法等方式，为平台行车安全评估服务的可靠性与安全性提供理论与技术支持，并部署MEC服务器来保证服务处理时效与平台服务稳定性，确保平台的行车安全评估服务可在短时间内响应，为驾驶者提供全面、精准、可靠的行车安全评估结果。

4 结语

本平台基于5G移动边缘计算技术与博弈论思想，设计了一种面向协同驾驶，集智能编队、安全评估、资源分配与环境评估功能于一体的智能网联车辆服务平台。平台设计立足于社会技术现状，紧随国内外研究热点，顺应时代发展趋势，具有十分可观的发展前景。随着相关技术的深入发展以及平台设计的实现，定会促进我国智能网联车行业更快更好地发展。