隨著5G時代的到來，邊緣計算成為自動駕駛系統中新的業務增長點，未來將有超過60%的數據和應用將在邊緣產生和處理。

邊緣計算是一種在網絡邊緣進行計算的新型計算模式，其對數據的處理主要包括兩個部分，其一是下行的云服務，其二是上行的萬物互聯服務。“邊緣”實際上是一種相對概念，指從數據到云計算中心內路徑之間的任意計算、存儲以及網絡相關資源。從數據的一端到云服務中心的另一端，在此路徑上根據應用的具體需求和實際應用場景，邊緣可以表示為此條路徑上的一個或多個資源節點。邊緣計算的業務本質是云計算在數據中心之外匯聚節點的延伸和演進，主要由邊緣云、邊緣網絡、邊緣網關三類落地形態構成。

如上圖所示，表示一種目前在自動駕駛中使用的工控機。實際上，它是一種加固的增強型個人計算機。它可以作為一個工業控制器在工業環境中可靠運行，采用符合EIA 標準的全鋼化工業機箱，增強抗電磁干擾能力，并采用總線結構和模塊化設計技術，防止出現單點故障。如上自動駕駛工控機網絡設計方案充分考慮了 ISO26262 的要求。其中，CPU、GPU、FPGA 以及總線都做冗余設計。當整體 IPC 系統失效時，冗余MCU控制可以保證運算安全，直接發送指令到車輛 CAN 總線中控制車輛停車。目前這種集中式的架構適用于下一代集中式自動駕駛系統方案，其中工控機相當于下一代集中式域控制器，將所有的計算工作統一放到一個其中，算法迭代不需要過度考慮硬件的整體升級和車規要求。

邊緣計算與邊緣云

當前自動駕駛中，大規模的人工智能算法模型和大規模數據集中化分析均放在云端進行。因為，云端擁有大量的計算資源，可以在極短的時間內完成數據的處理，但是僅依靠云端為自動駕駛汽車提供服務在很多情況下是不可行的。因為自動駕駛汽車在行駛過程中會產生大 量需要實時處理的數據，如果將這些數據都通過核心網傳輸到遠程云端處理，那么僅數據的傳輸便會導致很大的時延，無法滿足數據處理的實時性要求。核心網絡的帶寬也難以支持大量自動駕駛汽車同時向云端發送大量的數據，而且一旦核心網絡出現擁塞導致數據傳輸不穩定，自動駕駛汽車的行駛安全便得不到保障。

邊緣計算關注局部業務，實時性要求高，網絡壓力較大，計算方式面向本地化。邊緣計算更適用于基于集成的算法模型，進行本地小規模智能分析與預處理工作。將邊緣計算應用到自動駕駛領域將有助于解決自動駕駛汽車在環境數據獲取和處理上所面臨的問題。

作為行業數字化轉型的兩大重要計算方式，邊緣計算與云計算基本是同時共存、相互補充、相互促進，共同解決大數據時代的計算問題。

邊緣計算是指在網絡邊緣執行計算的一種計算模型，其操作對象來自云服務的下行數據和萬物互聯服務的上行數據，而邊緣計算中的“邊緣”是指從數據源到云計算中心路徑之間的任意計算和網絡資源。簡而言之，邊緣計算將服務器部署到用戶附近的邊緣節點，在網絡邊緣（如無線接入點） 給用戶提供服務，避免了長距離數據傳輸，給用戶提供更加快速的響應。任務卸載技術將自動駕駛汽車的計算任務卸載到其他邊緣節點執行，解決了自動駕駛汽車計算資源不足的問題。

邊緣計算具有鄰近性、低時延、本地性和位置感知性的特點。其中，鄰近性是指邊緣計算靠近信息源，適用于通過數據優化捕獲和分析大數據中的關鍵信息，并且可以直接訪問設備，更加高效地服務與邊緣智能，易于衍生出特定的應用場景。低時延是指邊緣計算服務靠近產生數據的終端設備，相對于云計算，極大的降低了時延，尤其是在智能駕駛應用場景中，使得反饋過程更加快速。本地性是指邊緣計算可以與網絡的其余部分隔離運行，實現本地化，相對獨立的計算，一方面保證了本地數據安全性，另一方面降低了計算對網絡質量的依賴性。位置感知性是指當邊緣網絡是無線網絡的一部分時，邊緣計算式的本地服務可以利用相對較少的信息來確定所有連接設備的位置，這些服務可以應用于基于位置的服務應用場景。

同時，邊緣計算的發展趨勢將逐漸向異構計算、邊緣智能、邊云協同以及5G+邊緣計算的發面進行演進。異構計算需要使用不同類型的指令集和體系架構的計算單元組成系統的計算方式，滿足邊緣業務對多樣性計算的需求，通過異構計算不僅可以滿足新一代“連接+計算”的基礎設施構建，還可以滿足碎片化產業和差異化應用的需求，提升計算資源利用率，支持算力的靈活部署和調度。

邊緣計算參考架構

邊緣計算參考架構的每層都提供了模型化的開放接口，實現了架構的全層次開放，通過縱向管理服務，數據全生命周期服務以及安全服務，實現業務全流程、全生命周期的智能服務。

如上圖所示，邊緣計算參考架構主要包括如下內容：

整個系統分為智能服務、業務編排、邊緣云和邊緣計算節點四層，邊緣計算位于云和現場設備之間，邊緣層向下支持各種現場設備的接入，向上可以與云端對接。邊緣層包括邊緣節點和邊緣管理器兩個主要部分。邊緣節點是硬件實體，是承載邊緣計算業務的核心，邊緣管理器的核心是軟件，主要功能是對邊緣節點進行統一管理。邊緣計算節點一般具有計算資源、網絡資源和存儲資源，邊緣計算系統對資源的使用有兩種方式：其一，直接將計算資源、網絡資源和存儲資源進行封裝，提供調用接口，邊緣管理器以代碼下載、網絡策略配置和數據庫操作等方式使用邊緣節點資源；第二，進一步將邊緣節點的資源按功能領域封裝成功能模塊，邊緣管理器通過模型驅動的業務編排方式組合和調用功能模塊，實現邊緣計算業務的一體化開發和敏捷部署。

邊緣計算的硬件基礎設施

1、邊緣服務器

邊緣服務器是邊緣計算和邊緣數據中心的主要計算載體，可以部署在運營商某機房內。由于邊緣計算環境差異較大，且邊緣業務在時延、帶寬、GPU和AI等方面存在個性化訴求，同時應該盡量減少工程師在現場的操作，并具有強大的管理運維能力保障，其中包括狀態采集、運行控制和管理接口，以實現遠程、自動化的管理。

自動駕駛系統中，通常采用智能邊緣一體機將計算、存儲、網絡、虛擬化和環境動力等產品有機集成到一個工控機中，方便自動駕駛系統的正常工作。

2、邊緣接入網

邊緣計算接入網絡是指從用戶系統到邊緣計算系統所經過的一系列網絡基礎設施，包括但不限于園區網、接入網絡和邊緣網關等。且帶有融合性、低時延、大帶寬、大連接、高安全等特性。

3、邊緣內部網絡

邊緣計算內部網絡是指邊緣計算系統內部網絡基礎設施，如連接服務器的網絡設備，與外網互聯的網絡設備以及由其構建的網絡等。邊緣計算內部網絡具有架構簡化、功能完備、性能損耗大幅減少的特征；同時，能做到邊云協同，集中管控。

由于邊緣計算系統天然呈現分布式屬性，單個規模不大但數量眾多，若采用單點管理模式，難以滿足運行需求，還會占用工控機資源，降低效益；另一方面，邊緣計算業務更強調端到端的時延、帶寬以及安全性，因此邊云、邊邊之間的協同也是非常重要的。一般是需要在云計算系統中引入智能化的跨域管理編排系統，統一管控一定范圍內的所有邊緣計算系統網絡基礎設施，通過支持基于邊云協同集中式管理模式，保證網絡與計算資源的自動化高效配置。

4、邊緣計算互聯網絡

邊緣計算互聯網絡包括從邊緣計算系統到云計算系統（如公有云、私有云、通信云、用戶自建云等），其他邊緣計算系統、各類數據中心所經過的網絡基礎設施。邊緣計算互聯網絡具備連接多樣化、跨域低時延的特征。

邊緣計算與自動駕駛系統如何結合

下一階段，為了實現更高階自動駕駛系統任務，僅僅依靠單車智能是完全不夠的。

協同感知和任務卸載是邊緣計算在自動駕駛領域的主要應用，這2種技術使實現高級別自動駕駛成為可能。協同感知技術使汽車可以獲取其他邊緣節點的傳感器信息，擴大了自動駕駛汽車的感知范圍，增加了環境數據的完整性。以自動駕駛為例，汽車將集成激光雷達、攝像頭等傳感器，同時需要通過車輛網V2X等實現車輛與道路以及交通數據的全面感知，獲取比單車內外部傳感器更多的信息，增強對超視距范圍內環境的感知，并通過高清的3D動態地圖實時共享自動駕駛位置。并將采集到的數據與道路邊緣節點和周邊車輛進行交互，從而擴展感知能力，實現車與車、車與路協同。云計算中心則負責收集來自分布廣泛的邊緣節點數據，感知交通系統的運行狀況，并通過大數據和人工智能算法，為邊緣節點、交通信號系統和車輛下發合理的調度指令，從而提高系統運行效率。比如，雨雪、大霧等惡劣天氣下，或在交叉路口、拐彎你等場景下，雷達和攝像頭無法清晰的辨別前方障礙，通過V2x來獲取道路，行車等實時數據，可以實現智能預測路況，避免意外事故的發生。

隨著自動駕駛等級的提升，配備智能傳感器數量的增加，自動駕駛汽車每天產生大量的原始數據。這些原始數據需要在本地進行實時處理、融合以及特征提取，包括基于深度學習的目標檢測和跟蹤等。同時需要利用V2X提升對環境、道路和其他車輛的感知能力，通過3D高清地圖進行實時建模和定位、路徑規劃和選擇、駕駛策略調整，進而安全的控制車輛。由于這些任務都需要在車內始終來保持處理和響應實時性，因此需要性能強大可靠地邊緣計算平臺來執行。考慮到計算任務的差異性，為了提高執行效率并降低功耗和成本，一般需要支持異構的計算平臺。

自動駕駛的邊緣計算架構依賴于邊云協同和LTE/5G提供的通信基礎設施和服務。邊緣側主要指車載單元、路側單元（RSU）或移動邊緣計算（MEC）服務器等。其中車載單元是環境感知、決策規劃和車輛控制的主體，但依賴于RSU或MEC服務器的協作，如RSU給車載單元提供了更多關于道路和行人的信息，但是有些功能運行在云端更加適合甚至無法替代。比如車輛遠程控制、車輛模擬仿真和驗證、節點管理、數據的持久化保存和管理等。

對于自動駕駛系統的邊緣計算來說，可以很好的實現負載整合、異構計算、實時處理、連接互通、安全優化等優勢。

1、“負載整合”

將諸如ADAS、IVI、數字儀表、抬頭顯示和后娛樂系統等不同屬性的負載，通過虛擬化計算運行在同一個硬件平臺上。同時，基于虛擬化和硬件抽象層的負載整合，更易于實現云端對整車駕駛系統的業務編排、深度學習模型更新、軟件和固件升級等。

2、“異構計算”

是將自動駕駛系統邊緣平臺所繼承的多種不同屬性的計算任務，根據其在不同硬件平臺上運行的性能和能耗比差異性采取不同的計算方式。例如地理定位和路徑規劃、基于深度學習的目標識別和檢測、圖像預處理和特征提取、傳感器融合和目標跟蹤等。GPU擅長處理目標識別和跟蹤的卷積計算。而CPU則對于邏輯運算能力將會產生更好的性能、且能耗也更低。而數字信號處理DSP則在定位等特征提取算法產生更多優勢。這種異構計算的方式很好的提升了計算平臺的性能和能耗比，降低計算時延。異構計算針對不同計算任務選擇合適的硬件實現，充分發揮不同硬件平臺的優勢，并通過統一上層軟件接口來屏蔽硬件多樣性。

3、“實時處理”

眾做周知，由于自動駕駛系統對于實時性要求極高，因為危險情況下可能就那么幾秒鐘的時間可用于自動駕駛系統進行剎車避撞。并且，該制動反應時間包括整個駕駛系統的響應時間，涉及云端計算處理、車間協商處理時間、車輛本身系統計算和制動處理時間。如果將自動駕駛響應實時劃分到對其邊緣計算平臺的各個功能模塊要求。則需要細化到感知檢測時間、融合分析時間以及行為路徑規劃時間上。同時也要考慮整個網絡時延，因為5G帶來的低時延、高可靠性應用場景也是非常關鍵的。他可以使自動駕駛汽車實現端到端低于1ms的時延，并且可靠性接近100%。同時，5G可以根據優先級靈活分配網絡處理能力，從而確保車輛控制信號傳輸具備較快的響應速度。

4、“連接互通”

面向自動駕駛汽車的邊緣計算離不開車用無線通信技術（V2X, vehicle-to-everything）的支持，它提供了自動駕駛汽車與智能交通系統中其他元素的通信手段，是自動駕駛汽車和邊緣節點合作的基礎。

目前，V2X 主要基于專用短程通信（DSRC, dedicated short range communication）和蜂窩網絡[5]。其中 DSRC 是一種專門用于車輛與車輛（V2V, vehicle-to-vehicle）和車輛與道路基礎設施（V2I, vehicle-to-infrastructure）之間的通信標準，具有數 據傳輸速率高、時延低、支持點對點或點對多點通信等優點。以 5G 為代表的蜂窩網絡具有網絡容量大、覆蓋范圍廣等優點，適用于 V2I 通信和邊緣服務器之間的通信。

5、“安全優化”

邊緣計算安全性是邊緣計算的重要保障，其設計結合了云計算和邊緣計算縱深的安全防護體系，增強邊緣基礎設施、網絡、應用、數據識別和抵抗各種安全威脅的能力，為邊緣計算的發展構建安全可信環境。下一代自動駕駛系統5G核心網控制面與數據面呈現分離狀態，NFV令網絡部署更加靈活，從而確保邊緣分布式計算部署得以成功。邊緣計算將更多的數據計算和存儲從中央單元散步到邊緣，其計算能力部署于靠近數據源的地方，一些數據不必再經過網絡到達云端處理，從而降低時延和網絡負荷，也提升了數據安全性和隱私性。對于未來對于靠近車輛的移動通信設備，如基站、路邊單元等或均將部署車聯網的邊緣計算，可以很好的完成本地端的數據處理、加密和決策，并提供實時、高可靠的通信能力。

邊緣計算在自動駕駛的環境感知和數據處理方面有著極其重要的應用。自動駕駛汽車可以通過從邊緣節點獲得環境信息來擴大自身的感知范圍，也可以向邊緣節點卸載計算任務以解決計算資源不足的問題。相比于云計算，邊緣計算避免了長距離數據傳輸所導致的高時延，能給自動駕駛車輛提供更快速的響應，并且降低了主干網絡的負載。因此，階段性自動駕駛研發過程采用邊緣計算將是其不斷優化和發展的重要選項。