汽车的智能驾驶与控制，5G边缘技术的天然用例

sdzhyq

对于如何最好地利用网络边缘的处理能力来支撑联网汽车和自动驾驶汽车，尚无共识。但是，高级汽车是边缘计算的自然用例。自动驾驶汽车会消耗并生成大量数据，依赖复杂的决策制定，并且会移动，经常使车辆离开中央数据中心。

希望大多数AV结合使用机载和远程决策。在生成数据的地方附近运行应用程序可以减少到云的往返路程，减少端到端延迟，并减轻核心网络链路上的传输负担。

多接入边缘计算（MEC）是幕后的架构更改之一，将对5G移动网络的高级无线电基础架构进行补充。其他内容，包括网络切片和运营商设施中的App和硬件虚拟化，将有助于使边缘计算成为可能。

一些移动运营商已经在4G上实现了边缘计算。 AT＆T物联网副总裁/ CTO Cameron Coursey说，对于AT＆T而言，定位服务器在边缘附近已将LTE上的典型100ms往返延迟降至20ms。借助5G，AT＆T希翼达到10ms或更短的时间来支撑自动驾驶。 Verizon，Deutsche Telekom和其他运营商也计划部署MEC。

诺基亚移动网络汽车业务负责人Martin Beltrop说，可以使用边缘计算的自动驾驶应用程序的一个例子是自动交通管理。应用程序将分析有关给定区域中所有汽车，行人和其他道路使用者的位置，方向和速度的实时数据-在繁忙的十字路口最多可容纳1,000个对象。该App将使用该数据来构建道路用户的对象模型，包括他们的位置和方向，这些模型可用于帮助AV人员安全，高效地穿过该区域。

边缘有多近？
Beltrop说，要实现该服务所需的大约10毫秒的延迟，就需要5G和距离运营商网络核心更近的“边缘云”。这不一定意味着服务器安装在基站上。他说，随着附近基站的光纤回程以光速传输数据，边缘云可能会相距10公里。在结构良好的5G网络中，它可以驻留在基站后面的第一个或第二个聚合点。

Beltrop说，在这些距离之外，可能会有一个边缘云托管整个城市的交通管理计算。该App将在相同的计算平台上分别运行每个路口的分析。他说，诺基亚部分是从慕尼黑这样一个数据中心的试验中学到了这一点，在那里，它通过LTE网络实现了10ms至20ms的高度可靠的延迟。

爱立信以稍有不同的方式研究了相同的问题，但还得出结论，最终将需要边缘计算。

延迟担忧
全球汽车服务部负责人Claes Herlitz表示，自动驾驶应用无需边缘计算即可获得足够的延迟。但是，一旦联网汽车的数量达到一定水平（在美国可能达到1亿辆汽车），自动交通管理将成为一个大问题，需要将其分解为更小的本地块。

每个交叉路口附近的服务器将代替监视所有交叉路口的交通的一个基于中央云的平台来建模，而每个交叉路口附近的服务器将仅监视和分析该区域中的本地交通并引导AV。就延迟而言，爱立信已经为采用LTE的视音频应用实现了15毫秒的往返延迟，并且认为没有比这更低的需求了。

支撑5G汽车用途的行业组织5G汽车协会（5GAA）的​​首席技术官Maxime Flament表示，用于汽车的边缘计算可能始于人口稠密的城市地区，并在与银行等企业应用程序共享的服务器上运行。

当然，在边缘计算在大规模自动驾驶中发挥积极作用之前，有几个障碍需要克服。

Flament说，一个令人关注的领域是边缘计算基础架构的共享，由于成本原因，边缘共享基础架构可能由一个运营商拥有，但被多个运营商使用。而且，边缘计算可能使国界运营商之间的越区切换更加困难。为了安全起见，有必要维持边缘应用程序的性能，而不仅仅是维持用户的信号。 Flament说，尽管这些问题可能已经从技术上解决了，但仍然存在尚未解决的组织和治理问题。

Tolaga Research的分析师Philip Marshall表示，边缘计算也将使覆盖范围的问题复杂化。为了确保为行驶中的汽车提供持续的服务，可能必须同时存在重叠的单元和冗余的边缘计算基础架构。确保应用程序和信息在同一个位置，并且汽车得到持续维护，这将需要一定的引导意见。