当前位置: 主页 > 人工智能 > 无人驾驶 >

移动边缘计算:突破无人驾驶时延瓶颈

时间:2017-09-04 22:01来源:科技讯 作者:eleven 点击:
移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力,可以减少对网络资源的无效占用,增加实时通信连接

通信世界网消息(CWW)

移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力,可以减少对网络资源的无效占用,增加实时通信连接的可用带宽,降低服务交付的时延。

 智能无人驾驶汽车发展潜力巨大。当前关于无人驾驶汽车的研究大多集中在车载环境感知技术和车辆控制技术方面。随着无人驾驶汽车逐步走向规模化商用,如何实现云端和汽车之间数据的低时延和高带宽连接,成为制约智能无人驾驶汽车发展的瓶径。移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力,可以减少对网络资源的无效占用,增加实时通信连接的可用带宽,降低服务交付的时延。移动边缘计算可以满足智能无人驾驶的需要,将对无人驾驶汽车的发展起到重大支撑和推动作用。

连接技术成无人驾驶发展瓶径

无人驾驶概念由美国工业设计师诺曼·贝尔·格迪斯在1939年提出,接着美国、英国先后进行无人驾驶实车认证。由于无人驾驶汽车的巨大应用潜力,国内外大量机构致力于无人驾驶技术的研发。在国外,研发机构既包括汽车产业巨头奔驰和特斯拉,也包括谷歌、斯坦福大学公司等互联网企业和研究机构。在国内,百度研发了无人驾驶汽车并于2017年在北京五环路进行了测试,取得了令人瞩目的进展;与此同时,北京理工大学、比亚迪等研究机构和汽车企业也不甘落后,纷纷在智能无人驾驶汽车研发方面做出大量投入,并取得了不错的效果。

 目前,对无人驾驶汽车的研究较多集中在环境感知技术和车辆控制技术两个方面。环境感知技术使汽车能够获得道路、车辆位置和障碍物的信息,并将这些信息传输给车载中心电脑,从而使汽车根据行驶目标及途中情况,规划、修改行车路线。常用的感知技术有视觉传感、激光传感、微波传感等,这些感知技术通过各种车载传感器、雷达等获得车辆周边环境两维或三维图像信息和距离信息,并通过图像分析识别技术和距离分析识别对行驶环境进行感知。车辆控制技术是在环境感知技术基础之上,通过自动转向控制系统的配合使汽车能够按照规定路线准确稳定行驶,同时使汽车在行驶过程中能够实现车速调节、车距保持、换道、超车等各种必要基本操作。这项技术需要在无人驾驶汽车上配置各种对应的系统才能实现其复杂的功能,其中包络车道偏离系统、自适应巡航控制系统、自动泊车系统、紧急制动系统等。

然而,环境感知技术和车辆控制技术虽然能够支撑无人驾驶汽车发展初期的研究和测试,但如果希望无人驾驶汽车走向规模化应用,仅靠这两类技术是远远不够的。首先,智能无人驾驶汽车要真正实现智能和安全,就必须存储和运算海量的大数据,而且相当一部分数据与图形图像有关。数据和计算量是如此的巨大,以至于普通服务器和CPU都无法胜任,而只能依靠GPU才能完成。将海量的大数据部署在车载电脑上并实现高速运算,根本不可能实现。其次,智能无人驾驶汽车要在高速行驶过程中,通过无线网络与云端进行大量超低时延、超大流量的数据交互,现有网络没有能力支撑。

例如,百度可以实现一辆无人驾驶汽车在北京五环路做中低速行驶测试,但如果有2000辆无人驾驶汽车同时在北京长安街行驶,以现有4G网络的能力,移动网络将变得极其拥塞。当某辆汽车感知到复杂障碍物的时候,需要与云端交互数据,并等待云端指令以做出下一步动作。然而由于云计算机房可能位于数百公里之外,加之网络拥塞,汽车可能在数秒后才能接到云端的指令并进行躲闪,这时车祸很可能已经发生。现有IOT网络可以为无人驾驶汽车提供一些低带宽通信服务,但涉及到大数据量的实时交互,则没有能力满足。所以智能无人驾驶汽车在个别测试时可能表现很好,实际上根本无法实现规模化应用。要实现智能无人驾驶汽车的真正智能和规模化应用,必须解决通信方面的大数据和大连接问题,而能担此重任者非移动边缘计算莫属。

动边缘计算技术特征

移动边缘计算(MEC)最初于2013年在IBM和诺基亚西门子共同推出的一款计算平台上出现。移动边缘计算侧重在移动网边缘提供IT服务、云计算能力和智能服务,强调靠近移动用户以减少网络操作和服务交付的时延。移动边缘计算使传统无线网具备了业务本地化和近距离部署的条件,其技术特征主要体现为:邻近性、低时延、高带宽和位置认知。

第一,邻近性。由于移动边缘计算服务器的部署非常靠近信息源,因此特别适用于捕获和分析大数据中的关键信息。

(责任编辑:22科讯)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容