边缘计算

车联网边缘计算的计算方法与流程

2022-05-26 17:03:57 tuwei312 176

由于物联网技术和无线通信的巨大进步,具有环境感知、信息处理和自动控制能力的智能汽车应运而生。智能汽车为我们带来了强大的车载应用,如自动驾驶、语音识别、汽车娱乐等,助力构建更智能、更安全、更可持续的交通系统。这些应用程序通常需要密集的计算处理。但受限于车载计算资源,单个智能车辆可能无法提供足够的计算能力,难以保证应用任务按时完成。


移动边缘计算(MEC)为上述问题提供了一种可行的方法。通过在车载接入网络中部署计算服务器,可以将应用程序任务卸载到网络边缘以实现高效执行。卸载过程利用智能车辆和路边单元 (RSU) 之间的无线链路来传输任务数据和获取处理结果。此外,具有空闲计算资源的智能车辆可以用作边缘计算服务器,以在车对车(V2V)通信中为相邻的车辆任务生成器提供服务。为了具体描述这种在任务卸载中使用车辆通信的边缘计算方法,我们将其称为车联网边缘计算 (VEC)。

在车联网边缘计算系统中,车辆的高速运动和网络拓扑的快速变化导致了独特的特性,与传统的边缘计算系统不同,这些特性是为手持移动智能终端设计的。此外,这些特性带来了新的挑战,需要在移动边缘计算架构设计、计算服务调度和资源管理中实施关键技术,下面将对其进行研究和描述。


识别车联网边缘计算设计和管理的技术挑战是优化边缘计算服务的先决条件。根据道路交通环境和车辆边缘网络的特点,我们将挑战总结为四项。



高度动态的网络拓扑和不稳定的服务关系:高速车辆运动引起的网络拓扑动态变化是车联网边缘计算最重要的特征。这种拓扑变化会极大地影响传输速率、干扰、能耗等。由于通信在车联网边缘计算任务卸载中起着关键作用,因此动态拓扑意味着复杂的无线接入点切换、功率调整和边缘服务管理的干扰抑制。此外,考虑到 5G/超越 5G 网络中密集部署的基站(BS)的有限覆盖范围,高速移动的车辆可以在短时间内离开基站的通信范围。当高速车辆产生计算需求密集的任务时,BS 上配备的单个车联网边缘计算服务器很难在车辆保持在基站覆盖范围内的时间内完成计算过程。从而在车联网边缘计算服务器和用户之间诱发不稳定的服务关系,这进一步使车联网边缘计算管理机制复杂化。


严格的低延迟约束和大量的任务数据: 大部分车联网应用都与自动驾驶控制和交通安全改善有关,总是有严格的低延迟约束。例如,车辆对突然出现的障碍物的反应时间需要限制在毫秒内。因此,障碍物识别和控制指令生成的快速高效处理成为必要的先决条件。这就需要边缘服务器提供足够的计算资源。然而,在车辆众多的拥堵道路上,通常难以达到足够的服务能力。此外,如前所述,边缘计算服务依赖于用户节点和服务器之间的任务数据传输。在自动驾驶应用中,车载传感器,如摄像头、毫米波雷达和激光雷达,


异构和复杂的通信:车载网络由智能车辆、RSU 和基站组成。这些设备和基础设施形成了各种通信关系,包括车对车、车辆到 RSU (V2R) 和车辆到基础设施 (V2I),统称为车辆到一切,或 V2X。多样化的 V2X 通信可以工作在不同的频段或共享相同的频谱资源。此外,还为车载通信的部署和运营制定了一致的标准,例如美国的专用短程通信、欧洲的协作智能交通系统以及5G时代的IEEE 802.11bd和5G新无线电V2X。 . 遵循多种标准的大规模异构设备在受限频段内并行通信,


去中心化、独立控制的边缘服务节点:具有处理器、缓存和通信接口的智能车辆,当它拥有多余的计算资源并通过车对车任务卸载帮助其他车辆时,可以被视为移动边缘服务器。对于计算要求高的应用任务,单个车载服务器的能力可能无法满足需求。在这种情况下,聚合多个车载服务器以形成具有强大服务能力的组实体是解决该问题的有希望的方法。然而,由于网络中的车辆是移动的和分布式的,集中控制机制的频谱效率低且耗时。此外,每辆车的服务意愿和驾驶行为都由车主独立控制。


首页
产品
案例
联系