05　边缘智能：5G MEC赋能自动驾驶

边缘计算：自动驾驶的未来

目前，汽车行业有一个非常受人关注的技术，就是自动驾驶，这也是人工智能行业一个非常典型的应用场景，吸引了大量企业前来布局。作为一种智能化的交通工具，自动驾驶可以代替人类完成一系列的驾驶行为。随着自动驾驶技术不断发展，人们将获得更便捷、更高效率的出行体验，并且可以推动太阳能、风能等清洁能源的发展与应用，全面改善空气质量，优化生活环境。

汽车自动驾驶有两层含义：一是智慧，二是能力。智慧指的是自动驾驶汽车可以对周围环境进行智能感知，通过综合判断做出推理和决策；能力指的是自动驾驶汽车可以保证智慧系统做出的所有决策都能落地执行，让车辆实现自主控制，进而实现人机交互与协同。总而言之，对于自动驾驶来说，智慧与能力缺一不可。

为了实现“智慧”和“能力”，自动驾驶技术一般会涵盖环境感知、决策规划、车辆控制三大模块，利用内置传感器与外置传感器模拟人类驾驶员的感官，在驾驶过程中获取周边环境信息和车辆状态。

一、自动驾驶汽车的等级标准划分

自动驾驶不是一个新概念，早在20世纪80年代就曾掀起一波关于自动驾驶的研究热潮。1984年，全球第一辆真正意义上的自动驾驶汽车在卡内基·梅隆大学（Carnegie Mellon University，简称CMU）诞生。这款自动驾驶汽车利用激光雷达、计算机视觉以及自动控制技术感知周边环境，自动做出驾驶决策。在特定的道路环境中，这款汽车的行驶速度最高可以达到31千米/小时。

2014年，国际自动机工程师学会制定了一套标准，将自动驾驶汽车划分为六个等级，分别是无自动化、驾驶支援、部分自动化、有条件自动化、高度自动化、完全自动化，具体如表5-1所示。

表5-1　SAE自动驾驶汽车分级标准

二、边缘智能：提供低时延数据传输方案

5G网络的传输速率高达20Gbps，传输时延只有1毫秒，每平方千米可以连接100万台设备，网络传输的稳定性可以达到99.999%，从单车信息流共享、车队编队无人化、远程驾驶三个层面对智能驾驶的发展产生了积极的推动作用。对于自动驾驶来说，5G网络为其搭建了一个低时延、高传输速率、高稳定性的网络架构。

随着自动驾驶等级的不断提升，车载传感器的种类越来越多，一辆自动驾驶汽车一天就能产生大约25TB的原始数据。这些原始数据需要在本地进行处理，包括利用深度学习技术进行目标检测、提取数据特征、进行跟踪分析等。同时，还需要利用V2X技术提升车辆对道路环境与主体的感知能力，并利用3D高清地图进行建模对车辆进行精准定位，对车辆的行驶路径进行规划，对驾驶策略进行调整，从而对车辆进行安全控制。

为了保证数据处理效率与车辆响应速度，这些计算任务必须在车内完成，因此需要为自动驾驶汽车配备性能强大的边缘计算平台，利用服务器强大的计算能力以及核心云、边缘云等设备，让车辆获取实时的交通信息，包括路况信息、道路信息和行人信息。

边缘计算是一种将数据存储在更接近需要的位置的分布式计算模式，这里所说的“更接近需要的位置”指的是靠近物体或数据源头的网络边缘侧。边缘计算可以融合网络、计算、存储、应用等核心能力，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求。作为连接物理世界与数字世界的桥梁，边缘计算可以为资产、网关、系统、服务等的智能化升级赋能。

三、技术路径：5G MEC赋能自动驾驶

虽然5G与移动边缘计算的融合可以极大地提升网络通信能力，但这远远无法满足自动驾驶的需求。因为自动驾驶车辆上存在大量感知设备，对边缘网络的接入能力和网络传输时延有较高的要求。为了满足更多终端的接入需求，运营商正在规划建设更多基站和微基站。

●多接入：自动驾驶使用的传感器主要有三种类型，分别是摄像头、雷达和激光雷达。其中，摄像头可以更好地分辨物体的颜色，精准识别指示牌与路标，但比较容易受天气以及光线的影响。雷达的感知能力非常强，不仅可以感知远距离的物体，而且不容易受雨雾等天气的影响。摄像头与雷达结合可以做出更精准、更可靠的判断。这样一来，自动驾驶的接入层就需要接入大量终端设备，每个终端或每辆车都需要一个IP。如果某个路段上的车辆比较多，就会在短时间内出现大量IP需求，IPv6（互联网协议第6版）需求就会随之增强。

●低延迟：5G网络的控制面与数据面分离，在网络功能虚拟化（Network Function Virtualization，简称NFV）的作用下，网络部署更加灵活，对分布式边缘计算的部署产生了很大的助益。边缘计算让边缘侧承担了大量的数据计算与存储任务，数据无需通过网络，就可以传输到云端，有效解决了用户隐私泄露和数据安全问题，可以更好地满足自动驾驶对数据处理以及数据传输的需求。