邊緣計(jì)算、云計(jì)算、霧計(jì)算能為自動駕駛做些什么

APP

5G網(wǎng)絡(luò)技術(shù)給自動駕駛帶來了巨大變化。5G網(wǎng)絡(luò)作下一代蜂窩無線通信網(wǎng)絡(luò)能提供20Gbps速率，時(shí)延僅1ms，網(wǎng)絡(luò)穩(wěn)定性可達(dá)99.99%，它將促進(jìn)汽車的信息流共享、車隊(duì)的編隊(duì)無人化、遠(yuǎn)程駕駛?cè)齻€(gè)方面的高速發(fā)展。5G網(wǎng)絡(luò)給智能駕駛帶來了高穩(wěn)定性的物網(wǎng)聯(lián)架構(gòu)。通過服務(wù)器的高性能計(jì)算，核心云及邊緣云給網(wǎng)聯(lián)車輛提供實(shí)時(shí)路況、道路信息、行人信息等一系列交通信息，讓智能駕駛邁進(jìn)了“入5G網(wǎng)而知天下”的時(shí)代。

一、邊緣計(jì)算在自動駕駛領(lǐng)域發(fā)揮什么樣的作用

邊緣計(jì)算是一個(gè)較新的術(shù)語，隨著物聯(lián)網(wǎng)（IoT）時(shí)代的開始，目前它已變得越來越重要。

邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲、應(yīng)用核心能力為一體的開放平臺，就近提供最近端服務(wù)，這個(gè)概念不像在云端中進(jìn)行處理和算法決策，而是將智能和計(jì)算推向更接近實(shí)際的行動。與云端相比，邊緣計(jì)算具備這七大優(yōu)勢：

1.延遲：毫秒級延遲；

2.高吞吐量：本地生成，近場傳輸；

3.數(shù)據(jù)簡化：末端自主分析，減少對上游的依賴；

4.語境意識：實(shí)時(shí)獲取用戶及位置信息并用于計(jì)算；

5安全性：免受UE和CPE攻擊；

6.隔離：在丟失連接時(shí)仍能繼續(xù)運(yùn)轉(zhuǎn)；

7合規(guī)性：有助于用戶隱私條款。

試想下，如果你有占個(gè)工廠正在運(yùn)行各種自動泵和渦輪機(jī)。如果設(shè)備連接到云，并巨從這些設(shè)備傳出的所有數(shù)據(jù)都進(jìn)入云端，那么讓云實(shí)際控制這些設(shè)備也是很誘人的。當(dāng)需要關(guān)閉泵時(shí)，從云端通過網(wǎng)絡(luò)發(fā)出并下至泵的命令會告訴它關(guān)閉。當(dāng)泵遇到麻煩時(shí)，它會通過網(wǎng)絡(luò)發(fā)送信息并傳送到云端。這將是管理設(shè)備的集中方式。

假設(shè)泵開始出現(xiàn)問題，它需要一點(diǎn)時(shí)間才能通過網(wǎng)絡(luò)進(jìn)行通信，然后讓網(wǎng)絡(luò)將消息傳遞到云，然后云應(yīng)用程序需要時(shí)間處理信息，才能發(fā)出命令，然后通過網(wǎng)絡(luò)，最后到達(dá)泵。那時(shí)泵可能已經(jīng)完全失靈了。泵→云→泵的步驟延遲可能需要很長的時(shí)間，以至于云錯(cuò)過了保存泵的機(jī)會。

這也可以用在自動駕駛汽車。自動駕駛汽車上有許多感應(yīng)裝置，包括攝像頭、激光雷達(dá)、聲吶裝置等。許多自動駕駛汽車制造商正在設(shè)想，傳感器的數(shù)據(jù)將流入汽車制造商為自駕車設(shè)置的云端。這使得汽車制造商能夠收集大量的駕駛數(shù)據(jù)，并能夠使用機(jī)器學(xué)習(xí)來改善自動駕駛汽車的行為。

二、多少計(jì)算應(yīng)該發(fā)生在“邊緣”

出于實(shí)際原因，我們已經(jīng)知道大部分計(jì)算必須發(fā)生在邊緣，因?yàn)楦兄獢?shù)據(jù)分析的速度受到自動駕駛汽車周圍有什么物體的影響。一份調(diào)查表明，一輛每天運(yùn)行8小時(shí)的自動駕駛汽車將產(chǎn)生至少40TB的數(shù)據(jù)。

假設(shè)有強(qiáng)大的網(wǎng)絡(luò)并且保持連接，通過網(wǎng)絡(luò)來回發(fā)送數(shù)據(jù)至少需要150～200ms。這實(shí)際上是一個(gè)很長的時(shí)間，因?yàn)槠囋诟咚偾斑M(jìn)，而且需要時(shí)刻對汽車的控制做出判定。

因此，自動駕駛汽車需要利用邊緣計(jì)算。但是這涉及擁有足夠的本地化計(jì)算處理能力和存儲器容量，才能夠確保車輛和人工智能能夠執(zhí)行其所需的任務(wù)。

三、本地與云端并不是互斥的命題

通過精心設(shè)計(jì)，能夠?qū)⒈镜鼗幚砗驮铺幚砘旌显谝黄稹?/p>

例如，自動駕駛汽車可能正在實(shí)時(shí)處理感知數(shù)據(jù)，并據(jù)此采取駕駛行動。同時(shí)，它正在將數(shù)據(jù)發(fā)送到云端。云處理數(shù)據(jù)需要一些時(shí)間，并最終通過分析數(shù)據(jù)向自動駕駛汽車發(fā)送一些新信息。在這種情況下，我們將工作分為兩部分，一部分是在本地層面進(jìn)行的快速處理，另一部分是在云層面上進(jìn)行更多面向概述的工作，而不是即時(shí)性的工作。將數(shù)據(jù)推送到云端并取回結(jié)果的能力將取決于：

（1）自動駕駛汽車上的通信設(shè)備；

（2）通過網(wǎng)絡(luò)進(jìn)行通信所涉及的延遲；

（3）網(wǎng)絡(luò)的帶寬；

（4）網(wǎng)絡(luò)的可用性；

（5）網(wǎng)絡(luò)的可靠性；

（6）自駕車內(nèi)的通信。

變幻莫測的網(wǎng)絡(luò)決定了為什么不能把自乏翹側(cè)汽車的實(shí)時(shí)工；作交給云端處理。

自動駕駛汽車上有一些設(shè)備將被視為邊緣專用設(shè)備，這意味著他們完全依賴于本地處理。盡管他們收集的數(shù)據(jù)會發(fā)送到云端，但他們并不依賴于認(rèn)云端返回的任何內(nèi)容。有邊緣共享的設(shè)備能夠與云分工，完全在本地完成一些任務(wù)，并以與云共同協(xié)作的方式執(zhí)行其他任務(wù)。

自動駕駛汽車的處理器上的圖像分析儀能夠追蹤其他汽車、摩托車、行人等。然后將其輸入到傳感器融合中，進(jìn)行感知分析。

自動駕駛汽車的人工智能在本地處理器上運(yùn)行，并分析虛擬模型以決定采取何種動作。然后，人工智能會采用汽車控制裝置加速或剎車來駕駛汽車。

我們假設(shè)這一切都會發(fā)生在邊緣。過程會是這樣的：

（l）傳感器數(shù)據(jù)收集在邊緣；

（2）傳感器融合在邊緣；

（3）虛擬世界模型更新在邊緣；

（4）人工智能決策規(guī)劃在邊緣確定；

（5）人工智能在邊緣發(fā)布汽車控制命令；

（6）自動駕駛在邊緣執(zhí)行汽車控制昧令。

如果把云端加進(jìn)來，作為一個(gè)非實(shí)剛合作者，這意味著云會被告知正在發(fā)生的事情，但不會進(jìn)行與自駕車有關(guān)的控制：

（1）在邊緣傳感器數(shù)據(jù)收集，將數(shù)據(jù)發(fā)送到云端，但不要等待云端；

（2）傳感器融合在邊緣，將傳感器融合結(jié)果發(fā)送到云端，但不要等待云端；

（3）虛擬世界模型更新在邊緣，將虛擬世界模型發(fā)送到云端，但不要等待云端；

（4）人工智能行動計(jì)劃在邊緣確定，將人工智能行動計(jì)劃發(fā)送到云端，但不要等待云端；

（5）人工智能在邊緣發(fā)布汽車控制命令，將人工具薇勤丁的汽車控制命令發(fā)送到云端，但不要等待云端；

（6）自駕車控制執(zhí)行命令，從云端獲取更新并在可行時(shí)更新邊緣。

我們將邊緣信息傳輸?shù)皆贫恕＿@也可以在上述循環(huán)結(jié)束時(shí)完成，而不是嘗試交錯(cuò)。如果決定將云端控制放在這些步驟中，可能看起來是這樣：

（1）在邊緣傳感器數(shù)據(jù)收集；

（2）將數(shù)據(jù)發(fā)送到云端，等待云端；

（3）傳感器融合在云端；

（4）虛擬世界模型更新在云端；

（5）人工智能在云中確定的行動計(jì)劃；

（6）人工智能通過云發(fā)布汽車控制命令；

（7）等到收到云端車輛控制命令；

（8）自駕車執(zhí)行汽車控制命令。

使用云的原因之尸是我們在云中可以擁有更快的處理器和更多的內(nèi)存容量，而不是我們已經(jīng)加載到自動駕駛汽車上的。例如，當(dāng)進(jìn)行圖像分析時(shí)，最好在邊緣完成，而在云端進(jìn)行大規(guī)模學(xué)習(xí)，其中有成千上萬的自動駕駛的汽車圖像，它可能比邊緣處理器仁的一些較小的神經(jīng)網(wǎng)絡(luò)更好地進(jìn)行圖像分析。

因此，精心設(shè)計(jì)的自動駕駛汽車能夠在邊緣擁有所需的自主權(quán)，并在適當(dāng)?shù)臅r(shí)候利用云。例如，當(dāng)汽車停放或未被使用時(shí)，我們可能會讓自動駕駛汽車的人工智能在可用的情況「從云端獲取更新信息。還可以通過利用來自云的大規(guī)模神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)來增強(qiáng)局部邊緣的神經(jīng)網(wǎng)絡(luò)。

四、有些人認(rèn)為我們也需要霧計(jì)算

霧計(jì)算是邊緣計(jì)算和云計(jì)算之間的中間地帶。像一種中介計(jì)算，來充當(dāng)邊緣和云之間的中介。這意味著我們會在公路上安裝計(jì)算機(jī)服務(wù)器，這些系統(tǒng)可以更快速、更可靠地與在高速公路卜呼嘯而過的自動駕駛汽車進(jìn)行通信，而不會與云本身進(jìn)行通信。因此，您會得到類似云的功能，不會像真正的云那樣具有相同類型的延遲和其他問題。但這需要增加大量的基礎(chǔ)設(shè)施，而這些基礎(chǔ)設(shè)施在初始設(shè)置和維護(hù)時(shí)往往都很昂貴。

在許多霧計(jì)算應(yīng)用中，來自端點(diǎn)設(shè)備或者簡單的類服務(wù)器計(jì)算機(jī)（有時(shí)稱為“網(wǎng)關(guān)”）的傳感器數(shù)據(jù)會受到該網(wǎng)關(guān)的作用而觸發(fā)某些動作，或者執(zhí)行某些類型的任務(wù)。之后，數(shù)據(jù)被傳送到更強(qiáng)大的服務(wù)器上。這些服務(wù)器通常在云端進(jìn)行更高級的數(shù)據(jù)分析。

前沿邊緣計(jì)算設(shè)備的一個(gè)最好例子是聯(lián)網(wǎng)自動駕駛汽車。它得益于大量的傳感器數(shù)據(jù)以及關(guān)鍵的本地處理能力，再加上連接到云端更先進(jìn)數(shù)據(jù)分析工具的需求，自動駕駛汽車成了前沿邊緣計(jì)算的典范。