車載邊緣計(jì)算在電動(dòng)汽車節(jié)能中的應(yīng)用研究

楊冬雪　鄧榮

關(guān)鍵詞：車載邊緣計(jì)算；電動(dòng)汽車節(jié)能；路徑規(guī)劃

中圖分類號(hào)：U 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2023）21-0097-03

0引言

隨著全球變暖和溫室氣體排放的增加，國(guó)內(nèi)外逐漸開(kāi)始關(guān)注在交通領(lǐng)域?qū)Νh(huán)境的影響。在《中國(guó)制造2025》中，明確了電動(dòng)汽車的發(fā)展愿景以及戰(zhàn)略目標(biāo)，并提出了推動(dòng)新能源汽車與國(guó)際先進(jìn)水平接軌的發(fā)展戰(zhàn)略，并將“節(jié)能與新能源汽車”列入國(guó)家智能制造重點(diǎn)發(fā)展領(lǐng)域。將第五代移動(dòng)通信技術(shù)與新一代車用無(wú)線通信網(wǎng)絡(luò) （5G-V2X）應(yīng)用到電動(dòng)汽車節(jié)能中，逐步實(shí)現(xiàn)“人-車-路-云”的高度協(xié)同 [1]，推進(jìn)智能電動(dòng)汽車的可持續(xù)發(fā)展。

1 相關(guān)研究及現(xiàn)狀

當(dāng)前電動(dòng)汽車的續(xù)航里程受諸多因素影響，例如車載能源有限、能量利用率不高以及充電時(shí)間較長(zhǎng)等，所以需要采取措施挖掘電動(dòng)汽車的節(jié)能潛力。對(duì)此，國(guó)內(nèi)外學(xué)者提出了一系列解決辦法：文獻(xiàn)[2]中基于行駛工況對(duì)電動(dòng)汽車的能量消耗因素進(jìn)行研究；文獻(xiàn)[3]基于實(shí)時(shí)的路網(wǎng)信息，通過(guò)該見(jiàn)得基于分層規(guī)劃的自適應(yīng)A*算法對(duì)導(dǎo)航路徑進(jìn)行修正，有效縮短了電動(dòng)汽車的整體行駛時(shí)間；文獻(xiàn)[4]對(duì)邊緣計(jì)算車聯(lián)網(wǎng)架構(gòu)下基于交通數(shù)據(jù)的感知算法進(jìn)行了研究；QI X等人[5]在車路協(xié)同環(huán)境下進(jìn)行實(shí)驗(yàn)，測(cè)試電動(dòng)汽車真實(shí)能耗數(shù)據(jù)，并提出了一種降低電動(dòng)汽車能耗的算法，使用該算法，節(jié)約了將近22％的能耗；文獻(xiàn)[6]設(shè)計(jì)了一種基于邊緣計(jì)算的動(dòng)態(tài)交通誘導(dǎo)系統(tǒng)，在邊緣端和云端對(duì)電動(dòng)汽車進(jìn)行引導(dǎo)。但上述文獻(xiàn)均未在邊緣計(jì)算的環(huán)境下對(duì)電動(dòng)汽車的節(jié)能規(guī)劃進(jìn)行研究。因此，人們需要從利用現(xiàn)有資源的角度出發(fā)，研究如何在電池能量有限的前提下，充分挖掘電動(dòng)汽車的節(jié)能潛力，提高能量利用率，對(duì)電動(dòng)汽車的能源消耗進(jìn)行節(jié)能引導(dǎo)，有效提高電動(dòng)汽車的續(xù)航里程，為國(guó)家的節(jié)能環(huán)保戰(zhàn)略做出貢獻(xiàn)。

2 邊緣計(jì)算參考架構(gòu)

圖1的架構(gòu)為《邊緣計(jì)算參考架構(gòu) 3.0（2018） 》，圖中邊緣層由邊緣節(jié)點(diǎn)和邊緣管理器組成。其中邊緣節(jié)點(diǎn)的核心是硬件，能夠根據(jù)硬件特點(diǎn)以及具體需求，靈活運(yùn)用邊緣節(jié)點(diǎn)，邊緣傳感器采集大量數(shù)據(jù)之后，傳輸至邊緣網(wǎng)關(guān)及邊緣控制器、邊緣云進(jìn)行處理。邊緣管理器主要由軟件組成，對(duì)上述邊緣節(jié)點(diǎn)中的硬件進(jìn)行統(tǒng)一的管理，具有計(jì)算、處理和存儲(chǔ)資源的功能[7]。

云端CPU支持X86和ARM架構(gòu)，操作系統(tǒng)支持Linux、Windows 和macOS，容器運(yùn)行時(shí)支持Docker、Containerd和Cri-o，集群編排使用Kubernetes，包括控制節(jié)點(diǎn)、計(jì)算節(jié)點(diǎn)和集群存儲(chǔ)。其中控制節(jié)點(diǎn)核心組件包含Kube-apiserver、Kube-controller-manager 和pKruobxey-，s集ch群ed存ule儲(chǔ)r，組計(jì)件算包節(jié)括點(diǎn)E組tcd件。包云括上K的ub負(fù)el載et和以KPoudb形e-式運(yùn)行，Pod由Container組成，Container是基于操作系統(tǒng)的NameSpace和Cgroup隔離出來(lái)的獨(dú)立空間。

邊緣端CPU支持X86和ARM架構(gòu)，操作系統(tǒng)支持Linux，容器運(yùn)行時(shí)支持Docker，邊緣集群編排使用KubeEdge，包括云部分的CloudCore、邊緣部分的EdgeCore 和邊緣集群存儲(chǔ)SQLite，邊緣上的負(fù)載以Pod形式運(yùn)行。

現(xiàn)場(chǎng)設(shè)備端由運(yùn)行在邊緣集群上的管理端設(shè)備的服務(wù)框架EdgeX Foundry[8]和終端設(shè)備組成，EdgeX Foundry中的設(shè)備服務(wù)層負(fù)責(zé)與設(shè)備交互；核心服務(wù)層作為消息管道并負(fù)責(zé)數(shù)據(jù)存儲(chǔ)；支持服務(wù)層中的微服務(wù)負(fù)責(zé)邊緣分析服務(wù)和智能分析服務(wù)；而開(kāi)放服務(wù)層是整個(gè)EdgeX Foundry服務(wù)框架的網(wǎng)關(guān)層。

3 基于車載邊緣計(jì)算的電動(dòng)汽車節(jié)能系統(tǒng)

3.1 基本結(jié)構(gòu)

隨著5G技術(shù)和車用無(wú)線網(wǎng)絡(luò)通信技術(shù)的發(fā)展，邊緣計(jì)算在汽車行業(yè)應(yīng)用的優(yōu)勢(shì)逐漸凸顯，車載邊緣計(jì)算（VEC） 技術(shù)將邊緣計(jì)算與5G技術(shù)以及車聯(lián)網(wǎng)場(chǎng)景結(jié)合，能夠最大限度地減少車聯(lián)網(wǎng)環(huán)境下車輛之間的延遲，提高用戶服務(wù)質(zhì)量[9-10]。

如圖3所示，系統(tǒng)中車載邊緣計(jì)算結(jié)構(gòu)可按照橫向和縱向進(jìn)行結(jié)構(gòu)劃分[11]。橫向結(jié)構(gòu)中，在某一基站覆蓋范圍內(nèi)，基站內(nèi)部的車輛之間可以進(jìn)行通信，而且不同的基站之間也可以依靠無(wú)線回程鏈路進(jìn)行數(shù)據(jù)交換?？v向自下而上可將車載邊緣計(jì)算分為三層：終端層、邊緣計(jì)算層和云計(jì)算層。

1） 終端層：終端層主要包括車輛、攝像頭、雷達(dá)、交通燈系統(tǒng)以及充電樁位置等交通設(shè)備。由于車輛的逐步信息化智能化，終端層擁有相對(duì)更加豐富的感知、存儲(chǔ)和計(jì)算資源。車輛通過(guò)攝像頭、雷達(dá)和GPS等可以實(shí)時(shí)獲悉車輛狀態(tài)信息以及車輛周圍環(huán)境信息；利用車- 車通信（Vehicle-to-Vehicle，V2V）使車輛與其他車輛進(jìn)行通信；利用車-設(shè)施（Vehicle-to-Infrastructure，SVe2rIv）e通r U信ni，t，使RS車U）輛進(jìn)與行路數(shù)側(cè)據(jù)交單換元；（R利o用ad專用短程通信（Dedicated Short Range Communications， DSRC）技術(shù)，建立車- 路測(cè)單元RSU （Vehicle-to-RSU ，V2R） 之間的無(wú)線回程鏈路連接，由于采用正交信道傳輸，鏈路信道間無(wú)相互干擾；車輛可以根據(jù)需求決定在本地處理任務(wù)，還是將任務(wù)卸載到其他車輛或者邊緣端還是云端。

3.2 系統(tǒng)特點(diǎn)

車載邊緣計(jì)算由于具有如下幾大優(yōu)勢(shì)，可將其應(yīng)用在電動(dòng)汽車節(jié)能系統(tǒng)中。

1） 邊緣計(jì)算是一種分散式運(yùn)算的架構(gòu)。邊緣計(jì)算能夠?qū)⒃就耆性浦行奶幚淼膽?yīng)用程序、數(shù)據(jù)資料以及大型的服務(wù)進(jìn)行分解，分解成多個(gè)小任務(wù)，并且將分解后的更小更易管理的服務(wù)移往邊緣節(jié)點(diǎn)處理。邊緣計(jì)算將原本屬于云中心的計(jì)算工作部分分給邊緣節(jié)點(diǎn)執(zhí)行。在這種架構(gòu)下，數(shù)據(jù)傳輸?shù)男阅芤约皵?shù)據(jù)處理的效率被大大提高， 并且有效降低了云中心計(jì)算負(fù)載。

2） 邊緣節(jié)點(diǎn)靠近終端設(shè)備，可以更快地傳送并處理數(shù)據(jù)。在電動(dòng)汽車運(yùn)行場(chǎng)景中，幾乎所有的電子設(shè)備均通過(guò)車-車通信（V2V）和車-設(shè)施（V2I）通信方式互連，在這個(gè)過(guò)程中設(shè)備會(huì)產(chǎn)生海量數(shù)據(jù)。利用邊緣節(jié)點(diǎn)進(jìn)行數(shù)據(jù)處理，數(shù)據(jù)傳輸時(shí)延相對(duì)較低，同時(shí)網(wǎng)絡(luò)負(fù)載更小，網(wǎng)絡(luò)利用率更高。

3） 邊緣計(jì)算具有更高的安全級(jí)別。邊緣端的數(shù)據(jù)通過(guò)加密和認(rèn)證，提高安全保護(hù)性能保護(hù)，并且數(shù)據(jù)以分布式嵌入邊緣。

4） 邊緣計(jì)算相對(duì)于云計(jì)算具有更好的實(shí)時(shí)性、更大容量的存儲(chǔ)以及更低的帶寬成本，并且可以滿足系統(tǒng)的低成本高效率需求。

基于車載邊緣計(jì)算的電動(dòng)汽車節(jié)能系統(tǒng)通過(guò)縱向協(xié)作、橫向協(xié)作模式以及智能化部署，管理資源。

1） 縱向協(xié)作：自上而下的三層結(jié)構(gòu)提供了多種卸載模式，根據(jù)實(shí)際任務(wù)需求，車輛可以選擇在本地處理任務(wù)，也可以將任務(wù)卸載給周圍車輛、或邊緣計(jì)算層、或云端進(jìn)行處理。邊緣層是云端的延展，通過(guò)將云服務(wù)下沉，提供近地服務(wù)，云層則為邊緣層的補(bǔ)充，在邊緣資源不足的情況下，提供必要的資源支持。

2） 橫向協(xié)作：邊緣服務(wù)器的資源分布往往根據(jù)系統(tǒng)的功能會(huì)呈現(xiàn)出巨大差異，有的邊緣服務(wù)器由于負(fù)載任務(wù)較輕，資源未能被合理利用，有的邊緣服務(wù)器上負(fù)載任務(wù)較重，導(dǎo)致過(guò)負(fù)荷，不能正常處理任務(wù)。所以車載邊緣計(jì)算技術(shù)通過(guò)跨域多點(diǎn)協(xié)作的方式，深度融合并調(diào)度系統(tǒng)中的全部資源，有效提升系統(tǒng)網(wǎng)絡(luò)資源利用率，均衡負(fù)載，以充分挖掘使用系統(tǒng)資源，提升服務(wù)質(zhì)量；此外，車輛之間也可以通過(guò)V2V方式實(shí)現(xiàn)任務(wù)的相互卸載，提高車輛資源的利用率。

3） 智能部署：車載邊緣計(jì)算網(wǎng)絡(luò)由于系統(tǒng)中網(wǎng)絡(luò)設(shè)備龐雜會(huì)相對(duì)復(fù)雜，并且系統(tǒng)中涉及各種服務(wù)，可以利用深度強(qiáng)化學(xué)習(xí)算法，分析需求，通過(guò)學(xué)習(xí)對(duì)行為進(jìn)行判斷和預(yù)測(cè)，并加以控制，將人工智能算法部署在車載邊緣計(jì)算網(wǎng)絡(luò)系統(tǒng)的各個(gè)層，促進(jìn)復(fù)雜環(huán)境下資源的靈活卸載和任務(wù)的有效調(diào)度。

3.3 系統(tǒng)功能

1） 在電動(dòng)車需要充電時(shí)，向RSU傳入狀態(tài)條件，該狀態(tài)條件包括電動(dòng)汽車起始位置、終點(diǎn)位置、電量剩余里程、充電站的充電時(shí)間、排隊(duì)時(shí)間、充電費(fèi)用以及電動(dòng)車輛起始位置與終點(diǎn)位置之間的路徑距離，以起始位置與終點(diǎn)位置的經(jīng)緯度搜尋范圍內(nèi)全數(shù)充電站，逐一計(jì)算充電站至起始位置與終點(diǎn)位置的距離，將不符合搜尋條件的充電站逐一過(guò)濾移除，并且結(jié)合電動(dòng)車輛剩余電量，整合充電站清單并規(guī)劃出至少一個(gè)的動(dòng)態(tài)電動(dòng)車行駛路徑。充電線路算法根據(jù)電動(dòng)車輛剩余電量以及充電站的使用情況和排隊(duì)時(shí)間估算出剩余可行駛里程，基于排隊(duì)論的基本思想估算候選充電樁的排隊(duì)時(shí)間，這樣可通過(guò)充電路線動(dòng)態(tài)模型找到一條既節(jié)能又出行時(shí)間最短的充電路線。

2） 在電動(dòng)汽車行駛過(guò)程中不考慮中途充電時(shí)，通過(guò)調(diào)整駕駛速度使電動(dòng)汽車在行駛中達(dá)到最優(yōu)能耗，眾所周知，在交叉路口信號(hào)燈處由于紅燈的存在，車輛頻繁的加速減速以及停車操作是造成電動(dòng)車輛能量浪費(fèi)的主要問(wèn)題。設(shè)計(jì)的系統(tǒng)通過(guò)在VEC服務(wù)器中RSU預(yù)先獲取信號(hào)燈的位置和紅綠燈配時(shí)信息，用車載邊緣的計(jì)算資源，建立電動(dòng)汽車通過(guò)路口時(shí)的能耗模型，并根據(jù)模型規(guī)劃出車輛該以何速度通過(guò)路口，避免電動(dòng)汽車在交叉口處遇到紅燈，然后將駕駛建議返還給車輛，進(jìn)而對(duì)駕駛員速度進(jìn)行調(diào)整，以避免在交叉路口遇到紅燈后制動(dòng)停止以及再次啟動(dòng)加速，這樣可以大大降低電動(dòng)車因頻繁加減速造成的能源消耗，并能有效消除駕駛者的等待焦慮。

3） 在路邊部署攝像頭、雷達(dá)、電子地圖和GPS等設(shè)施車輛可以實(shí)時(shí)感知和收集車輛自身信息和周圍交通環(huán)境信息。邊緣服務(wù)節(jié)點(diǎn)收集到上述信息后，利用視頻分析功能，識(shí)別出車輛車牌號(hào)，同時(shí)判斷并預(yù)測(cè)周圍車輛的駕駛行為，一旦檢測(cè)到車輛的非常規(guī)行為或者存在風(fēng)險(xiǎn)的行為，邊緣服務(wù)節(jié)點(diǎn)可以向當(dāng)前車輛、其附近的車輛以及周圍的其他路測(cè)設(shè)備發(fā)出警告信息，以警告、提醒相關(guān)車輛必要時(shí)提前采取緊急制動(dòng)，減速避讓，避免長(zhǎng)時(shí)間的擁堵造成的頻繁加速或制動(dòng)行為，以達(dá)到節(jié)能目的。

4） 可以提供交通管理功能。通過(guò)道路內(nèi)的感應(yīng)線圈、路邊的視頻監(jiān)控和雷達(dá)傳感器以及車載GPS、電子地圖等定位服務(wù)，記錄大量相關(guān)道路交通數(shù)據(jù)信息比如天氣、路況、車流狀況等，將上述數(shù)據(jù)上傳到部署在云中心的管理平臺(tái)之后，管理平臺(tái)將上述部分交通數(shù)據(jù)信息下發(fā)到邊緣側(cè)的VEC服務(wù)器進(jìn)行計(jì)算分析，并通過(guò)RSU將經(jīng)過(guò)加工的交通信息和控制決策廣播給電動(dòng)汽車。這種方法將有助于了解車輛行為特征，學(xué)習(xí)不斷變化的交通模式，評(píng)估道路擁堵情況，預(yù)估行人出行時(shí)間，分析特定環(huán)境下交通管理策略的可行性，并為電動(dòng)汽車的智能化和交通管理智能化提供了必要的基礎(chǔ)。

4 結(jié)論

本文將邊緣計(jì)算技術(shù)與電動(dòng)汽車節(jié)能等問(wèn)題相結(jié)合，研究面向安全、節(jié)能的電動(dòng)汽車節(jié)能引導(dǎo)策略及其關(guān)鍵技術(shù)，設(shè)計(jì)了一個(gè)安全可靠、低延時(shí)、高吞吐的系統(tǒng)。這將會(huì)提高電動(dòng)汽車的可靠性和安全性，解決目前的“用電焦慮”問(wèn)題。并且可以預(yù)見(jiàn)，擁有可在5G環(huán)境下能夠進(jìn)行宏觀路徑規(guī)劃是電動(dòng)汽車未來(lái)的發(fā)展趨勢(shì)。因此進(jìn)一步增強(qiáng)電動(dòng)汽車安全、有序、可靠運(yùn)行，提供更加環(huán)保、節(jié)能的交通方案，將會(huì)更加合理地利用現(xiàn)有資源，使電動(dòng)汽車的發(fā)展趨勢(shì)更加智能化，具有廣闊的發(fā)展前景。