在5G浪潮驅動下，車路協(xié)同、智慧停車、智能交通規(guī)劃、自動駕駛等應用普遍被提上日程，同時5G帶來了數(shù)據(jù)量的大爆炸，越來越多的應用跑在了云端，很多具體的應用場景對延時的要求會變得非常嚴格，隨著強實時數(shù)據(jù)的迅速攀升在邊緣側進行預先處理，于是“邊緣計算”在智能交通領域應運而生。

什么是邊緣計算

邊緣計算（EdgeComputing）是5G網(wǎng)絡架構中的核心環(huán)節(jié)，是指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡邊緣側，融合網(wǎng)絡、計算、存儲、應用等核心能力的分布式開放平臺。邊緣計算是一種分布式計算框架，其使企業(yè)應用程序更接近數(shù)據(jù)源，如IoT設備或本地邊緣服務器。這種接近數(shù)據(jù)源的方式可以帶來巨大的業(yè)務好處：更快的洞察力、更好的響應時間和更好的帶寬可用性。

萬物互聯(lián)時代，海量設備將接入網(wǎng)絡，進行數(shù)據(jù)采集和用戶交互。邊緣計算常常與物聯(lián)網(wǎng)聯(lián)系在一起。物聯(lián)網(wǎng)設備參與到越來越強大的處理中，因此生成的大量數(shù)據(jù)可以重新遷移到網(wǎng)絡的“邊緣”。這意味著數(shù)據(jù)不必在集中式服務器之間連續(xù)地來回傳輸來處理。因此，邊緣計算在管理來自物聯(lián)網(wǎng)設備的大量數(shù)據(jù)方面效率更高，延遲更低，處理速度更快，且可擴展。在5G和AI的乘數(shù)效應下，其擴展了無線數(shù)據(jù)傳輸?shù)母邘捄偷脱舆t能力，人們對邊緣計算能夠實現(xiàn)什么目標充滿了期待。此科技將使邊緣計算系統(tǒng)大大提高速度，并最終增強其支持實時應用的能力。

據(jù)IDC預測，2025年全球物聯(lián)網(wǎng)連接數(shù)將增長至270億個，物聯(lián)網(wǎng)設備數(shù)量將達到1000億臺，全球數(shù)據(jù)總量預計2025年將達到163個ZB，而未來超過70%的數(shù)據(jù)和應用將在邊緣產(chǎn)生和處理。

在云計算初期，很多人認為，終端的價值已經(jīng)走到極限，通過網(wǎng)絡所有的數(shù)據(jù)都會傳輸?shù)皆贫颂幚砗陀嬎?，再傳回到用戶的終端?？墒聦嵉陌l(fā)展卻有些出乎意料，很多應用場景，對延時的要求非常嚴格，如果完全依賴云，勢必會讓效率降低。

邊緣計算在智能交通的應用

智能交通的落地是一個龐大的系統(tǒng)工程，除了城市空間和道路的調(diào)整外，你還需要一套結合最新軟硬件技術的、穩(wěn)定可靠的管理系統(tǒng)，以應對形形色色場景中紛繁復雜的應用。根據(jù)麥肯錫的咨詢研究報告，在邊緣計算的行業(yè)應用中，交通運輸所占比例最高。

隨著城市交通數(shù)據(jù)量的增加，用戶對海量交通信息的實時性需要也會隨之提高。如果把數(shù)據(jù)全部傳回云計算中心，將會出現(xiàn)帶寬資源的浪費和延時等問題，但如果把數(shù)據(jù)在邊緣服務器上進行實時分析和處理，便可根據(jù)路面實時狀況和可用資源對用戶做出相應指示。

邊緣計算在交通的應用體在智慧城市運輸和設施管理等基于地理位置的應用上，對于位置識別技術，邊緣計算可以對基于地理位置的數(shù)據(jù)進行實時處理和收集，而不必再傳送到云計算中心進行相應操作。

此外，在城市視頻監(jiān)控系統(tǒng)的應用上，可以構建融合邊緣計算模型和視頻監(jiān)控技術的新型視頻監(jiān)控應用的軟硬件服務平臺，以提高視頻監(jiān)控系統(tǒng)前端攝像頭的智能處理能力，進而影響預警系統(tǒng)和處置機制。

不難看出，“云計算”就相當于智能設備的大腦，處理相對復雜的進程，而“邊緣計算”就相當于智能設備的神經(jīng)末梢，進行一些“下意識”的反應，這為長期困擾行業(yè)發(fā)展的諸多難題迎來了解決的希望。

邊緣計算在車路協(xié)同的應用

最典型的如智能汽車應用場景，無法做到數(shù)據(jù)傳輸?shù)皆贫颂幚砗笤僮龀雠袛啵切枰尨罅康膶崟r數(shù)據(jù)，這就是邊緣計算的價值。

例如，一輛自動駕駛的汽車在面臨危險需要及時停止的時候，如果其還需把數(shù)據(jù)上傳到“云端”，通過計算得出停止的命令，再傳送到汽車，汽車再作出反應。那么就不如讓車輛本身也具備一定的計算能力，來處理這一問題。同時，我們還可以預想這樣一個場景，突發(fā)的自然災害、信號干擾或技術故障使得某一區(qū)域自動駕駛的汽車、列車陷入無網(wǎng)絡狀態(tài)。那么，它們就只能依靠邊緣計算賦予其的計算能力作出“下意識”的反應，才能確保其安全。

此外，智能交通正從單一場景交通管理向融合場景交通服務發(fā)展，V2X場景能幫助智能駕駛更安全、更高效、更經(jīng)濟、更便捷，例如限速預警、惡劣天氣預警、并道提示、路口調(diào)度等，而V2X關鍵技術包括感知、高清制圖和定位，高算力需求、高移動性、高可靠性和實時性帶來了主要的技術挑戰(zhàn)，而邊緣計算在車路協(xié)同領域會有更多技術突破空間。

邊緣計算在靜態(tài)交通的應用

邊緣計算在智慧停車的應用還體現(xiàn)在停車的控制系統(tǒng)、車聯(lián)網(wǎng)上，并影響著其對未來的泊位數(shù)和路面交通的規(guī)劃。目前智慧停車已被納入新基建和智慧城市的戰(zhàn)略建設上，邊緣計算助力智慧停車趨向成熟、完善，智能停車管理方式大步邁進，加速融合科技與商業(yè)。

隨著時間的推移，靜態(tài)交通信息大數(shù)據(jù)正在滾雪球，云存儲和其他類似的服務，正承受著大量復雜數(shù)據(jù)處理請求的壓力。智慧停車的建設依靠單一的集中處理方式的云計算模型無法應對所有問題，需要多種計算模式的融合才可以解決這些問題。邊緣計算模型可以把計算最大程度遷移到數(shù)據(jù)源附近的原則，實際需求在計算模型的邊緣處理。邊緣計算在智慧停車具有海量數(shù)據(jù)處理、低延遲、位置感知等幾大優(yōu)勢。

總結

目前，中國邊緣計算市場仍處于產(chǎn)業(yè)早期階段，擁有很大的技術爆發(fā)潛力，各類型行業(yè)參與者正積極布局搶占市場。各大廠商、科研機構正在制定標準和規(guī)范，雖未達成共識，但國內(nèi)外已形成多個產(chǎn)業(yè)聯(lián)盟，大力推動邊緣計算的標準和技術進步。如何統(tǒng)一這些設備的生產(chǎn)標準，這有待于在智能交通領域一些重要企業(yè)牽頭制定標準。

邊緣計算的到來讓智能交通更具安全性。無論是公路、鐵路、海運還是航空，安全都是交通行業(yè)最為重要的事情。相信在未來，智能交通“邊緣計算”領域會有更多技術突破，并能切實的改善我們的日常交通生活。