“边缘计算”在智能交通领域的应用 - 调查与观点 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • “边缘计算”在智能交通领域的应用

    2019-03-15 09:17:16 来源:赛文交通网 作者:小玖 评论:
    分享到:

    边缘计算火了。 

    边缘计算之火源于5G概念,边缘计算是作为5G的核心技术之一,因其低时延、大带宽、本地化的优势在5G时代中扮演重要角色。 

    01、何为“边缘计算”? 

    所谓边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。 

    简单来说,边缘计算,就是用网络边缘对数据进行分类,将部分数据放在边缘处理,减少延迟,从而实现实时和更高效的数据处理,以达到对云计算的有力补充。 

    在未来的智能交通应用环境中,“云计算”就相当于智能设备的大脑,处理相对复杂的进程;而“边缘计算”就相当于智能设备的神经末梢,进行一些“下意识”的反应。 

    02、“边缘计算”的六大特点 

    虽然边缘计算还没有全面爆发,但是从现在涌动的暗流中,我们已然可以看到,边缘计算呈现出的六大特点和趋势。 

    第一,去中心化 

    边缘计算从行业的本质和定义上来看,就是让网络、计算、存储、应用从“中心”向边缘分发,以就近提供智能边缘服务。 

    第二,非寡头化 

    边缘计算是互联网、移动互联网、物联网、工业互联网、电子、AI、IT、云计算、硬件设备、运营商等诸多领域的“十字入口”,一方面参与的各类厂商众多,另一方面“去中心化”在产品逻辑底层,就一定程度上通向了“非寡头化”。 

    第三,万物边缘化 

    边缘计算和早年的IT、互联网,如今的云计算、移动互联网,以及未来的人工智能一样,具备普遍性和普适性。在万物互联的未来,有万物互联就有应用场景,有应用场景就要边缘计算。 

    第四,安全化 

    在边缘计算出现之前,用户的大部分数据都要上传至数据中心,在这一上传的过程中,用户的数据尤其是隐私数据,比如个体标签数据、银行账户密码、电商平台消费数据、搜索记录、甚至智能摄像头等等,就存在着泄露的风险。而边缘计算因为很多情况下,不要再把数据上传到数据中心,而是在边缘近端就可以处理,因此也从源头有效解除了类似的风险。 

    第五,实时化 

    随着工业互联网、自动驾驶、智能家居、智能交通、智慧城市等各种场景的日益普及,这些场景下的应用对计算、网络传输、用户交互等的速度和效率要求也越来越高。以自动驾驶为例,在这些方面,几乎是要求秒级甚至是毫秒级的速度。而面对自动驾驶方面由摄像头、雷达、激光雷达等众多传感器创造的大量数据,传统数据中心模式的响应、计算和传输速度,显然是不够的,这时候“近端处理”的边缘计算,自然就成为了最好“实时化”要求的最好选择。 

    第六,绿色化 

    数据是在近端处理,因此在网络传输、中心运算、中心存储、回传等各个环节,都能节省大量的服务器、带宽、电量乃至物理空间等诸多成本,从而实现低成本化、绿色化。 

    03、“边缘计算”在智能交通领域的应用

    华为实践

    深圳交警借助华为FusionServer高性能边缘计算服务器,搜集实时交通数据,将交通信息存储、过滤、处理后,传回到华为开发的交通大数据平台,准确的提供“移动对象时空引擎”和“实时交通出行量计算”的信息,依据拥堵区域、道路和位置点等多维度数据实时拥堵分析(深圳交警5亿数据秒级分析),再将智能分析后的结果传到边缘侧,实现信号调优从被动采集到主动感知,从局部优化到宏观规划,从而利用有效地制定信号配时策略,交通诱导设置和对流量来源地的疏导指挥等策略,整体提升交通管制效率。

    通过信号调优方案,深圳市高峰期局部重点路段持续时间预期可减少15%,深圳大梅沙、龙华等部分重点路段运行速度提高9%,利用边缘计算能力实时监测反馈,实现深圳交通的智能管控。

    海康实践

    2017年10月28日,海康威视发布“IOT-基于神经网络的认知计算系统--海康AICloud框架”。  

    海康威视总裁胡扬忠表示,将AI算力注入边缘,赋能边缘智能是大势所趋。海康威视发布的AICloud框架,由云中心、边缘域、边缘节点三部分构成,实现从端到中心的边缘计算+云计算。

    基于此,海康威视发布了以海康深眸、海康神捕、海康超脑、明眸为代表的一系列AI智能边缘设备,搭载高性能GPU计算芯片和深度学习智能算法。

    能够在边缘实现原始视频图片中人体、人脸、车辆等属性信息的高效提取和建模,数据回传云端统一分析的同时,也可满足本地自治系统的数据应用,提升业务敏捷性和实时性。  

    2018年,智能交通行业总监王启东曾经就边缘计算举例说明。以信控为例,云平台汇聚全城路网、过车、信控配时数据,提供全局的交通数据“超脑”计算中心。

    但是同样的,在路口终端,边缘计算系统则自主学习路口的交通流模态,通过场景适配自主生成路况管理预案库,自动调节路口的交通秩序管理手段。

    因此形成了智能交通中心大脑+神经元末梢的新型智能交通生态系统。目前,海康威视已经在宜春、海口、洛阳等城市做过试点。 

    04、边缘计算在智能交通领域的挑战 

    边缘计算为智能交通系统带来了机遇的同时,它目前的发展也遇到了些许困难。

    第一,边缘计算设备常常要面临高温、高寒、高湿等复杂环境,如何在这样的环境下保持设备的长久运行是一个非常重要的问题。

    第二,边缘计算设备的缓存及运算能力是根据其任务有选择进行的,这就需要厂家对它们进行“量身定制”。

    最后,边缘计算设备要应用在交通系统的各个环节,涉及的厂家众多,如何统一这些这设备的生产标准,这有待于在智能交通领域一些重要企业牵头制定标准。 

    05、边缘计算是否会替代云计算

    边缘计算是否会替代云计算一直是一个讨论的热点问题。

    阿里云边缘计算技术负责人杨敬宇曾向媒体表示,二者并不是此消彼长的关系,应是天然互补的关系,相辅相成、缺一不可,边缘计算正在拓展云计算的边界。

    他认为,在云和端两者间取舍要对比两者的综合成本:在边缘进行数据处理主要考虑时延问题和电力资源,而传回云端处理,要消耗算力与传输成本。

    杨敬宇表示边缘计算作为5G时代的一项关键技术,未来将成为不可或缺的基础设施之一。

    5G提供了高可靠低延时的通信能力,如果5G加上边缘计算的时延与能耗都优于云端计算的成本,就可以优先边缘计算的方式。

    此外,边缘计算可能给未来的计算系统结构带来巨大革命。5G时代终端算力上移、云端算力下沉,将在边缘形成算力融合。

    边缘计算并不会取代云计算,更恰当的说法是,边缘计算是云计算的补充。目前二者融合的趋势越来越明显,将在未来相互配合,共同提升计算效率。

  • 关键字: 边缘计算
  •    责任编辑:刘艳
  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助