移动边缘架构下的车联网

顾孝楠,朱龙杰,宋佳雄

摘要

本文以车联网环境下网联自动驾驶车辆为研究对象，搭建了移动边缘计算的通信架构，使用V2V通信和V2I通信实现信息的共享，可弥补自身感知精度和感知范围的不足。将移动边缘计算应用到车联网中可有效减少交通事故发生的几率，提高交通效率。

关键词：移动边缘计算；车联网；6G；时延

引言

人民生活水平的提高使得私家车的数量在显著增加，越来越多的车辆给人们的出行带来巨大便利的同时，也给当今的交通基础设施带来了巨大的负担，常常有严重的交通事故发生，也会导致严重的交通拥堵。随着道路被过度利用的现象的增加，人们迫切需要新的解决交通问题的方法。与此同时，自动驾驶汽车和智能交通系统的进步使得网联智能汽车自动驾驶过程的未来正在迅速接近。车联网IoV中的网联车辆CV和自动驾驶车辆AV是减少道路交通事故和提高道路效率的研究最多的两种汽车技术。网联自动驾驶车辆技术[1]集成了CV技术和AV技术, 通过更多的感知和计算资源的实现使得车辆越来越智能化，具有各种级别的自动驾驶功能。此外，时延也是车联网中需要考虑的重要因素[2]。移动边缘计算在网络边缘处理数据，其计算能力更接近移动设备，在基站部署云服务器的移动边缘计算可有效减少时延。同时，6G技术低时延、高可靠、高速率和大容量的能力使得自动驾驶技术将会实现多车互联[3]。这样不仅可以帮助车辆之间进行位置、速度、行驶方向和行驶意图的沟通，还可利用车辆间的V2V通信，让多个车辆进行协同控制，合理规划执行方案，保证车辆安全的通行。本文将移动边缘计算应用到车联网架构中，减少通信时延，降低交通事故发生的几率，提高通行效率。

车联网

有关车联网的研究最早起源于20世纪60年代的美国。我国的车联网起步于2009年。自2009年开始，我国车联网便受到加速发展，加速推进了智能汽车的创新与发展。成熟的车联网技术将给社会带来非常大的社会价值和经济价值。车联网是一种新兴的网络系统，它集成了车载自组织网络、物联网和移动边缘计算等前沿技术[4]。在这个系统中有大量传感器，它们互相连接，无需人工干预便可实现车辆、周围传感器和云之间的信息共享[5]。IoV能够为车与车之间的间距提供保障，降低车辆发生交通事故的几率；IoV可以帮助车主实时导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。基于6G的车联网对于提高道路安全性，减少交通事故有重大意义。为了有效提高交通效率，减少交通事故发生的几率，减少时延是车联网中需要考虑的重要因素。

移动边缘计算

移动边缘计算(Mobile Edge Computing, MEC)可以通过减少应用延迟和提高回程线路带宽利用率来提高6G网络的性能。与Amazon Web Services和Microsoft Azure等传统云计算系统中的远程公共云不同，移动边缘计算增加了接近移动用户的无线接入网络RAN，具有计算能力[6]。移动边缘计算在移动网络的边缘即无线接入网内和移动用户附近提供IT服务环境和云计算能力。它使移动设备能够将计算工作负载卸载给与基站相关的MEC服务器，从而提高移动应用程序的质量，显著降低延迟和功耗。

车联网中移动边缘计算体系架构

IoV中的网联自动驾驶车辆中有许多数据密集和延迟敏感的计算任务，它们对延迟有较高的要求。移动云计算可以有效处理这些延迟敏感的计算任务。与传统的计算卸载技术相比，移动云计算考虑了各种与移动相关的因素，如设备能量、带宽利用成本、网络连接性、移动性、上下文感知和位置感知等，可以为网联自动驾驶车辆提供足够的资源，具有很大的灵活性。其次，通过对资源的集中管理，可以降低云计算的成本。最后，由于所有任务都在云中处理，所以云计算支持多个平台。

尽管移动云计算具有诸多优点，但仍存在不可避免的问题，如延迟时间长和回程时间长，从移动设备到互联网云的距离很长，导致带宽限制等。首先，大规模的云计算中心通常部署在远离终端用户的地方，卸载到云计算中心的任务需要经历较长的传输时延，难以适用于实时性较强的计算任务和应用，如车辆的碰撞检测和预警所要求的毫秒级时延很难在云计算中实现。其次，大规模的原始数据上传到云计算中心需要占用大量的带宽资源，不仅为有限的传输带宽带来了巨大压力，还制造了巨大的计算成本。

如果将任务传输到远程云处理，即使云服务器之间的执行时间比较短，但由于卸载到云需要较高的通信延迟，因此对于延迟敏感的任务是不可接受的。其次，车辆与云服务器之间的通信占据了带宽资源，影响了传输速率。因此，对于车辆数据密集和敏感延迟的计算任务，传统的云计算不再占有优势。移动边缘计算是一种很有前途的解决方案，在车联网领域有着广泛的发展前景。MEC有潜力满足6G网络的关键端到端延迟需求，可以将资源有限的移动设备从计算密集型任务中解脱出来，使设备能够将工作负载转移到附近的MEC服务器上，提高计算体验的质量。

本文提出基于端边云车联网三层架构体系。本文考虑的支持边缘服务器之间的协作计算的MEC网络是一个由远程云服务器、多个配备边缘服务器的路旁单元RSU和多辆网联自动驾驶汽车组成的。

边缘云可以看作是网联自动驾驶车辆通过无线通道连接的数据中心。路旁单元RSU负责传输，边缘服务器负责计算，由于他们本质上是在同一个地方的，所以在本文将边缘服务器和路旁单元RSU视为一个整体。RSU和边缘服务器之间通过高速光纤连接。每个RSU通过6G移动网络同时为多辆网联自动驾驶汽车服务，配备边缘服务器的RSU可视为网联自动驾驶汽车和云服务器之间的中介。

RSU和网联自动驾驶汽车之间通过无线信道连接，网联自动驾驶车辆配备一个通信系统，用于接收和发送信息，与路旁单元间进行通信。这种通信将导致交通协调。网联自动驾驶车辆自身位置和速度等信息会通过RSU在边缘节点上组合，构建信息集合，增强感知；边缘服务器来处理这些数据，做出正确的决策，反馈给RSU；网联自动驾驶车辆和RSU之间使用V2I通信，收到反馈的网联自动驾驶车辆将采取安措施，避免碰撞事故的发生。

结语

本文以CAV为研究对象，将移动边缘计算应用到车联网中。在车联网移动边缘架构下，借助V2V通信和V2I通信实现信息的共享，弥补自身感知精度和感知范围的不足，减少交通事故发生几率，提高交通效率。

参考文献

[1]陈壮壮, 罗莉华. 网联自动驾驶车辆通过信号交叉口的速度轨迹优化[J]. 交通信息与安全, 2021, 39(4): 92-98, 156.

[2]王秀峰, 崔刚, 王春萌. 城市车联网 V2V 链路时延动态预测[J]. 计算机研究与发展, 2017, 54(12): 2721.

[3]彭木根, 孙耀华, 王文博. 智简 6G 无线接入网: 架构, 技术和展望[J]. 北京邮电大学学报, 2020, 43(3): 1.

[4]刘雷, 陈晨, 冯杰, 等. 车载边缘计算中任务卸载和服务缓存的联合智能优化[J]. 通信学报, 2021, 42(1): 18-26.

[5]冉斌, 谭华春, 张健, 等. 智能网联交通技术发展现状及趋势[J]. 汽车安全与节能学报, 2018, 9(2): 119.

[6]谢人超, 廉晓飞, 贾庆民, 等. 移动边缘计算卸载技术综述[J]. 通信学报, 2018, 39(11): 138-155.

基金项目：受西南民族大学中央高校基本科研业务费专项资金资助（项目编号：2021NYYXS50）Foundation Item: Supported by the Fundamental Research Funds for the Central Universities，Southwest Minzu University