车联网产业链介绍之移动边缘计算技术

　　公安部交管局2017年7月发布的汽车统计数据表明，截至2017年6月底，中国机动车保有量达3.04亿辆，其中汽车2.05亿辆，成为继美国之后的第二大汽车大国。另据英国SBD公司预测，未来3年，中国每年将至少售出3000万辆汽车，到2020年，中国的汽车保有量将达到3亿辆左右。
　　随着5G技术的成熟，自动驾驶的发展将会愈来愈快，车联网+自动驾驶将会成为汽车产发展新动力。有了5G网络强大的数据传输能力，车与车、车与路、车与云端处理器、车与人之间将通过网络实现信息互通和互动。5G商用实现后，对智能交通、车路协同、车联网整体生态的建设，甚至对智慧城市建设都起到重要作用。
　　车路协同对5G边缘云有强需求
　　车联网的业务类型分为三种：信息服务、行驶安全和交通效率。信息服务中包括车载视频、车载AR/VR、车载视频通话、车载智慧家庭、汽车分时租赁、导航、动态地图；行驶安全方面包括车载视频监控、驾驶实时监测、车辆防盗、自动驾驶、碰撞预警、行人防碰撞；交通效率包括实况直播、全景合成、运行监控、车位共享、编队行驶、协同导航等能力。
　　边缘计算是自动驾驶的未来
　　5G核心网控制面与数据面彻底分离，NFV令网络部署更加灵活，从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”，部署于接近数据源的地方，一些数据不必再经过网络到达云端处理，从而降低时延和网络负荷，也提升了数据安全性和隐私性。
　　这对于时延要求极高、数据处理和存储量极大的自动驾驶领域而言，重要性不言而喻。未来对于靠近车辆的移动通信设备，如基站、路边单元等或均将部署车联网的边缘计算，来完成本地端的数据处理、加密和决策，并提供实时、高可靠的通信能力。
　　边缘计算在车联网中的应用市场前景广阔，车联网的普及也势必会拉动相关产业的发展。各种智能化的应用场景越来越多，作为一个正在起步的市场，边缘计算对计算能力也会提出越来越多的要求。
　　移动边缘计算在测试中
　　传统的云计算在车联网环境下，时间延迟明显而且连接不稳定，这会极大降低对车联网的体验。
　　例如，通过车辆平视显示，增强现实（AR）能够提供有帮助的信息与警示，或者提供更好的视野，AR需要较高的计算需求，这往往超出了单个车辆的计算需求；
　　例如，车联网中语音识别、自然语言处理的要求会越来越多，有很好的应用前景，可以在辅助驾驶中发挥作用，这也需要密集的计算能力。因此，靠近车辆的移动通信设备，如基站、路边单元等设备进行优化，就可以实现车联网的边缘计算。
　　不同于云计算，边缘计算利用终端侧（移动手机、智能音箱等）、边缘设备（网关、路由器、基站）中的处理能力，在数据源头处完成数据加密、本地数据交互甚至决策。就整个网络而言，不同地点的用户请求优先在本地进行处理，边缘计算架构是分布式的。
　　相较集中式架构，有优点如下：有效应对时延敏感业务：本地完成决策，避免网络传输时延；降低网络拥塞：本地进行决策和数据压缩，降低网络传输数据量；提升数据传输安全性：本地数据加密，提升数据传输的安全性；提升应用可靠性：在网络发生故障时，仍可保证基本功能的可用。
　　专家认为，云计算与边缘计算的主要区别就是资源“虚拟化”的能力不同。在车联网中实现边缘云、边缘计算，要考虑几个方面：一是如何实现计算资源共享；二是要考虑移动特点，降低车辆与路边设备频繁信息交互的不稳定性；三是降低移动边缘计算带来的设备前端与后端的功耗；四是要尽量减少基础设施的部署费用。
　　MEC与C-V2X融合应用场景
　　IMT-2020(5G)推进组C-V2X工作组发布了《MEC与C-V2X融合应用场景》白皮书。白皮书里面详细描述了MEC与C-V2X融合的11个应用场景，并针对每个场景中的MEC能力需求进行了归纳总结。