基于边缘计算的瞬时动态车路协同系统建设

杨哲，张青山，郑至城，张旎靖

中移（上海）信息通信科技有限公司，上海 201210

【摘要】本文提出了瞬时动态条件下基于边缘计算的车路协同系统建设。依托新一代5G和V2X信息与通信技术，基于边缘计算的车路协同系统将车与路、车与车、车与人有机地连接在一起，为自动驾驶车辆提供行车相关的综合信息服务，确保驾驶的安全、高效和舒适。在介绍系统架构、通信方式、数据来源以及核心能力的基础上，本文进一步介绍了基于系统核心能力可以实现的基础信息服务和应用信息服务，展示出系统的可行性与先进性。

【关键词】瞬时动态；边缘计算；车路协同；交通服务

Collaborative Vehicle Infrastructure System （CVIS） under Instantaneous Dynamic Conditions Based on Mobile Edge Computing

Yang Zhe, Zhang Qingshan, Zheng Zhicheng, Zhang Nijing

China Mobile Shanghai ICT Co.，Ltd.，Shanghai 201210

Abstract: In this paper, construction of a collaborative vehicle infrastructure system （CVIS） based on mobile edge computing （MEC）under instantaneous dynamic conditions is presented. Thanks to the 5G and V2X technologies, the vehicle is organically connected to its neighboring roads, vehicles, and pedestrians by MEC-based CVIS, which provides integrated information services to autonomous vehicles, to guarantee driving safety, efficiency and comfortability. After presentation of the system architecture, communication modes, data sources and its core capabilities, this paper further introduces fundamental information services and application information services built with the system capabilities, which shows the feasibility and advances of this MEC-based CVIS.

Key words：instantaneous dynamic;MEC;CVIS;traffic service

1 引言

智能网联汽车是中国制造2035交通强国战略重点产业领域之一，智能网联汽车技术的发展需要兼顾智能化、网联化，从而形成现代化综合交通体系[1]。作为车联网的高级发展阶段，车路协同可以获取更完善的道路感知信息，为安全、高效、舒适的自动驾驶应用提供全方位信息服务，同时可通过降低车辆系统复杂度来降低自动驾驶车辆的成本，在环境感知、规划决策和控制执行等方面为单车智能自动驾驶助力升级，加速自动驾驶应用成熟[2]。

随着车联网政策的推行，智能网联汽车无论在产业还是标准层面都有了新的进展。2016年，工业和信息化部（以下简称“工信部”）首次发布了《智能网联汽车技术路线图》，梳理了智能网联汽车的关键技术，提出了技术发展路径与时间规划。2019年6月6日，工信部向中国移动发放5G商用牌照，中国正式进入5G商用元年。2021年3月，工信部、交通运输部、国家标准化管理委员会联合印发《国家车联网产业标准体系建设指南（智能交通相关）》，指南显示，到2025年，制修订智能管理和服务、车路协同等领域智能交通关键标准20项以上，系统形成能够支撑车联网应用、满足交通运输管理和服务需求的标准体系[3]。

在真实交通场景下，道路具有交通参与者数量众多、行人和路况随机性强等特点，仅依赖单车智能实现自动驾驶还存在很多方面的局限，如感知局限，车载传感器无法感知视域范围外的驾驶环境，造成驾驶盲区；规划局限，自动驾驶车辆无法与周边其他交通参与者协同路径规划和驾驶决策，可能会造成路径冲突，降低行驶效率；控制局限，自动驾驶车辆无法与同一交通系统中的其他参与者协同控制，对所处交通系统的安全稳定运行带来隐患；算力局限，由于单车人工智能（Artificial Intelligence, AI）算力不足导致自动驾驶AI能力受限，这可能会引发一系列驾驶安全和效率问题。

为解决这一系列难题，本文提出瞬时动态条件下基于边缘计算的车路协同系统，可在低时延、高可靠的前提下实现对海量高并发数据的实时计算处理，为自动驾驶车辆提供实时动态信息服务。系统由“云-边-路-端”分层架构组成，包括机动车辆、非机动车辆、行人等各类交通参与者，路侧单元（Road Side Unit, RSU）、工控机、交换机及各种路侧感知设备，以及涵盖边缘云、区域云、中心云的边云系统平台。系统实时接收来自感知、地图、定位、气象、交管等多方信息，并对其进行融合计算，实现人、车、路、云的全面连接，满足自动驾驶局部区域业务低时延、高可靠与全局业务计算复杂性高的需求，为不同等级的自动驾驶车辆提供信息服务，为交通参与者与管理者提供丰富的业务应用服务。

2 基于边缘计算的车路协同系统架构

2.1 系统架构

基于边缘计算的车路协同系统由“云-边-路-端”分层架构构成（图1），通过联合交通参与者的端侧系统、基于路端感知的路侧系统以及边云协同系统，为自动驾驶车辆提供基础信息服务和应用信息服务。

“端”指在混合交通中的交通参与者，包括车端感知设备、具有通信功能的车载单元（On Board Unit, OBU）、弱势交通参与者（Vulnerable Road User, VRU）网联设备等。交通参与者的感知信息既可以通过基于C-V2X的PC5空口经路侧基础设施采集上传至边云系统，也可以通过基于5G的Uu空口直接上传。“路”指路侧基础设施，包括独立部署的RSU、与5G基站共站的RSU，以及摄像头、激光雷达、毫米波雷达等路侧感知设备，路侧感知设备通过工控机进行融合计算后上传至边云系统平台进行统一处理。边云协同系统指由边缘云、区域云或中心云构成的云端计算系统，为协同应用提供数据汇聚、存储、计算以及基础运营管理等服务。其中边缘云主要分布在网络边缘侧，提供实时数据处理、分析决策能力，通常部署于街或区，运行实时协同应用；区域云、中心云一般部署于市、省及全国，提供需要巨量计算能力支撑的准实时或非实时应用服务[4]。

在“云-边-路-端”的系统架构下，车端和路端将实现基础设施的全面信息化，形成底层与顶层的数字化映射，而5G与C-V2X的联合组网可构建出广覆盖蜂窝通信与直连通信协同的融合网络，保障了智慧交通业务的连续性，通过人工智能和大数据技术实现海量数据分析与实时决策，从而构建出一个全覆盖的可提供实时交通信息服务的智能交通一体化系统平台。

2.2 系统通信方式

实现可靠、经济、高效的网联自动驾驶，首先需要安全可靠的通信方式。蜂窝通信因其自身大容量、广覆盖、移动性好等优势，从2012年开始获得业内广泛支持。在融合了蜂窝移动通信和直连通信两种模式之后，C-V2X系统确立了基于4G/5G的系统框架和关键技术原理，并启动在3GPP的LTE-V2X车联网国际标准制定[5]。

基于C-V2X提供的蜂窝通信（也称LTE-V-Cell）方式和直连通信（也称LTE-V-Direct）方式的接口特性，本系统构建了以下组网方式：

（1）LTE-Uu基于Uu空口的通信方式，即用户终端通过蜂窝网络实现数据互联互通。这种通信方式可以提高LTE-V2X网络的整体接入和组网效率，提供时延敏感度低且更连续的信息服务，如影音娱乐、道路救援、远程车辆调度和远程车辆诊断等服务。

（2）5G与4G的通信方式类似，5G通过5G基站完成数据的上下行，两者之间区别在于5G可以通过UPF分流的方式实现流量在网络边缘的卸载，以保证数据处理的低时延要求，提供大带宽数据上下行服务或时延敏感度较高的信息服务，如车载数据回传、实时地图信息下发、远程车辆控制等服务。

（3）PC5基于在车辆高速运动状态下道路交通安全的低时延、高可靠传输要求，系统使用了PC5直连通信的广播通信信道，即用户终端之间不经过基站直接通信。此链路大大简化了通信过程，保证了终端间通信的稳定性、连续性以及特殊区域/大流量需求区域的数据可靠性，一般提供交通安全相关的信息服务，如车车通信、红绿灯信息播发、路权分配等服务。

以上三种通信方式各有优劣，系统根据不同业务和场景的需求差异提供灵活的网络组合和网络资源。当前，C-V2X网络尚未完全铺展开，4G/5G是车联网推广的有效载体，通过轻量级的应用和较小代价就可以让用户体验到车联网给生活带来的便捷。未来，基于NR PC5的通信方式，系统可以提供广播、组播、单播等组合播发的通信方式，大大降低通信链路的复杂性。系统通过对目前较为成熟的两种通信链路的组合应用，加上5G通信的边缘计算技术，可以提供大带宽、低时延、高可靠的车联网强化管道服务，为路侧和车端的海量数据交互提供通信时延小于30ms的通信链路，为最终将自动驾驶车辆的“眼睛”甚至“大脑”交给边缘计算车路协同系统提供可能性。

2.3 系统数据来源

在基于边缘计算的车路协同系统中，数据主要来自于路侧、车端和行人端的感知设备以及外部环境系统。

为减少车端计算成本以及提供基于全局视角的交通信息，本系统在路侧部署了摄像头、激光雷达和毫米波雷达等感知设备。在对路侧原始视频数据和点云数据等进行感知识别及融合计算后，感知设备会将数据通过RSU上传至边缘云以供进一步信息融合。

车端和行人端感知设备主要包括部署在车端的各种传感器和OBU以及弱势交通参与者的网联设备（手持设备、穿戴设备等）。作为车端的通信计算单元，OBU可以实现车车之间以及与RSU之间的信息交互，同时具备一定的信息存储能力和简单的数据处理能力。车载OBU通过C-V2X实现车车之间的信息共享，同时RSU通过汇聚实时车端信息实现进一步交通数据补充。弱势交通参与者通过自身的网联设备向网络侧上报自身的位置、速度等感知信息。

除此之外，系统也需要高精地图系统、交通管理系统、高精定位平台以及气象监测等外部系统的数据支撑。RSU作为路侧基础设施，可以将收集的路侧感知信息、车端信息以及外部系统信息等通过Uu接口以及内网接口上传至边缘云进行多源数据融合处理，并将边缘云的处理结果反馈至路侧设备实现信息回传。系统数据来源见表1。

2.4 系统能力

通过路侧感知设备、OBU、RSU、边缘云、区域云及中心云等基础设施，利用V2X和5G通信技术，基于边缘计算的车路协同系统主要提供高动态边缘交互、全景数据以及规划决策与调度运营三种核心能力。

2.4.1 高动态边缘交互

高动态边缘交互主要是通过搭建低时延大数据的处理架构，为系统中的感知数据上行汇聚、平台间的数据低时延交互处理以及下行数据的匹配分发提供可靠的数据链路，与5G和C-V2X网络一起承担系统中强化管道的角色。高动态边缘交互数据流如图2所示。

在本系统中，传输链路首先将车端、环境端产生的多元感知数据通过C-V2X网络或5G网络汇聚到边缘侧，边缘侧对接入数据进行初次加工处理，再按照系统中各个应用的需求通过高动态边缘交互对数据进行路由，同时将这些数据上传至区域云/中心云。在边缘侧处理完成的低时延数据由高动态边缘交互匹配向下播发。区域云/中心云对汇聚的交通大数据分析处理，进一步挖掘数据中的高价值信息，将生成的区域调度类信息播发至相应的边缘云。

高动态边缘交互不局限于平台设备间的数据交互，同时可以筛选低置信度数据，实现实时监控网络状况，为上层应用提供统一的数据接口，是数据质量、网络质量的第一判定界面，是车联网规模化推广最核心的底层能力，实现端到端时延小于100ms的保障。

2.4.2 全景数据

全景数据主要是通过搭建低时延多元数据的融合处理架构，为系统中汇聚的多源感知数据提供低时延的数据融合处理，并进一步提供风险预警、提醒告警、车辆连续追踪等能力。在区域云/中心云上，全景数据可提供基于交通大数据的区域交通态势分析以及全局交通态势分析，结合高精度地图的能力调用和图层叠加，将传统的高精度地图升级为分钟级更新的全景动态高精度地图。全景数据核心能力如图3所示。

道路侧的交通信息内容多样，包括来自摄像头、激光雷达、毫米波雷达等传感器的数据，以及基于车辆的车端状态数据等，这些路侧交通的多元数据都由高动态边缘交互汇聚并路由到全景数据，全景数据对车路感知数据、地图、交管、气象等多方数据进行融合计算，可以实现对车路协同系统覆盖区域的所有交通参与者信息、道路交通动态信息以及路面状况动态信息进行全方位实时监测。

2.4.3 协同规划决策与调度运营能力

协同规划决策与调度运营主要提供对智能网联自动驾驶车辆的智能调度与全局/局部规划决策。通过协同优化多车的行驶路径、车速、车辆行为，以及面向具体作业任务的智能调度，实现路网及作业任务的高效运行。与当前单车路径规划不同的是，协同规划决策可以基于全景数据提供的全局视角交通参与者数据，结合图论、二次规划算法等方法进行行驶路径规划，确保更安全、高效和舒适的行驶过程，同时基于动态交通信息实时更新规划路线，以减小事故发生概率、提升驾驶体验。

目前依靠车联网专用通信网络依然存在20ms的空口通信时延，为了规避因时延给高级自动驾驶辅助数据服务带来的安全风险，系统在获取实时交通信息的同时，可对交通状况进行50～100ms的短时预测，将某一个时间段内获取的多个交通参与者位置信息统一到同一个时间轴。这样不仅能消除由于通信时延和计算时延带来的时间误差，更能提高平台提供数据服务的一致性和有效性。

3 基于边缘计算的车路协同系统信息服务

利用基于边缘计算的车路协同系统的核心能力，可以为不同级别的自动驾驶车辆提供高精定位、全景服务、动态交通信息等可靠的全场景辅助驾驶基础信息服务。基于市场对车联网商业化的应用需求，结合车路协同系统的基础信息服务能力，系统可为各种应用场景提供相应的应用信息服务，如自主泊车、智慧公交、特种车辆优先、车辆编队、物流配送、示范园区等。

3.1 基础信息服务

3.1.1 高精定位服务

高精度位置信息是保证与车联网位置相关业务可靠性的必须信息之一。依靠基于边缘计算的车路协同系统能力，以及中国移动在全国建设的超过4400个定位基准站形成的CORS网络，传统的实时差分定位（RTK）技术得以在车联网方向被更广泛地应用。

随着车联网应用的发展，对高精度定位在可靠性、时延、移动速度、定位精度、数据刷新频率、通信范围等性能都提出了更高的要求。基于本系统，可以实现覆盖全国的厘米级定位和亚米级定位服务，满足终端用户所有场景的定位需求。高精度定位服务面向对位置有精准要求的全行业客户，如地理信息、自动驾驶、共享单车、机场、农业、电力等行业，同时可根据客户需求，提供定制的定位服务和完整的端到端解决方案。

3.1.2 全景服务

基于全景数据基础产品能力，可以为网联车辆提供边缘侧信息服务。全景服务包含自动驾驶过程中环境感知和信息融合这两个关键环节，结合全景数据提供的交通参与者信息以及来自交管、气象等多方环境信息，网联自动驾驶车辆可以实现下一步规划决策和车辆控制。当网联车辆进入感知覆盖区域时，全景数据可以计算和分析出对此车辆有用的交通信息并下发至车辆，以此使网联车辆安全、高效、舒适地驾驶通过全景感知覆盖区域。同时，全景服务也可以是交管信息监控平台中的一环，实现交管部门对管辖范围内的360°无死角全方位实时监控，以此实现对全域内突发事件的迅速反馈。

全景服务还是风险预警系统的重要数据源。在获取了大量实时交通参与者信息后，全景数据可结合车辆的瞬时状态和驾驶意图计算出交通参与者之间的风险影响指数，以此提醒车辆规避行车风险，从而降低交通事故率，提升驾驶的安全性。

3.1.3 动态交通信息服务

随着智能网联的推广，车端回传数据越来越丰富。不远的未来，车路协同系统不仅可以获取车辆的位置、速度等基本信息，还可以汇入海量基于车端感知以及行人交通参与者的信息数据。随着数据量以及覆盖范围的扩大，服务范围更大的中心云开始发挥作用。基于中心云的车路协同系统可以针对道路中多车的行车数据进行分析，从而获知和标记不良驾驶行为习惯，比如暴力制动、紧急加速、紧急变道等，将其纳入数据库以用作危险标记以及道路危险提醒；面对道路拥堵状况，系统也可以针对某段时间的拥堵交通大数据进行分析和预测，从而对道路拥堵进行优化。系统可以实现绝大多数甚至所有交通参与者与中心网络互联互通，在中心云形成交通大数据。通过对交通大数据的深度挖掘，可获得交通流量分析、交流流量预测、行车路线推荐、交通诱导、驾驶习惯分析、驾驶意图等信息，为道路交通环境提供更多动态交通信息服务。

3.2 应用信息服务

3.2.1 网控自主泊车

根据调研，约60%的用户在停车场存在“找车位难、等待时间长、停车难”等痛点[6]，为解决此问题，自主代客泊车应运而生。

目前的自主泊车服务大部分是在车端部署超声波雷达、前视摄像头以及鱼眼摄像头等多组传感器来实现单车智能自主泊车，造价较高，而且容易出现视觉盲区，效率和安全性都有待考察。基于本文提出的边缘计算车路协同系统，可以实现场端实时获取停车场空位情况、道路状况，实时下发路径规划信息协助网联车辆完成自主泊车过程。在通过边缘云甚至区域云、中心云覆盖更大范围的城市区域时，系统可以实现多个停车场联动，为车主规划选择最佳停车场，完成更高效率的自主泊车。

3.2.2 园区自动驾驶

园区自动驾驶是当前商业模式清晰的重要场景之一。基于边缘计算的车路协同系统可以作为园区运力调度、订单系统、自动驾驶、仓储管理、安防监控、车辆出入、数字月台等多种应用的基础能力环境，助力传统园区的数字化升级改造，提升园区物流效能、降低管理成本、实现车人货单协同，为企业的降耗增效提供整体解决方案。

此外，园区自动驾驶解决方案可根据客户的不同，提供多种形态的定制化开发，包括封闭园区、半开放物流园区、示范性园区等。

3.2.3 网控车辆编队

车辆编队一般指两台或两台以上的车辆（多指货车等大型车辆）保持固定的间距进行编队行驶，所有车辆通过车车通信技术（Vehicle-to-Vehicle, V2V）相互关联，第一辆车作为领航车辆，设置好路线和车速，后面的车自动跟随前车行驶，所有车辆能够同步领航车的动作，进行同样的制动或减速操作。车辆编队的应用场景主要为高速公路，具有场景简单、环境封闭的特点。

依托于5G网络、高精度定位及5G-V2X优势，结合自有感知识别、高动态边缘交互与规划决策调度的系统能力，实现主动安全监测、精准路线规划、物流追踪管理、车辆管理、智能调度、辅助驾驶等核心能力，提高综合物流系统决策和执行效率，提升协同运营和调度能力，保障行车安全。

3.2.4 其他市场应用

面向公交系统的“V2X+智慧公交”、面向物流场景的“V2X+智慧物流”、面向高速公路场景的“V2X+智慧高速”，甚至城市交通态势感知等，基于边缘计算的车路协同系统都有相应的发挥空间与应用兼容性。每个地域、每个场景的道路交通状况都有所不同，基于本系统所提供的解决方案都会有所差异，先化零为整，从基础场景、可复制性高的场景切入，再进行不断扩充，对各个应用场景进行精细化运营，是本系统在车联网市场落地推广的发展路线。

4 结语

本文提出一个瞬时动态条件下基于边缘计算的车路协同系统，可实时接收来自感知、地图、定位、气象、交管等多方信息，初期主要为网联自动驾驶车辆提供实时动态信息服务以及安全保障，为交通参与者与管理者提供丰富全面的业务应用服务。智慧化的车联网建设，不仅为交通运输提供更为高效的物理通道，也同时形成道路交通的数据通道，促进智慧城市的发展。随着服务的逐步扩大，系统将利用其数据汇聚、全覆盖、低时延等优势，伴随道路部署到各个城市乃至全国的各个角落，为推动社会智能化转型，推进交通强国、科技强国、数字中国建设，建立健全的车联网智慧交通相关体系贡献更多力量。

参考文献

[1]中华人民共和国国务院新闻办公室．中国交通的可持续发展白皮书 [R]. 北京：中华人民共和国国务院新闻办公室，2020.

[2]中国信息通信研究院．车联网白皮书（网联自动驾驶分册）[R]. 北京：中国信息通信研究院，2020.

[3]工业和信息化部，交通运输部，国家标准化管理委员会．国家车联网产业标准体系建设指南（智能交通相关）[Z]. 北京：工业和信息化部，2021.

[4]李克强，常雪阳，李家文，等．智能网联汽车云控系统及其实现 [J]. 汽车工程，2020 42（12）：1595-1605.

[5]陈山枝，胡金玲，等．蜂窝车联网（C-V2X）[M]. 北京：人民邮电出版社，2020.

[6]陈超卓，余杰，等．自主代客泊车系统总体技术要求 [Z]. 2021.