導(dǎo)  讀



1  正文

邊緣計算在自動駕駛的環(huán)境感知和數(shù)據(jù)處理方面有著極其重要的應(yīng)用。自動駕駛汽車可以通過從邊緣節(jié)點獲得環(huán)境信息來擴大自身的感知范圍，也可以向邊緣節(jié)點卸載計算任務(wù)以解決計算資源不足的問題。相比于云計算，邊緣計算避免了長距離數(shù)據(jù)傳輸所導(dǎo)致的高時延，能給自動駕駛車輛提供更快速的響應(yīng)，并且降低了主干網(wǎng)絡(luò)的負載?；诖?，首先介紹了基于邊緣計算的自動駕駛汽車協(xié)同感知和任務(wù)卸載技術(shù)及相關(guān)挑戰(zhàn)性問題，然后對協(xié)同感知和任務(wù)卸載技術(shù)的研究現(xiàn)狀進行了分析總結(jié)，最后討論了該領(lǐng)域有待進一步研究的問題。

計算機技術(shù)和傳感器技術(shù)的發(fā)展使汽車逐漸 成為更加智能的自動駕駛汽車。自動駕駛汽車的出現(xiàn)將會提高交通通行效率，減少道路交通事故。美國高速公路交通安全管理局將自動駕駛分為 L0～L5 共 6 個等級，從 L0 到 L5，汽車的智能化 水平逐漸提升。L5 級的自動駕駛汽車可以在任何環(huán)境下完成所有的駕駛操作而不需要人類駕駛員 的干預(yù)。為了提供安全的自動駕駛服務(wù)，自動駕駛汽車 需要獲取所處環(huán)境的完整信息，并對其進行實時處 理以做出行駛決策。從環(huán)境信息的獲取到行駛決策 的制定可以分為 3 個階段，分別是環(huán)境信息獲取、 信息融合處理和駕駛行為決策。

1) 環(huán)境信息獲取。自動駕駛汽車通過多種車載 傳感器獲取所處環(huán)境的信息，如用定位系統(tǒng)、慣性 測量單元獲取位置信息，用激光雷達繪制周圍環(huán)境 的點云，用攝像頭獲取環(huán)境的圖像數(shù)據(jù)，用雷達和 聲納檢測距離車輛最近的物體等。

2) 信息融合處理。此階段的任務(wù)是將獲取的環(huán) 境信息進行融合處理，使自動駕駛汽車了解周圍的 環(huán)境。信息融合處理階段有 3 個主要的任務(wù)，分別 是自我定位、目標(biāo)識別和目標(biāo)跟蹤。這 3 個任務(wù)都 需要大量的計算資源來完成。

3) 駕駛行為決策。在自動駕駛汽車了解了自身 所處的環(huán)境之后，就開始預(yù)測其他車輛或行人等障 礙物的運動路徑，然后根據(jù)預(yù)測結(jié)果做出自身的路 徑規(guī)劃和避障決策。

高級別的自動駕駛汽車需要在無人干涉的情 況下完成以上 3 個步驟，但僅依靠單個自動駕駛汽 車的能力是很難做到的，原因如下。1) 在環(huán)境信息獲取方面，單個自動駕駛汽車存 在傳感器視野盲區(qū)，無法獲取完整的所處環(huán)境信 息，這可能導(dǎo)致自動駕駛汽車無法檢測即將到來的 危險。2) 在數(shù)據(jù)處理方面，車載計算系統(tǒng)難以完成對 大量異構(gòu)傳感器數(shù)據(jù)的實時處理，其中僅攝像頭每 秒就產(chǎn)生 1.8 GB 的數(shù)據(jù)[1]。若在自動駕駛汽車上配 備高性能的計算系統(tǒng)，則會大大增加自動駕駛汽車 的成本。總體來說，環(huán)境信息獲取和數(shù)據(jù)處理兩方面的問 題導(dǎo)致僅依靠單個自動駕駛汽車的能力無法實現(xiàn)高 級別自動駕駛，因此需要其他智能節(jié)點的協(xié)助。為了解決數(shù)據(jù)處理方面的問題，有些研究者提 出了自動駕駛汽車與云計算相結(jié)合的方案，將數(shù)據(jù) 上傳到云端處理[2-3]。

云端雖然有大量的計算資源， 可以在極短的時間內(nèi)完成數(shù)據(jù)的處理，但是僅依靠 云端為自動駕駛汽車提供服務(wù)在很多情況下是不 可行的。因為自動駕駛汽車在行駛過程中會產(chǎn)生大 量需要實時處理的數(shù)據(jù)，如果將這些數(shù)據(jù)都通過核心網(wǎng)傳輸?shù)竭h程云端處理，那么僅數(shù)據(jù)的傳輸便會 導(dǎo)致很大的時延，無法滿足數(shù)據(jù)處理的實時性要 求。核心網(wǎng)絡(luò)的帶寬也難以支持大量自動駕駛汽車 同時向云端發(fā)送大量的數(shù)據(jù)，而且一旦核心網(wǎng)絡(luò)出 現(xiàn)擁塞導(dǎo)致數(shù)據(jù)傳輸不穩(wěn)定，自動駕駛汽車的行駛 安全便得不到保障。將邊緣計算應(yīng)用到自動駕駛領(lǐng)域?qū)⒂兄诮?決自動駕駛汽車在環(huán)境數(shù)據(jù)獲取和處理上所面臨 的問題。邊緣計算[4]是指在網(wǎng)絡(luò)邊緣執(zhí)行計算的一 種計算模型，其操作對象來自云服務(wù)的下行數(shù)據(jù)和 萬物互聯(lián)服務(wù)的上行數(shù)據(jù)，而邊緣計算中的“邊緣” 是指從數(shù)據(jù)源到云計算中心路徑之間的任意計算 和網(wǎng)絡(luò)資源。簡而言之，邊緣計算將服務(wù)器部署到 用戶附近的邊緣節(jié)點，在網(wǎng)絡(luò)邊緣（如無線接入點） 給用戶提供服務(wù)，避免了長距離數(shù)據(jù)傳輸，給用戶 提供更加快速的響應(yīng)。邊緣計算、移動邊緣計算、 霧計算在自動駕駛領(lǐng)域的應(yīng)用較相似，本文將它們 統(tǒng)稱為邊緣計算。協(xié)同感知和任務(wù)卸載是邊緣計算在自動駕駛 領(lǐng)域的主要應(yīng)用，這 2 種技術(shù)使實現(xiàn)高級別自動駕 駛成為可能。其中，協(xié)同感知技術(shù)使汽車可以獲取 其他邊緣節(jié)點的傳感器信息，擴大了自動駕駛汽車 的感知范圍，增加了環(huán)境數(shù)據(jù)的完整性；任務(wù)卸載 技術(shù)將自動駕駛汽車的計算任務(wù)卸載到其他邊緣 節(jié)點執(zhí)行，解決了自動駕駛汽車計算資源不足的問 題。面向自動駕駛汽車的邊緣計算離不開車用無線 通信技術(shù)（V2X, vehicle-to-everything）的支持，它 提供了自動駕駛汽車與智能交通系統(tǒng)中其他元素 的通信手段，是自動駕駛汽車和邊緣節(jié)點合作的基 礎(chǔ)。目前，V2X 主要基于專用短程通信（DSRC, dedicated short range communication）和蜂窩網(wǎng)絡(luò)[5]。其中 DSRC 是一種專門用于車輛與車輛（V2V, vehicle-to-vehicle）和車輛與道路基礎(chǔ)設(shè)施（V2I, vehicle-to-infrastructure）之間的通信標(biāo)準(zhǔn)，具有數(shù) 據(jù)傳輸速率高、時延低、支持點對點或點對多點通 信等優(yōu)點[6]。以 5G 為代表的蜂窩網(wǎng)絡(luò)具有網(wǎng)絡(luò)容 量大、覆蓋范圍廣等優(yōu)點，適用于 V2I 通信和邊緣 服務(wù)器之間的通信[5]。

本文首先對自動駕駛汽車與邊緣節(jié)點之間的 協(xié)同感知和任務(wù)卸載進行介紹，并闡述它們所面臨 的挑戰(zhàn)；然后分別綜述了協(xié)同感知技術(shù)和任務(wù)卸載 技術(shù)的研究現(xiàn)狀；最后指出了該領(lǐng)域有待進一步研 究的問題。