边缘计算在智慧交通系统中的应用

摘要/Abstract

摘要： 随着汽车的普及，交通拥堵问题日益严重，依靠传统云计算的智慧交通系统虽能在一定程度上缓解交通压力，但已无法满足辅助驾驶、自动驾驶等新型车载应用对传输带宽与时延的需求。为了实现海量数据的实时处理，保障公众信息及交通安全，提升交通系统运行效率，将边缘计算应用于智慧交通。首先对智慧交通的发展概况进行整体描述，提出基于边缘计算的智慧交通总体架构，充分利用边缘计算物理邻近、高带宽、低时延、位置认知的特点解决目前交通系统信息传递延迟、数据处理不及时、传输负载大等问题。然后，基于无线传输、信息感知、计算卸载及协同处理等方面阐述边缘计算应用于智慧交通亟需解决的关键技术。最后，指出边缘计算应用于智慧交通面临的未来机遇与挑战。

关键词: 物联网, 智慧交通系统, 边缘计算, 云边协同

Abstract: With the popularization of automobiles, traffic congestion is becoming increasingly serious. Although the cloud-based intelligent transportation systems (ITS) can relieve traffic pressure, it can no longer meet the demand of transmission bandwidth and delay requirements of new on-board applications such as assisted driving and autonomous driving. In order to realize the data real-time processing, ensure public information and traffic safety, and improve the transportation system efficiency, edge computing (EC) is applied to ITS. The development of ITS is described and the overall architecture of edge-based ITS is proposed, which makes full use of the characteristics of edge computing such as physical proximity, high bandwidth, low latency and location recognition to solve the problems of information transmission delay, data processing delay and large transmission load. Next, the key technologies of edge computing in ITS are discussed from the aspects of wireless transmission, information perception, computing offloading and collaborative processing. Finally, the future opportunities and challenges for the application of EC in ITS are pointed out.

Key words: Internet of Things, intelligent transportation systems, edge computing, cloud edge collaboration

吴建波, 朱文霞, 剧亮, 许致芳. 边缘计算在智慧交通系统中的应用[J]. 计算机与现代化, 2021, 0(12): 103-109.

WU Jian-bo, ZHU Wen-xia, JU Liang, XU Zhi-fang. Application of Edge Computing in Intelligent Transportation Systems[J]. Computer and Modernization, 2021, 0(12): 103-109.

参考文献

［1］ LIN J, YU W, ZHANG N, et al. A survey on internet of things: Architecture, enabling technologies, security and privacy, and applications［J］. IEEE Internet of Things Journal, 2017,4(5):1125-1142.
［2］ ZHU L, YU F R, WANG Y G, et al. Big data analytics in intelligent transportation systems: A survey［J］. IEEE Transactions on Intelligent Transportation Systems, 2019,20(1):383-398.
［3］ MENOUAR H, GUVENC I, AKKAYA K, et al. UAV-enabled intelligent transportation systems for the smart city: Applications and challenges［J］. IEEE Communications Magazine, 2017,55(3):22-28.
［4］谷晓会，章国安. 移动边缘计算在车载网中的应用综述［J］. 计算机应用研究, 2020,37(6):1615-1621.
［5］ CHIANG M, ZHANG T. Fog and IoT: An overview of research opportunities［J］. IEEE Internet of Things Journal, 2016,3(6):854-864.
［6］ MAO Y Y, YOU C S, ZHANG J, et al. A survey on mobile edge computing: The communication perspective［J］. IEEE Communications Surveys & Tutorials, 2017,19(4):2322-2358.
［7］ United States Federal Transportation Advisory Group. Vision 2050: An Integrated National Transportation System［EB/OL］. ［2021-03-08］. http://www.interstatetraveler.us/Reference-Bibliography/Vision%202050.pdf.
［8］杨博文. 智能交通系统的研究现状及发展趋势分析［J］. 中国设备工程, 2019(2):121-122.
［9］王笑京. 智能交通系统研发历程与动态述评［J］. 城市交通, 2008,6(1):6-12.
［10］黄力彬. 国内外城市智能交通系统建设综述［J］. 城市道桥与防洪, 2016(5):40-45.
［11］国务院. “十三五”现代综合交通运输体系发展规划［EB/OL］. ［2021-03-08］. http://www.gov.cn/zhengce/content/2017-02/28/content_5171345.htm.
［12］宁滨. 智能交通中的若干科学和技术问题［J］. 中国科学:信息科学， 2018,48(9):1264-1269.
［13］张爱国,范文强,张迎娅. 云计算模型在智慧交通系统中的应用研究——以深圳市为例［J］. 城市交通, 2019,17(3):48-52.
［14］贺大胜. 智能交通发展现状及在我国的应用研究［D］. 西安:长安大学， 2013.
［15］贡伟. 基于云计算的交通大数据处理系统及研究［D］. 杭州:浙江工业大学, 2017.
［16］ABBAS N, ZHANG Y, TAHERKORDI A, et al. Mobile edge computing: A survey［J］. IEEE Internet of Things Journal, 2018,5(1):450-465.
［17］梁苗,邬凯,邵江,等. LoRa技术在公路边坡监测中的应用研究［J］. 地下空间与工程学报, 2020,16(S2):1011-1016.
［18］肖瑞雪,冯英伟,吕国,等. 面向5G移动通信的蜂窝物联网关键技术研究［J］. 现代电子技术, 2020,43(9):29-32.
［19］ZHOU H B, XU W C, CHEN J C, et al. Evolutionary V2X technologies toward the internet of vehicles: Challenges and opportunities［J］. Proceedings of the IEEE, 2019,108(2):308-323.
［20］秦方,王宇舟. 低功耗广域网“广覆盖”的研究及思考［J］. 电信快报, 2018(5):10-14.
［21］QIAO G H, LENG S P, ZHANG K, et al. Collaborative task offloading in vehicular edge multi-access networks［J］. IEEE Communications Magazine, 2018,56(8):48-54.
［22］NGUYEN T D T, NGUYEN V D, PHAM V N, et al. Modeling data redundancy and cost-aware task allocation in MEC-enabled internet-of-vehicles applications［J］.IEEE Internet of Things Journal, 2021,8(3):1687-1701.
［23］丁治明,高需. 面向物联网海量传感器采样数据管理的数据库集群系统框架［J］. 计算机学报, 2012,35(6):1175-1191.
［24］汪永鹏. 物联网感知层智能网关及开放服务接口的研究与实现［D］. 北京:北京邮电大学, 2013.
［25］LIU J, WANG S B, WANG J T, et al. A task oriented computation offloading algorithm for intelligent vehicle network with mobile edge computing［J］. IEEE Access, 2019,7:180491-180502.
［26］管茂林. MEC车联网应用的预迁移策略研究［D］. 重庆:重庆邮电大学, 2019.
［27］龙隆,刘子辰,石晶林,等. 移动边缘计算中计算卸载与资源分配的联合优化策略［J］. 高技术通讯, 2020,30(8):765-773.

［28］WANG G, XU F M, ZHAO C L. Multi-access edge computing based vehicular network: Joint task scheduling and resource allocation strategy［C］// 2020 IEEE International Conference on Communications Workshops(ICC Workshops). 2020. DOI: 10.1109/ICCWorkshops49005.2020.9145277.

［29］YANG S. A task offloading solution for internet of vehicles using combination auction matching model based on mobile edge computing［J］. IEEE Access, 2020,8:53261-53273.
［30］MAO Y Y, ZHANG J, SONG S H, et al. Stochastic joint radio and computational resource management for multi-user mobile-edge computing systems［J］. IEEE Transactions on Wireless Communications, 2017,16(9):5994-6009.
［31］PAN J L, MCELHANNON J. Future edge cloud and edge computing for internet of things applications［J］. IEEE Internet of Things Journal, 2018,5(1):439-449.
［32］张星洲,鲁思迪,施巍松. 边缘智能中的协同计算技术研究［J］. 人工智能, 2019(5):55-67.
［33］李佳芯. 华为：智慧交通让人悦于行不再难［J］. 道路交通管理, 2020(3):90-91.

[1]	董重重, 赵聪, 吴悠, 张蕾, 张佳雯, 李志浩. 面向物联网终端设备的零信任动态评估方法[J]. 计算机与现代化, 2024, 0(11): 41-45.
[2]	李爽1, 2, 叶宁1, 2, 徐康1, 2, 王甦1, 王汝传1, 2. 面向智慧养老的边缘计算卸载方法[J]. 计算机与现代化, 2024, 0(06): 95-102.
[3]	赵晨伊1, 赵欣2. 一种基于元宇宙的边缘端资源配置方案[J]. 计算机与现代化, 2024, 0(04): 121-126.
[4]	陈琦, 李晶晶. D2D网络中基于多目标优化的计算卸载策略[J]. 计算机与现代化, 2024, 0(01): 21-28.
[5]	孟娜, 方维维, 路红英. 一种面向微控制器上环境声音分类的DNN压缩方法[J]. 计算机与现代化, 2024, 0(01): 80-86.
[6]	闫阳, 詹子俊, 曹绍华. 基于设备协同的大规模卸载：融合分治和贪心的双层优化算法[J]. 计算机与现代化, 2023, 0(11): 13-21.
[7]	杨波. 基于边缘计算的多用户动态带宽分配方法[J]. 计算机与现代化, 2023, 0(11): 69-74.
[8]	何玉鹏, 陶勇, 王必恒, 赵英男. 智能配电网边缘计算研究现状与展望[J]. 计算机与现代化, 2023, 0(08): 87-92.
[9]	陈刚, 王志坚, 徐胜超. 基于可行点追踪-连续凸逼近的移动边缘计算任务卸载[J]. 计算机与现代化, 2023, 0(08): 93-97.
[10]	李伟群, 常朝稳, 李鹏劲. 资源受限的NB-IoT节点的安全认证选择机制[J]. 计算机与现代化, 2023, 0(02): 104-109.
[11]	张昊, 路红英. 面向边缘计算应用的拜占庭式容错分布式一致性算法[J]. 计算机与现代化, 2022, 0(12): 33-41.
[12]	丁忠林, 李洋, 曹委, 谈宇浩, 徐波. 基于深度Q学习的电力物联网任务卸载研究[J]. 计算机与现代化, 2022, 0(11): 75-80.
[13]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[14]	张彦虎, 鄢丽娟, 马志愤, 张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法[J]. 计算机与现代化, 2022, 0(05): 54-60.
[15]	张天喜, 王利朋, 周春天, 杨艳艳, 李晓冲. 物联网中基于区块链的密态内容审计方案[J]. 计算机与现代化, 2022, 0(03): 30-36.