1.3.4　边缘计算

边缘计算是伴随着5G技术发展而兴起的新兴计算技术，通过在网络边缘设备上增加执行计算任务和数据分析的能力，将原有中心服务器的部分或全部计算迁移到网络边缘设备上，降低中心服务器的计算负载，减缓网络带宽的压力[4]。相比于传统的云计算，边缘计算具有实时数据处理和分析、计算效率高、安全性高、隐私保护、可扩展性强、能感知位置及流量低的优势。但目前边缘计算的发展仍然处于初期阶段，在各个领域都尚未大规模应用。

随着未来交通万物互联时代的到来，交通基础设施将全面数字化，也就意味着交通传感器作为智慧交通的“触角”将无处不在，交通系统网络之上将全面覆盖数据采集网络。随着数据感知时间、空间粒度的下沉和感知维度的不断拓宽，数据体量将成指数级增长，尤其是自动驾驶、车路协同相关领域，对数据传输实时性要求极高；高清视频监控、音频处理等领域数据体量庞大且冗余信息占比高；面对如此庞大的数据，边缘计算成为完美的解决方案，其能够很好地降低不必要的数据传输和存储工作，在传感器端快速完成基础的数据处理，将结果及时反馈给需求端，是未来ITS不可或缺的重要环节。

（1）边缘计算在自动驾驶领域的应用。自动驾驶在行驶过程中，若按照传统的先上传云端、分析处理、再返回设备的模式，则造成信号传输的延迟，紧急情况下极易发生交通事故。边缘计算通过在边缘侧处理，可以降低时延，降低事故发生概率。

（2）边缘计算在交通管控领域的应用。在城市的交通监测中，高清摄像头遍布城市主要道路，通过卡口、电警、微卡口等设备监测交通违章、交通路况、路侧停车、拥堵热点与重点车辆等，但高清视频数据体量庞大，且只需要基础处理即可提取有效信息，将如此大体量的冗余数据回传到控制中心进行处理后再反馈给交通控制设施则浪费大量传输资源和传输时间。通过边缘计算服务器实现本地化的获取和数据实时分析，可以满足实时非现场执法、根据实时路况来控制交通信息灯等的交通业务需求。

（3）边缘计算在轨道交通领域的应用。屏蔽门的自主控制是轨道交通系统实现自动驾驶的关键，但在现阶段，屏蔽门的开关仍旧依靠人工判断与控制，边缘计算的应用是解决屏蔽门自主控制的重要手段，基于边缘计算可实现屏蔽门上安装的视频等检测设备采集客流信息的实时处理与计算，进而实现屏蔽门开合的自主控制，将推动轨道交通自动驾驶的步伐。

目前，一些城市已经有了初步的边缘计算应用。中兴通讯应用边缘计算技术在广西柳州部署了自动泊车系统，在该系统中，边缘计算用于快速本地化处理和识别停车场视频图像，不需要将全部视频数据回传后台服务器处理，从而降低数据传输时延，提升控制效率[5]。深圳交警应用华为边缘计算服务器实现实时交通数据的存储、过滤和处理，将处理后的结果信息回传交通大数据平台，进行多维度的拥堵分析，将智能分析与决策结果回传到边缘端，进行交通信号的局部优化、交通诱导设施的部署等，基于此方案，深圳大梅沙、龙华等区域重点路段运行速度提高9%。边缘计算的广泛应用将带来交通领域一系列技术突破，使得未来交通系统向更加智慧化、自动化方向迈进。