MEC在自动驾驶领域的应用探讨

1 引言

技术的快速进步让人们对生活便利的需求更加强烈，对车辆驾驶和出行产生了更高的期待。由谷歌掀起的自动驾驶浪潮正在席卷汽车制造领域和互联网领域。通信技术的发展，物联网、人工智能技术的进步为自动驾驶奠定了坚实的基础。自动驾驶高度依赖广泛的感知、实时的处理和智能决策，而传统通信网络集中式的处理机制无法满足其严苛的需求。MEC（多接入边缘计算）技术为自动驾驶提供了技术保障。

本文首先介绍了自动驾驶的分级标准和发展现状，论述了自动驾驶对MEC的需求，然后介绍了MEC的标准化进展、架构及功能。针对自动驾驶的特殊需求，探讨了MEC的应用场景及能力需求，最后展望了MEC在自动驾驶领域的商业模式。

2 自动驾驶技术分级标准和发展现状

2.1 自动驾驶技术的分级标准

NHSTA（美国国家高速路安全管理局）和SAE International（即国际汽车工程师协会）对自动驾驶发展程度率先给出了分级定义标准，将智能网联汽车的无人驾驶程度由低到高分为几个层级，即无自动驾驶辅助功能（Level 0）、特定自动驾驶辅助功能（Level 1）、部分自动驾驶辅助功能（Level 2）、有条件自动驾驶（Level 3）以及高度自动驾驶和无人驾驶（Level 4和Level 5），如表1所示。

表1 自动驾驶分级标准

表1中的SAE J3016标准被美国交通运输部（DoT）“联邦自动驾驶汽车政策”采用的同时，自动驾驶汽车技术的其他利益相关者均参考了该份文件，该文件事实上已经成为全球标准。

2020年3月9日，工信部发布《汽车驾驶自动化分级》推荐性国家标准报批公示，拟于2021年1月1日开始实施。《汽车驾驶自动化分级》是我国智能网联汽车标准体系的基础类标准之一，将为我国后续自动驾驶相关法律、法规、强制类标准的出台提供支撑。

2.2 迈向自动驾驶的技术路径

在实现自动驾驶方面，互联网企业与传统汽车制造商选择了截然不同的发展路径。传统汽车制造商根据现有的产品（汽车）从技术可靠性和成本可行性出发，选择从自动驾驶的较低阶段逐步开发升级到高级阶段。而互联网企业则以自动驾驶最高阶段为目标，不考虑成本，直接以高配置零部件和自研的自动驾驶核心平台进行开发[1]。两类企业的实现路径如表2所示。

表2 自动驾驶研发路径

互联网企业和汽车制造商的大量经验已经证明，基于“单车智能”的方式实现自动驾驶存在着成本高昂，系统复杂和安全短板等问题。从SAE的标准内容看，划分了人和系统的责任和权限，但没有考虑到人、车与环境的交互协同，因此越来越多的从业者提出自动驾驶需要从“单车智能”逐步向“车路协同”发展和演进。两种方式的特点如表3所示。

表3 单车智能和车路协同特点

3 自动驾驶对网络能力的需求

自动驾驶需要感知和采集大量的数据。从传感器数量来看，L2级自动驾驶通常需要3颗以上雷达，以及至少一颗摄像头；而五级自动驾驶，至少需要10颗雷达、8颗摄像头以及1颗激光雷达，其次还需要配置超声波传感器及车内摄像头。英特尔推算，全自动驾驶时代，每辆汽车每天产生的数据量高达4 000 GB。大量的数据传输到云端，需要网络提供高带宽，低时延的传输能力。

自动驾驶需要实时采集海量传感器数据，对传感器数据进行极速处理，根据采集到的传感器数据做出合理决策，并实时将决策发送至执行部件，计算力需求急剧增加。同时，非自动驾驶领域的技术演进也对计算力提出了要求。虚拟数字仪表板、高分辨率屏幕、语音识别及手势操作等部件和功能的引入，对计算力的需求也越来越高。据报道“自动驾驶级别每升高一级，对计算力的需求至少增加十倍”。

低延时同样是自动驾驶必不可少的前提条件。只有能够做到毫秒级的响应，才能够及时分析、处理、决策和执行，从而保证驾驶安全。根据标准要求，辅助驾驶时延不超过100 ms，自动驾驶时延不超过20 ms。

4 MEC的功能和架构

4.1 MEC的提出

MEC是欧洲电信标准化协会ETSI 2013年提出并主推的概念，其基本思想是通过将能力下沉到网络边缘，在靠近用户的位置上，提供IT的服务、环境和云计算能力，以满足低时延、高带宽的业务需求[3]。

2017年底，ETSI MEC标准化组织已经完成了第一阶段（Phase I）基于传统4G网络架构的部署，定义了MEC的应用场景、参考架构、边缘计算平台应用支撑API、应用生命周期管理与运维框架、以及无线侧能力服务API（RNIS/定位/带宽管理）。2018年9月完成了第二阶段（Phase II）的工作内容，主要聚焦于包括5G、Wi-Fi、固网在内的多接入边缘计算系统，重点完成了MEC in NFV融合的标准化参考模型、端到端边缘应用移动性、网络切片支撑、合法监听、基于容器的应用部署、V2X支撑、Wi-Fi与固网能力开放等研究项目[5]。

在ETSI制定的“MEC全球标准003版本”（GS MEC 003）中，ETSI定义了移动边缘计算基于网络功能虚拟化（NFV）的参考架构，其服务器端结构如图1所示[10,13]。

图1 移动边缘服务器（MEC Host）

① 虚拟化基础架构（Virtualization Infrastructure）基于通用服务器的计算、存储等物理资源，为应用层提供了灵活高效、独立运行的平台环境；

② 移动边缘平台（MEC Platform）负责提供移动边缘应用程序（MEC APP）所需的基础环境，如移动边缘服务发现、公布、消费和提供，提供包括域名、路由规则管控、数据分流、存储及时间管理服务。

③ 移动边缘应用（MEC APP）是基于虚拟化基础设施形成的虚拟应用程序，通过标准应用程序接口和第3方应用程序对接，并为用户提供服务。

4.2 MEC的主要特点和应用

根据MEC规划的目标和特点，可以划分为两大类主要应用。

（1）信息汇聚和分发类：MEC部署在网络边缘，天然具备高带宽低时延的能力，能够提高业务质量，降低业务时延，提升业务安全等级。如V2V、V2I的信息转发、车辆与车辆直接的感知数据共享（如See Through场景），动态高精地图及影音视频流的下发等。

（2）信息处理与增强类：利用MEC的存储及计算能力进行信息处理、增强以及合成。如视频流的实时分析与处理、AR/VR、在线游戏、违章预警、危险驾驶处理、交叉路口通信及大范围协同调度等。

5 自动驾驶中MEC的应用场景

MEC在自动驾驶中的应用有很多，下面选取4个典型场景进行说明。

5.1 动态高精度地图

传统地图提供地理位置、路线、POI等信息，主要以人为使用者进行设计的。想实现L3级别和更高的自动驾驶，必须要使用到高精度地图。高精度地图将大量的行车辅助信息存储为结构化数据，数据包含如更加精确的车道线的位置、类型、宽度、坡度和曲率等车道信息，除此之外还包含周边道路环境的点云模型信息等，高精度道路导航地图的数据量是普通地图的105倍甚至更多。

在MEC部署的区域，车载雷达、视频等传感器，路测摄像头等设备采集到的实时环境信息，可以实时上传至MEC进行高精度地图的制作。行驶过程中，车辆向MEC发送自身位置和目标地理位置请求，MEC根据请求向车辆推送目标位置的高精度地图。此外，当传感器检测到现实环境信息与高精度地图不匹配时也会将采集到的信息上传给MEC，由MEC更新补充高精度地图。

5.2 软件升级服务

空中下载技术（OTA）是自动驾驶汽车必须具备的能力。通过OTA可以更新和升级地图导航、信息娱乐操作系统、车机Tbox软件、媒体应用程序以及自动驾驶应用软件等。

MEC部署在网络边缘，靠近用户终端，基于MEC的软件升级服务能够降低核心网络负荷，提高升级速度。由于MEC位于运营商通信网络内部，与外部互联网隔离，天然具有高安全性，因此基于MEC的OTA的安全性、可靠性能够得到有效保障。

5.3 车载信息增强

自动驾驶技术能够解放驾驶人员的手、眼和脑，让司乘人员有更多时间去体验和享受各种应用和乐趣。基于MEC的车载信息增强场景比比皆是。比如，在行驶过程中乘客发现感兴趣的车外建筑或场所，并将视线固定于目标时，人工智能技术会用视线追踪功能调取乘客感兴趣的建筑或场所信息，在屏幕上形成AR（增强现实）体验[7]。在路况拥塞时，后车可以请求共享前车的视频图像信息，实时了解拥塞状况和原因。MEC可以为这种前后车See-Through提供高算力和低时延能力。其他如车内的视频直播、实时游戏等也需要MEC的支持。

5.4 大范围协同调度

在交叉路口或者更大范围的交通繁忙区域，道路、车辆、行人等情况复杂，如果没有统一的规则和系统进行调度，各自按照个体认为的最优方案行进，可能会造成更大的混乱。在MEC上部署协同调度功能，根据区域内车辆密度、道路拥堵严重程度、拥堵节点位置以及车辆、行人目标位置等信息，与城市交通云智慧中心协同，以全局最优为出发点，利用优化算法开展交通调度功能，能够达到安全、高效的调度目标[9]。

由于车辆行驶过程中发生不同基站、不同MEC区域的切换，因此移动性场景下，保证用户会话以及业务的连续性是保障用户体验的关键。解决思路主要有基于行驶路径预测技术和轻量级VM和数据迁移技术[11]。目前ETSI和各大厂商也在逐步解决移动性问题，相信随着研究的不断深入，移动性问题会得到全方位解决。

6 自动驾驶中的MEC商业模式

6.1 参与方及需求

在自动驾驶服务的生态链中，MEC作为服务的一个重要元素，被众多参与者集成，并以多样化的商品形式为最终用户提供服务。可以将基于MEC的自动驾驶服务提供方分为3类，如图2所示。

图2 自动驾驶服务的参与方

（1）MEC能力服务商

MEC作为一种基础硬件资源，一般由电信运营商负责建设并对外提供基础能力。MEC的能力可以通过能力开放平台对外部使用者所调用。随着电信行业的逐步开放，也会产生一些专业的MEC能力提供商，他们或者在电信运营商的MEC能力覆盖的地方补强MEC能力，或者在某些特定的行业领域提供个性化、差异化的MEC能力，弥补电信运营商通用能力的不足。

（2）基础应用服务提供商

自动驾驶服务需要集成众多的应用能力，如高精度地图、高精度定位、图像视频分析、AR增强等能力。而这些应用服务提供商同样也需要MEC的能力进行服务增强。如高精度地图服务商需要MEC提供大带宽、低时延的下载服务，图像视频分析等服务需要MEC提供强大的算力等。

（3）自动驾驶服务提供商

典型的自动驾驶服务提供商包含汽车制造商和自动驾驶运营服务提供商，前者如生产和售卖支持自动驾驶功能的车企，如宝马、上汽、广汽等；后者主要以互联网企业为主，如百度、滴滴、文远知行等。

6.2 商业模式分析

MEC作为一种基础资源能力，既可以直接服务最终用户（如算力、带宽），也可以被众多的自动驾驶参与方集成以多样化的自动驾驶服务对外提供服务。由于参与方众多，存在多种服务提供模式分析如表4所示。

表4 MEC的商业模式和计费方式

7 结束语

MEC能够降低智能汽车自身的算力要求，降低时延，为自动驾驶赋能，但在安全性、可靠性等方面还需要进一步研究[8]。ETSI、3GPP等国际标准化组织正在研究MEC如何与5G网络相互融合，以满足5G的关键性能指标要求及特定的业务场景需求[15]。未来，MEC的应用将会更加延伸到其他各个行业如游戏、旅游、体育、交通、工业控制等领域。MEC技术也将随着行业应用的深入得到进一步发展，商业模式也会得到更广泛的创新和验证。