通信世界网消息（CWW）
移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力，可以减少对网络资源的无效占用，增加实时通信连接的可用带宽，降低服务交付的时延。
智能无人驾驶汽车发展潜力巨大。当前关于无人驾驶汽车的研究大多集中在车载环境感知技术和车辆控制技术方面。随着无人驾驶汽车逐步走向规模化商用，如何实现云端和汽车之间数据的低时延和高带宽连接，成为制约智能无人驾驶汽车发展的瓶径。移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力，可以减少对网络资源的无效占用，增加实时通信连接的可用带宽，降低服务交付的时延。移动边缘计算可以满足智能无人驾驶的需要，将对无人驾驶汽车的发展起到重大支撑和推动作用。
连接技术成无人驾驶发展瓶径
无人驾驶概念由美国工业设计师诺曼·贝尔·格迪斯在1939年提出，接着美国、英国先后进行无人驾驶实车认证。由于无人驾驶汽车的巨大应用潜力，国内外大量机构致力于无人驾驶技术的研发。在国外，研发机构既包括汽车产业巨头奔驰和特斯拉，也包括谷歌、斯坦福大学公司等互联网企业和研究机构。在国内，百度研发了无人驾驶汽车并于2017年在北京五环路进行了测试，取得了令人瞩目的进展；与此同时，北京理工大学、比亚迪等研究机构和汽车企业也不甘落后，纷纷在智能无人驾驶汽车研发方面做出大量投入，并取得了不错的效果。
目前，对无人驾驶汽车的研究较多集中在环境感知技术和车辆控制技术两个方面。环境感知技术使汽车能够获得道路、车辆位置和障碍物的信息，并将这些信息传输给车载中心电脑，从而使汽车根据行驶目标及途中情况，规划、修改行车路线。常用的感知技术有视觉传感、激光传感、微波传感等，这些感知技术通过各种车载传感器、雷达等获得车辆周边环境两维或三维图像信息和距离信息，并通过图像分析识别技术和距离分析识别对行驶环境进行感知。车辆控制技术是在环境感知技术基础之上，通过自动转向控制系统的配合使汽车能够按照规定路线准确稳定行驶，同时使汽车在行驶过程中能够实现车速调节、车距保持、换道、超车等各种必要基本操作。这项技术需要在无人驾驶汽车上配置各种对应的系统才能实现其复杂的功能，其中包络车道偏离系统、自适应巡航控制系统、自动泊车系统、紧急制动系统等。
然而，环境感知技术和车辆控制技术虽然能够支撑无人驾驶汽车发展初期的研究和测试，但如果希望无人驾驶汽车走向规模化应用，仅靠这两类技术是远远不够的。首先，智能无人驾驶汽车要真正实现智能和安全，就必须存储和运算海量的大数据，而且相当一部分数据与图形图像有关。数据和计算量是如此的巨大，以至于普通服务器和CPU都无法胜任，而只能依靠GPU才能完成。将海量的大数据部署在车载电脑上并实现高速运算，根本不可能实现。其次，智能无人驾驶汽车要在高速行驶过程中，通过无线网络与云端进行大量超低时延、超大流量的数据交互，现有网络没有能力支撑。
例如，百度可以实现一辆无人驾驶汽车在北京五环路做中低速行驶测试，但如果有2000辆无人驾驶汽车同时在北京长安街行驶，以现有4G网络的能力，移动网络将变得极其拥塞。当某辆汽车感知到复杂障碍物的时候，需要与云端交互数据，并等待云端指令以做出下一步动作。然而由于云计算机房可能位于数百公里之外，加之网络拥塞，汽车可能在数秒后才能接到云端的指令并进行躲闪，这时车祸很可能已经发生。现有IOT网络可以为无人驾驶汽车提供一些低带宽通信服务，但涉及到大数据量的实时交互，则没有能力满足。所以智能无人驾驶汽车在个别测试时可能表现很好，实际上根本无法实现规模化应用。要实现智能无人驾驶汽车的真正智能和规模化应用，必须解决通信方面的大数据和大连接问题，而能担此重任者非移动边缘计算莫属。
移动边缘计算技术特征
移动边缘计算（MEC）最初于2013年在IBM和诺基亚西门子共同推出的一款计算平台上出现。移动边缘计算侧重在移动网边缘提供IT服务、云计算能力和智能服务，强调靠近移动用户以减少网络操作和服务交付的时延。移动边缘计算使传统无线网具备了业务本地化和近距离部署的条件，其技术特征主要体现为：邻近性、低时延、高带宽和位置认知。
第一，邻近性。由于移动边缘计算服务器的部署非常靠近信息源，因此特别适用于捕获和分析大数据中的关键信息。
第二，低时延。由于移动边缘计算服务靠近终端设备或者直接在终端设备上运行，因此大大降低了时间延迟。这使得反馈更加迅速，同时也改善了用户体验，降低了网络在其他部分中可能发生的拥塞。
第三，高带宽。由于移动边缘计算服务器靠近信息源，可以在本地进行简单的数据处理，不必将所有数据都上传至云端，这将使得核心网传输压力下降，减少网络堵塞，网络速率也会因此大大增加。
第四，位置认知。当网络边缘是无线网络的一部分时，本地服务可以利用相对较少的信息来确定每个连接设备的具体位置。
移动边缘计算的基本组件包括：路由子系统、能力开放子系统、平台管理子系统及边缘云基础设施。前3个子系统部署于移动边缘计算服务器内，而边缘云基础设施则由部署在网络边缘的小型数据中心构成。
未来世界将是一个万物互联的世界，每个物体都将能够智能地连接与运行，各种附带传感器的智能设备正在快速联网。移动边缘计算可以通过更靠近边缘的数据分析处理能力，帮助物联网更好地实现物与物之间的传感、交互和控制。连接数的快速增长，意味着海量数据的产生，随之需要海量数据的传输和存储，并需要进行智能计算。云计算是解决该问题的方法之一，可以为大数据提供存储和计算支持。但是物联网产生的大量数据如果完全由云计算进行处理，那么网络边缘侧产生的数据就需要全部通过网络上传到云端，不仅传输时间非常长，传输代价也很大。更重要的是，由于数据是先上传至云端，再反馈给终端执行，数据处理效率和反馈效率将大打折扣。
面对物联网数据的海量性与高增长性问题，如果直接去建设更多更大的数据中心，会极大地增加管理成本并且使得系统可靠性下降。而移动边缘计算作为一个靠近终端信息源的小型信息中心，将应用、处理和存储推向移动边界，使得海量数据可以在应用侧处理，而不必去建设更多的大型数据中心，节约成本的同时，提高系统可靠性。
移动边缘计算可降低时延
智能无人驾驶汽车的通信连接，是物联网的重要应用领域，也可称之为车联网。无人驾驶汽车需要在高速移动状态下与云端交互大量信息特别是视频信息，依靠现有网络和现有云计算基础设施难以完成，需要重新考虑网络布局。例如，车辆监测到前方有障碍物或者临时状况时，需要录制视频并于瞬间上传到云端，云端瞬间完成运算，并将指令瞬间下传至车辆，车辆随即按指令做出躲避、刹车等动作。如果无法智慧能化处理，或者信息传递过程中有极小的延迟，都有可能导致车祸的发生。因此，智能无人驾驶对于数据处理的要求较为特殊：一是低时延，在车辆速度运动过程中，要实现碰撞预警功能，通信时延应当在几毫秒内；二是高可靠性，出于安全驾驶要求，相较于普通通信，智能无人驾驶需要更高的可靠性。同时由于车辆处于高速运动状态，信号需要在能够支持高速运动的基础上实现高可靠性。
随着无人驾驶车数量的增多，车联网的数据量也将越来越大，对于时延和可靠性的要求也将越来越高。应用移动边缘计算后，由于移动边缘计算的位置特征，数据可以就近存储于车辆附近位置，因此可以降低时延，非常适合无人驾驶汽车防碰撞、事故警告等时延标准要求极高的业务类型。
在车辆高速度运动过程中，位置信息变化十分迅速。而最末端的移动边缘计算服务器还可以置于车身上，能够精确地实时感知车辆位置的变动，提高通信的可靠性。移动边缘计算服务器对无人驾驶汽车数据实时进行数据处理和分析，并将分析所得结果以极低延迟（通常是毫秒级）传送给临近区域内其他联网车辆人，以便车辆做出决策。这种方式比其他处理方式更便捷、更自主、更可靠。
智能无人驾驶汽车发展潜力巨大。移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力，可以减少对网络资源的无效占用，增加实时通信连接的可用带宽，降低服务交付的时延。随着5G时代的到来，移动边缘计算可以较好地满足智能无人驾驶的通信连接以及数据处理和存储的需要，必将对无人驾驶汽车的发展起到重大支撑和推动作用。
