自动驾驶的边缘计算架构
自动驾驶的边缘计算架构建立在边云协同以及LTE/5G提供的通信基础设施和服务的基础之上，其中边缘侧主要由车载边缘计算单元、RSU或MEC服务器等构成。车载单元利用RSU或MEC服务器对周边环境进行感知，制定决策规划，对车辆进行控制。例如，借助RSU，车载单元可以获得更多与道路、行人等有关的信息。虽然边缘侧的计算能力很强大，但有些功能更适合在云端运行，例如对车辆的远程控制、节点管理、车辆模拟仿真与验证、数据的长久保存与管理等。具体来看，自动驾驶边缘计算平台主要有以下几大特征，如图5-2所示。
图5-2 自动驾驶边缘计算平台的五大特征
一、负载整合
目前，每辆汽车搭载的电子控制单元大约有60-100个，可以控制仪表盘、座位与引擎，支持娱乐与通信等，功能非常丰富。随着自动驾驶的成熟度越来越高，AI、云计算、车联网V2X等新技术在汽车行业广泛应用，汽车控制系统将变得越来越复杂。与此同时，车辆将承载更多人们对数字化生活的需求，例如虚拟办公、手势与语音控制、4K娱乐等。
为了将更多新技术、新应用集成安装到汽车上，汽车品牌厂商尝试采用负载整合的方式对汽车控制系统进行简化，对不同的HMI进行集成。具体来说就是利用虚拟化技术在同一个硬件平台上运行ADAS、车载信息娱乐系统（In-Vehicle Infotainment，简称IVI）、数字仪表、平视显示器（Head Up Display，简称HUD）和后座娱乐系统等软件与应用，如图5-3所示。基于虚拟化和硬件抽象层（Hardware Abstraction Layer，简称HAL）的负载整合，更有利于从云端对整车驾驶系统的业务进行灵活编排，创新深度学习模型，促使软件、固件持续升级等。
图5-3 自动驾驶的负载整合[9]
二、异构计算
因为自动驾驶边缘平台要承担很多计算任务，例如对车辆进行精准定位、对行驶路径进行合理规划、利用深度学习算法对目标进行识别与检测、对图像进行处理并提取图像特征、对目标进行跟踪等。这些计算任务在不同的硬件平台上运行所表现出来的性能与所产生的能耗有很大不同。一般来说，如果是用于目标跟踪与识别的卷积运算，GPU的性能更好，能耗更低；如果是用于精准定位的特征提取算法，DSP[10]的性能更好，能耗更低。
因此，很多车企设计了异构计算来提升自动驾驶边缘计算平台的性能和能耗比，力争在最短的时间内得出计算结果。在异构计算模式下，平台会为不同的计算任务匹配不同的硬件，将各个硬件的优势充分发挥出来，并通过统一上层软件接口来解决硬件太多无法兼容的问题。不同硬件平台适合的负载类型如图5-4所示。
图5-4 不同硬件平台适合的负载类型比较
三、实时性
自动驾驶汽车在行驶过程中要求系统能够做出实时响应，尤其是在危险情况下，车辆制动响应时间直接关系着车辆和乘客的安全。在传统驾驶模式下，制动响应时间指的是驾驶员从发现制动信号到把脚移到制动踏板上所需要的时间。在自动驾驶模式下，制动响应时间指的是自动驾驶系统从发现制动信号到做出反应的时间，涵盖了网络云端计算处理需要的时间、车间协商处理需要的时间、车辆系统计算与制动处理需要的时间等。假设一辆时速100千米的车辆，想要将制动距离控制在30米以内，系统响应时间就不能超过100毫秒。
对自动驾驶的响应时间进行细分，对应到各个功能模块，具体要求如下：
整个过程需要考虑到网络通信的时延。由此可见，对于自动驾驶来说，低时延的5G网络更有优势。在5G网络环境下，自动驾驶汽车端到端的时延可以控制在1毫秒以内，可靠性接近100%。同时，5G网络可以根据数据处理的轻重缓急对网络的处理能力进行灵活分配，保证车辆对外界环境的响应速度。
四、连接性
车联网的核心就是连接，将车辆与其他一切可能对车辆产生影响的事物连接在一起，例如道路、信号灯、人、其他车辆等，让他们之间开展信息交互。具体来说，车联网可以细分为V2P（Vehicle to Pedestrian，车人通信）、V2N（Vehicle to Network，车网通信）、V2V、V2I等。
目前，V2X通信技术有两条实现路径：一是DSRC，二是C-V2X。其中，DSRC的发展时间比较早，相关技术与应用相对比较成熟。但在不断发展的5G与LET技术的支持下，C-V2X也将在汽车联网领域实现广泛应用。
五、安全性
1.自动驾驶的安全层级。自动驾驶安全可以划分为三个等级，分别是电子控制单元（Electronic Control Unit，简称ECU）安全、车身信息系统安全和云端服务安全，具体内容如表5-2所示。
表5-2 自动驾驶的安全等级
2.自动驾驶测试验证。2016年1月，国际自动机工程师学会（SAE）发布《信息物理融合系统网络安全指南》，成为全球第一部围绕汽车网络安全制定的指导性文件。其配套文件《路面车辆应用的硬件保护安全要求》，可以为汽车设计者提供一定的指导，让汽车设计者采取一些措施从多个方面为车辆提供保护，例如将检验秘钥存储在微控制器的受保护区域中。对于自动驾驶来说，安全是首要原则。为了降低自动驾驶在道路测试与行驶过程中的风险，在测试前要做好充分准备，测试中发现问题要立即调整。
移动边缘计算将大量计算任务从云端转移到边缘侧，极大地缩短了网络传输时延，加快了车载系统的响应速度，为自动驾驶安全以及更高等级的自动驾驶的实现提供了强有力的保证。从某种程度上说，边缘计算的发展与应用为自动驾驶创造了一个广阔的前景。