1引言
边缘计算是在靠近应用场景的网络边缘，将计算、存储、通信等任务分配到网络边缘的计算模式，就近提供边缘智能服务。边缘计算在用户终端附近进行数据处理而无需交由云端，大大提升处理效率，减轻云端的负荷，满足了实时业务、智能应用和公共安全等方面的需求，为我们的生活带来更多的便利。
车路协同简单来说，就是车与路之间的联通与数据共享，双方基于各项数据分析进行交通行为的协同决策。早在上世纪90年代，美日欧就已开始在此领域进行研究探索，我国也在近10年开始进行相关技术的研究。在真实道路交通场景中对计算的需求十分复杂，特别是随着我国机动车保有量不断增加，道路交通压力不断提升的情况下，根据实时局部信息快速分析计算并将结果反馈给周边车辆,或是汇总全局信息，俯瞰大局统一分析等应用更为迫切。
边缘计算在车路协同中能够发挥极大的作用。边缘计算服务器可以发挥近距离部署的优势，及时获取路况信息,如果是紧急事件，就直接下发给车/路设备，提醒各方及时处理；如果是可能影响全局的数据，就上报给中心云，由中心云计算决定是否追加下发，同时协助中心云绘制出整体交通态势图。
2场景模型
本文车路协同场景涉及公路A是一级公路标准，双向六车道规模，全长约18公里，设计速度80km/h。协同系统需涵盖视频监控（满足公安综合防控）、网格管理、城市应急指挥等多方面的应用需要，提升智慧城市服务水平。经过与需求方沟通和实际现场观测，公路A节点建设需覆盖区域所有监控视频流；多路高清视频实时传送，满足高吞吐量和低时延传输；能够实现对视频的人员识别、目标识别等功能；进行数据存储，满足规定时间的视频文件保存功能。
公路A的节点建设较为分散，节点位置靠近终端，节点业务如图1所示，涉及卡口摄像机（高清）、交通视频监控摄像机、电子警察摄像机、交通信号控制机、交通引导显示屏和交通事件监测摄像机等。上述业务要求超大带宽、超低时延、超大连接、高可靠性等。
图1节点业务需求分析
3车路协同系统及边缘计算组网架构
车路协同是智慧交通的重要发展方向之一，通过具体场景应用分析可以更好的说明车路协同系统的运行。以行人穿行预警为例，车辆行驶到路口时一般要减速，防止与行人或非机动车碰撞。但由于驾驶者的视觉盲区或行人不守交规现象的存在，路口事故仍然常常发生。在车路协同系统中，路口部署了摄像头和毫米波雷达实时监控，边缘节点基于行人的实时位置和信号灯的状态进行计算，将红灯或靠近车道的行人信息进行下发，协助驾驶者做出减速决策。边缘云也可以将初步分析后的行人数据上报给中心云，中心云根据大数据预测行人行动轨迹，将离路口有一定距离、但正在接近路口的行人信息追加发送给车辆，进一步降低了事故发生率，如图2所示。
图2行人穿行预警协同系统
这个场景中，边缘节点快速响应路口实时出现的意外状况，中心云统一处理计算量大、俯瞰全局的数据，做到交通数据的最大化利用，如图3所示。
图3车路协同系统组网架构
4边缘计算节点部署方案
通过对公路A的交通量、建设进度及周围环境情况进行反复的勘测，特别是在方案设计初期对区域城市规划方案进行了综合测算，结合委托方时效性的要求，采用部署移动式集装箱作为公路A的边缘计算节点，租用现有运营商链路上联至数据中心云平台，如图4所示。与传统室外机方式相比，移动式边缘计算节点具有部署灵活、云边协同、算力扩容灵活和一站式交付等众多优点。该方案可快速定制、不受季节影响，建设周期短，完全符合业主单位建设需求，具有一定的示范性和广阔的市场推广价值。
根据业务模型测算，公路A涉及卡口摄像机（高清）、交通视频监控摄像机、电子警察摄像机、交通信号控制机和交通事件监测摄像机等监控设备近300个，数据处理设备配置为流媒体服务器6台，应用服务器6台，其它服务器3台，数据存储量约240TB。移动式集装箱边缘计算节点电气设备组成包括4个IT机柜，3个25kW列间空调，1个组合式开关电源，1个标准600*600机柜（电池专用）配4组48V 100AH铁锂电池，以上配置可保证该边缘计算节点在车路协同系统中充分发挥作用。
图4边缘节点移动式集装箱设备示意图
5结论
上述系统经过短期建设成功部署后，经过3个月试运行，其功能完全满足设计之初的要求。系统搭建的便捷性得到了委托方的认可，为公共交通管理单位和社会秩序保障单位提供了高带宽、低时延的数据，道路通行效率得到提升。在该系统运行后，在模拟区间进行车辆道路预警测试，其结果完全符合试验预期。
