成果发布

Conference related

当前位置 > 首页 > 成果发布 > 测试床 > 基于边缘计算的未来智能车路协同系统(EC-IoTTB2018-1004)

基于边缘计算的未来智能车路协同系统(EC-IoTTB2018-1004)

1     实验平台名称

基于边缘计算的未来智能车路协同系统


2     发起单位

南京理工大学


3     合作公司

南京康沙科技有限公司


4     实验平台目标和概述

系统所解决的问题:

交通安全、交通堵塞属于当今国际交通领域的难题,尤其以交通安全问题最为严重。据研究,采用智能交通技术提高道路管理水平后,每年仅交通事故死亡人数可减少30%以上,并能提高交通工具的使用效率50%以上。为此,世界各发达国家竞相投入大量资金和人力,进行大规模的智能交通技术研究试验。智能交通是一个国情相关性很强的领域,自上世纪80年代智能交通技术起步以来,各国政府和专家都根据本国国情在美国研究内容的基础上进行着本土化探索。对交通的要求不仅因国家、地区、文化的不同而千差万别,甚至同样的交通状况因出行者的角色——步行或者驾车的不同,而会产生不同的感受与评价。

       作为未来交通优先发展的主题,智能交通系统对于提高交通管理效率、缓解交通拥挤、减少环境污染、确保交通安全起到了非常重要的作用,符合国家建设“智慧城市”、“绿色城市”和“平安城市”的要求,得到政策面的大力支持。

系统实现的功能与总体框架:

       1、边缘并行计算技术研究;

2、高可靠低延迟通信技术研究;

3、车辆定位与安全风险判定;

4、车载一体化终端及边缘处理器的组网实现。


1.png


5     应用场景介绍

本实验平台的主要应用场景:在城市道路,以及城际高速公路上,实现道路对行驶车辆的导航,以及危险情况发生前的及时预警。此项目的目的是实现一种辅助驾驶功能,在此基础上,让道路对路况信息有一个全面的认知,从而实现道路对车流量的疏导。因此,可以将目标用户定位为政府,可以由政府将这套系统应用在道路监管的方面,帮助维护道路状况的安全稳定。

 

5.1    预期成果

1) 基于边缘计算的智能车路协同系统搭建

现有的交通通信网络功能单一,路边设备也主要以信息采集设备为主。数据汇总以及处理过程全部集中于交管部门云控制中心来完成。巨大的数据量传输,冗长的传输链路以及复杂的数据处理算法既给整个通信网络造成了巨大的压力,又降低了信息准确度并且加大了信息传输时延。针对以上问题,本课题架设一种基于边缘计算的智能车路协同网络,在路边边缘段布置具有运算能力的边缘处理器,将云平台的部分算法迁移到边缘端,合理分配周围边缘设备的任务量,从而缓解通信网络与云平台压力,缩短通信距离,并结合GPU并行计算方案,从物理结构上缩短传输时延。

2) 超可靠和低延迟通信(URLLC)技术研究

无线通信系统的设计主要集中在大量稳定的语音和数据量的协调高速传输上。在这种情况下,与数据量相比所需的信令开销大小可以忽略不计,可以使用有效设计过的纠错码来处理香农极限。时间,空间和频率分集技术可确保无线信道的高可靠性。不同于无线通信系统,车辆通信传输数据量较小,且对可靠性和低延迟有较高的要求,大数据量的传统理论框架和系统设计方法不再有效。本项目将交通通信特点与无线通信系统结合,形成新的智能交通通信系统框架,以降低时延提高可靠性为目标,形成满足交通运输以及交通信息安全要求快速准确的通信网络。

3) 车辆安全风险判定

在传统的依靠GPS、惯导传感器,以及LoRa、wifi辅助定位的精确定位基础上,通过改进的滤波算法实现对基站覆盖范围内车辆的准确跟踪。在此基础上,考虑采用贝叶斯网络实现对道路内的车辆安全风险判定。由于贝叶斯网络的后验概率结果具有很高的精确度,与传统事故预测分析模型相比,贝叶斯网络模型具有更高的结果可靠性。同时,由于逆行和其自身动能、动量较小等方面的原因,正面碰撞是非机动车发生交通事故主要的类型,但客货车等大型车辆更易发生侧面碰撞事故,且侧面碰撞交通事故发生的概率会随着进口道和出口道数量的增加而增加。交通参与者感知判断失误最易引起正面碰撞事故的发生,由于转向操作不当引起的侧面碰撞事故的概率最大,而制动不当则最易引起尾随碰撞事故的发生。通过对预测分析结果的系统分析,可以为制定合理的城市道路交通管理策略、提高城市道路交通安全水平提供更加可靠的理论依据。此外,风险预判在这个项目中是相当重要的,因为这决定了车辆最重要的安全问题,为了维护系统信息的安全,可以考虑与相关的安全企业进行合作,提高整个系统的安全性能。


5.2    技术的示范效应

提供了智能交通网络新的服务方向,使道路智能化,达到有效降低危险情况发生的概率,会成为智能交通安全性方面的重要组成部分。


5.3    商业价值

边缘计算的到来让智能交通更具安全性。无论是公路、铁路、海运还是航空,安全都是交通行业最为重要的事情。例如最近各大科技公司都不遗余力进行投入的自动驾驶技术迟迟不能应用的最重要原因也是其不能确保上路的绝对安全。边缘计算的到来,对这些问题的解决带来了很大帮助。边缘计算也能使智能交通系统更具经济性。智能交通系统应用IoT已经为行业带来了相当的收益。例如,迪斯尼外场部署的IoT预商用网,安装车检器300余个。这为上海迪士尼停车系统带来了以下好处:第一,车辆检测器即插即用,无需布线,安装施工简单;第二,此次利用的窄带物联技术,实现的覆盖距离远(信号能覆盖到地下二层),车检器待机时间长(10年待机);能实现整个城市乃至全国的停车位统一查询,提升了车位利用率,也方便了车主寻找空余车位。未来,边缘计算在提升交通系统经济性上还大有作为。例如,城市轨道交通系统实现自动驾驶目前一大障碍就是屏蔽门。现在屏蔽门的开闭主要是靠列车司机人眼识别,整列车所有车门都要等待最后一个上车的人上车才能关闭。如果每个屏蔽门都安装上检测及控制设备,使其具备边缘计算的能力,能够独立、安全地控制自身开合,这无疑可以大大提高城市轨道交通系统的经济性,使得城市轨道交通自动驾驶成为可能。如果说“云计算”使智能交通系统的大脑“更聪明”,那么“边缘计算”就使智能交通系统的末梢神经“更灵敏”。这两者在提高交通系统的运行效率,提升其经济性上的作用是同样重要的。


5.4    社会价值

随着信息时代的来临,信息技术带动了我国社会的发展和经济的稳步增长。而同时信息技术也进入了社会发展的各行各业。因为智能交通系统具备网络、通讯、自动化控制和交通建设技术等方面的特质,可以解决我国交通所面对的问题,提高我国交通系统的性能来更好地服务于国民的生活,改善生活质量。但是,许多业内期待的如自动驾驶、轨道交通无人值守等技术依然还不能实现。智能交通系统通过对路况中的车辆进行科学分析和监管,可以使原有的城市交通环境大幅度改善,增加公路对车辆的服务效果,自然就加速了城市各方面资源的相互利用和有效合作,加速了城市整体经济的整体发展。因此,智能交通系统的引入不仅改善了交通环境,也促使了城市资源整合,推动了经济的发展速度。


6     实验平台技术可行性

实验平台要测试的技术:

(1)   边缘并行计算技术研究和平台搭建

交通系统中存在很多时延敏感性问题,在交通安全以及交通管理过程中的许多问题需要快速运算得出结果。由于车载处理器运算能力较差,且问题云端集中处理信息传输距离较长,本课题提出边缘计算解决方案。在路边边缘节点布置较强计算能力的边缘处理器,并根据一定的计算任务量联合多个边缘处理器并行计算,基于此提出以下研究内容:

1)     GPU联合并行计算技术研究以及硬件架构搭建;

2)     边缘计算设备任务量的合理分配算法研究;

3)     算法程序并行化研究。

 

(2)   超可靠和低延迟车路通信网络技术研究

由于智能车路协同网络具有连接量大、可靠性要求高和延迟要求低的特点,本项目提出了一种新的理论架构和无线通信系统设计方案。此方案分析研究了大量接入小数据智能交通通信网络的网络容量,并为智能交通通信网络提供方案设计以获得接近理论极限的性能。研究要点如下:

1)     分析协调多址接入的大量接入小数据智能交通通信系统的理论容限;

2)     基于交通通信特点,提出一种新的理论框架和系统设计方案;

3)     在新的理论框架基础上,研究网络编码和网络分层设计,包括设计纠错短码以及物理层自适应短码和超低延迟交通网络的跨层设计。

 

(3)   基于机器学习和大数据的车辆安全风险判定。

由于精准的定位是实现交通安全及其他车路协同功能的基础,因此本课题首先对现有定位解决方案深入分析,在此基础上提出了一种边缘端的多目标追踪方案;在能够实现精准追踪的基础上,构建车辆风险判定模型,以达到实时预警道路车辆行驶的目的。本课题的主要研究内容如下:

1)     提出一种新的边缘多目标追踪算法,利用GPS+惯导+LoRa实现目标定位,在此基础上,采用改进的粒子滤波算法,在边缘端实现多目标追踪方案;

2)     建立城市交通事故分析的贝叶斯网络模型,将贝叶斯网络应用在城市交通风险判定中。

 

(4)   车载一体化终端以及边缘处理器的硬件实现及硬件组网

    定位、追踪、风险预判等功能是在边缘端执行,但是数据还是会传输并存储到数据中心,以供进行大数据分析,实现系统对路况的分析,以及其他的数据挖掘功能。


2.png


6.1    物理平台

本课题考虑将南京理工大学综合楼外围一圈的道路作为主要场景,总长约为698米,共有路灯19个,摄像头5 个,实验中采用实验车辆4种,包括私家车、公务车(警车、消防车、救护车等)、助力车、以及高危险车辆等等。课题预先设想在沿路的路灯上放置6个WIFI 充当AP定位节点,和6个Lora节点辅助信息传输,满足车辆定位实验在覆盖范围内接入无线网络的需要。同时,无线AP要实现小角度精准覆盖,以便减少各AP间的信号干扰,充分发挥无线网络的整体效率。


3.png


考虑到南京理工车辆定位系统对无线网络有着高稳定性和高安全性的需求,在设计无线网络的时候采用目前主流的IEEE 802.11n技术标准。可以利用信道绑定、块确认和MIMO射频确保实现峰值性能。外置的智能天线技术还提高了射频信号覆盖范围和可靠性,通过智能天线实现图2.16区域的全方位覆盖。

随着无线网络上承载的应用系统越来越丰富,网络的性能是至关重要的。因此,要求构建网络的组网技术必须是高带宽的组网技术,AP支持2.4G/5.8G双频并发,每频段最大理论速率300Mbps。无线管理平台必须采用先进的硬件平台,能够满足未来3~5年的应用、满足无线网络大流量数据的需要。


4.png


IMX6工控核心板是一款基于 i.MX6 系列处理器的核心板。标配处理器为 Cortex™-A9 简单双核。 板上集成了大量的外设接口,包括千兆以太网、音频、USB、CAN、UART、HDMI、LVDS、 LCD 等接口,同时整合的多功能 HD 视频引擎可提供 1080P  60fps 视频解码、1080P  30fps 视频编码,并带有 2D、3D 图形引擎,可满足消费电子、工业和汽车车载娱乐系统等新一代 应用,以及医疗应用的丰富图形和高响应需求。

板卡提供提供各种成熟的硬件解决方案和丰富软件资源,完整的软硬件架构使您只需专注于编写产品的应用程序,具有开发周期短、系统人性化、软件配套完整等特点,让您能轻松实现TCP/IP通信、CAN-bus现场总线通信、USB/OTG通信,和大容量存储等复杂功能,使嵌入式系统设计更加简洁方便。用户程序可在线升级,不但使产品更快投入市场,而且升级简单可靠,明显增强产品的市场竞争力。产品提供保护设计,使产品在EMC 及稳定性方面均具有良好的表现。

IMX6嵌入式工控核心板是一款82mm×60mm的核心模块,板卡基于SMARC接口,通过MXM314接口座与底板互联。其产品外观图如下图所示。


5.png


6.2    软件平台

基于Linux 操作系统的软件操作平台。


6.3    配置和控制接口

2 路 SD/MMC 接口;

     1 路 PWM。

 

6.4    数据通讯接口

音/视频接口

      1 路音频接口;

      1 路并行摄像头接口;

      1 路 MIPI DSI 显示接口;

      1 路 MIPI CSI-2 串行摄像头接口;

      1 路 HDMI 1.4 接口。支持 60Hz 1080P 输出;

      1 路 LCD 接口。24bit RGB,最大支持 60Hz WUXGA 输出;

      2 路 LVDS 接口。2 路单通道最大支持 85Mpixels/sec 输出,1 路双通道最大支持

165Mpixels/sec 输出。 通讯接口

1 路 10/100/1000M 以太网接口;

           1 路 USB Host 接口;

1 路 USB OTG 接口(不含驱动);

5 路 UART 接口(UART1 专用于调试);

           2 路 CAN-Bus 接口;

3 路 I2C 总线接口(M6708Q 版本仅支持 I2C_2/ I2C_3 两路)。


6.5    安全措施

本网络的信息点多,用户复杂,信息点存在随意接入使用的问题,使得当前类似“冲击波病毒”、“ARP攻击”等病毒肆虐。据统计大约70%的安全事件发生在局域网内部,一个健壮的网络应该提供必要的手段,建立内网的安全防护手段,对此无线网将做安全限制。风险预判在这个项目中是相当重要的,因为这决定了车辆最重要的安全问题,为了维护系统信息的安全,可以考虑与相关的安全企业进行合作,提高整个系统的安全性能。

在实际推广过程中,由于项目的定位的目标用户是政府,因此可以争取政府的支持,由政府出面保证系统的安全性;此外,系统也会利用技术手段保障用户的隐私,同时提供服务开关选项,让用户自主选择是否开启辅助驾驶功能。

此外,对于相对较为密集的车道进行数据分析需要足够的计算力,因此需要足够的基站对于目标区域进行覆盖。如果计算力不够,则会导致数据丢失,导致交通安全问题的产生。在超高密度小基站的背景下,在车流量大的道路上通过实际经验布置足够的基站数量,甚至可以考虑多个微基站服务同一个路段,从而达到足够的计算力。


6.6    软件开发和模拟环境

Linux的软件开发环境,基于matlab的模拟环境。

 

7     和ECC技术及测试台的关系

7.1    ECC总体架构

(1)本课题架设一种基于边缘计算的智能车路协同网络,在路边边缘段布置具有运算能力的边缘处理器,将云平台的部分算法迁移到边缘端,合理分配周围边缘设备的任务量,从而缓解通信网络与云平台压力,缩短通信距离,并结合GPU并行计算方案,从物理结构上缩短传输时延;

(2)不同于无线通信系统,车辆通信传输数据量较小,且对可靠性和低延迟有较高的要求,大数据量的传统理论框架和系统设计方法不再有效。本项目将交通通信特点与边缘计算模型结合,形成新的智能交通通信系统框架,以降低时延提高可靠性为目标,形成满足交通运输以及交通信息安全要求的快速准确的通信网络;

(3)将基于贝叶斯的风险判定模型放到边缘端,实现对道路实时信息的有效反馈。


7.2    ECC实验平台

无之前的申请记录。


8     交付件

一套车路协同系统,包括:若干个车载数据传感器采集模块,wifi、lora节点,和若干个wifi、lora网关,以及数据融合计算中心。


9     实验平台使用者

  可以用来进行实验道路上的车辆导航与预警;

相关限制:不能提供程序中的详细算法。


10  知识产权说明

南京理工大学对实验平台的建设、运营以及使用拥有自主产权。


11  部署,操作和访问使用

实验平台将部署在南京理工大学电光大楼的周围,用于模拟道路中车辆导航与预警的功能。后期将会提供给校方,或者其他实验场所,进行小范围的试点研究。

 


相关文章链接
中国联通工业制造边缘云测试床(EC-IoTTB2018-1001)
基于TSN和OPC-UA技术的冷冻冷藏物联网测试床(EC-IoTTB2018-1008)
机床物联网测试床(EC-IoTTB2017-1003)
AMI(Advanced Metering Infrastructure)测试床(EC-IoTTB2017-2001)
智能楼宇测试床(EC-IoTTB2017-1010)

关于联盟

边缘计算作为新兴产业应用前景广阔,产业同时横跨OT、IT、CT多个领域,且涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。为了全面促进产业深度协同,加速边缘计算在各行业的数字化创新和行业应用落地,华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术(集团)有限公司作为创始成员,联合倡议发起边缘计算产业联盟,致力于推动“政产学研用”各方产业资源合作,引领边缘计算产业的健康可持续发展。

加入联盟

联系我们

  • 北京市海淀区上地十街辉煌国际5号楼1416
  • +86 10 5711 6299 +86 13910146695
  • info@ecconsortium.net
×

登录

确定