应用场景及现存问题

编者按：近日，在赛文交通网主办的第十二届（2023）中国智能交通市场年会-交通感知与数据融合论坛中，海口交警支队科技科科长陈冬以《边缘计算单元在交管工作的中应用场景》为题进行了汇报。

陈冬对边缘计算的定义和优势、为何要使用边缘计算、各大厂商推出的边缘计算产品进行了简要介绍，并从交警用户的角度出发，对边缘计算在交管工作中的应用场景方面进行了分析，最后对边缘计算现存问题进行了思考。

一、边缘计算的定义和优势

随着5G、10G等新技术的到来，边缘计算在智慧城市、智慧交通等多个行业开始大范围应用。边缘计算是一种分布式计算概念，它将智能集成到边缘设备（也称为边缘节点），允许在数据收集源附近实时处理和分析数据。在边缘计算中，数据不需要直接上传到云或集中数据处理系统。

简而言之：云计算把握整体，边缘计算更专注局部。

因为边缘计算可在数据源附近的网络边缘进行数据分析处理，不需要把数据上传到云或者本地，可以减轻网络和服务器的负载。由于边缘计算的实时处理能力、响应时间更快，这种特性决定其相对于云计算或者中心计算具有以下优势。

第一是分布式和低延时计算。边缘计算聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。

第二是相对效率更高。由于边缘计算距离用户更近，在边缘节点处实现了对数据的过滤和分析，因此效率更高。

第三是相对更加节能。云计算和边缘计算结合，成本只有单独使用云计算的39%。

第四是可以缓解网络压力。在进行云端传输时通过边缘节点进行部分简单数据处理，进而能够设备响应时间，减少从设备到云端的数据流量。

此外，边缘计算可与边缘侧人工智能技术进行结合，一方面人工智能可通过边缘计算节点获得更加多样化的数据，针对不同的应用场景实现个性化和泛在化，极大拓展人工智能在现实场景中的应用；另一方面，边缘计算节点可以借助人工智能技术提供更好的数据分析、场景感知、实施决策和自组织的智能化功能。

二、为什么要用边缘计算

为什么要在智能监控系统中为什么要用边缘计算，我想主要还是有以下几个原因。

以车路协同系统、全息感知等为代表的智能交通系统应用对路侧数据处理能力提出了更高的要求，特别是对实时性的要求。如果将这些数据全部上传到云端进行计算，可能会产生实质性的隐患。

此外，在车路协同应用场景中，完全依靠网络和云也会存在一定问题，系统的冗余度安全性还是存在一定的隐患，若要实现全方位数据感知，达到高级别的自动驾驶需求，还是需要通过边缘计算来进行实现。

其次，以视频设备为代表的路侧设备数量飞速增加给网络传输、云计算平台、云存储平台带来了极大负担。现在比较大的交叉路口，经常会设置大量的路侧设备，并通过这些设备进行视频分析，这需要占用大量的算力资源。

但在实际应用中，这些视频中只有很小一部分具有有效价值，如交通违法交通事件，整个信息量是很小的，但如果将这些视频流全部回传到中心平台或云计算平台进行分析存储，会给整个网络和云平台带来极大负担。而边缘计算可以在本地对视频数据进行处理，并将结果上传到云平台，这不但可以加快数据的处理效率，还可以减轻网络和云计算平台的压力。

第三，多样化的感知设备各自为战，以信号控制为代表的应用急需融合数据，发挥1+1大于2的效果。现在的路侧设备，特别是交叉路口的设备越来越多，有雷达、线圈、地磁视频、雷视等，这些设备采集的数据各有不同，在准确度方面都有各自的优势，但是如何把这些设备的数据做融合，更好地为应用侧服务，一直是我们希望解决的问题。

第四，人工智能技术在交通管理中应用越来越深入，边缘计算是人工智能技术应用的重要支撑。目前大部分人工智能是基于云计算的执行模式，通过将人工智能算法部署在云端，依托云端的硬件资源来处理人工智能的请求。但如今云端人工智能算法难以满足在现实的应用场景中的一些需求。而边缘计算可以作为云计算的有效补充，解决人工智能在现实场景中应用的一些问题。

三、典型的边缘计算产品

现在互联网企业大多推出了自己的边缘计算产品。

百度智能交通推出AIR智能道路系统。AIR基于路侧边缘计算MEC设备，聚焦数字化标准路口建设，采用多源异构传感器系统和标准化部署方案，对全量交通对象、违法行为、交通流量、交通事件、预警信息进行实时检测，实现路口全息感知，具备对象级、低时延、高精度、高可靠的3D全量目标感知数据。提供车路云一体化感知融合能力，实现L4级车路协同自动驾驶应用。

阿里云推出智能交通小黑盒，主要提供交通感知、信号实时优化和全渠道车端触达等功能；华为在去年推出了智能交通微边缘ITS800，主要为全息路口提供服务，通过智能交通实现路口数据，特别是雷达和视频的数据融合；传统产品制造商大华也出了一款路侧边缘计算单元，其应用场景主要为全息路口和智能分析。

可以看到行业内很多企业，不管是互联网企业，还是老牌智能交通企业，亦或是集成企业都推出了自己的边缘计算产品。虽然产品性能功能各有千秋，但主要应用方向大多集中于车路协同、信号控制、视频分析以及数据融合方面。

四、交管工作应用场景

边缘计算在交管工作中的主要应用于以下场景：

第一个应用场景是车路协同。车路协同系统，特别是支持高级别自动驾驶的车路协同系统，确实需要专门的边缘计算单元。一方面，车路协同系统不仅要处理大量的路侧数据，同时还要提高系统的可用性，这方面需要边缘计算单元和路侧RSU进行配合。

但目前车路协同系统在城市交通管理中的应用场景还是比较少的，如今很多城市在做基于车路协同的公交优先、特勤控制、紧急优先控制（110、120）工作。这其中存在的问题在于针对交通管理，特别是城市交通管理，车路协同技术的应用场景不多，优先控制不通过边缘计算也可以实现。

第二个应用场景是视频分析。视频分析也是边缘计算的重要应用场景，如进行机动车交通流特征分析（流量、进口车道车头时距、排队长度、车道占有状态等）、交通事件的检测和分析、交通违法的检测和记录、行人和非机动车特征分析以及行人和非机动车的检测和记录。

这当中存在的问题在于在网络负荷不大的情况下，是否必须要进行边缘计算，在远端进行分析计算是不是成本更低（多样化的算法、维护更加方便）？

第三个应用场景是数据融合分析。数据融合分析的一个典型案例就是全息路口，全息路口需要利用地磁、线圈、视频、雷达、雷视一体机、RSU等各种设备收集道路交通状况，将不同类型、不同维度的检测数据结构化，通过交通大数据处理与决策，实现交通事件检测和交通场景辨识。

在这种情况下，边缘计算设备可以有效检测中心侧的计算存储以及网络压力。这当中存在的问题在于，如果不是像全息路口这样高数据处理量的融合分析，是否必须放在边缘？放在云端是否可行？

第四个应用场景是信号控制。现在各个厂家推出的边缘计算产品，非常重要的应用方向就是在边缘计算单元上预制了一些信号控制的算法，通过与信号机的互动实现信号的优化和控制，比如自适应控制、优先控制、感应控制以及多个相邻路口的协调控制。

这当中存在的问题在于不同厂牌的边缘计算单元与信号机的互通、信号控制对数据处理的实时性要求并不高以及边缘计算到底有没有价值。

最后两个应用场景是交通安全管理和控制和静态交通管理。在安全管理和控制方面，交警会进行桥梁隧道的控制信息发布，进行弯道预警、支路哨兵、非机动车和行人检测等工作；静态交通管理方面，边缘计算主要通过汇聚各个停车场的实时车位使用数据，联动商圈等区域进行整合，自主进行机动车停车引导，从而疏解地区交通压力。

五、边缘计算单元的问题

在实际应用中，边缘计算存在几个问题，一方面，目前边缘计算设备没有统一的标准体系，包括统一的硬件架构、硬件的标准接口以及与其他系统的通信协议，各个厂家的硬件和算法能否兼容，系统开放性很差，这也造成了交警用户在使用当中的不便。

另一方面是成本问题，目前独立的边缘计算单元的价格是比较昂贵的，如果边缘计算单元不能发挥与价格相匹配的价值，是否也会造成巨大的投资浪费？

六、边缘计算单元在哪用

在此先抛出一个不靠谱的结论，我认为目前独立的边缘计算单元只能锦上添花，而无法雪中送炭，边缘计算在现阶段并不是必需品。也期待在前端设备上嵌入计算单元，在成本增加不多情况下，能够实现一些人工智能的功能。最后介绍一下边缘计算能够发挥其应用价值的使用场景。

第一是车路协同。大多数城市车路协同系统的搭建是由政府或工信部门牵头，但从交通安全管理的角度来看，如果真的要去做车路协同系统的示范道路或者示范区域，从安全角度考虑还是要应该去做边缘计算单元的。

第二是视频分析。视频分析是现在边缘计算应用最多的场景。特别是比较典型的应用场景，在旧设备比较多或是交通情况比较复杂的路口，通过安装边缘计算单元可以实现即插即用，有效提高路口的管理秩序，特别是对于某些中小城市，效果是非常好的。

第三是数据融合分析。在一些比较重要的全息路口、路段，边缘计算可有效提升展示效果。

第四是信号控制。目前总体来讲，边缘计算对于信号控制的提升价值并不大，因为现在很多信号机本身就有一些功能，如果某些城市没有统一的信号集中控制平台，或者后台或者云端的能力不强，但是又急需开展一些应用（重要路口的信号优化、优先控制、多个路口的协调控制），可通过上线边缘计算单元与信号机互通，实现重要路口的信号优化、优先控制或者多个路口的协调，能够产生非常好的价值。

第五是安全控制、静态交通。在网络不好的情况下，在安全控制和静态交通管理方面也可以采用边缘计算单元。因为如今边缘计算应用场景比较单一，发挥的价值也有待讨论，还是需要从成本和效益两方面整体分析来考虑边缘计算在实际工作中的应用。