自動運転システムにおけるエッジ コンピューティング テクノロジーを理解するための 1 つの記事

5G 時代の到来により、エッジ コンピューティングは自動運転システムにおける新たなビジネスの成長ポイントとなり、将来的にはデータとアプリケーションの 60% 以上がエッジで生成および処理されるようになります。

エッジ コンピューティングは、ネットワークのエッジで計算を実行する新しいコンピューティング モデルであり、そのデータ処理は主にダウンリンク クラウド サービスとアップリンクの 2 つの部分で構成されます。インターネット・オブ・エブリシング・サービス。 「エッジ」は実際には相対的な概念であり、データからクラウド コンピューティング センターまでのパス上にあるコンピューティング、ストレージ、およびネットワーク関連のリソースを指します。データの一端からクラウド サービス センターの他端まで、アプリケーションの特定のニーズと実際のアプリケーション シナリオに基づいて、エッジはこのパス上の 1 つ以上のリソース ノードとして表すことができます。エッジコンピューティングのビジネスの本質は、クラウドコンピューティングの集約ノードをデータセンター外に拡張・進化させることであり、主にエッジクラウド、エッジネットワーク、エッジゲートウェイの3種類の実装形態で構成されます。

#上の図に示すように、これは現在自動運転に使用されている産業用コンピューターを表しています。実際、これは耐久性が強化されたパーソナル コンピューターです。産業用コントローラーとして産業環境で確実に動作します。EIA 規格に準拠した全鋼製産業用シャーシを使用して電磁干渉耐性を強化し、バス構造とモジュラー設計技術を使用して単一障害点を防止します。 。上記の自動運転産業用コンピュータネットワークの設計計画は、ISO26262の要件を十分に考慮しています。このうち、CPU、GPU、FPGA、バスはすべて冗長設計になっています。 IPC システム全体に障害が発生した場合、冗長 MCU 制御によりコンピューティングのセキュリティが確保され、車両の CAN バスに命令を直接送信して車両の駐車を制御できます。現時点では、この集中型アーキテクチャは、次世代の集中型自動運転システム ソリューションに適しています。産業用コンピュータは、次世代の集中型ドメイン コントローラに相当します。すべてのコンピューティング作業は 1 つに統合され、アルゴリズムの反復に過度の考慮は必要ありません。ハードウェア全体のアップグレードと車両規制の要件。

エッジ コンピューティングとエッジ クラウド

現在の自動運転では、大規模な人工知能アルゴリズム モデルと大規模なデータ集中分析の両方が行われます。クラウド上で実行します。クラウドには大量のコンピューティング リソースがあり、非常に短時間でデータ処理を完了できますが、自動運転車向けのサービスをクラウドだけに依存して提供することは多くの場合実現不可能だからです。自動運転車では走行中にリアルタイム処理が必要な大量のデータが生成されるため、これらのデータをコアネットワークを介してリモートクラウドに送信して処理すると、データ送信だけでは大幅な遅延が発生し、要件を満たすことができなくなります。データ処理要件、リアルタイム要件。コア ネットワークの帯域幅も、大量のデータを同時にクラウドに送信する多数の自動運転車をサポートするのが困難であり、さらに、コア ネットワークが混雑してデータ送信が不安定になると、運転が中断されます。自動運転車の安全性は保証できません。

エッジ コンピューティングはローカル ビジネスに焦点を当てており、高いリアルタイム要件があり、ネットワークに大きな負荷がかかり、コンピューティング方法はローカリゼーションを重視しています。エッジ コンピューティングは、統合アルゴリズム モデルに基づくローカルの小規模インテリジェント分析と前処理に適しています。エッジコンピューティングを自動運転の分野に適用することは、環境データの取得と処理において自動運転車が直面する問題の解決に役立ちます。

業界のデジタル変革にとって重要な 2 つのコンピューティング手法として、エッジ コンピューティングとクラウド コンピューティングは基本的に同時に共存し、相互に補完し合います。お互いを促進し、ビッグデータ時代のコンピューティングの問題を共同で解決します。

エッジ コンピューティングとは、ネットワークのエッジで計算を実行するコンピューティング モデルを指し、その演算対象はクラウド サービスのダウンリンク データと Internet of Everything サービスのアップリンク データから取得され、 「エッジ」とは、データ ソースからクラウド コンピューティング センターまでのパス上にあるあらゆるコンピューティング リソースおよびネットワーク リソースを指します。つまり、エッジ コンピューティングは、ユーザーの近くのエッジ ノードにサーバーを展開して、ネットワークのエッジ (ワイヤレス アクセス ポイントなど) のユーザーにサービスを提供することで、長距離のデータ送信を回避し、ユーザーに迅速な応答を提供します。タスクオフロード技術は、自動運転車のコンピューティングタスクを他のエッジノードにオフロードして実行し、自動運転車のコンピューティングリソース不足の問題を解決します。

エッジ コンピューティングには、近接性、低遅延、局所性、位置認識という特徴があります。このうち、近接とは、エッジ コンピューティングが情報ソースに近いことを意味します。データの最適化を通じてビッグ データの重要な情報を取得して分析するのに適しています。デバイスに直接アクセスし、エッジ インテリジェンスをより効率的に提供し、特定のアプリケーション シナリオを簡単に導き出すことができます。 。低遅延とは、エッジ コンピューティング サービスがデータを生成する端末デバイスに近いことを意味し、クラウド コンピューティングと比較して、特にスマート ドライビング アプリケーション シナリオにおいて遅延が大幅に短縮され、フィードバック プロセスが高速化されます。ローカリティとは、エッジ コンピューティングがネットワークの残りの部分から独立して実行され、ローカライズされた比較的独立したコンピューティングを実現できることを意味します。一方では、ローカル データのセキュリティが確保され、他方では、コンピューティングのネットワーク品質への依存が軽減されます。位置認識とは、エッジ ネットワークがワイヤレス ネットワークの一部である場合、エッジ コンピューティング スタイルのローカル サービスは、接続されているすべてのデバイスの位置を特定するために比較的少ない情報を使用できることを意味します。これらのサービスは、位置ベースのサービス アプリケーション シナリオに適用できます。

同時に、エッジ コンピューティングの開発トレンドは、ヘテロジニアス コンピューティング、エッジ インテリジェンス、エッジとクラウドのコラボレーション、5G エッジ コンピューティングへと徐々に進化していきます。ヘテロジニアス コンピューティングでは、さまざまな種類の命令セットとアーキテクチャのコンピューティング ユニットを使用して、多様なコンピューティングのエッジ サービスのニーズを満たすコンピューティング システムを形成する必要があります。ヘテロジニアス コンピューティングは、新世代の「コネクテッド コンピューティング」のインフラストラクチャ構築に対応できるだけではありません。また、細分化された業界や差別化されたアプリケーションのニーズを満たし、コンピューティング リソースの使用率を向上させ、コンピューティング能力の柔軟な展開とスケジューリングをサポートすることもできます。

エッジ コンピューティング リファレンス アーキテクチャ

エッジ コンピューティング リファレンス アーキテクチャの各層は、モデル化されたオープン インターフェイスを提供し、アーキテクチャのフル レベルのオープンを実現します。 、垂直管理サービス、データフルライフサイクルサービス、セキュリティサービスを通じて、フルビジネスプロセスとフルライフサイクルインテリジェントサービスを実現します。

#上図に示すように、エッジ コンピューティング リファレンス アーキテクチャには主に次の内容が含まれます。

システム全体はインテリジェントサービス、ビジネスオーケストレーション、エッジクラウド、エッジコンピューティングノードの4層に分かれている エッジコンピューティングはクラウドとフィールドデバイスの間に位置し、エッジ層はさまざまなフィールドデバイスの下位アクセスをサポートし、接続することができる雲が上にある状態。エッジ層には、エッジ ノードとエッジ マネージャーという 2 つの主要な部分が含まれています。エッジノードはハードウェアであり、エッジコンピューティングサービスを提供する中核であり、エッジマネージャーはソフトウェアであり、主な機能はエッジノードを一元管理することです。エッジ コンピューティング ノードには通常、コンピューティング リソース、ネットワーク リソース、ストレージ リソースがあります。エッジ コンピューティング システムは 2 つの方法でリソースを使用します。1 つは、コンピューティング リソース、ネットワーク リソース、ストレージ リソースを直接カプセル化し、呼び出しインターフェイスを提供します。エッジ マネージャーはエッジ ノード リソースを使用します。コードのダウンロード、ネットワーク ポリシーの構成、およびデータベースの操作で使用されます。第 2 に、エッジ ノードのリソースは機能領域に応じて機能モジュールにさらにカプセル化され、エッジ マネージャーはモデル駆動型のビジネス オーケストレーションを通じて機能モジュールを組み合わせて呼び出し、統合開発とエッジ コンピューティング サービスの機敏な展開。

エッジ コンピューティング用のハードウェア インフラストラクチャ

1. エッジ サーバー

エッジ サーバーは、エッジ コンピューティングおよびエッジ データ センターの主要なコンピューティング キャリアであり、オペレーターのコンピューター ルームに展開できます。エッジ コンピューティング環境は大きく異なり、エッジ サービスにはレイテンシ、帯域幅、GPU、AI の観点から要件が個別に設定されているため、エンジニアはオンサイトでの運用を最小限に抑え、ステータス収集、運用制御、管理インターフェイスなどの強力な管理および運用能力を備えている必要があります。リモートおよび自動管理を実現します。

自動運転システムでは、通常、コンピューティング、ストレージ、ネットワーク、仮想化、環境電力を有機的に統合するために、インテリジェント エッジ オールインワン マシンが使用されます。産業用コンピュータにおいて、自動運転システムの正常な動作を容易にします。

#2. エッジ アクセス ネットワーク

#エッジ コンピューティング アクセス ネットワークとは、ユーザー システムからユーザー システムへの接続を指します。エッジ コンピューティング システム キャンパス ネットワーク、アクセス ネットワーク、エッジ ゲートウェイなどを含むがこれらに限定されない、通過する一連のネットワーク インフラストラクチャ。また、コンバージェンス、低遅延、大帯域幅、大規模接続、高セキュリティなどの機能も備えています。

#3. エッジ内部ネットワーク

エッジコンピューティング内部ネットワークとは、サーバーに接続されるネットワーク機器、外部ネットワークと相互接続されるネットワーク機器、およびそれによって構築されるネットワークなど、エッジコンピューティングシステムの内部ネットワークインフラストラクチャを指します。エッジ コンピューティングの内部ネットワークは、簡素化されたアーキテクチャ、完全な機能、および大幅に削減されたパフォーマンス損失という特徴を備えていると同時に、エッジとクラウドのコラボレーションと集中管理と制御を実現できます。

エッジコンピューティングシステムは本来分散的な性質を持っているため、個々の規模は小さいものの数が多く、一元管理方式では運用要件を満たすことが困難です。 , また、産業用コンピュータのリソースを占有し、コストも削減されます. 利点; 一方、エッジ コンピューティング ビジネスでは、エンドツーエンドの遅延、帯域幅、セキュリティが重視されるため、エッジ クラウドとエッジの連携も非常に重要です。一般に、一定の範囲内のすべてのエッジ コンピューティング システムのネットワーク インフラストラクチャを均一に管理および制御し、集中管理をサポートすることでネットワークとコンピューティング リソースの自動化を確実にするには、インテリジェントなクロスドメイン管理およびオーケストレーション システムをクラウド コンピューティング システムに導入する必要があります。エッジとクラウドのコラボレーションに基づく管理モデル、効率的な構成。

4. エッジ コンピューティング相互接続ネットワーク

エッジ コンピューティング相互接続ネットワークには、エッジ コンピューティング システムからクラウド コンピューティング システムまでが含まれます(パブリック クラウド、プライベート クラウド、通信クラウド、ユーザー構築クラウドなど)、その他のエッジ コンピューティング システム、およびさまざまなデータ センターを経由するネットワーク インフラストラクチャ。エッジ コンピューティング相互接続ネットワークには、接続の多様化とクロスドメイン遅延の低さという特徴があります。

エッジコンピューティングと自動運転システムをどのように組み合わせるか

次のステージでは、より高次の自動運転システムの課題を実現するために、単一車両のインテリジェンスだけに依存するだけでは完全に不十分です。

自動運転分野におけるエッジコンピューティングの主な応用例は協調センシングとタスクオフロードであり、これら2つの技術により高度な自動運転の実現が可能となります。協調センシング技術により、自動車が他のエッジノードからセンサー情報を取得できるようになり、自動運転車のセンシング範囲が拡大し、環境データの完全性が向上します。自動運転を例に挙げると、自動車にはLIDARやカメラなどのセンサーが統合されるとともに、車両ネットワークV2Xなどを通じて車両、道路、交通データを統合的に把握し、従来よりも多くの情報を取得する必要があります。 1 台の車両の内部および外部センサーを統合し、視覚範囲を超えた視認性を向上させ、高精細 3D ダイナミック マップを通じて範囲内の環境を認識し、自動運転位置をリアルタイムに共有します。収集されたデータは、道路エッジノードおよび周囲の車両と相互作用して、認識機能を拡張し、車両間および車両対道路のコラボレーションを実現します。クラウド コンピューティング センターは、広範囲に分散したエッジ ノードからデータを収集し、交通システムの運行状況を感知し、ビッグ データと人工知能アルゴリズムを通じてエッジ ノード、交通信号システム、車両に適切な配車指示を発行することにより、システムの運用を改善します。 。 効率。例えば、雨や雪、濃霧などの悪天候や、交差点や曲がり角などのシーンでは、レーダーやカメラでは前方の障害物を明確に認識できないため、V2xを利用して道路や走行などのリアルタイムデータを取得し、インテリジェントに運転することができます。道路状況を予測し、事故を回避します。

自動運転レベルの向上と搭載されるスマートセンサーの数の増加に伴い、自動運転車は毎日大量の生データを生成します。これらの生データには、ローカルのリアルタイム処理、融合、および深層学習に基づくターゲットの検出と追跡を含む特徴抽出が必要です。同時に、V2X を使用して環境、道路、その他の車両の認識を向上させ、リアルタイムのモデリングと位置決め、経路計画と選択、および安全に制御するための運転戦略の調整に 3D 高解像度マップを使用する必要があります。車両。これらのタスクは車両内で常にリアルタイムの処理と応答を必要とするため、それらを実行するには強力で信頼性の高いエッジ コンピューティング プラットフォームが必要です。コンピューティング タスクの多様性を考慮すると、実行効率を向上させ、消費電力とコストを削減するには、一般に異種コンピューティング プラットフォームをサポートする必要があります。

自動運転のエッジ コンピューティング アーキテクチャは、エッジとクラウドのコラボレーション、LTE/5G によって提供される通信インフラストラクチャとサービスに依存しています。エッジ側とは主に、車載装置、路側装置 (RSU)、またはモバイル エッジ コンピューティング (MEC) サーバーを指します。このうち、車載機は環境認識、意思決定計画、車両制御の主体となりますが、RSUやMECサーバーとの連携に依存しており、例えばRSUは車載機に対してより詳細な情報を提供します。道路や歩行者にも適していますが、一部の機能はクラウドでの実行の方が適しており、さらに優れています。たとえば、車両の遠隔制御、車両のシミュレーションと検証、ノード管理、データの永続化と管理などです。

自動運転システムのエッジ コンピューティングでは、負荷統合、異種コンピューティング、リアルタイム処理、接続と相互運用性、セキュリティの最適化などの利点を実現できます。

1.「負荷の統合」

仮想化コンピューティングを通じて、ADAS、IVI、デジタル計測器、ヘッドアップ ディスプレイ、リア エンターテインメント システムなどのさまざまな属性を持つ負荷を同じハードウェア プラットフォーム上で実行します。同時に、仮想化とハードウェア抽象化レイヤーに基づいた負荷統合により、クラウド ビジネス オーケストレーション、深層学習モデルの更新、車両駆動システム全体のソフトウェアとファームウェアのアップグレードの実装が容易になります。

2. 「ヘテロジニアス コンピューティング」

は、エッジ プラットフォームによるさまざまなコンピューティング テクノロジの継承です。自動運転システム: 属性を持つコンピューティング タスクは、異なるハードウェア プラットフォームで実行されるときのパフォーマンスとエネルギー消費率の違いに基づいて、異なるコンピューティング方法を採用します。たとえば、地理位置情報と経路計画、深層学習に基づくターゲットの認識と検出、画像の前処理と特徴抽出、センサー フュージョンとターゲットの追跡などです。 GPU は、ターゲットの認識と追跡のための畳み込み計算の処理に優れています。 CPU は、論理コンピューティング機能のパフォーマンスを向上させ、エネルギー消費を削減します。デジタル信号処理 DSP は、測位などの特徴抽出アルゴリズムでさらなる利点を生み出します。この異種コンピューティング手法により、コンピューティング プラットフォームのパフォーマンスとエネルギー消費率が大幅に向上し、コンピューティングの待ち時間が短縮されます。ヘテロジニアス コンピューティングは、さまざまなコンピューティング タスクに適切なハードウェア実装を選択し、さまざまなハードウェア プラットフォームの利点を最大限に活用し、上位層のソフトウェア インターフェイスを統合することでハードウェアの多様性を保護します。

3. 「リアルタイム処理」

ご存じのとおり、自動運転システムは非常に高い処理能力を持っています。危険な状況では、自動運転システムがブレーキをかけて衝突を回避するのに数秒しか時間がかからない可能性があるためです。さらに、ブレーキ反応時間には、クラウドコンピューティング処理、工場交渉処理時間、車両自体のシステム計算、ブレーキ処理時間を含む駆動システム全体の応答時間が含まれます。自動運転の応答がエッジ コンピューティング プラットフォームの機能モジュールごとにリアルタイム要件に分割される場合。これは、知覚検出時間、融合分析時間、行動経路計画時間に細分化する必要があります。同時に、5G によってもたらされる低遅延と高信頼性のアプリケーション シナリオも非常に重要であるため、ネットワーク全体の遅延も考慮する必要があります。これにより、自動運転車は 1ms 未満のエンドツーエンド遅延と 100% に近い信頼性を実現できます。同時に、5G は優先度に応じてネットワーク処理能力を柔軟に割り当てることができるため、車両制御信号送信の応答速度が向上します。

4. 「接続性と相互運用性」

自動運転車のエッジ コンピューティングは、車両無線通信技術と切り離せないものです ( V2X (vehicle-to-everything) サポート。これは、自動運転車両と高度道路交通システム内の他の要素との間の通信手段を提供し、自動運転車両とエッジ ノード間の連携の基礎となります。

現在、V2X は主に専用短距離通信 (DSRC、専用短距離通信) とセルラー ネットワークに基づいています [5]。 DSRCは、車両（V2V、車対車）と車両および道路インフラ（V2I、車対インフラ）間で特に使用される通信規格であり、高いデータ伝送速度と低い遅延を備えています。またはポイントツーマルチポイント通信およびその他の利点。 5Gに代表されるセルラーネットワークは、ネットワーク容量が大きくカバレッジが広いという利点があり、V2I通信やエッジサーバー間の通信に適しています。

5. 「セキュリティの最適化」

エッジ コンピューティングのセキュリティは、エッジ コンピューティングとその設計の重要な保証です。クラウド コンピューティングとエッジ コンピューティングの徹底的なセキュリティ保護システムを確立し、さまざまなセキュリティ脅威を特定して抵抗するためのエッジ インフラストラクチャ、ネットワーク、アプリケーション、およびデータの能力を強化し、セキュリティの開発のための安全で信頼できる環境を構築しました。エッジコンピューティング。次世代自動運転システムの 5G コア ネットワークのコントロール プレーンとデータ プレーンは分離されており、NFV によりネットワーク展開がより柔軟になり、エッジ分散コンピューティング展開の成功を確実にします。エッジ コンピューティングにより、より多くのデータ コンピューティングとストレージが中央ユニットからエッジに分散されます。そのコンピューティング能力はデータ ソースの近くに配置されます。一部のデータは、処理のためにクラウドに到達するためにネットワークを経由する必要がなくなり、遅延とネットワーク負荷が軽減されます。データ効率の向上、セキュリティとプライバシー。基地局や路側機など、車両に近い将来のモバイル通信デバイスには、ローカル データ処理、暗号化、意思決定を適切に完了し、リアルタイムを提供できる車両インターネットのエッジ コンピューティングが導入される可能性があります。 、信頼性の高い通信能力です。

エッジ コンピューティングには、環境認識や自動運転のデータ処理において非常に重要な用途があります。自動運転車は、エッジノードから環境情報を取得することで認識範囲を拡大でき、コンピューティングタスクをエッジノードにオフロードしてコンピューティングリソース不足の問題を解決することもできます。クラウド コンピューティングと比較して、エッジ コンピューティングは長距離データ伝送によって引き起こされる大幅な遅延を回避し、自動運転車へのより高速な応答を提供し、バックボーン ネットワークの負荷を軽減できます。したがって、段階的な自動運転の研究開発プロセスにおけるエッジコンピューティングの使用は、自動運転の継続的な最適化と開発にとって重要な選択肢となります。

以上が自動運転システムにおけるエッジ コンピューティング テクノロジーを理解するための 1 つの記事の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。