车路协同系统、边缘计算单元、中心云平台及信息处理方法与流程

1.本发明涉及智能交通(intelligent transportation system，its)领域，尤其涉及一种车路协同系统、边缘计算单元、中心云平台及信息处理方法。


背景技术：

2.随着智能网联汽车在全球范围内进入快速发展期，电动化、网联化、智能化互融协同成为主要方向。车路协同技术将成为汽车产业关键技术实现跨越式发展的重要方向，对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。
3.车路协同是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。车路协同技术通过“灵活的网”，将“聪明的车”和“智慧的路”以及“强大的云”互联互通，以及通过路端设备获取的交通感知信息和基于云端的全域决策能力，将进一步提升车辆辅助驾驶功能的可靠性和安全性，从而更好地推进车辆辅助驾驶功能的提升和相关产品的落地。
4.车路协同系统采用“云
‑
管
‑
边
‑
端”四级架构，其中，“云”包括v2x云控基础服务和云控应用服务；“管”包括交通专网和电信网络，其中交通专网是指交通运营自建或合作建设的专有网络，并且与电信网络进行互联，c
‑
v2x是基于电信运营商的移动网络和基站进行通信；“边”则包括众多边缘计算节点及边缘计算单元，在道路侧或者运营商的边缘机房，采用适应边缘物理部署环境的定制服务器硬件部署；“端”则包括各种车、路上的多种视频、事件监测、信息、计算终端及传感器等。
5.车路协同的信息通过边缘计算单元提供计算存储，降低中心云平台性能处理与带宽要求，解决对网络传输流量大与云端处理成本高的问题。边缘计算单元通常以工控机为主，系统较封闭，无法利用云的海量资源和弹性优势。同时需要将大量的路侧设备接入，上报数据量大，采样类型种类多，实时性方面无法满足从感知分析到反馈控制之间趋向实时化的要求，解决真正动态感知和优化交通道路出行的问题。


技术实现要素：

6.本发明要解决的技术问题在于，现有技术存在的边缘计算单元无法满足高实时性要求的缺陷。
7.本发明解决其技术问题所采用的技术方案是：构造一种基于车路协同的信息处理方法，应用于边缘计算单元，包括：
8.从多个感知设备获取交通感知数据，并对所述交通感知数据进行处理，其中，所述交通感知数据包括车辆感知数据、道路感知数据、环境感知数据；
9.将处理后的交通感知数据按预设的业务场景分为边端处理数据和/或云端处理数据；
10.直接对所述边端处理数据进行分析以生成相应的实时交通事件，和/或，将所述云端处理数据发送至中心云平台进行分析以生成相应的非实时交通事件，并接收所述中心云平台下发的所述非实时交通事件；
11.对所述实时交通事件和/或所述非实时交通事件进行广播。
12.优选地，对所述交通感知数据进行处理，包括：
13.对所述交通感知数据进行融合及归一化处理，以获取结构化的交通感知数据。
14.优选地，直接对所述边端处理数据进行分析以生成相应的实时交通事件，包括：
15.将所述边端处理数据送入预先存储的智能模型中，并根据所述智能模型的输出获取运动目标信息，且根据所述运动目标信息生成相应的实时交通事件，其中，所述运动目标信息包括运动目标的检测信息、跟踪信息及识别信息。
16.优选地，所述智能模型根据以下方式获取：
17.在模型训练阶段，通过路侧设备从布设在路侧的多个感知设备获取交通感知数据，并对所述交通感知数据进行处理；
18.从处理后的交通感知数据中筛选出存在运动目标的交通感知数据；
19.将筛选出的交通感知数据发送至中心云平台进行智能模型的训练；
20.接收中心云平台下发的智能模型，并更新所存储的智能模型。
21.优选地，对所述实时交通事件及所述非实时交通事件进行广播，包括：
22.通过路侧设备对所述实时交通事件及所述非实时交通事件进行广播。
23.优选地，将所述云端处理数据发送至中心云平台，包括：
24.将所述云端处理数据上送至边缘计算节点，以使边缘计算节点在汇集多个边缘计算单元上送的云端处理数据后，再上传到中心云平台。
25.本发明还构造一种基于车路协同的信息处理方法，应用于中心云平台，包括：
26.从多个边缘计算单元接收云端处理数据，其中，所述云端处理数据是相应的边缘计算单元在对从多个感知设备获取的交通感知数据进行处理后，按预设的业务场景分级所确定的；
27.对所接收的云端处理数据进行分析以生成相应的非实时交通事件；
28.根据所述非实时交通事件的影响范围、影响时间及处理要求，将其下发至相应的边缘计算单元。
29.本发明还构造一种车路协同系统的边缘计算单元，包括第一处理器及存储有第一计算机程序的第一存储器，所述第一处理器在执行所述第一计算机程序时实现以上所述的信息处理方法。
30.本发明还构造一种车路协同系统的中心云平台，包括第二处理器及存储有第二计算机程序的第二存储器，所述第二处理器在执行所述第二计算机程序时实现以上所述的信息处理方法。
31.本发明还构造一种车路协同系统，包括：
32.多个感知设备；
33.边端设备，所述边端设备包括边缘计算节点及以上所述的边缘计算单元；
34.以上所述的中心云平台，且所述中心云平台与所述边端设备通过交通专网和电信网络连接。
35.优选地，所述边缘计算节点为基于docker容器的服务器。
36.本发明所提供的技术方案，边缘计算单元增加了业务场景分级功能和交通事件协同调度功能，实现对不同的业务场景进行边缘端及云端处理的协同及调度。而且，利用边缘计算单元具备的运算、存储能力、以及低时延、高可靠性、高速率的通信特点，实时准确为智能网联汽车提供道路实时通行状态、道路及气象异常事件，避免交通事故的发生，提升交通安全及通行效率；同时，充分利用云端能力进行非实时性大数据挖掘及分析，并将处理结果发送到边缘计算单元，满足业务场景需求。因此，解决了边缘计算单元高实时性要求，大数据量对性能影响的问题。
附图说明
37.为了更清楚地说明本发明实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
38.图1是本发明基于车路协同的信息处理方法实施例一的流程图；
39.图2是本发明基于车路协同的信息处理方法实施例二的流程图；
40.图3是本发明基于车路协同的信息处理方法实施例三的流程图；
41.图4是本发明基于车路协同的信息处理方法实施例四的流程图；
42.图5是本发明基于车路协同的信息处理方法实施例五的流程图；
43.图6是本发明车路协同系统实施例一的逻辑结构图；
44.图7是本发明车路协同系统一个应用场景的示意图；
45.图8是本发明车路协同系统进行信息交互的示意图；
46.图9是本发明边缘计算节点实施例一的逻辑结构示意图。
具体实施方式
47.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
48.在车路协同系统架构中，本方案通过对各类信息按业务需求进行业务重要性分级，并根据分级的情况进行灵活的任务调度，实现局部交通的快速协同和全局交通的综合管控，满足基于边缘计算单元解决高实时性的交通事件，基于云平台解决交通诱导、交通全域管控等业务需要，充分利用云端能力进行非实时性大数据挖掘及分析，并将分析结果发送到边缘计算单元处理。因此，本方案可满足车路协同系统在5g通信网络高达50ms级的实时感知分析处理反馈的要求，同时降低对中心云平台性能处理与带宽要求，将缩短突发交通事件应急响应时间，减少事件调度的耗时，降低交通拥堵的影响，提升协同应对紧急突发事件处理水平。
49.图1是本发明基于车路协同的信息处理方法实施例一的流程图，该实施例的信息处理方法应用于边缘计算单元(mec)中，该边缘计算单元具备的运算及存储能力，且可与感
知设备(如摄像机、雷达等)及通信设备(如rsu)进行低时延、高可靠性、高速率的通信。该实施例的信息处理方法包括：
50.步骤s11.从多个感知设备获取交通感知数据，并对所述交通感知数据进行处理，其中，所述交通感知数据包括车辆感知数据、道路感知数据、环境感知数据；
51.在该步骤中，边缘计算单元接入路侧布设的感知设备，如高清摄像机、雷达、传感线圈、气象仪、交通信号灯、可变信息标志及诱导屏等，支持获取连续时间空间的交通感知数据，包括有：环境感知信息(天气环境信息)、道路感知信息(道路标识、通行状态、道路交通事故、道路施工等)和车辆感知信息(车辆姿态信息)等。
52.步骤s12.将处理后的交通感知数据按预设的业务场景分为边端处理数据和/或云端处理数据；
53.在该步骤中，边缘计算单元可对各类交通感知信息按业务需求进行业务重要性分级，针对高实时性的业务需求，例如，交通事故、违章逆行、道路出现抛洒物、气象异常(如横风或团雾)等场景在路侧通过边缘计算单元本地化快速处理；部分非实时性信息则汇聚到中心云平台进行全局数据分析和全局的交通流管控。
54.步骤s13.直接对所述边端处理数据进行分析以生成相应的实时交通事件，和/或，将所述云端处理数据发送至中心云平台进行分析以生成相应的非实时交通事件，并接收所述中心云平台下发的所述非实时交通事件；
55.在该步骤中，对实时性要求高的场景，边缘计算单元通过图像识别、交通流量统计技术，对边端处理数据进行本地处理，生成实时交通事件，以实现安全预警、车速引导、信号协同、多车行驶路径协同等应用场景；对实时性要求一般的场景，边缘计算单元将处理后的交通感知数据，如车流量、抓拍图像、环境感知信息，发送到中心云平台进行处理，中心云平台则将结合多个边缘计算单元的感知信息，以及智能网联汽车的感知信息，进行全域数据分析及处理，生成非实时交通事件，以实现交通拥堵的分析与预测、交通流量的动态预测、出行需求的预测与运力匹配、道路管理策略的远程配置、个性化信息服务等中心应用。
56.步骤s14.对所述实时交通事件和/或所述非实时交通事件进行广播。
57.在该实施例中，在现有车路协同系统的基础上，边缘计算单元增加业务场景分级功能和交通事件协同调度功能，实现对不同的业务场景进行边缘端及云端处理的协同及调度。而且，利用边缘计算单元具备的运算、存储能力、以及低时延、高可靠性、高速率的通信特点，实时准确为智能网联汽车提供道路实时通行状态、道路及气象异常事件，避免交通事故的发生，提升交通安全及通行效率；同时，充分利用云端能力进行非实时性大数据挖掘及分析，并将处理结果发送到边缘计算单元，满足业务场景需求。因此，解决了边缘计算单元高实时性要求，大数据量对性能影响的问题。
58.进一步地，步骤s11中的对所述交通感知数据进行处理，包括：
59.对所述交通感知数据进行融合及归一化处理，以获取结构化的交通感知数据。
60.在一个具体实施例中，如图2所示，边缘计算单元(mec)接入路侧布设的智能设备，如高清摄像机、雷达、传感线圈、气象仪、交通信号灯、可变信息标志及诱导屏等，支持获取连续时间空间的交通感知数据，包括有：环境感知信息(天气环境信息)、道路感知信息(道路标识、通行状态、道路交通事故、道路施工等)和车辆感知信息(车辆姿态信息)。mec在获取到交通感知数据后，对该数据进行融合及归一化处理，然后按照业务场景分级，确定是边
端处理数据，还是云端处理数据。
61.如果是边端处理数据，则mec直接对边端处理数据进行分析，以生成实时交通事件，例如，与安全预警、车速引导、信号协同、多车行驶路径协同等应用场景相关的对实时性要求高的交通事件。
62.如果是云端处理数据，则中心云对云端处理数据进行分析，以生成非实时交通事件，并对其下发至多个mec，具体地，通过结合多个边缘计算单元的感知信息以及智能网联汽车的感知信息，对全域数据分析及处理，以生成与交通拥堵的分析与预测、交通流量的动态预测、出行需求的预测与运力匹配、道路管理策略的远程配置、个性化信息服务等相关的非实时交通事件。
63.mec对实时交通事件及非实时交通事件进行汇聚后，进行广播，这样，交通事件便下发至了路侧rsu。
64.进一步地，在一个可选实施例中，将所述云端处理数据发送至中心云平台，包括：将所述云端处理数据上送至边缘计算节点，以使边缘计算节点在汇集多个边缘计算单元上送的云端处理数据后，再上传到中心云平台。
65.图3是本发明基于车路协同的信息处理方法实施例三的流程图，该实施例的信息处理方法应用于中心云平台中，而且，具体包括：
66.步骤s21.从多个边缘计算单元接收云端处理数据，其中，所述云端处理数据是相应的边缘计算单元在对从多个感知设备获取的交通感知数据进行处理后，按预设的业务场景分级所确定的；
67.步骤s22.对所接收的云端处理数据进行分析以生成相应的非实时交通事件；
68.在该步骤中，中心云平台结合多个边缘计算单元的感知信息以及智能网联汽车的感知信息，进行全域数据分析及处理，生成非实时交通事件，以实现交通拥堵的分析与预测、交通流量的动态预测、出行需求的预测与运力匹配、道路管理策略的远程配置、个性化信息服务等中心应用。
69.步骤s23.根据所述非实时交通事件的影响范围、影响时间及处理要求，将其下发至相应的边缘计算单元。
70.在该实施例中，边缘计算单元增加业务场景分级功能和交通事件协同调度功能，实现对不同的业务场景进行边缘端及云端处理的协同及调度。而且，充分利用云端能力进行非实时性大数据挖掘及分析，并将处理结果发送到边缘计算单元，满足了业务场景需求。
71.在一个具体实施例中，边缘计算单元采用交通专网，通过光纤方式或者采用4g/5g移动通信网络与边缘计算节点和中心云平台进行联接。如图4所示，边缘计算单元与中心云平台任务调度流程为：
72.边缘计算单元a对感知数据进行汇集及分析，而且，针对实时性要求低的业务场景，边缘计算单元a将分析结果通过边缘计算节点上送，中心云平台汇集接入的边端分析结果及外部系统的信息，并对路侧与车端收集得到的交通数据进行大数据分析，通过中心云平台强大的计算和存储能力，分析交通数据间的潜在因果关系，进行大数据主题分析及数据挖掘，对交通事件实现深度分析及预测，实现交通拥堵的分析与预测、交通流量的动态预测、出行需求的预测与运力匹配、道路管理策略的远程配置、个性化信息服务等中心应用。
73.中心云平台根据事件的影响范围、影响时间及处理要求，将交通事件信息主动下
发到路侧的多个边缘计算节点、边缘计算单元a、边缘计算单元b。
74.进一步地，在一个可选实施例中，步骤s13中直接对所述边端处理数据进行分析以生成相应的实时交通事件，包括：
75.将所述边端处理数据送入预先存储的智能模型中，并根据所述智能模型的输出获取运动目标信息，且根据所述运动目标信息生成相应的实时交通事件，其中，所述运动目标信息包括运动目标的检测信息、跟踪信息及识别信息。
76.而且，所述智能模型根据以下方式获取：
77.在模型训练阶段，通过路侧设备从布设在路侧的多个感知设备获取交通感知数据，并对所述交通感知数据进行处理；
78.从处理后的交通感知数据中筛选出存在运动目标的交通感知数据；
79.将筛选出的交通感知数据发送至中心云平台进行智能模型的训练；
80.接收中心云平台下发的智能模型，并更新所存储的智能模型。
81.在一个具体实施例中，如图5所示，边缘计算单元通过路侧接入的感知设备获取感知数据，并对数据进行智能化分析，通过感知数据预处理，实现时间及空间的一致性，并筛选存在运动目标的感知数据，包含图像、视频以及3d点云数据等，然后进行智能分段存储。将筛选的感知数据通过边缘计算节点上送到中心云平台，中心云平台进行智能化算法的数据训练，实现包含运动目标检测、运动目标跟踪及运动目标识别等智能化算法优化和版本升级处理，从而获取模型文件。中心云平台将所获取的模型文件，通过边缘计算节点下发到所接入的边缘计算单元中，边缘计算单元通过更新模型文件实现对感知数据的智能化算法升级。
82.进一步地，步骤s14中对所述实时交通事件及所述非实时交通事件进行广播，包括：通过路侧设备(rsu)对所述实时交通事件及所述非实时交通事件进行广播。在该实施例中，由于边缘计算单元与rsu同时部署在路侧，可实现快速的信息交互，边缘计算单元将融合分析的各类交通事件，通过c
‑
v2x技术进行广播，其通信时延可以控制在30毫秒以内，交通事件的广播以及道路状态通知的实时性大大增加，可以指引车辆的短时决策。
83.本发明还构造一种车路协同系统的边缘计算单元，该边缘计算单元包括第一处理器及存储有第一计算机程序的第一存储器，该第一处理器在执行第一计算机程序时实现以上应用于边缘计算单元的基于车路协同的信息处理方法。
84.本发明还构造一种车路协同系统的中心云平台，包括第二处理器及存储有第二计算机程序的第二存储器，其该第二处理器在执行所述第二计算机程序时实现以上应用于中心云平台的基于车路协同的信息处理方法。
85.图6是本发明车路协同系统实施例一的逻辑结构图，该实施例的车路协同系统包括：感知设备11、12、边端设备及中心云平台30，其中，中心云平台30与边端设备通过交通专网和电信网络连接，边端设备包括边缘计算单元21及边缘计算节点22，边缘计算单元21及中心云平台30的逻辑结构可参照前文所述在此不做赘述。
86.图7是本发明车路协同系统应用场景的示意图，边缘计算单元与各种感知设备(如高清摄像机、雷达、传感线圈、气象仪、交通信号灯、可变信息标志及诱导屏等)布设在路侧，支持获取连续时间空间的交通感知数据，包括有：环境感知信息(天气环境信息)、道路感知信息(道路标识、通行状态、道路交通事故、道路施工等)和车辆感知信息(车辆姿态信息)。
边缘计算节点贴近路侧rsu设备或附近的基站机房，能充分利用其时延很低、降低云端的计算负载、降低整个网络的带宽开销等优点，同时将感知数据及交通事件继续上传至中心云平台。
87.结合图8，智能网联汽车及布设在道路侧的边缘计算单元均可实时感知交通信息，而且，对于边缘计算单元，其可通过光纤通信方式向中心云平台上报道路信息及从中心云平台接收道路信息广播；对于智能网联汽车，其可通过4g/5g通信方式向中心云平台上报道路信息及从中心云平台接收道路信息广播，而且，边缘计算单元还可通过c
‑
v2x方式向车辆广播道路信息。
88.该车路协同系统在现有车路协同系统的基础上，在边缘计算单元应用增加软件模块实现业务场景的分级、融合实时性及非实时性业务需求的处理及调度解决方案。业务场景种类比较多，应用复杂，对系统的要求各有不同。针对紧急出现的异常事件，如道路抛洒物、交通事故、违章逆行、应急车道停车、路面塌陷、道路横风、道路团雾等，则需要对道路中的车辆进行及时预警。这就要求边缘计算单元与rsu之间有快速信息交换机制，而且针对具体事件有相应的消息推送方案。业务场景分级表如下表所示：
89.90.[0091][0092]
通过业务需求分类方式实现实时交通事件边端处理与非实时交通事件云端处理分级，其中，高实时业务场景10项，普通实时性业务场景13项，以及非实时业务场景4项。
[0093]
进一步地，如图9所示，边缘计算节点为基于docker容器的服务器，即，边缘计算节点采用一种新的分布式网络资源模型，采用docker容器技术，基于微服务架构搭建应用，具体包括：服务注册、边云协同、资源管理、算法管理、安全认证、感知数据融合、运行监控、交通事件汇集分析、业务场景配置、交通事件发布。边缘计算节点根据业务需求智能地部署在边和云的任何位置，实现边缘计算节点与云平台之间应用的灵活接入，任务调度的目标，其工作过程包括：将感知数据汇集，通过预处理、建模分析、以及将离散数据归一化，获得统一时空下的结构化感知数据。然后，按照按场景分级，根据业务场景的需求进行计算及存储资源的分配及调整，实现资源调度和管理，支持边缘端的本地化决策分析，进行交通事件或调度信息发布。
[0094]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何纂改、等同替换、改进等，均应包含在本发明的权利要求范围之内。