|
现今社会不管你有没有车，出行总要坐车的。
相信大家一定也有注意到，近几年无人驾驶这一新鲜热词频繁出现在大众视野。
看过诸多无人驾驶概念宣传片，我们不约而同发出了“想要！我可以！”的呼唤声。
然而，尽管无人驾驶炒了很多年了，但落地的应用几乎没有，而安全是制约无人驾驶技术落地的第一因素。
目前市场上的智能汽车最高只能达到L3级别，例如全球首款达到L3级别的无人驾驶的奥迪A8，以及比亚迪、百度等推出的智能汽车。
在无人驾驶技术的L0-L5级别中，最高的L5代表着完全自动化不需要驾驶员操控的技术水平。
而L3呢，在突发情况路况不符合自动驾驶时，仍需要驾驶员手动操作。业内人士将L3级别形容为“反人类”的产品。
在不要求驾驶员必须操控方向盘的准则下，突发情况时，驾驶员真的能够快速做出正确的反应吗？出事故了责任又该如何算呢？
咱也不知道，咱也不敢想，咱也不敢问。
无人驾驶的新大脑
不过，当5G的边缘计算时代到来后，这一切或将发生大逆转。
如果将无人驾驶技术简化，那么决定这一技术能否落地的三大关键点为——“感知、计算和反馈”。
显然，以上三点成败的关键都需要用到一种不可或缺的技术，即通信网络技术。
实际上，智能驾驶就是通过先进的通信网络，将车辆传感器收集到的所有信息集合处理，从而根据信息处理结果给车辆下达驾驶命令。
目前智能汽车之所以安全等级只能达到L3，而达不到L5的完全无人驾驶级别，主要是受限于车辆中央处理单元的性能。
中央处理单元的作用主要是将车辆传感器收集到的信息进行处理。
所以，有人提出了将车辆遇到的所有信息都传输到云端处理，来指导车辆行驶。
不过，由于车辆在高速行驶中所产生的数据量巨大，且对于时延的要求也极高，必须保持在1ms～10ms之间，目前汽车数据在网络中往返传输的时延达到了343ms，这显然还差很远。
因此，5G时代的边缘计算则刚好弥补了云计算的不足。
移动边缘计算平台直接部署在6网络的接入端，能够极大的减少数据传输所消耗的时间，平台分布式特征则还能够很好地解决海量数据处理及海量终端连接的问题。
这样既能满足传输速度问题还能解决信息计算问题。
工业互联网的特助
在现实的生产实践中，遇到的案例并不总是像智能驾驶、视频优化等应用一般，在一个平台提供集中式的数据分析与处理。
比如工业互联网，其特点是终端数量庞大，产生的数据多且杂，不同的终端设备可能面对的是完全不同的业务需求，现场的数据处理需求太过碎片化。
如果采用云计算的方式，要么不满足具体业务的需求，要么会造成大量网络资源的浪费。
这时，将边缘计算的计算存储能力直接下沉到设备边缘，在设备端直接对数据进行处理，分析结果直接用于指导现场设备的生产制造。
这样边缘设备甚至无需联接外网，可以解决边缘侧需求多样化的问题，从而降低企业的生产成本，提高生产效率。
值得一提的是，工业互联网平台的边缘层，对数据的处理主要是三个层次：
一是通过各类通信手段接入不同设备、系统和产品，采集海量数据；
二是依托协议转换技术实现多源异构数据的归一化和边缘集成；
三是利用边缘计算设备实现底层数据的汇聚处理，并实现数据向云端平台的集成。
对比发现，边缘计算在工业互联网中的应用，实际上更多是以边缘设备的智能化改造的概念提出来的。
两者的核心理念也较为接近，都是采用在终端安装智能芯片或外接智能设备的方式让设备具备一定计算能力，从而实现对设备自身简单生产流程的把控。
几个数据
麦肯锡公司：边缘计算将在未来5-7年创造1750亿-2150亿美元的海量硬件价值。
中国移动：未来5G基站整体规模在440万个左右，由此推测的边缘计算建设初期，在区域及边缘CU节点上仅服务器部署就需约605亿元的投资。
中银国际证券：预测到2022年基于边缘计算技术的智能制造渗透率至少达到60%，即市场规模将达到15180亿元。
5G时代即将到来，移动边缘计算市场能否爆发呢？就让我们拭目以待吧！
|
沪公网安备 31011502003262号