于泉:交通控制边缘计算不是“天方夜谭”
- 来源:赛文交通网 作者:于泉
- 2019/8/27 8:45:0941568
【安防展览网 视点跟踪】随着大物移云等新技术越来越火,各种新概念不断涌现,同时伴随而来的,就是各种技术在不同领域的应用,其中一个就是边缘计算。
一、 什么是交通控制边缘计算
边缘计算,是一种分散式运算的架构。
在这种架构下,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。
或者说,边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。
边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。
这样去解释边缘计算,难免有些太专业,太枯燥。
让我们换个说法:边缘计算就是原来在中心服务器(云平台)这边有些数据需要计算和处理,现在中心服务器懒得计算了,就这么点儿数据,你前端的设备在采集数据的时候,顺便自己计算得了,别什么都让我中心来处理。
那么在交通控制中的边缘计算,我们是不是可以理解为:将某些原本由控制中心执行的应用程序、数据计算和信息服务,分散到各个路口的终端节点去处理。
这样做一方面能够减少对控制中心的依赖,另一方面能够提高路口的通行效率,再者确实有些功能只需要路口终端进行处理的操作,不需要通过中心甚至云平台的处置。
二、 交通控制中边缘计算有什么好处
普遍而言,边缘计算有如下特点:
1、数据处理实时性:边缘计算整合了数据采集、处理、执行三大能力,避免了数据上传下达所产生的时延弊端,提升了本地物联网设备的处理能力和响应速度。
2、降低带宽限制的影响:在网络边缘处理大量临时数据,不再全部上传云端,这极大地减轻了网络带宽和数据中心功耗的压力。
3、提高敏感隐私数据的安全性:边缘计算将用户隐私数据不再上传,而是存储在网络边缘设备上,减少了网络数据泄露的风险,保护了用户数据安全和隐私。
4、业务数据可靠性:基于安全的数据才会有可靠的业务,边缘计算本身不把数据传向云端,在广域网发生故障的情况下,也能够实现局域范围内的数据服务,进而实现本地业务的可靠运行。
5、应用开发多样化:我们知道,未来会有一半以上的数据在其源头进行处理,也会有诸如工业制造、智能汽车、智能家居等多样的应用场景。用户可以根据自己的业务需求自定义物联网应用,这就好比我们在安装office过程中会有多种的安装选项。
那么在交通控制中使用边缘计算的优势在哪里呢。
1、可以使得交通控制系统中设备的支持数量提升几个数量级
我们都知道,一个城市的交通控制系统中少则管理几百个路口,多则控制几千个路口。每个路口至少有1台信号控制机,如果加上交通检测和闯红灯抓拍的需要,至少每个方向要再增加1套交通检测设备和1套电子警察。
我们不妨借用流行的游戏中的术语,假设一台交通控制系统服务器有10000点血。而接入一台设备,就要消耗1点血,如果再对这个设备进行数据分析,需要消耗9点血。
也就是接入并计算一个设备就需要10点血。那么这个服务器多只能接入1000个设备就挂了。
这样就意味着,1台交通控制服务器多只能管理100多个路口(含信号机、交通检测设备和电子警察)。
如果这台控制服务器只负责接入设备,不进行计算和分析,那么接入一台设备,消耗1点血,由设备自己进行数据计算和分析,再输出结果。这时候服务器就可以接入10000个设备了。
这就意味着,接入路口的数量可以增加到1000多个。
很明显,交通控制系统的设备接入提升了一个数量级,使用了边缘计算来给服务器节省空间和资源,这个优势能够明显体现出来。
2、可以使得交通控制中某些计算变得更为灵活和可控
目前,交通控制系统中前端会同时接入诸如视频、雷达、地磁、浮动车多种交通信息采集设备,每一种设备采集的数据不一样。
如果使用了边缘计算,就可以单独针对每一个设备进行相应的计算和分析。甚至,如果需要多元交通数据融合等操作,也可以在前端完成边缘操作。
我们继续前面的服务器的例子,假设1个路口有来自视频检测器和浮动车的数据,目前的做法不外乎,视频检测器把检测到的交通参数信息(如车流量、车牌、速度等)传回控制中心,浮动车数据从互联网公司的服务器传到控制中心,两者在控制中心将数据进行融合处理后,再把相应的控制指令和信息返回路口的设备。
如果把路口的视频检测器的交通参数和浮动车数据在路口直接实现数据融合的边缘处理,既避免了数据上传下达所产生的时延,也降低了网络传输的故障风险,提高了交通控制业务的可靠性和实时性。
三、 思考
1、 交通中使用边缘计算为时尚早?不早。
例如Google旗下的Waze已经在自己的导航设备中使用车内Vehicle Cloudlet边缘计算,实时发现道路行驶中的事故信息。其他诸如正在进行的自动驾驶测试实验中,大都采用的是车内设备边缘计算的模式。
2、 交通控制中使用边缘计算为时尚早?不早。
前面的例子中说到,路口的视频检测器其实已经有的都实现了边缘计算的功能,所检测到的车牌信息、车速、流量等数据都是在前端设备实时实现的。当然更多的交通控制边缘计算场景作者会在后续的介绍中加以讨论。
3、 正如麦肯锡的咨询研究报告指出,边缘计算的行业应用中,交通运输所占比例高,在所有行业中占24%的比例,其次是能源和医疗行业,如此来说,智能交通的发展任重道远,或许下一个风口---交通边缘计算正在风起云涌。