综述：利用边缘计算驱动未来：关于数据卸载、使能技术以及自动驾驶车辆发展趋势的综述

《Internet of Things》：Driving the Future with Edge Computing: A Review of Data Offloading, Enabling Technologies and Trends for Autonomous Vehicles

　　Sindhumitha Kulandaivel | Uday Chandra Akuthota 技术学院，Woxsen大学，海得拉巴 502345，特伦甘纳邦 **摘要** 将边缘计算与自动驾驶车辆（AVs）相结合已成为一项关键的技术进步，旨在解决自动驾驶导航中固有的计算、延迟和数据隐私问题。本文探讨了AV系统中数据卸载的迫切需求，深入分析了不同的数据卸载策略，包括完全卸载、部分卸载和自适应卸载。我们研究了各种类型的边缘计算节点，从车载嵌入式系统到路边节点和基于云端的架构，强调了它们在AV生态系统中的作用和权衡。此外，本文还比较了多种无线接入技术（RATs），如5G、毫米波、Wi-Fi和DSRC，强调了它们在支持低延迟和高带宽数据卸载方面的有效性。同时，也讨论了Docker和容器化技术的创新，这些创新通过实现轻量级、便携式和可扩展的服务部署，降低了对外部硬件平台的依赖性，提高了系统的整体灵活性和效率。本文还对不同的边缘计算架构进行了比较分析，重点关注了为AVs量身定制的集中式、去中心化和雾计算模型。文章还讨论了AVs边缘计算在部署和扩展过程中面临的关键挑战，包括网络可靠性、数据管理、互操作性和安全性问题。最后，本文还指出了最新趋势和未来发展方向。本文旨在全面了解边缘计算在自动驾驶车辆中的作用，并为这一动态领域的未来研究和开发提供路线图。 **引言** 随着自动驾驶车辆需要集成多种先进技术（包括感知、定位、感知和决策制定），它们变得越来越复杂。这导致了数据生成的激增，超出了传统计算模型的处理能力，凸显了边缘计算和任务卸载的重要性。典型的自动驾驶车辆每小时可从激光雷达、摄像头、雷达和GPS等传感器生成多达4TB的数据[1]。使用车载计算资源处理这些数据需要大量的硬件，使得车辆变得笨重、能耗高且成本高昂。因此，通常有60-70%的数据会被卸载到附近的边缘节点，从而减轻车载计算负担，并为安全关键任务提供必要的实时响应[2]。 任务卸载主要是为了满足AVs对严格延迟的要求。AVs的响应时间必须在10-50毫秒范围内，以确保安全导航。通过5G连接将数据卸载到附近的边缘节点可以实现超低延迟处理，显著提高整体决策速度。研究表明，与基于云的计算架构相比，基于边缘的计算可以将延迟降低90%[3]。5G技术的采用通过提供更快的数据处理和更低的延迟来推动自动驾驶车辆中的边缘计算[4]。将任务卸载到边缘节点可以减少车载计算负担，从而大幅节省能源。根据Frost & Sullivan的研究，将计算任务卸载到边缘基础设施可以使电动汽车的电池寿命延长20-25%，具体取决于卸载的计算量和类型[5]。这种能源效率意味着行驶里程预计可增加15-20%，这对于电动汽车自动驾驶车队的市场推广至关重要[5]。 随着连接设备的增加，思科预测到2025年，全球移动数据流量将超过77艾字节/月，其中大部分来自AVs、物联网（IoT）和移动设备[6]。边缘计算能够通过本地处理相关信息并仅将关键见解传输到云端来高效处理这种数据激增，从而平均减少30-40%的带宽消耗。这种效率至关重要，因为预计到2030年，5G网络将处理的连接设备数量将是2020年的三倍[7]。研究表明，由于延迟更低以及能够实时访问其他车辆和基础设施的上下文信息，边缘计算可以提高物体检测的准确性5-10%[7]。这种准确性的提高在减少事故和提高AV操作安全性方面起着重要作用。根据美国国家公路交通安全管理局（NHTSA）的数据，减少感知错误可以将碰撞率降低多达30%，这强烈支持了对基于边缘的AV基础设施的投资[8]。边缘计算在AVs领域的崛起也体现在投资趋势上。预计到2025年，全球在边缘计算基础设施上的支出将达到2500亿美元，其中大部分将用于自动驾驶系统和物联网[9]。预测显示，全球物联网（IoT）设备的数量将从2023年的159亿台增加到2030年的超过321亿台[10]。这一增长突显了先进边缘计算基础设施在高效管理增加的数据处理需求方面的关键作用[10]。此外，AV制造商越来越多地与电信提供商合作，开发专用的5G支持边缘节点，以确保高优先级任务的可靠卸载能力。 统计分析证实，边缘计算中的任务卸载是自动驾驶车辆生态系统的基础。它解决了关键的性能挑战，降低了成本，提高了能源效率，并提升了安全性，这些都是广泛采用AVs的关键因素。随着5G和人工智能技术的进步，边缘计算在自动驾驶系统中的集成将会进一步发展，为完全自主的交通解决方案铺平道路。明显的经济效益、可靠性提升和延迟减少指标都表明，近年来从以云为主导的模式向更加分布式的、基于边缘的模式转变是不可避免的。此外，卸载还使得访问更广泛的服务和应用成为可能，包括实时交通更新、高清地图信息和协作感知数据。总体而言，边缘计算和数据卸载对AVs的未来至关重要，使它们变得更安全、更高效、能力更强。近年来，已经研究了多项相关研究，如表1所示。 最近在物联网（IoT）、智能交通系统和边缘计算领域的研究越来越强调自动驾驶车辆作为连接生态系统中的分布式、数据密集型节点的作用。这些研究强调了与实时处理、通信可靠性和系统可扩展性相关的挑战，进一步凸显了集成边缘计算框架的必要性[14,15,26,32]。