云計算、霧計算和邊緣計算在智慧交通中的應用

陳 晨

（中冶南方城市建設工程技術有限公司，武漢 430077）

智慧交通作為智慧城市的重要組成部分，是改善城市交通環境的最佳途徑。智慧交通在整體考慮交通基礎設施、交通運輸工具和交通參與者的基礎上，應用先進的信息技術、通信技術、計算機技術、控制技術和傳感技術建立人、車、路和諧統一的交通環境，實現交通的全面感知和智慧管控，提升城市交通系統的運行效率和管理水平。

1 主流計算技術的分析

目前，主流計算技術主要有云計算（Cloud Computing）、霧計算（Fog Computing）和邊緣計算（Edge Computing）。根據這三種計算技術的定義和應用場景，我們可以把它們理解成三個從整體到局部的不同層次的計算模式。

1.1 云計算

云計算是一種共享計算資源的計算模式，計算資源共享池（包括網絡接入、服務器、存儲設備、軟件、服務）部署在位于互聯網中的大型數據中心，提供“云端服務”。用戶按需接入，獲取相應的計算資源。通常用于海量數據處理或高強度運算場景。同時，由于在互聯網上部署了多個資源池副本，能有效保障系統可靠性和數據安全性。

1.2 霧計算

霧計算是一種面向物聯網的分布式計算模式，是云計算概念的延伸。計算資源將分散到網絡的“邊緣”，形成微型的本地數據中心，提供局域網絡內部的處理能力。相對于云計算而言，霧計算具有很低的時間延遲、強大位置感知能力、更為廣泛的地理分布、良好的移動適應性等優點。

1.3 邊緣計算

邊緣計算是通過部署在靠近物或數據源頭的計算資源，提供近端服務的本地計算模式。一般采用集網絡接入、計算、存儲、應用為一體的開放平臺或設備。而為了實現邊緣計算的即時性，這就要求采用更為智能的平臺或設備。和霧計算相比，邊緣計算具有更低的時間延遲、多種網絡接入模式、更少的網絡帶寬、更少的故障點、可靠的安全性、設備運行的獨立性等優點。

2 計算技術在智慧交通中的應用研究

2.1 交通態勢分析

交通信息采集是智慧交通的重要組成部分，通過廣泛部署的攝像機、傳感器、浮動車以及手機信令、人工上報信息來獲取交通流量、行車速度、道路狀況、停車位數量、天氣情況等與交通密切相關的信息。隨著城市規模的不斷擴大和城市交通日益繁忙，傳統的信息處理模式已經無法滿足數據分析、處理和儲存的需求。同時，交通態勢分析和交通流組織這類非即時性應用強調的是廣泛的信息采集和分析預測，主要應對未來交通環境改善、交通發展規劃等問題。而云計算能提供海量數據接入和高強度的數據處理功能，恰好適用這類非即時性應用場景。

2.2 交通信號控制

交通信號控制是交通管理中最重要的一個組成部分，關系到整個交通系統能否正常運行。當前，交通信號控制多采用預編程的自動控制模式，不能根據當時的交通情況進行動態調整。將來，交通信號能通過區域（通常是一段道路或一片區域路網）交通狀況自主控制。交通信號控制機作為霧計算節點接收區域內傳感器收集的流量信息和交通擁堵情況，通過實時分析后對信號燈相位和配時進行動態調整。同時，云計算中心對更廣泛的區域，乃至整個城市的交通狀況和交通需求進行分析，以改善整體交通環境，如：特勤交通控制、綠波控制、交通疏導。

2.3 交通執法取證

交通執法取證是進行交通管理最為有效的手段。交通違法和交通事件檢測類型比較豐富，在同一臺前端設備上實現多種檢測對設備處理能力有很高的要求。而且，根據交通執法取證相關規范的要求，違法記錄數據同時也應在本地存儲，避免因網絡中斷導致數據丟失，以提高數據安全性。霧計算能夠提供區域（通常是一個路口或一段道路）內的集中處理能力和儲存空間，網關節點接收前端攝像機和傳感器采集的數據，在本地集中處理并保存結果數據，同時將該結果傳輸到交通管理后臺作為執法依據。

2.4 無人駕駛

無人駕駛作為近年來的熱點話題，其相關技術發展迅速。無人駕駛通過人工智能、機器視覺、雷達、定位系統、自動控制系統協同工作，實現汽車的自動駕駛。隨著汽車的運行，將產生大量的邊緣側數據，這些數據全部同步到云中心或者霧節點會存在安全與隱私方面的風險。此外，無人駕駛汽車需要在高速移動狀態下對周圍環境做出迅速反應，所以響應時間是一個極其重要的指標。受限于網絡帶寬和信息處理流程，云計算和霧計算架構難以實現高要求的實時響應，而且還存在通訊中斷的風險。而無人駕駛汽車作為一個融合了感知、分析處理和控制單元的邊緣計算集成平臺能夠滿足實時性、安全性和私密性的要求，同時也能將一些非重要數據進行共享。

3 結束語

通過上述分析和探討，我們不難發現云計算、霧計算和邊緣計算并不是計算技術的迭代更新，它們在數據的收集、處理和通信方式上的不同決定了它們在智慧交通不同場景中的應用。未來，智慧交通將會朝著自主化、多元化、協同化的方向發展，多種計算模式的融合應用將會促進智慧交通的可持續性發展。