車載邊緣計算在電動汽車節能中的應用研究

楊冬雪　鄧榮

關鍵詞：車載邊緣計算；電動汽車節能；路徑規劃

中圖分類號：U 文獻標識碼：A

文章編號：1009-3044（2023）21-0097-03

0引言

隨著全球變暖和溫室氣體排放的增加，國內外逐漸開始關注在交通領域對環境的影響。在《中國制造2025》中，明確了電動汽車的發展愿景以及戰略目標，并提出了推動新能源汽車與國際先進水平接軌的發展戰略，并將“節能與新能源汽車”列入國家智能制造重點發展領域。將第五代移動通信技術與新一代車用無線通信網絡 （5G-V2X）應用到電動汽車節能中，逐步實現“人-車-路-云”的高度協同 [1]，推進智能電動汽車的可持續發展。

1 相關研究及現狀

當前電動汽車的續航里程受諸多因素影響，例如車載能源有限、能量利用率不高以及充電時間較長等，所以需要采取措施挖掘電動汽車的節能潛力。對此，國內外學者提出了一系列解決辦法：文獻[2]中基于行駛工況對電動汽車的能量消耗因素進行研究；文獻[3]基于實時的路網信息，通過該見得基于分層規劃的自適應A*算法對導航路徑進行修正，有效縮短了電動汽車的整體行駛時間；文獻[4]對邊緣計算車聯網架構下基于交通數據的感知算法進行了研究；QI X等人[5]在車路協同環境下進行實驗，測試電動汽車真實能耗數據，并提出了一種降低電動汽車能耗的算法，使用該算法，節約了將近22％的能耗；文獻[6]設計了一種基于邊緣計算的動態交通誘導系統，在邊緣端和云端對電動汽車進行引導。但上述文獻均未在邊緣計算的環境下對電動汽車的節能規劃進行研究。因此，人們需要從利用現有資源的角度出發，研究如何在電池能量有限的前提下，充分挖掘電動汽車的節能潛力，提高能量利用率，對電動汽車的能源消耗進行節能引導，有效提高電動汽車的續航里程，為國家的節能環保戰略做出貢獻。

2 邊緣計算參考架構

圖1的架構為《邊緣計算參考架構 3.0（2018） 》，圖中邊緣層由邊緣節點和邊緣管理器組成。其中邊緣節點的核心是硬件，能夠根據硬件特點以及具體需求，靈活運用邊緣節點，邊緣傳感器采集大量數據之后，傳輸至邊緣網關及邊緣控制器、邊緣云進行處理。邊緣管理器主要由軟件組成，對上述邊緣節點中的硬件進行統一的管理，具有計算、處理和存儲資源的功能[7]。

云端CPU支持X86和ARM架構，操作系統支持Linux、Windows 和macOS，容器運行時支持Docker、Containerd和Cri-o，集群編排使用Kubernetes，包括控制節點、計算節點和集群存儲。其中控制節點核心組件包含Kube-apiserver、Kube-controller-manager 和pKruobxey-，s集ch群ed存ule儲r，組計件算包節括點E組tcd件。包云括上K的ub負el載et和以KPoudb形e-式運行，Pod由Container組成，Container是基于操作系統的NameSpace和Cgroup隔離出來的獨立空間。

邊緣端CPU支持X86和ARM架構，操作系統支持Linux，容器運行時支持Docker，邊緣集群編排使用KubeEdge，包括云部分的CloudCore、邊緣部分的EdgeCore 和邊緣集群存儲SQLite，邊緣上的負載以Pod形式運行。

現場設備端由運行在邊緣集群上的管理端設備的服務框架EdgeX Foundry[8]和終端設備組成，EdgeX Foundry中的設備服務層負責與設備交互；核心服務層作為消息管道并負責數據存儲；支持服務層中的微服務負責邊緣分析服務和智能分析服務；而開放服務層是整個EdgeX Foundry服務框架的網關層。

3 基于車載邊緣計算的電動汽車節能系統

3.1 基本結構

隨著5G技術和車用無線網絡通信技術的發展，邊緣計算在汽車行業應用的優勢逐漸凸顯，車載邊緣計算（VEC） 技術將邊緣計算與5G技術以及車聯網場景結合，能夠最大限度地減少車聯網環境下車輛之間的延遲，提高用戶服務質量[9-10]。

如圖3所示，系統中車載邊緣計算結構可按照橫向和縱向進行結構劃分[11]。橫向結構中，在某一基站覆蓋范圍內，基站內部的車輛之間可以進行通信，而且不同的基站之間也可以依靠無線回程鏈路進行數據交換。縱向自下而上可將車載邊緣計算分為三層：終端層、邊緣計算層和云計算層。

1） 終端層：終端層主要包括車輛、攝像頭、雷達、交通燈系統以及充電樁位置等交通設備。由于車輛的逐步信息化智能化，終端層擁有相對更加豐富的感知、存儲和計算資源。車輛通過攝像頭、雷達和GPS等可以實時獲悉車輛狀態信息以及車輛周圍環境信息；利用車- 車通信（Vehicle-to-Vehicle，V2V）使車輛與其他車輛進行通信；利用車-設施（Vehicle-to-Infrastructure，SVe2rIv）e通r U信ni，t，使RS車U）輛進與行路數側據交單換元；（R利o用ad專用短程通信（Dedicated Short Range Communications， DSRC）技術，建立車- 路測單元RSU （Vehicle-to-RSU ，V2R） 之間的無線回程鏈路連接，由于采用正交信道傳輸，鏈路信道間無相互干擾；車輛可以根據需求決定在本地處理任務，還是將任務卸載到其他車輛或者邊緣端還是云端。

3.2 系統特點

車載邊緣計算由于具有如下幾大優勢，可將其應用在電動汽車節能系統中。

1） 邊緣計算是一種分散式運算的架構。邊緣計算能夠將原本完全有云中心處理的應用程序、數據資料以及大型的服務進行分解，分解成多個小任務，并且將分解后的更小更易管理的服務移往邊緣節點處理。邊緣計算將原本屬于云中心的計算工作部分分給邊緣節點執行。在這種架構下，數據傳輸的性能以及數據處理的效率被大大提高， 并且有效降低了云中心計算負載。

2） 邊緣節點靠近終端設備，可以更快地傳送并處理數據。在電動汽車運行場景中，幾乎所有的電子設備均通過車-車通信（V2V）和車-設施（V2I）通信方式互連，在這個過程中設備會產生海量數據。利用邊緣節點進行數據處理，數據傳輸時延相對較低，同時網絡負載更小，網絡利用率更高。

3） 邊緣計算具有更高的安全級別。邊緣端的數據通過加密和認證，提高安全保護性能保護，并且數據以分布式嵌入邊緣。

4） 邊緣計算相對于云計算具有更好的實時性、更大容量的存儲以及更低的帶寬成本，并且可以滿足系統的低成本高效率需求。

基于車載邊緣計算的電動汽車節能系統通過縱向協作、橫向協作模式以及智能化部署，管理資源。

1） 縱向協作：自上而下的三層結構提供了多種卸載模式，根據實際任務需求，車輛可以選擇在本地處理任務，也可以將任務卸載給周圍車輛、或邊緣計算層、或云端進行處理。邊緣層是云端的延展，通過將云服務下沉，提供近地服務，云層則為邊緣層的補充，在邊緣資源不足的情況下，提供必要的資源支持。

2） 橫向協作：邊緣服務器的資源分布往往根據系統的功能會呈現出巨大差異，有的邊緣服務器由于負載任務較輕，資源未能被合理利用，有的邊緣服務器上負載任務較重，導致過負荷，不能正常處理任務。所以車載邊緣計算技術通過跨域多點協作的方式，深度融合并調度系統中的全部資源，有效提升系統網絡資源利用率，均衡負載，以充分挖掘使用系統資源，提升服務質量；此外，車輛之間也可以通過V2V方式實現任務的相互卸載，提高車輛資源的利用率。

3） 智能部署：車載邊緣計算網絡由于系統中網絡設備龐雜會相對復雜，并且系統中涉及各種服務，可以利用深度強化學習算法，分析需求，通過學習對行為進行判斷和預測，并加以控制，將人工智能算法部署在車載邊緣計算網絡系統的各個層，促進復雜環境下資源的靈活卸載和任務的有效調度。

3.3 系統功能

1） 在電動車需要充電時，向RSU傳入狀態條件，該狀態條件包括電動汽車起始位置、終點位置、電量剩余里程、充電站的充電時間、排隊時間、充電費用以及電動車輛起始位置與終點位置之間的路徑距離，以起始位置與終點位置的經緯度搜尋范圍內全數充電站，逐一計算充電站至起始位置與終點位置的距離，將不符合搜尋條件的充電站逐一過濾移除，并且結合電動車輛剩余電量，整合充電站清單并規劃出至少一個的動態電動車行駛路徑。充電線路算法根據電動車輛剩余電量以及充電站的使用情況和排隊時間估算出剩余可行駛里程，基于排隊論的基本思想估算候選充電樁的排隊時間，這樣可通過充電路線動態模型找到一條既節能又出行時間最短的充電路線。

2） 在電動汽車行駛過程中不考慮中途充電時，通過調整駕駛速度使電動汽車在行駛中達到最優能耗，眾所周知，在交叉路口信號燈處由于紅燈的存在，車輛頻繁的加速減速以及停車操作是造成電動車輛能量浪費的主要問題。設計的系統通過在VEC服務器中RSU預先獲取信號燈的位置和紅綠燈配時信息，用車載邊緣的計算資源，建立電動汽車通過路口時的能耗模型，并根據模型規劃出車輛該以何速度通過路口，避免電動汽車在交叉口處遇到紅燈，然后將駕駛建議返還給車輛，進而對駕駛員速度進行調整，以避免在交叉路口遇到紅燈后制動停止以及再次啟動加速，這樣可以大大降低電動車因頻繁加減速造成的能源消耗，并能有效消除駕駛者的等待焦慮。

3） 在路邊部署攝像頭、雷達、電子地圖和GPS等設施車輛可以實時感知和收集車輛自身信息和周圍交通環境信息。邊緣服務節點收集到上述信息后，利用視頻分析功能，識別出車輛車牌號，同時判斷并預測周圍車輛的駕駛行為，一旦檢測到車輛的非常規行為或者存在風險的行為，邊緣服務節點可以向當前車輛、其附近的車輛以及周圍的其他路測設備發出警告信息，以警告、提醒相關車輛必要時提前采取緊急制動，減速避讓，避免長時間的擁堵造成的頻繁加速或制動行為，以達到節能目的。

4） 可以提供交通管理功能。通過道路內的感應線圈、路邊的視頻監控和雷達傳感器以及車載GPS、電子地圖等定位服務，記錄大量相關道路交通數據信息比如天氣、路況、車流狀況等，將上述數據上傳到部署在云中心的管理平臺之后，管理平臺將上述部分交通數據信息下發到邊緣側的VEC服務器進行計算分析，并通過RSU將經過加工的交通信息和控制決策廣播給電動汽車。這種方法將有助于了解車輛行為特征，學習不斷變化的交通模式，評估道路擁堵情況，預估行人出行時間，分析特定環境下交通管理策略的可行性，并為電動汽車的智能化和交通管理智能化提供了必要的基礎。

4 結論

本文將邊緣計算技術與電動汽車節能等問題相結合，研究面向安全、節能的電動汽車節能引導策略及其關鍵技術，設計了一個安全可靠、低延時、高吞吐的系統。這將會提高電動汽車的可靠性和安全性，解決目前的“用電焦慮”問題。并且可以預見，擁有可在5G環境下能夠進行宏觀路徑規劃是電動汽車未來的發展趨勢。因此進一步增強電動汽車安全、有序、可靠運行，提供更加環保、節能的交通方案，將會更加合理地利用現有資源，使電動汽車的發展趨勢更加智能化，具有廣闊的發展前景。