智慧城市車路協同系統的邊緣計算網絡架構研究

摘要：隨著智慧城市建設的推進，車路協同系統成為智能交通系統的核心組成部分。本文聚焦智慧城市中車路協同系統的邊緣計算網絡架構，探討了以邊緣計算為核心的三級計算平臺體系結構，該架構涵蓋路側邊緣層、區域匯聚層和城市級中心云。本文旨在構建一個高效、可靠且智能的交通管理框架，促進智慧城市的建設與發展。

關鍵詞：智慧城市；車路協同系統；智能交通；邊緣計算

引言

隨著信息技術發展，智慧城市成為全球關注焦點，智慧交通是其重要組成部分，核心在于車路協同業務。通過融合汽車工業、交通管理和通信技術，車路協同實現車輛與基礎設施的實時信息交互，提升道路安全和交通效率。2020年11月，住房和城鄉建設部與工業和信息化部聯合發布通知，啟動智慧城市基礎設施與智能網聯汽車協同發展試點，強調建立健全統籌協調機制，落實資金等保障措施，確保試點工作取得成效，形成可復制可推廣的經驗[1]。邊緣計算作為前沿技術，可以解決車路協同的低延遲和高帶寬需求，成為研究的關鍵。

1. 智慧城市車路協同系統的概念

智慧城市車路協同系統（cooperative vehicle-infrastructure system，CVIS）利用傳感、通信和數據分析技術，構建網絡，實現車輛與環境（如其他車輛、行人、交通信號燈等）的實時互動[2]。系統依賴車輛感知與決策能力，輔以攝像頭、雷達、路邊設備（roadside unit，RSU）收集路況信息，通過蜂窩車聯網（cellular vehicle-to-everything，C-V2X）技術傳輸。C-V2X包括車對車（vehicle-to-vehicle，V2V）、車對基礎設施（vehicle-to-infrastructure，V2I）、車對行人（vehicle-to-pedestrian， V2P）及車對外界（vehicle-to-everything，V2X）等通信技術，可預防事故、優化流量、提供服務，并推動自動駕駛。系統融合多源數據，依賴邊緣計算確?？焖夙憫?。

2. 邊緣計算網絡架構技術

邊緣計算網絡架構是智慧城市車路協同系統的核心支撐，通過將計算資源從云端移至網絡邊緣，降低數據傳輸延遲，提升實時處理能力，并保護隱私。該架構由路側邊緣層、區域匯聚層和城市級中心云三層組成，協同實現交通信息的高效采集與處理。

路側邊緣層連接感知設備（如攝像頭、雷達），收集并初步處理數據，減輕后續負擔，提高處理效率。區域匯聚層匯總各路段信息，確保數據準確，并轉發重要事件至上層，具備強大計算與存儲能力，支持復雜場景和區域設施對接，構建高效交通網絡。城市級中心云存儲歷史數據，利用機器學習訓練預測模型，為決策提供依據，驅動智慧交通發展，為交通管理與規劃提供支持。這種分層架構優化數據流程，保障高效運行。

3. 智慧城市車路協同系統的邊緣計算網絡架構設計

3.1 設計目標

智慧城市車路協同系統的邊緣計算網絡架構旨在優化智慧交通中數據處理的實時性、帶寬效率和隱私保護能力。該架構通過將計算資源部署在網絡邊緣，有效縮減了數據傳輸至遠端數據中心的時間延遲，提高了系統響應速度，并減輕了核心網絡的負載[3]。整個網絡架構由三大核心層次構成：路側邊緣層、區域匯聚層和城市級中心云層。每個層級各司其職，共同協作，以確保數據處理的高效性和服務提供的優質性。此架構可以將數據處理時間縮短至毫秒級，顯著提升交通管理的即時響應能力和精準度，不僅滿足了智能交通系統的多樣化需求，更為未來智慧城市的拓展奠定了堅實的基礎。

3.2 邊緣計算網絡架構設計

3.2.1 路側邊緣層設計

路側邊緣層作為邊緣計算網絡架構中最接近數據源的一環，直接與各類感知設備相連，如攝像頭、雷達傳感器等。這些設備負責捕捉車輛周圍環境的信息，包括車輛的位置、速度、行駛方向和道路狀況等。路側邊緣層接收這些設備傳輸的原始數據，并進行初步處理，如數據清洗、特征提取和初步分析。這不僅減輕了后續層級的計算負擔，還保證僅有經過預處理的有價值信息被上傳至更高級別的計算平臺。路側邊緣層設計如圖1所示。為提高系統的可靠性和冗余度，接入路側網絡采用了環形拓撲結構，并配置快速切換機制，即使某一部分出現故障，整體網絡成保護倒換，確保業務不受影響。此外，路側邊緣層還兼容多種通信協議，能夠與不同類型的道路設施進行交互，從而實現更加廣泛的互聯互通。

3.2.2 區域匯聚層設計

區域匯聚層位于路側邊緣層之上，負責匯總來自不同路段邊緣計算節點的信息，并將關鍵的交通事件報告轉發至上一級的城市級中心云。一般而言，每個行政區會建立一個或兩個此類計算中心，以滿足區域內交通管理的需求[4]。區域匯聚層的主要任務包括數據聚合、實時決策支持和遠程通信，能夠基于實時路況做出即時性的決策，如調整信號燈時長、優化公交線路等，以提高交通效率，具體設計如圖2所示。對于涉及跨區域協調或需要更高層次干預的情況，則依賴于區域匯聚層與市級中心云之間的通信完成。為了保障交通安全，該層級必須具備高度的安全防護措施，防止黑客攻擊或惡意篡改數據，并且還需要具備冗余備份機制，以防止單點故障導致的服務中斷。

3.2.3 城市級中心云設計

城市級中心云作為整個邊緣計算網絡架構的頂層環節，發揮著統籌全局的關鍵作用。該層級集中存放著全市范圍的歷史數據記錄，可用于長期趨勢分析、政策制定參考以及科研用途。更重要的是，城市級中心云利用其海量的數據儲備和先進的機器學習算法訓練出更加精準的預測模型，進而指導各區域乃至具體路段上的實時決策過程。在面對突發惡劣天氣或者重大活動時，城市級中心云會根據過往類似情況下的數據表現提前規劃應對措施，最大限度地保障公眾安全和社會秩序穩定。城市級中心云也是連接外部合作伙伴的重要橋梁，促進了跨部門協作和資源共享，共同推動智慧城市建設和智慧交通的發展。城市級中心云設計框架如圖3所示。

4. 智慧城市車路協同系統的邊緣計算網絡架構設計應用

4.1 數據處理效率的提升

在智慧城市車路協同系統中，邊緣計算網絡架構通過將計算資源部署在網絡邊緣，提升了數據處理效率和系統可靠性。路側邊緣層連接高清攝像頭、毫米波雷達和激光雷達等感知設備，在本地完成數據清洗、特征提取和初步分析，減少上層數據冗余。接入網設計分為接入路側網絡和接入回傳網絡。接入路側網絡負責設備與路側邊緣層的組網及與區域匯聚層的信息交互，采用環形拓撲結構并配置GE環網保護機制，確保業務穩定和低延遲。接入回傳網絡負責區域匯聚層與路側邊緣層的高效通信，方案包括自建光纖和租用專線網絡。自建光纖適合全區域覆蓋，成本低且運維簡明；租用專線適用于無自建條件的城市，通過二層虛擬專用網（layer virtual private network，L2VPN）、光傳送網（optical transport network，OTN）或5G專線實現可靠連接。這種分層設計保障了信息流暢傳遞，支持系統高效運作[5]。

邊緣計算優化了數據處理流程?；谡鎸嵔煌▓鼍暗哪M實驗，部署100個路側邊緣節點的測試網絡，采集超500小時交通數據，包括車輛速度、密度和突發事件等變量，結果表明預處理后數據量減少約70%，減輕后續計算負擔，響應時間從500毫秒縮短至150毫秒以下，為事故預警和路徑優化等實時應用提供了保障。

例如，蘇州市管高速投用AI2慧眼系統[6]，對高速道路上發生的交通事故、異常停車、異物拋撒、車輛逆行、路況擁堵等異常狀況進行更加精準識別、檢測和預警。目前，在蘇州高速公司試點的130千米路段上已有219路高清攝像頭接入“AI2高速慧眼”事件檢測系統，覆蓋市管高速37.68%的管轄路段。自該系統投用以來，常規路況事件預警準確率從原先的51.7%提升至90%以上。其中在2024年5月至2024年6月期間，高速慧眼就主動發現交通事故101起、道路擁堵8起，為監控指揮中心加強清障、交警、養護等力量調度，快速處置影響高速公路安全暢通的路面特情提供了有力保障。

4.2 系統可靠性的增強

路側邊緣層依托邊緣計算網絡架構憑借多層次的安全防護措施，顯著提升了系統的可靠性。接入路側網絡采用環形拓撲結構，并配備快速切換機制，確保在部分組件出現故障時，整體網絡能在50毫秒內完成保護倒換，維持業務的連續性。區域匯聚層和城市級中心云同樣具備容錯機制，有效防止單點故障引發的服務中斷，為系統的穩定運行筑牢根基。

在實際應用中，北京市部署的城市車路協同系統采用了該邊緣計算網絡架構，在面對一系列復雜狀況時展現出強大的可靠性。例如，浪潮信息與百度聯合發布首款路側邊緣計算單元[7]，基于該車路協同核心計算單元構建的“感知-計算-通信”路側邊緣智能體系的測試數據顯示，路側邊緣智能體系能夠實現對路口范圍的車、道路、環境、交通事件的全要素實時檢測和分析，位置精度≤1.0m（人機非，平均），速度精度≤1.5m/s（均值），交通對象感知定位類型識別準召率≥90%，路側對象感知端到端時延（含通信時延）≤300ms（均值），為高等級自動駕駛與智慧交通提供算力支撐。

4.3 交通管理的優化

區域匯聚層負責匯總來自不同路段邊緣計算節點的信息，并向上一級的城市級中心云轉發重要的交通事件報告。據統計，通過區域匯聚層的優化調度，交通流量可提升20%～30%，事故率降低15%左右。區域匯聚層基于當前路況作出即時性決策，如調整信號燈時長、優化公交線路等，以提高交通效率。在一些試點城市的應用案例中，智能交通管理系統實現了動態調配路網資源，提供擁堵提醒和優化路線誘導服務。例如，溫州的“綠波帶”策略使停車次數從原先的195次下降至現在的89次，下降幅度為54.3%，大大提升了市民的出行體驗[8]。同時，城市級中心云利用歷史數據和機器學習算法提前規劃應對措施，最大限度地保障公眾安全和社會秩序穩定。

4.4 支持未來的擴展與創新

邊緣計算網絡架構不僅滿足了現有智能交通系統的需求，還為未來智慧城市的發展預留了充足的空間[9]。該架構具有高度的靈活性和可擴展性，可以輕松適應新增加的道路設施和技術更新。通過合理劃分各級計算平臺的功能定位，并選擇針對性強的技術方案，能夠有效應對不斷增長的數據處理需求和服務質量要求。城市級中心云作為連接外部合作伙伴的重要橋梁，促進了跨部門協作和資源共享，共同推動智慧城市建設和智慧交通的發展。城市自建光纖模型相較于租賃方式可節省約40%的開支，降低了建設成本的同時提高了運維效率[10]。一個中型城市通過自建光纖模型，每年可節省約200萬元的運營成本，同時提高系統的響應速度和服務質量，為未來的擴展打下了堅實基礎。邊緣計算網絡架構的應用已經在多個實際場景中展現出顯著效果，改善了城市的交通狀況，并為其他領域的智能化改造提供了寶貴經驗。

5. 項目實例分析

智慧城市車路協同系統的邊緣計算網絡架構研究中，無錫市高浪路改造項目是一個成功范例[11]。該項目利用邊緣計算技術提升道路安全與通行效率，驗證了架構有效性。在基礎設施方面，利用邊緣計算網絡架構、大數據分析、云計算、人工智能等先進技術構建智能交通體系，打造集采集、數據分析、預測預警、應急指揮、可視化平臺于一體的快速路管控平臺，著力提升全市道路通行率。該平臺監測顯示，目前快速路主線平均時速提高約21%，快速路及周邊路網交通流量得到有效均衡，路網通行效率顯著提升。在交通安全方面，下匝道可變信息標志板上的預警燈顯示“黃色”箭頭，對超速車輛進行實時警示，減少由車輛超速帶來的事故隱患。大數據顯示，該路段匝道長度400米，安裝警示燈40套，目前通過該路段的車輛車速普遍下降，違法超速率下降11%，事故發生率下降33%。在交通效率方面，如針對惠山隧道北進口實際情況和交通需求，在匝道匯入主線區域設置信號燈、優化交通組織、增加抓拍設備等，控制匝道匯入快速路主線的交通流量，減少合流交織，提升合流秩序，提高主線通行效率。目前，早晚高峰匝道上下游平均時速提高了15%，日平均擁堵時間減少了20分鐘?！俺鞘薪煌ù竽X”實現數據匯聚與智慧調控，遇突發情況可“一鍵紅鎖”管制或“一鍵綠鎖”疏散。高浪路項目的成功為無錫市及其他城市積累了寶貴經驗，得到業內高度認可，從而有力推動了智慧城市交通管理的發展。

結語

隨著技術的進步，交通系統將更加智能化和自動化，支持更復雜的交通管理和自動駕駛應用。智慧城市車路協同系統的邊緣計算網絡架構將繼續發揮重要作用。進一步優化的數據處理能力和更高的可靠性將為市民提供更安全、高效的出行體驗。同時，跨部門協作和資源共享將進一步推動智慧城市的全面發展，共同構建一個更智能、更環保、更便捷的城市環境。

參考文獻：

[1]住房和城鄉建設部，工業和信息化部.兩部委關于確定智慧城市基礎設施與智能網聯汽車協同發展第一批試點城市的通知（建城函〔2021〕51號）[EB/OL].（2021-05-06）[2025-03-05].https：//www.miit.gov.cn/xwdt/gxdt/art/2021/art_0396a22821ae444db11975f2ab0c9f37.html.

[2]武曉博，龔興濤，楊皓元.基于車聯網技術的高速公路智能車路協同系統設計[J].自動化技術與應用，2024，43（12）：20-24.

[3]雷鳴，鄔小魯.基于云計算的一體化車路云協同系統方法研究[J].信息記錄材料，2024，25（11）：189-192.

[4]李肇強.車路協同交通風險態勢認知與服務系統設計與實現[D].北京：北京郵電大學，2024.

[5]鄒嬌，趙翔.基于車路協同的城市智慧道路關鍵技術框架研究[J].城市道橋與防洪，2024，（6）：5-8，369.

[6]蘇州市人民政府國有資產監督管理委員會.蘇州市管高速投用AI2慧眼系統 路況預警準確率達90%以上[EB/OL].（2024-06-06）[2025-03-05].https：//www.suzhou.gov.cn/szsrmzf/jtcx/202406/038ac2ae97344842a81c975f52e51336.shtml.

[7]光明網.浪潮信息與百度智能云聯合發布首款路側邊緣計算單元RSCU[EB/OL].（2023-10-09）[2025-03-05].https：//tech.gmw.cn/2023-10/09/content_36880809.htm.

[8]中國藍新聞.“綠波帶”來了！溫州市區這些路段，一路綠燈！[EB/OL].（2021-12-06）[2025-03-05].https：//www.360kuai.com/pc/93eb8de014dbcf9b7？cota=3amp;kuai_so=1amp;tj_url=so_vipamp;sign=360_57c3bbd1amp;refer_scene=so_1.

[9]宋軍.智慧城市車路協同系統的邊緣計算網絡架構和方案[J].自動化博覽，2022，39（2）：38-41.

[10]吳冬升.車路協同創新示范賦能智慧高速[J].智能網聯汽車，2020（3）：31-35.

[11]無錫新傳媒.無錫智能交通系統暢通“城市動脈” 快速路主線平均時速提升兩成[EB/OL].（2023-11-07）[2025-03-05].https：//www.wxrb.com/doc/2023/11/07/318590.shtml.

作者簡介：秦璐，本科，763755025＠qq.com，研究方向：智能交通管理。