AI边缘计算的架构案例:路车协同(学习心得)

路车协同的AI边缘计算架构案例:

路测感知设备A
路测感知设备C
路测感知设备B
自动驾驶汽车
5G基站
5G 基站
MEC节点
智能边缘
智能云

为什么需要边缘计算?

在实践中,每增加一公里的物理距离,会带来1ms的网络延迟。

如果要把自动驾驶汽车采集的信息上传到云端进行计算处理,而汽车距离云计算中心的距离是1500 km,即我们面对的是300ms上传和下载的网络延迟。

对于无人驾驶汽车来说,如果行驶速度是100km/小时,那也就意味着等我们云计算后完成反应,汽车已经开出将近 8 米了,那这个风险太高了,对于自动驾驶这样的应用来说是不能接受的。

所以我们需要边缘,也就是就近计算来完成!

架构特殊点

加入路测感知设备:提供类似第三方上帝视角,会上传行人有没有横穿马路等信息。

通过5G传递信息到基站上,空中延迟降低在10ms之内,基站通过光纤传递到移动边缘计算节点MEC中,也是几个毫秒处理信息,传回信息,自动驾驶汽车做出对应操作。

同时这些数据会上传云端,经过云端的计算优化算法,再更新到自动驾驶汽车和MEC节点中。完成自动驾驶的进化!

你可能感兴趣的:(云计算)