杨雅舒　史心玥　余一鑫

摘要：目前，全球均已进入到万物互联网的时代之中，在这一背景下ETSI研讨出一种新兴技术——移动边缘计算，这种技术通过在网络边缘进行智能和计算单元的增加，从而实现近距离部署和业务本地化。可以说，移动边缘计算的设计初衷是想要进一步缓解云计算由于终端资源不足所导致的传输延迟和网络负荷问题，因此在对其设计时确保了其具有低时延和高带宽的特质。通过无线设备接入侧部署服务器，移动边缘计算即可为移动网络边缘提供云计算能力和IT服务环境，提供低时延、高带宽业务。此外，这种技术还可以利用对无线网络上下文的感知与集中化云计算平台相联合，从而控制传输网络的压力，提升信息处理速度，提供差异化服务，提升用户体验感。

前言

经济社会的到来与发展刺激了我国车辆保有量的增长速度，据国家统计局发布的数据显示，截止到2019年年末，我国民用汽车保有量已经高达2.62亿辆，据预测在未来一段时间内此数据还将持续上涨。此外，交通实际需要的提升以及人们对便捷出行的需求上涨进一步促进了公民对车辆需求的增长。随着车辆数量的快速增长，道路拥挤、安全问题频发以及货运成本高等问题相继暴露在我国的公路交通运输方面。而车联网不仅能够进行道路危险预警，进而一定程度上确保交通的安全并降低道路拥堵的程度，还能够提供停车位导航和车辆位置寻找等增值服务，这种技术的出现对于上述道路交通问题而言具有一定的缓解作用。超视距信息交互有利有弊，利在于其能够使智能交通更加高效与安全，弊在于其在运行的同时所产生的数据量巨大，导致网络不能完全应付，在此情况下，通过移动边缘计算技术能够有效的降低拥挤程度从而达到最优化。

1 移动边缘计算概述

1.1移动边缘计算概念

随着近年来互联网技术的不断成熟化，云计算也得到了行业的高度重视并得到了快速发展。将复杂的计算任务转至云计算数据中心的服务器中进行，从而缓解移动终端资源有限的问题，但是在云计算数据中心部署业务应用又增加了网络负荷，导致传输时延，对网络带宽提出了更高的要求。为了解决移动互联网和物联网快速发展带来的高网络负荷问题，国际标准组织ETSI提出了移动边缘计算。移动边缘计算技术通过在网络边缘节点进行智能和计算单元的增加，使得业务本地化、近距离部署成为可能，能够更好地支持高带宽、低延时业务。同时，移动边缘计算可以通过感知无线网络上下文信息来实现与集中化云计算平台的相辅相成、互相补充，以降低传输网络的压力，让网络运营商能于基站侧快速处理信息，实现差异化服务，提升用户体验。

下图1展示了移动边缘服务器端结构。其中虚拟化基礎架构的主要功能是在通用服务器的计算及存储等资源的基础上，进一步为应用层创造多个高效、灵活、独立运行的平台，最终实现业务本地化和近距离的处理工作。移动边缘平台的功能是对移动边缘应用程序所需要求进行处理，这其中就包含了无线网络信息管理、网络加速、域名、路由规则管控、大数据分析以及业务注册等等，其中值得注意的是，移动边缘计算平台具备一个最基础的功能就是本地分流，这一功能也使无线网络具备了高带宽和低时延传输的能力。

面向业务层面，移动边缘计算有着更加多元化的服务，可以极大地提升网络利用率，通过网络获取定位，提供更加精准的服务。

1.2移动边缘计算特征

（1）邻近性：从服务器布置位置看，移动边缘计算的服务器与信息源十分近，这种计算便于对大数据中的关键信息进行捕捉与分析，而且移动边缘计算也能够提供设备直接访问服务，所以更加便于衍生出特定的商业应用。

（2）低时延：移动边缘计算运行的位置就在终端设备上或是终端设备附近，能够有效控制延迟现象。延迟现象的缓解有效的提升了反馈效率，从而提升了用户的体验感，一定程度上减免了网络在其余部分产生拥堵的情况。

（3）高带宽：数据与信息无需全部上传到云端，能够在本地进行迅速处理，有效缓解了核心网的传输压力，使网络堵塞情况得到降低，从而大大的提升了网络的速率。

（4）位置认知：不管是蜂窝还是WiFi，只要网络边缘属于无线网络的一部分时，本地服务均可以通过数量有限的信息对任意连接设备的位置进行确定。

2 移动边缘计算应用现状

2.1移动边缘计算是5G的核心技术之一

5G技术也称为第五代移动通信技术，是继4G、3G、2G后的延伸，以“大容量、大带宽、大连结、低延迟、低功耗”为性能目标。在当下的网络架构中，核心网的高位置部署导致在进行传输时会产生较严重的延时，而且存在部分业务终结不发生在本地，这样一来不仅会浪费带宽，还会导致时延增加。移动边缘计算能够有效的解决上述问题，一方面来说这种技术能够在边缘位置进行部署，在终端设备上进行边缘服务能提升反馈速度，从而缓解时延;另一方面来说，移动边缘计算能提供智能化的流量调度，从而实现业务的本地化，内容在本地得以缓存。

2.2移动边缘计算满足5G低时延要求

5G技术“低功耗大连接”这一应用场景要求其拥有连接超千亿网络的能力，连接数密度指标为100万/km2，在数据如此巨大和连接密度如此之高的情况下，确保低功耗和低时延尤为关键。自2019年5G正式上线后，为确保提供工业控制业务，提出了1ms端到端时延的计划。想要实现低功耗和低时延，不仅要对空口传输时延进行大幅度的降低，还需要最大程度控制转发节点的数量，从而缩短源与目的节点间的距离。

然而截止到目前的移动技术均不能很好的进行时延优化，虽然LTE技术能够将空口吞吐率提升至10倍以上，但是对端到端的时延优化只能达到3倍。出现这种情况的主要原因是在大幅度提升空口效率后的网络构架并未得到充分优化。基站与核心网之间的距离一般会长达数百公里，途径十分繁琐，而且中途还存在未知的抖动与拥塞，尽管LTE网络能实现2跳的扁平构架，也不能确保实现低时延。移动边缘计算在边缘节点进行部署，能够有效的融合互联网和无线网络的技术，进而增加无线网络侧的计算、存储以及处理功能，对移动边缘云加以构建，使其具备云计算能力并成功提供信息技术服务环境。因为内容部署与应用服务均处在移动边缘，如此便能一定程度缩短数据传输时间，从而使端到端时延得到减缓并降低功耗。

2.3移动边缘计算可以避免运营商网络管道化

到目前为止，传统运营商网络均为非智能的。在这个网络社会中，运营商的商业模式及资费比较单一，对用户及业务的掌握程度不够。直到现在很多用户均在使用包月套餐，但是却很难满足不同用户的不同需求。而且因为业务并没有优先级之分，因此很多业务尽管占用大量带宽却并未发挥其应有的价值，譬如一些P2P业务和视频流媒体等等，这也让一些包括移动办公在内的业务不能获取优先保障。面对这种情况，很多运营商都开始寻求策略，而想要实现“智能管道”，就需要明确不同用户之间的差别，全面充分地掌握用户的真实需求。内容感知是智能化的5G网络的一个重要特征，通过分析网络流量的内容进一步提升数据黏性、用户黏性和网络业务黏性。而业务和用户感知同样也是移动边缘计算的一项关键技术，充分利用本地网络资源，在移动边缘识别业务与用户，对其优化并提升网络业务质量，为不同的用户提供不同的服务让其能够有不一样的体验。

3 移动边缘计算在车联网中的应用

3.1移动边缘计算在车联网中的应用现状

车联网可以实现实时道路预测，对于前方的未知危险和隐患做好充分的预测，极大地提升了行车安全，另外，超视距的信息互通使得交通过程更加安全，在车联网的大量普及中，能够最大程度的保证驾驶员的安全，为驾驶员留出充分的反应时间。在信息的传输过程中，延时时间将会减少，保证信息的实时性。

下图2展示了移动边缘计算在车联网中的应用。移动边缘计算技术能够在网络边缘的移动基站中分散部署汽车云，并将服务器部署在靠近网络边缘的基站中，如此一来就可以缩短数据的传输时间，从而加快数据处理速度。移动边缘计算的服务器端获取消息的途径比较便捷，可以直接在车辆和路面传感器中获取，通过具体的计算对实时数据信息进行甄别，并对该区域的其他车辆发送预警消息，确保预警能够在20ms内被附近车辆接收，这样一来为驾驶员提供更长的反应时间以应对紧急突发状况，譬如减速行驶、躲避危险及其改变线路等。此外，服务器端应用也能够在短时间内告知周边其余的移动边缘计算服务器上运行的应用程序，扩大危险预警传播范围，方便每位驾驶员进行思考并作出决策，从而有效的降低道路拥堵问题。面对复杂的情形时，服务器端应用将把本地信息发送到连接的汽车云上进行进一步的统筹处理，以获取更多帮助和支援。

3.2移动边缘计算在车联网中的应用前景

根据Gartner的报告显示，2015年北美地区在信息安全方面的支出高达339.38亿美元，而中国地区只有32.15亿美元，但是随着移动边缘计算的持续发展引起我国对网络安全问题的重视，这一数据得到了持续的增长，据Gartner的报告显示，2020年有近208亿台网络设备在全球连接，面对网络时延、拥塞以及容量等问题，移动边缘计算提供了一个平台。

可以预计，移动边缘计算技术在未来车联网行业中对低时延業务，譬如自动驾驶等业务的发展可以起到的重要作用。此外，由于车辆的高速移动，需要在不同的边缘节点之间切换，保证车联网业务的连续性也将成为移动边缘计算技术发展的一大挑战。

4 结论

移动边缘计算能够在不同的移动网络边缘提供计算服务，能够大大降低网络操作与服务交付的时延问题，而这对于对实时性具有较高要求的车联网来说是一种典型的应用。目前，全球均已进入到万物互联网的时代之中，面对复杂的网络社会，不仅要做好网络产品的安全预防工作，更要根据实际的发展情况与应用场景进行安全技术推进并进一步研发产品，从而直面网络安全挑战。而且，根据近来各大设备厂商发布的信息可知，5G平台将会将计算与通信技术进行联合，因此移动边缘计算这一环节不可缺少。在5G全新时代，移动边缘计算的应用前景十分广阔，将会延伸到智能驾驶、交通运输系统和实时触觉控制等领域。

参考文献

[1]于博菲.基于物联网技术的搜索引擎与设备安全[J].金属世界，2015（1）：47-50.

[2]黄梅青.面向车联网应用的边缘计算[J].2019全国边缘计算学术研讨会论文集，2019.

[3] 李佐昭.移动边缘计算在车联网中的应用[J].现代电信科技，2017（47）：3.

[4] 张建敏，谢伟良，杨峰义，武洲云，谢亮.移动边缘计算技术及其本地分流方案[J].电信科学，2016，32（7）：132-139.

[5]3GPP.TR 22.885 v14.0.0-2015-12.Study on LTE Support for Vehicle to Everything（V2X）Services（Release 14）[S]，2015.

[6]林福宏.边缘计算/雾计算研究与应用[M]成都：西南交通大学出版社，2018.

[7]边缘计算支撑智能网联汽车发展[J].中国计算机报，2019（26）.

[8]ETSI.GS MEC 003 V1.1.1-2016-03.Mobile Edge Computing （MEC）;Framework and Reference Architecture[S]，2016.

[9]齐平.移动边缘计算环境下基于信任模型的可靠多重计算卸载策略[J]计算机集成制造系统，2020（6）： 1616-1627.

[10]郑逢斌.边缘计算：新型计算范式综述与应用研究[J].计算机科学与探索，2020（4）：541-553.