杨冬雪　邓荣

关键词：车载边缘计算；电动汽车节能；路径规划

中图分类号：U 文献标识码：A

文章编号：1009-3044（2023）21-0097-03

0引言

随着全球变暖和温室气体排放的增加，国内外逐渐开始关注在交通领域对环境的影响。在《中国制造2025》中，明确了电动汽车的发展愿景以及战略目标，并提出了推动新能源汽车与国际先进水平接轨的发展战略，并将“节能与新能源汽车”列入国家智能制造重点发展领域。将第五代移动通信技术与新一代车用无线通信网络 （5G-V2X）应用到电动汽车节能中，逐步实现“人-车-路-云”的高度协同 [1]，推进智能电动汽车的可持续发展。

1 相关研究及现状

当前电动汽车的续航里程受诸多因素影响，例如车载能源有限、能量利用率不高以及充电时间较长等，所以需要采取措施挖掘电动汽车的节能潜力。对此，国内外学者提出了一系列解决办法：文献[2]中基于行驶工况对电动汽车的能量消耗因素进行研究；文献[3]基于实时的路网信息，通过该见得基于分层规划的自适应A*算法对导航路径进行修正，有效缩短了电动汽车的整体行驶时间；文献[4]对边缘计算车联网架构下基于交通数据的感知算法进行了研究；QI X等人[5]在车路协同环境下进行实验，测试电动汽车真实能耗数据，并提出了一种降低电动汽车能耗的算法，使用该算法，节约了将近22％的能耗；文献[6]设计了一种基于边缘计算的动态交通诱导系统，在边缘端和云端对电动汽车进行引导。但上述文献均未在边缘计算的环境下对电动汽车的节能规划进行研究。因此，人们需要从利用现有资源的角度出发，研究如何在电池能量有限的前提下，充分挖掘电动汽车的节能潜力，提高能量利用率，对电动汽车的能源消耗进行节能引导，有效提高电动汽车的续航里程，为国家的节能环保战略做出贡献。

2 边缘计算参考架构

图1的架构为《边缘计算参考架构 3.0（2018） 》，图中边缘层由边缘节点和边缘管理器组成。其中边缘节点的核心是硬件，能够根据硬件特点以及具体需求，灵活运用边缘节点，边缘传感器采集大量数据之后，传输至边缘网关及边缘控制器、边缘云进行处理。边缘管理器主要由软件组成，对上述边缘节点中的硬件进行统一的管理，具有计算、处理和存储资源的功能[7]。

云端CPU支持X86和ARM架构，操作系统支持Linux、Windows 和macOS，容器运行时支持Docker、Containerd和Cri-o，集群编排使用Kubernetes，包括控制节点、计算节点和集群存储。其中控制节点核心组件包含Kube-apiserver、Kube-controller-manager 和pKruobxey-，s集ch群ed存ule储r，组计件算包节括点E组tcd件。包云括上K的ub负el载et和以KPoudb形e-式运行，Pod由Container组成，Container是基于操作系统的NameSpace和Cgroup隔离出来的独立空间。

边缘端CPU支持X86和ARM架构，操作系统支持Linux，容器运行时支持Docker，边缘集群编排使用KubeEdge，包括云部分的CloudCore、边缘部分的EdgeCore 和边缘集群存储SQLite，边缘上的负载以Pod形式运行。

现场设备端由运行在边缘集群上的管理端设备的服务框架EdgeX Foundry[8]和终端设备组成，EdgeX Foundry中的设备服务层负责与设备交互；核心服务层作为消息管道并负责数据存储；支持服务层中的微服务负责边缘分析服务和智能分析服务；而开放服务层是整个EdgeX Foundry服务框架的网关层。

3 基于车载边缘计算的电动汽车节能系统

3.1 基本结构

随着5G技术和车用无线网络通信技术的发展，边缘计算在汽车行业应用的优势逐渐凸显，车载边缘计算（VEC） 技术将边缘计算与5G技术以及车联网场景结合，能够最大限度地减少车联网环境下车辆之间的延迟，提高用户服务质量[9-10]。

如图3所示，系统中车载边缘计算结构可按照横向和纵向进行结构划分[11]。横向结构中，在某一基站覆盖范围内，基站内部的车辆之间可以进行通信，而且不同的基站之间也可以依靠无线回程链路进行数据交换。纵向自下而上可将车载边缘计算分为三层：终端层、边缘计算层和云计算层。

1） 终端层：终端层主要包括车辆、摄像头、雷达、交通灯系统以及充电桩位置等交通设备。由于车辆的逐步信息化智能化，终端层拥有相对更加丰富的感知、存储和计算资源。车辆通过摄像头、雷达和GPS等可以实时获悉车辆状态信息以及车辆周围环境信息；利用车- 车通信（Vehicle-to-Vehicle，V2V）使车辆与其他车辆进行通信；利用车-设施（Vehicle-to-Infrastructure，SVe2rIv）e通r U信ni，t，使RS车U）辆进与行路数侧据交单换元；（R利o用ad专用短程通信（Dedicated Short Range Communications， DSRC）技术，建立车- 路测单元RSU （Vehicle-to-RSU ，V2R） 之间的無线回程链路连接，由于采用正交信道传输，链路信道间无相互干扰；车辆可以根据需求决定在本地处理任务，还是将任务卸载到其他车辆或者边缘端还是云端。

3.2 系统特点

车载边缘计算由于具有如下几大优势，可将其应用在电动汽车节能系统中。

1） 边缘计算是一种分散式运算的架构。边缘计算能够将原本完全有云中心处理的应用程序、数据资料以及大型的服务进行分解，分解成多个小任务，并且将分解后的更小更易管理的服务移往边缘节点处理。边缘计算将原本属于云中心的计算工作部分分给边缘节点执行。在这种架构下，数据传输的性能以及数据处理的效率被大大提高， 并且有效降低了云中心计算负载。

2） 边缘节点靠近终端设备，可以更快地传送并处理数据。在电动汽车运行场景中，几乎所有的电子设备均通过车-车通信（V2V）和车-设施（V2I）通信方式互连，在这个过程中设备会产生海量数据。利用边缘节点进行数据处理，数据传输时延相对较低，同时网络负载更小，网络利用率更高。

3） 边缘计算具有更高的安全级别。边缘端的数据通过加密和认证，提高安全保护性能保护，并且数据以分布式嵌入边缘。

4） 边缘计算相对于云计算具有更好的实时性、更大容量的存储以及更低的带宽成本，并且可以满足系统的低成本高效率需求。

基于车载边缘计算的电动汽车节能系统通过纵向协作、横向协作模式以及智能化部署，管理资源。

1） 纵向协作：自上而下的三层结构提供了多种卸载模式，根据实际任务需求，车辆可以选择在本地处理任务，也可以将任务卸载给周围车辆、或边缘计算层、或云端进行处理。边缘层是云端的延展，通过将云服务下沉，提供近地服务，云层则为边缘层的补充，在边缘资源不足的情况下，提供必要的资源支持。

2） 横向协作：边缘服务器的资源分布往往根据系统的功能会呈现出巨大差异，有的边缘服务器由于負载任务较轻，资源未能被合理利用，有的边缘服务器上负载任务较重，导致过负荷，不能正常处理任务。所以车载边缘计算技术通过跨域多点协作的方式，深度融合并调度系统中的全部资源，有效提升系统网络资源利用率，均衡负载，以充分挖掘使用系统资源，提升服务质量；此外，车辆之间也可以通过V2V方式实现任务的相互卸载，提高车辆资源的利用率。

3） 智能部署：车载边缘计算网络由于系统中网络设备庞杂会相对复杂，并且系统中涉及各种服务，可以利用深度强化学习算法，分析需求，通过学习对行为进行判断和预测，并加以控制，将人工智能算法部署在车载边缘计算网络系统的各个层，促进复杂环境下资源的灵活卸载和任务的有效调度。

3.3 系统功能

1） 在电动车需要充电时，向RSU传入状态条件，该状态条件包括电动汽车起始位置、终点位置、电量剩余里程、充电站的充电时间、排队时间、充电费用以及电动车辆起始位置与终点位置之间的路径距离，以起始位置与终点位置的经纬度搜寻范围内全数充电站，逐一计算充电站至起始位置与终点位置的距离，将不符合搜寻条件的充电站逐一过滤移除，并且结合电动车辆剩余电量，整合充电站清单并规划出至少一个的动态电动车行驶路径。充电线路算法根据电动车辆剩余电量以及充电站的使用情况和排队时间估算出剩余可行驶里程，基于排队论的基本思想估算候选充电桩的排队时间，这样可通过充电路线动态模型找到一条既节能又出行时间最短的充电路线。

2） 在电动汽车行驶过程中不考虑中途充电时，通过调整驾驶速度使电动汽车在行驶中达到最优能耗，众所周知，在交叉路口信号灯处由于红灯的存在，车辆频繁的加速减速以及停车操作是造成电动车辆能量浪费的主要问题。设计的系统通过在VEC服务器中RSU预先获取信号灯的位置和红绿灯配时信息，用车载边缘的计算资源，建立电动汽车通过路口时的能耗模型，并根据模型规划出车辆该以何速度通过路口，避免电动汽车在交叉口处遇到红灯，然后将驾驶建议返还给车辆，进而对驾驶员速度进行调整，以避免在交叉路口遇到红灯后制动停止以及再次启动加速，这样可以大大降低电动车因频繁加减速造成的能源消耗，并能有效消除驾驶者的等待焦虑。

3） 在路边部署摄像头、雷达、电子地图和GPS等设施车辆可以实时感知和收集车辆自身信息和周围交通环境信息。边缘服务节点收集到上述信息后，利用视频分析功能，识别出车辆车牌号，同时判断并预测周围车辆的驾驶行为，一旦检测到车辆的非常规行为或者存在风险的行为，边缘服务节点可以向当前车辆、其附近的车辆以及周围的其他路测设备发出警告信息，以警告、提醒相关车辆必要时提前采取紧急制动，减速避让，避免长时间的拥堵造成的频繁加速或制动行为，以达到节能目的。

4） 可以提供交通管理功能。通过道路内的感应线圈、路边的视频监控和雷达传感器以及车载GPS、电子地图等定位服务，记录大量相关道路交通数据信息比如天气、路况、车流状况等，将上述数据上传到部署在云中心的管理平台之后，管理平台将上述部分交通数据信息下发到边缘侧的VEC服务器进行计算分析，并通过RSU将经过加工的交通信息和控制决策广播给电动汽车。这种方法将有助于了解车辆行为特征，学习不断变化的交通模式，评估道路拥堵情况，预估行人出行时间，分析特定环境下交通管理策略的可行性，并为电动汽车的智能化和交通管理智能化提供了必要的基础。

4 结论

本文将边缘计算技术与电动汽车节能等问题相结合，研究面向安全、节能的电动汽车节能引导策略及其关键技术，设计了一个安全可靠、低延时、高吞吐的系统。这将会提高电动汽车的可靠性和安全性，解决目前的“用电焦虑”问题。并且可以预见，拥有可在5G环境下能够进行宏观路径规划是电动汽车未来的发展趋势。因此进一步增强电动汽车安全、有序、可靠运行，提供更加环保、节能的交通方案，将会更加合理地利用现有资源，使电动汽车的发展趋势更加智能化，具有广阔的发展前景。