久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

★高新興科技集團(tuán)股份有限公司吳冬升，鄭廷釗，鄭澤彬，曾少旭

摘要：智慧交通和智能網(wǎng)聯(lián)是邊緣計(jì)算應(yīng)用的典型場(chǎng)景。在“云-邊-端”系統(tǒng)架構(gòu)中，邊緣計(jì)算承載著云側(cè)算力下沉及端側(cè)計(jì)算任務(wù)卸載的使命。本文分析了邊緣計(jì)算在智慧交通及智能網(wǎng)聯(lián)應(yīng)用中面臨的挑戰(zhàn)及發(fā)展趨勢(shì)，研究了不同業(yè)務(wù)場(chǎng)景下邊緣計(jì)算需要處理的主要內(nèi)容，分析了邊緣計(jì)算在“云-邊-端”架構(gòu)中的重要作用。

關(guān)鍵詞：邊緣計(jì)算；智慧交通；智能網(wǎng)聯(lián)

Abstract: Intelligent transportation and intelligent-connected industries are prime examples of edge computing applications. In the "cloud-edge-end" system architecture, edge computing bears the mission of sinking cloud side computing power and unloading end side computing tasks. This paper aims to analyze the challenges and development trends of edge computing in intelligent transportation and intelligent-connected applications. It delves into the main issues that edge computing needs to address in various business scenarios and highlights the crucial role of edge computing in the "cloud-edge-end" architecture. 

Key words: Edge computing; Intelligent transportation; Intelligent-connected

1引言

當(dāng)前，新一輪科技革命和產(chǎn)業(yè)變革蓬勃發(fā)展，汽車、交通及信息通信等領(lǐng)域技術(shù)加速融合，基于云端集中管理與分析、邊緣計(jì)算分析決策、端側(cè)數(shù)據(jù)采集以及C-V2X泛在通信的“云-邊-端”系統(tǒng)架構(gòu)已成為智慧交通與智能網(wǎng)聯(lián)的行業(yè)共識(shí)。邊緣計(jì)算具有降低處理時(shí)延、減輕傳輸和存儲(chǔ)壓力及本地化服務(wù)的優(yōu)勢(shì)，在智慧交通與智能網(wǎng)聯(lián)技術(shù)版圖中扮演越來越重要的角色。根據(jù)國家“十四五”規(guī)劃、《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021~2035年）》《國家綜合立體交通網(wǎng)規(guī)劃綱要》《關(guān)于加快推進(jìn)新型城市基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》等政策指導(dǎo)，我國將重點(diǎn)推動(dòng)智能網(wǎng)聯(lián)汽車以及智能化道路的升級(jí)改造，加快新型基礎(chǔ)設(shè)施建設(shè)。面向智慧交通與智能網(wǎng)聯(lián)的新型基礎(chǔ)設(shè)施建設(shè)重點(diǎn)推進(jìn)構(gòu)建智能網(wǎng)聯(lián)汽車計(jì)算平臺(tái)及路側(cè)感知系統(tǒng)，其中邊緣計(jì)算設(shè)施是核心組成部分，基于邊緣計(jì)算、人工智能等技術(shù)實(shí)時(shí)采集各類感知數(shù)據(jù)進(jìn)行智能分析和融合處理，能夠有效解決傳統(tǒng)基礎(chǔ)設(shè)施存在的感知數(shù)據(jù)單一、數(shù)據(jù)類型異構(gòu)、置信度及融合度較低等問題，有望實(shí)現(xiàn)全天候、全時(shí)空的信息感知，從而支撐輔助駕駛、自動(dòng)駕駛以及交通管控、城市管理等應(yīng)用場(chǎng)景，具有巨大的市場(chǎng)需求。

2邊緣計(jì)算在智慧交通和智能網(wǎng)聯(lián)應(yīng)用面臨的挑戰(zhàn)和趨勢(shì)

2.1大算力要求

智慧交通系統(tǒng)為實(shí)現(xiàn)智能交通管理、自動(dòng)駕駛和車路協(xié)同等重要應(yīng)用，需要大量數(shù)據(jù)的支撐與協(xié)助，尤其在交通高峰時(shí)期，采集、處理及分析大量的實(shí)時(shí)數(shù)據(jù)將產(chǎn)生龐大的數(shù)據(jù)傳輸量。龐大數(shù)據(jù)信息量需要邊緣側(cè)有更大算力進(jìn)行分析計(jì)算處理。一方面，道路交通環(huán)境感知需要接入大量的攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、氣象傳感器等感知設(shè)備甚至其他車輛數(shù)據(jù)在邊緣側(cè)進(jìn)行融合分析，并且車路協(xié)同等業(yè)務(wù)需達(dá)到毫秒級(jí)的處理速率。傳感器數(shù)量和類型的增加、分辨率的提升以及低時(shí)延處理要求對(duì)邊緣計(jì)算提出了大量異構(gòu)數(shù)據(jù)高速處理的要求，算法模型的復(fù)雜程度亦大幅提升，算力也亟需提升。以單路口為例，支持交通監(jiān)控及交通執(zhí)法業(yè)務(wù)感知需求的智能道路路側(cè)算力需要10~50TOPS，支持信息共享及輔助預(yù)警等車路協(xié)同基礎(chǔ)業(yè)務(wù)感知需求的算力需要50~100TOPS，支持協(xié)同感知與協(xié)同決策控制等高等級(jí)自動(dòng)駕駛業(yè)務(wù)感知需求則需要100~300TOPS[1]。另一方面，自動(dòng)駕駛等級(jí)每增加一級(jí)，所需算力就會(huì)呈現(xiàn)數(shù)十倍的上升。如支持L2級(jí)自動(dòng)駕駛的算力僅需要2-2.5TOPS，但是支持L3級(jí)自動(dòng)駕駛的算力需求就達(dá)到20-30TOPS，支持L4級(jí)自動(dòng)駕駛的算力需要200TOPS以上，支持L5級(jí)別自動(dòng)駕駛算力需求則超過2000TOPS。

從芯片平臺(tái)角度來看，大算力芯片需要滿足以下三個(gè)特點(diǎn)，其一是具備高算力，同時(shí)要有優(yōu)秀的能耗比；其二是要有靈活性和擴(kuò)展性，不僅需要覆蓋多種車型和路端，也需要可定制、模塊化的平臺(tái)來滿足不同車端和路端場(chǎng)景下的開發(fā)需求，同時(shí)降低開發(fā)成本；其三是在軟件層面能夠提供配套的工具庫。在2021年發(fā)布的地平線征程5成為國內(nèi)首款實(shí)現(xiàn)前裝量產(chǎn)的128TOPS大算力AI芯片。而在2022年9月，英偉達(dá)推出的芯片NVIDIADriveThor，這款超級(jí)芯片可實(shí)現(xiàn)最高2000TOPSAI算力以及2000TFLOPS浮點(diǎn)算力，不斷刷新單芯片算力上限，給自動(dòng)駕駛廠家研發(fā)更豐富的應(yīng)用場(chǎng)景提供更多可能性。

2.2異構(gòu)計(jì)算要求

在智慧交通與智能網(wǎng)聯(lián)應(yīng)用中，邊緣側(cè)需要處理多種不同屬性的計(jì)算任務(wù)，例如多傳感器融合、圖像及點(diǎn)云特征提取、目標(biāo)檢測(cè)與分類識(shí)別、目標(biāo)跟蹤、車道級(jí)感知定位和路徑規(guī)劃等。以全息路口攝像機(jī)視覺圖像處理為例，它分為圖像獲取、特征抽取、特征處理、模式識(shí)別和動(dòng)作反饋等步驟[2]。傳統(tǒng)的CPU更傾向于通用計(jì)算和復(fù)雜動(dòng)作反饋決策，而對(duì)大量圖像數(shù)據(jù)的高速并行實(shí)時(shí)處理，比如像素處理和梯度檢測(cè)等需要GPU等專用內(nèi)核來高速計(jì)算。依托異構(gòu)計(jì)算技術(shù)能夠整合不同架構(gòu)的內(nèi)核到單一芯片中，從而適配復(fù)雜計(jì)算要求。

異構(gòu)計(jì)算是多元算力的典型。主要是指不同類型的指令集和體系架構(gòu)的計(jì)算單元組成的系統(tǒng)的計(jì)算方式[3]。跨越CPU、GPU、FPGA、ASIC的異構(gòu)計(jì)算，如今已經(jīng)成為云計(jì)算和邊緣計(jì)算基礎(chǔ)設(shè)施建設(shè)的重要力量，表1為不同計(jì)算單元的特點(diǎn)[4]。異構(gòu)計(jì)算能夠?qū)⒉煌軜?gòu)的運(yùn)算單元整合到一起進(jìn)行并行計(jì)算，通過上層軟件解耦方式來屏蔽硬件多樣性，針對(duì)不同計(jì)算任務(wù)選擇最適合的專用硬件去做最適合的事，如密集計(jì)算或外設(shè)管理等，充分發(fā)揮不同硬件平臺(tái)的優(yōu)勢(shì)，從而提升計(jì)算平臺(tái)的性能和能耗比，降低計(jì)算時(shí)延，達(dá)到性能和成本的最優(yōu)化。使用異構(gòu)計(jì)算能夠化解算力瓶頸，挖掘和實(shí)現(xiàn)算力增長。

表1不同計(jì)算單元特點(diǎn)

2.3國產(chǎn)化要求

全球智能網(wǎng)聯(lián)產(chǎn)業(yè)正處于從示范逐步走向規(guī)模化應(yīng)用的快速發(fā)展期，發(fā)展自主可控、領(lǐng)先全球的核心技術(shù)是我國實(shí)現(xiàn)汽車變革及交通強(qiáng)國目標(biāo)的戰(zhàn)略機(jī)遇。2022年國家發(fā)布的“十四五”規(guī)劃提出，要大力發(fā)展智慧交通，推動(dòng)自動(dòng)駕駛行業(yè)穩(wěn)妥發(fā)展，明確將“自主可控”列為國家制造強(qiáng)國戰(zhàn)略的必要要求，加快補(bǔ)齊基礎(chǔ)軟件等瓶頸短板。邊緣計(jì)算產(chǎn)品在智慧交通和智能網(wǎng)聯(lián)領(lǐng)域中提供端側(cè)感知、邊緣服務(wù)、算力供給、協(xié)同聯(lián)動(dòng)等能力，其重要性不言而喻。但是，邊緣計(jì)算產(chǎn)品國產(chǎn)化水平低，關(guān)鍵設(shè)備、核心元件仍嚴(yán)重依賴進(jìn)口，影響信息和數(shù)據(jù)安全，需要推動(dòng)自主研發(fā)，實(shí)現(xiàn)邊緣計(jì)算產(chǎn)品的國產(chǎn)化。

邊緣計(jì)算產(chǎn)品國產(chǎn)化不僅僅是邊緣計(jì)算硬件國產(chǎn)化，而且需從底層芯片、架構(gòu)、操作系統(tǒng)到算法全面推進(jìn)國產(chǎn)化。包括CPU、GPU、內(nèi)存和運(yùn)存等硬件核心器件的國產(chǎn)化，同時(shí)還包括操作系統(tǒng)國產(chǎn)化、中間件國產(chǎn)化、數(shù)據(jù)庫國產(chǎn)化、深度學(xué)習(xí)框架國產(chǎn)化等，確保關(guān)鍵核心技術(shù)自主可控。打造自主可控的國產(chǎn)化邊緣計(jì)算產(chǎn)品，這是歷史的必然也是時(shí)代的使命。

3智慧交通與智能網(wǎng)聯(lián)邊緣計(jì)算設(shè)備主要處理內(nèi)容分析

3.1交通管理場(chǎng)景應(yīng)用分析

一直以來，基于邊緣計(jì)算的路側(cè)計(jì)算單元或智能感知終端被廣泛應(yīng)用于交通管控、安防保障、智能研判、違法取證等交通管理場(chǎng)景中。全息路口是交通管理智慧化改造典型場(chǎng)景之一，通過智能邊緣計(jì)算單元將路口多方向的視頻、雷達(dá)等多維感知數(shù)據(jù)統(tǒng)一接入、解析、擬合，融合智能傳感器、AI算法、邊緣計(jì)算、高精度地圖等技術(shù)生成“全面、準(zhǔn)確、實(shí)時(shí)、精細(xì)”的交通數(shù)據(jù)，實(shí)現(xiàn)路口的全息感知。通過采集及分析道路交通數(shù)據(jù)，如車流量、平均速度、排隊(duì)狀態(tài)、車頭時(shí)距、間距、區(qū)域停車數(shù)、平均延誤、空間及時(shí)間占有率等數(shù)據(jù)，解決傳統(tǒng)路口單視覺感知、信號(hào)燈固時(shí)和事后分析等痛點(diǎn)問題，能夠?yàn)榈缆方煌ㄐ盘?hào)自適應(yīng)控制、溢出控制、路口仿真等提供精確數(shù)據(jù)支撐和可視化體驗(yàn)，輔助交警提高管理效能，提升路口通行效率；通過對(duì)目標(biāo)及事件的檢測(cè)識(shí)別、人臉特征識(shí)別、車輛號(hào)牌識(shí)別等，智能判斷各種違法行為及突發(fā)事件，比如闖紅燈、逆行、壓線、違章停車、交通事故等，并自動(dòng)記錄事件行為的完整過程，為事件監(jiān)測(cè)、全程監(jiān)測(cè)、交通執(zhí)法等多場(chǎng)景提供數(shù)據(jù)支持。此外，在城市視頻監(jiān)控系統(tǒng)的應(yīng)用上，可以構(gòu)建融合邊緣計(jì)算模型和視頻監(jiān)控技術(shù)的新型視頻監(jiān)控應(yīng)用的軟硬件服務(wù)平臺(tái)，以提高視頻監(jiān)控系統(tǒng)前端攝像機(jī)的智能處理能力，進(jìn)而提升城市交通管理水平。

3.2高速公路場(chǎng)景應(yīng)用分析

高速公路場(chǎng)景下的邊緣計(jì)算廣泛應(yīng)用于交通事件、隱患分析、道路養(yǎng)護(hù)、機(jī)電設(shè)備聯(lián)控、數(shù)字孿生展現(xiàn)、車輛信息監(jiān)測(cè)與診斷、車載信息增強(qiáng)等業(yè)務(wù)。通過感知設(shè)備實(shí)時(shí)采集高速公路范圍內(nèi)的路面病害、缺陷及道路設(shè)施設(shè)備視頻圖像信息，由AI邊緣計(jì)算單元自動(dòng)識(shí)別道路病害及設(shè)施設(shè)備完好情況，生成巡檢結(jié)果，從而提升巡檢效率及安全性，降低運(yùn)維成本。通過采集道路交通參與者的類型、位置、速度和運(yùn)行軌跡、車牌信息、交通擁堵情況等要素，利用邊緣計(jì)算以減少數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸時(shí)間，實(shí)現(xiàn)對(duì)交通狀態(tài)的精準(zhǔn)感知，為車輛安全行駛、交通疏導(dǎo)、交通事件處置等提供數(shù)據(jù)支撐。

3.3智能網(wǎng)聯(lián)場(chǎng)景應(yīng)用分析

智能網(wǎng)聯(lián)場(chǎng)景中，由于駕駛環(huán)境的復(fù)雜性和動(dòng)態(tài)性，無論智能網(wǎng)聯(lián)汽車還是路側(cè)感知系統(tǒng)均需通過邊緣計(jì)算融合多種傳感器以實(shí)現(xiàn)準(zhǔn)確、可靠的環(huán)境感知以及毫秒級(jí)的處理決策時(shí)延。智能網(wǎng)聯(lián)數(shù)據(jù)不僅包括通過視頻圖像、雷達(dá)等檢測(cè)的交通參與主體（人、機(jī)動(dòng)車、非機(jī)動(dòng)車）的狀態(tài)、速度、方向、位置等信息，以及車輛自身數(shù)據(jù)如時(shí)速、油門、剎車開度、方向燈等信息，還包括交通信號(hào)燈、交通管控、環(huán)境天氣等信息。利用邊緣端的AI推理分析能力，運(yùn)用軌跡跟蹤、行為分析、事件觸發(fā)、違規(guī)檢測(cè)等技術(shù)，結(jié)合多種智能分析算法的應(yīng)用，如多傳感器時(shí)空聯(lián)合標(biāo)定算法、視覺目標(biāo)檢測(cè)算法、視覺目標(biāo)追蹤算法、車輛特征識(shí)別算法、視覺定位算法、雷達(dá)目標(biāo)檢測(cè)算法、雷達(dá)目標(biāo)追蹤算法、異構(gòu)傳感器目標(biāo)關(guān)聯(lián)算法、目標(biāo)軌跡融合算法、目標(biāo)軌跡跟蹤算法等。融合了多源異構(gòu)傳感器大量的數(shù)據(jù)，輸出目標(biāo)結(jié)構(gòu)化數(shù)據(jù)，實(shí)現(xiàn)車-路-云之間低流量高效的信息交互，為交通出行者提供可靠的全天候全方位的交通要素信息，滿足賦能自動(dòng)駕駛以及智慧交通管理的訴求。

4邊緣計(jì)算在智慧交通和智能網(wǎng)聯(lián)“云邊-端”架構(gòu)中的作用分析

云-邊-端架構(gòu)已經(jīng)成為智慧交通和智能網(wǎng)聯(lián)行業(yè)應(yīng)用部署的基本范式。云側(cè)負(fù)責(zé)集中式管理以及部分?jǐn)?shù)據(jù)處理，邊側(cè)主要提供邊緣端數(shù)據(jù)分析計(jì)算決策處理，端側(cè)主要負(fù)責(zé)業(yè)務(wù)數(shù)據(jù)采集。在“云-邊-端”架構(gòu)中，“邊”的作用越發(fā)明顯，應(yīng)用場(chǎng)景也越來越廣泛。具體有如下特點(diǎn)[5]：

（1）提高實(shí)時(shí)響應(yīng)能力。云計(jì)算模型的系統(tǒng)性能瓶頸在于并發(fā)處理帶寬的有限性，通過網(wǎng)絡(luò)傳輸海量數(shù)據(jù)需要一定的時(shí)間，云計(jì)算中心處理數(shù)據(jù)也需要一定的時(shí)間，這些都會(huì)增加業(yè)務(wù)請(qǐng)求的響應(yīng)時(shí)間。其次，在隧道或信號(hào)故障、信號(hào)干擾等區(qū)域，當(dāng)與云端失聯(lián)時(shí)則無法提供服務(wù)。而邊緣計(jì)算靠近數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，就近提供邊緣智能服務(wù)，能夠提供毫秒級(jí)低時(shí)延反饋，從而滿足智慧交通和智能網(wǎng)聯(lián)領(lǐng)域?qū)?shí)時(shí)性的要求。

（2）減輕網(wǎng)絡(luò)和云計(jì)算中心的壓力。雖然云計(jì)算中心具有非常強(qiáng)大的處理性能，但是智慧交通和智能網(wǎng)聯(lián)相關(guān)終端設(shè)備，尤其是攝像機(jī)視頻圖像、雷達(dá)點(diǎn)云等感知數(shù)據(jù)的接入，占用了大量的帶寬且給云計(jì)算中心造成巨大的業(yè)務(wù)處理壓力。邊緣計(jì)算則可以利用自身的計(jì)算和決策能力在本地處理數(shù)據(jù)，并將最終的處理結(jié)果發(fā)送到云計(jì)算中心進(jìn)行匯總。另外，實(shí)時(shí)交通產(chǎn)生的大量數(shù)據(jù)很多情況下是不需要進(jìn)行長期存儲(chǔ)的，比如視頻監(jiān)控錄像和車輛數(shù)據(jù)，在完成數(shù)據(jù)處理后可以直接將大量的無作用數(shù)據(jù)丟棄，也減少了云計(jì)算中心的存儲(chǔ)壓力。

（3）滿足海量異構(gòu)連接和數(shù)據(jù)優(yōu)化的需求。智慧交通與智能網(wǎng)聯(lián)基礎(chǔ)設(shè)施建設(shè)中，有大量的異構(gòu)設(shè)備接入，如攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、RSU（RoadSideUnit，路側(cè)單元）、信號(hào)機(jī)、氣象傳感器和可變情報(bào)板等不同形態(tài)的終端設(shè)備。這些設(shè)備需要進(jìn)行接入管理、退出管理、告警處理、運(yùn)維處理，同時(shí)產(chǎn)生的異構(gòu)數(shù)據(jù)需要進(jìn)行數(shù)據(jù)優(yōu)化實(shí)現(xiàn)數(shù)據(jù)的聚合、數(shù)據(jù)的統(tǒng)一呈現(xiàn)與開放，以便靈活、高效地服務(wù)于邊緣應(yīng)用。邊緣計(jì)算可以分而治之、化大為小，提供跨層協(xié)議轉(zhuǎn)換功能，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的統(tǒng)一和穩(wěn)定接入乃至協(xié)同控制。

（4）滿足隱私保護(hù)和信息安全的需求。智慧交通與智能網(wǎng)聯(lián)應(yīng)用場(chǎng)景中，大量地使用視頻圖像、雷達(dá)感知、短程通信交互等來構(gòu)建全要素的交通參與者信息，必將帶來出行者的隱私和信息暴露的風(fēng)險(xiǎn)。區(qū)別于云計(jì)算方式，邊緣計(jì)算無須將全量數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)皆品?wù)器上，只在邊緣端對(duì)數(shù)據(jù)進(jìn)行從生產(chǎn)到加工到產(chǎn)出的轉(zhuǎn)換，在本地生產(chǎn)并在本地銷毀。只保留姿態(tài)、軌跡、事件等信息，對(duì)敏感數(shù)據(jù)進(jìn)行脫敏保護(hù)，并采用加密的方式往云端或用戶端進(jìn)行推送，有效保護(hù)交通參與者的隱私和信息安全。

5結(jié)束語

邊緣計(jì)算以本地化、低時(shí)延、高可靠、隱私保護(hù)等優(yōu)勢(shì)已成為智能交通與智能網(wǎng)聯(lián)系統(tǒng)架構(gòu)中不可或缺的組成部分，是其不斷優(yōu)化和發(fā)展的重要選項(xiàng)。邊緣計(jì)算能夠支撐實(shí)現(xiàn)智能交通道路養(yǎng)護(hù)、交通狀態(tài)監(jiān)測(cè)、交通違法取證、信號(hào)配時(shí)優(yōu)化等業(yè)務(wù)，支撐實(shí)現(xiàn)車路協(xié)同自動(dòng)駕駛，賦能低碳高效出行。當(dāng)前全球正處于新一輪汽車與交通產(chǎn)業(yè)變革的關(guān)鍵時(shí)期，邊緣計(jì)算作為我國新型基礎(chǔ)設(shè)施建設(shè)的重點(diǎn)內(nèi)容之一，還需在算力、異構(gòu)計(jì)算、國產(chǎn)化及應(yīng)用場(chǎng)景深度融合等方面持續(xù)創(chuàng)新引領(lǐng)，提高我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)國際競(jìng)爭(zhēng)力，助力建設(shè)汽車與交通強(qiáng)國。

作者簡(jiǎn)介：

吳冬升（1975-），男，博士，現(xiàn)任高新興科技集團(tuán)股份有限公司高級(jí)副總裁，國家級(jí)企業(yè)技術(shù)中心（高新興）副主任，對(duì)5G、車聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、數(shù)字化轉(zhuǎn)型、智慧城市有深刻洞察。獲得2020年吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)。

鄭廷釗（1989-），男，現(xiàn)任高新興科技集團(tuán)股份有限公司智能網(wǎng)聯(lián)事業(yè)部副總經(jīng)理，主要研究方向?yàn)?G、車聯(lián)網(wǎng)、物聯(lián)網(wǎng)、人工智能、數(shù)字化轉(zhuǎn)型、智慧城市等。

鄭澤彬（1991-），男，現(xiàn)任高新興科技集團(tuán)股份有限公司產(chǎn)品經(jīng)理，主要負(fù)責(zé)邊緣計(jì)算、車路協(xié)同等研究工作。

曾少旭（1990-），男，現(xiàn)任高新興科技集團(tuán)股份有限公司高級(jí)標(biāo)準(zhǔn)化工程師，主要從事車路協(xié)同產(chǎn)業(yè)、標(biāo)準(zhǔn)和前沿技術(shù)研究。

參考文獻(xiàn)：

[1]清華大學(xué)智能產(chǎn)業(yè)研究院,百度Apollo.面向自動(dòng)駕駛的車路協(xié)同關(guān)鍵技術(shù)與展望2.0[R/OL].2022.

[2]中國圖像圖形學(xué)報(bào).面向智慧交通的圖像處理與邊緣計(jì)算[R].2022.

[3]賈斯特,張?jiān)迫?等.OpenCL異構(gòu)計(jì)算(第2版)[M].北京:清華大學(xué)出版社,2013.

[4]IMT-2020(5G)推進(jìn)組.基于邊緣計(jì)算的路側(cè)感知融合系統(tǒng)研究[R].2021.

[5]吳冬升,等.從云端到邊緣:邊緣計(jì)算的產(chǎn)業(yè)鏈與行業(yè)應(yīng)用[M].北京:人民郵電出版社,2021.

摘自《自動(dòng)化博覽》2023年第2期暨《邊緣計(jì)算2023專輯》