23、支持自动驾驶车辆的混合边缘/云解决方案

支持自动驾驶车辆的混合边缘/云解决方案

1. 引言

近年来，传感器、摄像头、智能电表、移动设备和可穿戴设备等物联网（IoT）设备产生并收集了大量数据。这些数据的大规模和高生成速度给数据的收集、存储和分析带来了新的研究挑战。为了从这些数据中高效提取有用信息，人们开发了新的技术、架构和算法。

现有的物联网数据处理应用通常高度集中，依赖云进行所有数据管理操作。然而，完全依赖云在网络流量管理、响应时间和能源消耗方面可能效率低下，特别是对于一些关键应用，如医疗和安全领域，低延迟服务至关重要。因此，研究人员和 IT 公司提出了边缘计算范式和混合边缘/云解决方案，使数据处理更接近数据生成源。

在自动驾驶车辆领域，边缘/云解决方案在管理各种任务方面非常有效。例如，需要实时分析和低响应时间的任务，如驾驶辅助、碰撞避免和交通标志识别，可以利用边缘计算；而需要大量计算资源和访问大型数据集的任务，如诊断数据收集和分析、路线计算和定向广告，则可以从云计算中受益。在处理需要实时分析和低延迟的高级机器学习任务时，边缘到云的协作尤为重要。

设计和测试大规模、多层边缘/云架构仍然是一个开放的问题。由于其规模大、异构性和复杂性，设计和测试分布式、异构的基础设施成本高且难以管理。因此，基于模拟的方法是重现和测试边缘/云架构的强大而灵活的工具。

2. 相关工作

随着物联网设备的广泛普及，人们对从这些设备产生的大量数据中提取有用信息的新解决方案的需求不断增长。机器学习算法用于识别数据中的模式、趋势和相关性，但这些算法通常在资源有限的设备上运行，因此需要在性能和计算资源之间取得平衡。

为了分析和验证这些解决方案，需要对物联网环境进行全面测试