陈 祎，延凯悦，宋 蒙，刘 琪（中国联通网络技术研究院，北京 100048）薛亦君（ 电子科技大学，四川 成都 611731）
本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：首先从车联网业务类型和5G网络特性2个维度对5G车联网业务进行了分析，然后分别介绍了3种车联网业务类型中的典型场景；之后结合MEC，介绍了MEC的特性、部署方案及基于MEC的车联网网络架构；最后详细介绍了2个典型的基于MEC的车联网业务解决方案，分别为行人防碰撞和编队行驶解决方案。
关键词：MEC；5G车联网业务；行人防碰撞；编队行驶
doi：10.12045/j.issn.1007-3043.2018.11.015
前言
车联网（智能网联）是智能交通系统的一个重要组成部分，其范畴包括以导航、道路信息服务和远程车况诊断为代表的汽车信息和娱乐类业务，以绿色通行、潮汐车道控制、红绿灯参数控制和编队行驶等为代表的交通效率类业务，同时还包括碰撞预警、车辆失控预警、预防行人碰撞等安全类业务。
按通信技术的发展来看，车联网的发展可以分为 3个阶段：第一阶段是以基于 2G、3G 蜂窝通信网络的汽车娱乐和以eCall为代表的远程信息处理业务；第二阶段是通过 LTE-V2X 和 DSRC 等通信系统将汽车互联，提供包括 V2V、V2P、V2I和 V2N 的智能交通业务；第三阶段是基于 5G 及 5G-V2X 网络，汽车与云端连接，结合精确位置信息，提供自动驾驶、编队行驶等业务。目前，产业正处于第二阶段向第三阶段过渡的时期。
1、5G车联网业务分析
1.1 5G车联网业务分析
车联网按业务类型可以分为汽车行驶安全、交通效率提升和信息服务三大类。作为移动通信产业的主要推动力，3GPP 对 3 类服务都有所研究，3GPP TR 22.885提供了27个典型的应用场景，其中针对交通安全的有包括碰撞预警、车辆失控预警、行人防碰撞等 13个应用场景，车辆协作巡航、道路排队信息、车辆远程诊断等 14 个为车辆提供信息服务和提升交通效率的应用场景。此外，3GPP TR 22.886定义了eV2X的几种增强型业务应用场景，包括编队行驶、高级驾驶、传感器扩展和远程驾驶。
车联网按照 5G 网络特性可以分为 eMBB 超大带宽类、mMTC超大连接类、uRLLC超高可靠超低时延类 3种业务类型。其中超大带宽类的业务包括车载高清视频、车载 AR/VR 等数据量大的业务，超大连接类的业务包括车辆监控等连接数多的业务，超高可靠超低时延类的业务包括自动驾驶、编队行驶等网络可靠性和时延要求高的业务。
从业务类型和 5G 网络特性 2 个维度对车联网业务进行分类（见表1）。
表1 5G车联网业务类型分析
1.2 车载信息服务类业务
典型的车载信息服务类业务包括车载娱乐生活（如高清视频、视频会议、车载游戏、车载 AR/VR 等）、车辆状况远程诊断、高精度地图下载更新等。
a） 车载娱乐生活。车载娱乐生活是指车辆通过公网基础设施接入网络，获得多媒体内容，实现观看高清视频、视频会议、车载游戏等业务体验。
b） 车辆状况远程诊断。车辆状况远程诊断是指通过采集整车状况信息上传到业务平台，自动进行远程诊断并以消息的方式通知车主。
c） 高精度地图下载更新。高精度地图下载更新是指车辆通过基站设备接入网络，实现高精度地图的下载、实时更新等业务。
这3种典型的业务类型的通信指标如表2所示。
表2 典型业务类型的通信指标（车载信息服务类）
1.3 车辆安全类业务
安全驾驶是目前车联网发展的重要应用场景，通过C-V2X网络结合车辆感知获取周围环境信息，实现表2 典型业务类型的通信指标（车载信息服务类）辅助安全驾驶，以及未来高级阶段的自动驾驶。
a） 前向碰撞告警。前向碰撞告警是指当后车在车道上行驶，与在前方同一车道的车存在追尾碰撞危险时，通过预警提醒后车驾驶员或者直接对车辆进行控制以避免前向碰撞。
b） 紧急车辆提醒。紧急车辆提醒是指消防车、救护车、警车等紧急车辆拥有较高的通行优先级，通过 V2X消息表明其为紧急车辆或社会车辆，并与周边车辆、路侧设施以及网络设备等建立通信，为高优先级车辆让行。
c） 异常路段告警。异常路段告警是指路侧设备（RSU）检测到在其覆盖范围内的道路有湿滑、结冰、深坑、急转弯等危险路段后，对范围内的所有车辆发送道路危险预警信息，以减少可能的道路事故。
d） 自动驾驶。自动驾驶是指车辆利用车载感知系统结合C-V2X网络通信获取车辆位置、周围车辆信息、道路信息等环境信息。自动驾驶系统进行多源信息融合，做出决策，控制车辆的转向和速度，实现自动行驶、跟随、制动等自动驾驶业务。
e） 远程驾驶。远程驾驶是指利用车载感知系统获取周边环境信息，通过C-V2X网络将信息回传到远程控制平台（主要以视频为主），实现远程驾驶体验。
这几种典型的业务类型的通信指标如表3所示。
表3 典型业务类型的通信指标（车辆安全类）
1.4 交通效率类业务
高效智能交通类业务主要面向城市智能交通场景，通过C-V2X车联网通信技术和大数据分析等优化交通设施管理，提高交通效率，缓解城市拥堵，为人们提供绿色、高效的出行体验。
a）交通路口红绿灯控制。交通路口红绿灯控制是指车辆行至交通路口时，路侧和云端通过收集周边车辆速度、位置信息，优化交通信号灯相位配时参数，使得车辆能够顺利通过红绿灯路口。
b）自适应巡航。自适应巡航是指车辆在行驶过程中，基于 V2X 通信获知前车行驶状态信息，自动调整自身车辆行驶状态，增强现有巡航系统的功能。
c）编队行驶。编队行驶是指车队之间通过信息交互，按照一定的秩序和规则进行编队，同步加速、减速、刹车、转弯等。
这几种典型的业务类型的通信指标如表4所示。
表4 典型业务类型的通信指标（交通效率类）
2、MEC车联网网络架构
2.1 MEC技术简介
5G网络结合日渐成熟的 SDN/NFV、大数据、人工智能等技术，成为各行业数字化转型的关键基础设施。 5G 万物互联下的新型业务呈现更低时延、大带宽、更加智能的特点，传统竖井式网络架构在资源共享、敏捷创新、弹性扩展和简易运维等方面存在明显不足。为了有效满足未来eMBB、mMTC、uRLLC等业务需求，加强行业竞争力，全球运营商纷纷开展网络重构和转型，构建以 DC 为核心的全云化网络。多接入边缘计算（MEC）技术是ICT融合的产物，支持LTE、NR、Wi-Fi、有线，以及 ZigBee、LoRa、NB-IoT、工业以太总线等多种接入技术，可以支撑运营商进行5G网络转型，以迎合未来高清视频、VR/AR、工业互联网、车联网等业务发展需求。
多接入边缘计算是在靠近人、物或数据源头的网络边缘侧，融合网络、计算、存储、加速、人工智能及大数据的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。运营商拥有数以千计的本地机房，这是相对于 OTT 的绝佳优势资源，使得边缘计算具有广阔的应用空间。运营商可以抓住这一优势，快速构建统一的 Edge-Cloud 资源池，开启与OTT等在边缘产业生态的战略合作。
中国联通边缘业务平台包括硬件资源层、虚拟化层、应用使能层及业务编排管理层。其中，硬件基础设施层（COTS）包括计算资源、存储资源、网络资源以及加速器资源。虚拟化层（Cloud OS）将各类硬件资源进行虚拟化，目前主要基于Openstack以支持虚拟机部署方式为主，并逐渐向容器方式演进。业务使能（Service Enable）层集成LBO分流、vCDN、LBS位置、VR/AR 渲染和 RNIS网络信息、实施编解码等丰富的服务，为应用层提供丰富的平台能力及北向统一的 API，可以安全高效地将基础网络服务能力提供给第三方应用，还可在第三方应用之间实现服务能力的可靠共享，满足多样化的业务需求。整个MEC架构具备开放开源、弹性敏捷、安全可靠的特点。
2.2 MEC部署
MEC是从扁平到边缘及面向5G网络架构演进的必然技术。RAN 的云化（Cloud-RAN）及虚拟化（VRAN）为 MEC 的部署提供了一个合适的切入点。在 3GPP R15中，基于服务化架构，5G协议模块可以根据业务需求灵活调用，为构建边缘网络提供了技术标准，从而使得MEC可以按需、分场景灵活部署在无线接入云、边缘云或者汇聚云。例如，部署在一个零售中心的小型 Cloud-RAN 可以同时部署 MEC 功能来管理本地化的应用，使得应用、服务和内容在位置上更贴近终端用户。
MEC 虽然是 5G 网络的使能技术，但由于架构及平台的开放性，MEC 亦可在现阶段部署于 LTE 网络。在LTE网络中，MEC服务器有以下2种形态。
a） 作为基站的增强功能，通过软件升级或者新增版卡，与基站集成的内置方式。
b） 作为独立设备，部署在基站后或网关后的外置方式。
图1为中国联通LTE网络中典型的MEC端到端组网架构，MEC 服务器位于基站与核心网之间，通过解析 S1 消息实现业务的分流，用户直接访问 MEC 服务器，从而减轻骨干网的压力，缩短时延。因而 MEC 具有低时延、高带宽、本地化的优点。基站和核心网之间通常经过多个传输环：接入环、汇聚环和核心环。根据业务类型、处理能力、网络规划等需求，可以将MEC部署于网络中的合适位置。
图1 MEC的部署位置
MEC可以运行于物理平台或者虚拟化平台，提供诸如本地缓存、本地数据服务以及业务优化等功能，也可以承载本地应用，这些业务的分流规则预先配置给MEC 的分流模块，当用户面有业务数据报文时，MEC 对报文的特征字段（例如IP五元组）进行解析，匹配预先配置的分流规则，如果能够匹配，则将业务流引导到对应的本地应用或者服务，如图1中的蓝色线条所示。此外，MEC对 S1信令的解析是透明的，不会影响基站与核心网之间信令过程，对于不属于MEC本地服务的业务流，MEC将业务报文原封不动地透传。
2.3 车联网中的MEC
车联网成为国内外新一轮科技创新和产业发展的必争之地，进入产业爆发前的战略机遇期，正在催生大量新技术、新产品、新服务。V2X技术借助"人-车- 路-云"协同通信和交互，实时感知车辆周边状况进行及时预警，成为当前世界各国解决道路安全、提升交通效率等问题的关键研究热点。
5G网络对 uRLLC场景下 V2X的远程车检与控制时延要求为20 ms，对自动驾驶时延要求为5 ms。解决 C-V2X 的核心问题是：如何实现超低时延、超高带宽和超高可靠性。传统的端到端移动通信，必须经过无线接入网、核心网、平台、应用层层处理，最终导致端到端时延较长，性能上无法满足对时延要求比较高的 V2X应用的要求。为了进一步降低端到端通信时延，提供结合地理信息的本地车联网服务，网络中可以引入多接入边缘计算平台（MEC）。
MEC通过将数据、应用、智能引入基站边缘侧，一方面通过减少数据传输路由节点，将业务部署在边缘节点以降低端到端通信时延，通过 LTE 蜂窝网络和 MEC车联平台的本地计算，在紧急情况时下发告警等辅助驾驶信息给车载单元（OBU），相比现有网络延时，车到车时延可降低至 20 ms 以内，大幅度减少车主反应时间，更好地挽救生命和减少财产损失。另一方面 MEC作为本地服务托管环境，能够支持部署本地更具地理和区域特色、更高吞吐量的车联网服务，例如通过 MEC 车联平台可实现路径优化分析、行车与停车引导、安全辅助信息推送和区域车辆服务指引等。因此， MEC已经成为基于蜂窝网络 C-V2X通信解决方案不可或缺的一部分。
通常，边缘云提供本地化的云服务，并可连接公有云或者其他网络内部的私有云实现混合云服务。车联网场景下，边缘云架构和部署如图2所示。整个云架构可以由三层（边缘云、区域云、汽车云）或者二层（边缘云、汽车云）组成，边缘云与区域云/汽车云协同工作，在部分场景中，边缘云可以独立工作。
图2 边缘云架构和部署
3、基于MEC的车联网典型业务解决方案
MEC通过将应用层云平台下沉到网络边缘，可以为移动终端提供本地大带宽和低时延业务，接下来介绍2种典型业务解决方案。
3.1 行人防碰撞
行人防碰撞是指基于V2P技术，车、路、人、云通过网络进行连接，车辆具备检测周围行人的功能，并在有碰撞危险时提示车主。
车联网 陈 祎，延凯悦，宋 蒙，刘 琪，薛亦君 Internet of Vehicles 基于MEC的5G车联网业务分析及应用
该场景如图3所示。行人位置信息通过手机上传给基站，虚拟核心网服务器将位置信息传递给路侧单元（RSU），RSU 广播行人位置信息给路口车辆。车辆基于来自RSU的信息判决是否需要发出碰撞预警。
图3 行人防碰撞示意图
该系统具体的工作流程如图4所示。
图4 行人防碰撞流程图
行人配有智能手机终端（安卓或 IOS 智能终端），手机上安装有行人状态信息上报 APP。手机打开 APP，获取行人状态信息（GPS 和惯导信息，包括经纬度、运动速度、运动加速度、地面航向角度等），通过蜂窝网络发送给MEC服务器，MEC服务器将计算所得的行人位置和运动状态发送给相应的 RSU，RSU广播给附近车辆。车辆收到之后，根据行人信息和车辆行驶状态作出决策。若车辆判断有发生事故的可能性，则需要作出警告，该警告可以不限于声音及屏显的方式。
该方案已经在上海嘉定汽车城做过实地试验，试验由中国联通、中兴通讯、一汽、福特一起合作完成。该试验结合行人防碰撞、车辆透视、车辆防碰撞等多种车联网应用场景，实现人、车、路、云一体化协同，为未来智能交通的发展探索场景化业务模型。车-车-云协同是指车车之间通过云网进行连接通信，实现车辆透视场景，为了降低通信时延，采用边缘云计算方案；车-路-云协同是指车与路边基础设施以及云进行连接，实现交叉路口防碰撞场景；车-人-云协同是指车和人与云进行连接，车辆通过网络得到行人信息，防止事故发生，实现行人防碰撞场景，该场景除了行人外，还可以是骑自行车等弱势交通群体。
3.2 编队行驶
编队行驶是指基于高精度定位、V2V、V2I等技术实现车辆之间按照一定的秩序和规则进行编队，同步进行加速、减速、刹车，延时转弯等操作。
该场景如图 5所示，车队内包括领航车辆和跟随车辆，领航车辆周期性获取自身车辆信息（包括位置、自主路线规划等），发送给跟随车辆；跟随车辆接收并解析领航车辆发来的信息，完成对领航车辆的跟随；同时跟随车辆将自身的车辆信息（位置、行驶数据等）打息，调整自身动作。
图5 编队行驶场景示意图
编队行驶能够有效保证跟随车辆沿着领航车辆的行驶路径行驶，保证了行驶车辆的相对距离和速度；在遭遇突发状况时，领航车辆驾驶员能立即发现危险，并对危险做出相应的反应，避免事故的发生，大大提高了车辆编队的安全、稳定性。
边缘云可以为车队提供本地数据业务，如本地高精地图下载，车辆信息和路边信息转发等；此外，边缘云还可以为车队提供附近行人等弱势群体运动信息，提供安全辅助，避免车祸发生。
该系统的具体工作流程如图6所示。
图6 编队行驶工作流程图
车队的车辆上安装的通信模组同时具备与基站和 RSU通信的能力，其中与基站通过蜂窝网专用频段通信，与 RSU 通过 ITS专用频段通信。MEC 服务器上部署编队行驶业务平台，通过蜂窝网络能为车队提供高精度和导航服务；同时MEC云平台也具备管理车队的能力，车队需要同步加速、减速等操作时，头车通过 RSU将自身位置和行驶信息发送给后方车辆，平台接收到之后通过RSU转发头车信息及行驶指令，后车即与头车保持同步。该方案在北京房山已经完成相关演示，该试验方案基于5G基站、MEC及RSU完成2车之间的低速自动驾驶及编队行驶。该试验充分利用5G网络和MEC的低时延性能，保证自动驾驶和编队行驶的可行性。
4、结束语
通信设施无疑是车联网不可或缺的连接基础，同时运营商具备平台建设和维护经验，具有呼叫中心、信息服务、产业生态合作既有优势，掌握有丰富的大数据资源，特别是伴随5G网络建设、MEC的部署以及核心网向 SDN/NFV 方向演进，网络由单纯的通道，成为业务赋能管理，可以更深度介入到行业客户的业务流程中，为客户创造更大价值。
目前，正处于汽车产业、交通产业与信息产业融合发展的时机，一方面为运营商带来5G、SDN/NFV、MEC 等新型网络建设以及服务的市场空间，另一方面为运营商深度参与行业市场，实现通信技术与行业特定场景（包括自动驾驶、城市出行以及车内生活娱乐等方面）融合，带来数据服务、平台服务以及运营服务等提供广阔发展空间。
参考文献：
［1］ Study on LTE support for Vehicle to Everything（V2X）services：3GPP TR 22.885［S/OL］.［2018-07-12］. https://download.csdn.net/ download/sgx6660888/10664990.
［2］ Study on enhancement of 3GPP Support for 5G V2X Services：3GPP TR 22.886［S/OL］.［2018-07-12］. https://download.csdn.net/download/sgx6660888/10665006.
［3］ ITU towards"IMT for 2020 and beyond"［EB/OL］.［2018-07-12］. https://www.researchgate.net/publication/292375267_5G_AND_IMT _FOR_2020_AND_BEYOND.
［4］ 史敏锐. 车载信息服务分析与研究［EB/OL］.［2018-07-12］. http://www.doc88.com/p-4425806558657.html.
［5］ TIAA-FUTURE 车联网联合工作组 . 白皮书：智能网联汽车基本应用［EB/OL］.［2018-07-12］. http://www.tiaa.org.cn/ziliao.aspx? proid=3.
［6］ IMT-2020（5G）推进组 . C-V2X 白皮书［EB/OL］.［2018-07-12］. http://mp.ofweek.com/auto/a045673522236.
［7］ 中国联通车联网白皮书［EB/OL］.［2018-07-12］. http://www. docin.com/p-2042412510.html.
［8］ 戴晶，陈丹，范斌. 移动边缘计算促进5G发展的分析［J］. 邮电设计技术，2016（7）：4.
［9］ 李福昌，李一喆，唐雄燕，等 . MEC关键解决方案与应用思考［J］. 邮电设计技术，2016（11）：81.
［10］ 张涌，陈丹，范斌，等. 中国联通边缘计算技术演进规划与部署方案［J］. 邮电设计技术，2018（4）：42-47.
［11］ 中国联通开展多场景蜂窝车联网业务示范，推动智能驾驶步入现实生活［EB/OL］.［2018-07-12］. http://www.ccidnet.com/2017/060 8/10280447.shtml.
［12］ 中国联通携手爱立信，展示 5G 超远程智能驾驶应用示范［EB/OL］.［2018-07-12］. http://www.elecfans.com/tongxin/20180820732
作者简介：
陈祎，毕业于北京邮电大学，工程师，硕士，主要研究方向为高精度定位、5G通信、车联网等；延凯悦，毕业于北京交通大学，工程师，硕士，主要研究方向为MEC、5G通信等；宋蒙，毕业于南安普顿大学，工程师，硕士，主要研究方向为车联网，5G通信等；刘琪，毕业于清华大学，教授级高级工程师，博士后，北京邮电大学兼职研究生导师，未来移动通信研究论坛5G工作组副组长，主要研究方向为车联网、5G通信、异构网络融合、高精度定位等；薛亦君，就读于电子科技大学，电子信息工程专业。 
