TSN、智能駕駛和邊緣計算有什么關系呢

這篇文章跟大家分析一下“TSN、智能駕駛和邊緣計算有什么關系呢”。內容詳細易懂，對“TSN、智能駕駛和邊緣計算有什么關系呢”感興趣的朋友可以跟著小編的思路慢慢深入來閱讀一下，希望閱讀后能夠對大家有所幫助。下面跟著小編一起深入學習“TSN、智能駕駛和邊緣計算有什么關系呢”的知識吧。

昨天，一則新聞在時間確定性網絡群里刷屏了：創時科技開業，上汽智能駕駛又進關鍵一步。對于時間觸發以太網和TTTech公司，筆者曾在文章一個人，一個想法，一家公司和即將被改變的全世界網絡 一文中做過介紹，也預測把時間觸發引入以太網將是未來網絡的一個主要趨勢。而上汽與TTTech公司的合作，則是TTTech公司打開國內市場的里程碑事件。

1月16日上午，上海創時汽車科技有限公司（簡稱“創時科技”）在上海國際汽車城·創新港舉辦了開業慶典。上海創時汽車科技有限公司是2018年3月13日，上汽集團與奧地利TTTech Computertechnik AG(以下簡稱TTTech)以50.1：49.9的股比成立的合資公司。創時科技致力于推進智能網聯汽車核心零部件的智能駕駛中央決策控制器（i-ECU）產業化落地，全面提升智能駕駛領域的核心技術能力。

TTTech成立于2009年，總部位于奧地利，是科技領域的獨角獸。TTTech服務于航天、高速公路、工程機械、汽車等各行業。在汽車行業，TTTech服務于奧迪、寶馬、大眾、volvo等眾多汽車業領軍企業，開發產品涵蓋Level 3-5的智能駕駛域控制策略。

除了時間觸發以太網（TTE，強實時）以外，時間敏感網絡（TSN）也是目前車載控制系統的一個選擇。汽車上的控制系統到底采用TTE還是TSN，結果不得而知，但無論是哪一種，有一點是毋容置疑的，那就是把時間確定性聯合以太網引入了汽車的控制系統。長期以來，汽車上的通信總線都是CAN總線，但隨著自動駕駛或者智能駕駛需求的提出，CAN總線無論是通信帶寬還是延遲等性能已逐漸的暴露出其不足的地方。后來，人們在2000年發明了Flexray總線來解決問題，今天TSN標準里最核心的時間觸發機制和無縫冗余理念都來自Flexray，但Flexray傳輸速率最高僅20Mbps，遠遠不能滿足完全無人駕駛的要求。2006年，IEEE802.1工作組成立AVB音頻視頻橋接任務組，并在隨后的幾年里成功解決了音頻視頻網絡中數據實時同步傳輸的問題。這一點立刻受到來自汽車和工業等領域人士的關注。2012年，AVB任務組在其章程中擴大了時間確定性以太網的應用需求和適用范圍，并同時將任務組名稱改為現在的TSN任務組。

TSN其實指的是在IEEE802.1標準框架下，基于特定應用需求制定的一組“子標準”，旨在為以太網協議建立“通用”的時間敏感機制，以確保網絡數據傳輸的時間確定性。同時利用數據整形，確保延遲達到微秒級（一般每橋不超過250微秒），利用FrameReplication and Elimination幀復制和消除，確保無論發生鏈路故障、電纜斷裂以及其他錯誤，均能強制實現可靠的通訊。此選項確保關鍵流量的復本在網絡中能以不相交集的路徑進行傳送，只保留首先到達目的地的任何封包，從而實現無縫冗余，達到超高的可靠性，這對無人駕駛尤其重要。

TSN通過IEEE802.1AS-Rev（時間同步）、IEEE802.1Qbv（低延遲隊列管理和調度）、IEEE802.1Qbu/802.3br（重要數據搶占機制）、IEEE802.1CB（冗余機制確保高可靠性）等幾個方面確保了無人駕駛控制的需求都能得到滿足。TSN中一系列的協議族從各個方面都確保了各種控制系統能夠融入5G時代的萬物互聯場景，這是5G時代的各種網絡升級換代的基本需求。這也是筆者為何在“一個人，一個想法，一家公司和即將被改變的全世界網絡 ”一文中提到“即將被改變的全世界網絡”說法的重要依據，同時也是TSN技術未來的市場估值為何會達到幾十萬億級別的一個重要的原因。從這個角度上看，TTE的應用場景就比較有局限了，但一些強實時的封閉場合下還是需要TTE的。關于車載以太網TSN的更詳細的介紹，請參看文章“簡析車載以太網TSN標準”。

國內包括華為在內的網絡公司都紛紛開展TSN等方面的研究，不斷的尋求能否找到TSN標準設立初期所提到的能夠達到萬物互聯的基本條件：通用的接口標準，希冀通過標準來實現不同廠家做出來的設備都能無縫的接入網絡中。另一方面，如何通過增強邊緣節點的能力而降低網絡負載和云端的壓力，邊緣計算的概念應運而生。

2019年1月3日，在第二屆歐洲邊緣計算論壇（ECF）上，華為與Analog Devices，ARM，Bombardier，B&R Automation，Fraunhofer Institute for Open Communication Systems (FOKUS)，German Edge Cloud (GEC)，German Research Center for Artificial Intelligence (DFKI)，HARTING IT，IBM，Intel，KUKA, National Instruments，Renesas Electronics，Schneider Electric，Software AG，Spirent，TTTech等多家伙伴達成合作意向，將共同努力，聯合建立歐洲邊緣計算產業聯盟（Edge Computing Consortium Europe，簡稱ECCE）。ECCE旨在為智能制造，運營商，企業與IoT等領域的廠商與組織提供全方位的邊緣計算產業合作平臺，通過產業協同，開放創新和示范推廣，深化行業數字化轉型，共同推進邊緣計算產業的蓬勃發展。邊緣計算作為聯接物理和數字世界的橋梁，是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。根據分析公司預測，邊緣側數據處理將快速增長，到2025年，75%的企業生成數據將在數據中心或云之外創建和處理，遠超今天的不到20%。Stefan Schonegger，貝加萊產品策略與創新副總裁：“我們相信邊緣計算對未來的工廠至關重要。在數據源附近處理數據將理想地補充基于公有云的物聯網解決方案。貝加萊致力于快速擴展我們的Edge產品組合，并向市場提供全面的基于OPC UA和TSN的Edge產品。ECCE正在幫助使我們的活動與廣大的合作伙伴生態保持一致，這有助于加速采用并推動創新。”

而智能網聯車和自動駕駛則是邊緣計算的一個典型應用場景。

隨著機器視覺，深度學習和傳感器等技術的發展，汽車的功能不再局限于傳統的出行和運輸工具，而是逐漸變為一個智能的，互聯的計算系統，我們稱這樣新型的汽車為智能網聯車（Connected and Autonomous Vehicles，CAVs）。智能網聯車的出現催生出了一系列的新的應用場景，例如自動駕駛，車聯網以及智能交通。Intel在2016 年的報告指出，一輛自動駕駛車輛一天產生的數據為 4TB，這些數據無法全部上傳至云端處理，需要在邊緣節點（汽車）中存儲和計算。

自動駕駛計算場景無疑是目前最熱的研究方向之一，圍繞此場景有經典的自動駕駛算法評測數據集KITTI，還有針對不同自動駕駛階段的經典的視覺算法。在工業界目前有許多針對CAVs 場景推出的計算平臺，例如 NVIDIA DRIVE PX2和XilinxZynq UltraScale+ ZCU106等。同時，學術界有許多前沿工作也開始探索CAVs 場景下的邊緣計算平臺的系統設計。Liu  等將自動駕駛分為傳感（Sensing），感 知 （Perception） 和 決 策（Decision-making）三個處理階段，并比較三個階段在不同異構硬件上的執行效果，由此總結除了自動駕駛任務與執行硬件之間的匹配規則。Lin等對比了感知階段三個核心應用，定位（Localization），識別（Object  Detection ）和追蹤（Object  Tracking）在GPUs，FPGAs和ASICs 不同組合運行的時延和功耗，指導研究人員設計端到端的自動駕駛計算平臺。除了硬件系統結構設計，還有一類研究推出完整的軟件棧幫助研究人員實現自動駕駛系統，例如百度的Apollo和日本早稻田大學的Autoware。

邊緣計算經過近幾年的技術儲備，已經得到了來自國內外政府、學術界和工業界的廣泛重視和一致認可，現在到了全面開花結果并帶來經濟效益的時候。得益于網絡、隔離技術、體系結構、操作系統、算法執行框架、數據處理平臺以及安全隱私這七個關鍵技術的快速發展，邊緣計算技術已經走向成熟，并在許多應用場景下發揮作用。按照這個趨勢繼續進行下去，邊緣計算將產生更大的外溢效果，成為各行各業的粘合劑和智能產業發展的催化劑，促進整個工業體系的升級轉型。但同時我們也必須看到，能否把這些相關的技術如TSN、邊緣計算、自動駕駛智能算法等完全無縫的融合起來，是一件比較困難的事情。

關于TSN、智能駕駛和邊緣計算有什么關系呢就分享到這里啦，希望上述內容能夠讓大家有所提升。如果想要學習更多知識，請大家多多留意小編的更新。謝謝大家關注一下億速云網站！