AI边缘计算的架构案例：路车协同（学习心得）

路车协同的AI边缘计算架构案例：

为什么需要边缘计算？

在实践中，每增加一公里的物理距离，会带来1ms的网络延迟。

如果要把自动驾驶汽车采集的信息上传到云端进行计算处理，而汽车距离云计算中心的距离是1500 km，即我们面对的是300ms上传和下载的网络延迟。

对于无人驾驶汽车来说，如果行驶速度是100km/小时，那也就意味着等我们云计算后完成反应，汽车已经开出将近 8 米了，那这个风险太高了，对于自动驾驶这样的应用来说是不能接受的。

所以我们需要边缘，也就是就近计算来完成！

架构特殊点

加入路测感知设备：提供类似第三方上帝视角，会上传行人有没有横穿马路等信息。

通过5G传递信息到基站上，空中延迟降低在10ms之内，基站通过光纤传递到移动边缘计算节点MEC中，也是几个毫秒处理信息，传回信息，自动驾驶汽车做出对应操作。

同时这些数据会上传云端，经过云端的计算优化算法，再更新到自动驾驶汽车和MEC节点中。完成自动驾驶的进化！

本文地址：https://blog.csdn.net/qq_42067550/article/details/105716385