TSN、智能驾驶和边缘计算有什么关系呢

这篇文章跟大家分析一下“TSN、智能驾驶和边缘计算有什么关系呢”。内容详细易懂，对“TSN、智能驾驶和边缘计算有什么关系呢”感兴趣的朋友可以跟着小编的思路慢慢深入来阅读一下，希望阅读后能够对大家有所帮助。下面跟着小编一起深入学习“TSN、智能驾驶和边缘计算有什么关系呢”的知识吧。

昨天，一则新闻在时间确定性网络群里刷屏了：创时科技开业，上汽智能驾驶又进关键一步。对于时间触发以太网和TTTech公司，笔者曾在文章一个人，一个想法，一家公司和即将被改变的全世界网络 一文中做过介绍，也预测把时间触发引入以太网将是未来网络的一个主要趋势。而上汽与TTTech公司的合作，则是TTTech公司打开国内市场的里程碑事件。

1月16日上午，上海创时汽车科技有限公司（简称“创时科技”）在上海国际汽车城·创新港举办了开业庆典。上海创时汽车科技有限公司是2018年3月13日，上汽集团与奥地利TTTech Computertechnik AG(以下简称TTTech)以50.1：49.9的股比成立的合资公司。创时科技致力于推进智能网联汽车核心零部件的智能驾驶中央决策控制器（i-ECU）产业化落地，全面提升智能驾驶领域的核心技术能力。

TTTech成立于2009年，总部位于奥地利，是科技领域的独角兽。TTTech服务于航天、高速公路、工程机械、汽车等各行业。在汽车行业，TTTech服务于奥迪、宝马、大众、volvo等众多汽车业领军企业，开发产品涵盖Level 3-5的智能驾驶域控制策略。

除了时间触发以太网（TTE，强实时）以外，时间敏感网络（TSN）也是目前车载控制系统的一个选择。汽车上的控制系统到底采用TTE还是TSN，结果不得而知，但无论是哪一种，有一点是毋容置疑的，那就是把时间确定性联合以太网引入了汽车的控制系统。长期以来，汽车上的通信总线都是CAN总线，但随着自动驾驶或者智能驾驶需求的提出，CAN总线无论是通信带宽还是延迟等性能已逐渐的暴露出其不足的地方。后来，人们在2000年发明了Flexray总线来解决问题，今天TSN标准里最核心的时间触发机制和无缝冗余理念都来自Flexray，但Flexray传输速率最高仅20Mbps，远远不能满足完全无人驾驶的要求。2006年，IEEE802.1工作组成立AVB音频视频桥接任务组，并在随后的几年里成功解决了音频视频网络中数据实时同步传输的问题。这一点立刻受到来自汽车和工业等领域人士的关注。2012年，AVB任务组在其章程中扩大了时间确定性以太网的应用需求和适用范围，并同时将任务组名称改为现在的TSN任务组。

TSN其实指的是在IEEE802.1标准框架下，基于特定应用需求制定的一组“子标准”，旨在为以太网协议建立“通用”的时间敏感机制，以确保网络数据传输的时间确定性。同时利用数据整形，确保延迟达到微秒级（一般每桥不超过250微秒），利用FrameReplication and Elimination帧复制和消除，确保无论发生链路故障、电缆断裂以及其他错误，均能强制实现可靠的通讯。此选项确保关键流量的复本在网络中能以不相交集的路径进行传送，只保留首先到达目的地的任何封包，从而实现无缝冗余，达到超高的可靠性，这对无人驾驶尤其重要。

TSN通过IEEE802.1AS-Rev（时间同步）、IEEE802.1Qbv（低延迟队列管理和调度）、IEEE802.1Qbu/802.3br（重要数据抢占机制）、IEEE802.1CB（冗余机制确保高可靠性）等几个方面确保了无人驾驶控制的需求都能得到满足。TSN中一系列的协议族从各个方面都确保了各种控制系统能够融入5G时代的万物互联场景，这是5G时代的各种网络升级换代的基本需求。这也是笔者为何在“一个人，一个想法，一家公司和即将被改变的全世界网络 ”一文中提到“即将被改变的全世界网络”说法的重要依据，同时也是TSN技术未来的市场估值为何会达到几十万亿级别的一个重要的原因。从这个角度上看，TTE的应用场景就比较有局限了，但一些强实时的封闭场合下还是需要TTE的。关于车载以太网TSN的更详细的介绍，请参看文章“简析车载以太网TSN标准”。

国内包括华为在内的网络公司都纷纷开展TSN等方面的研究，不断的寻求能否找到TSN标准设立初期所提到的能够达到万物互联的基本条件：通用的接口标准，希冀通过标准来实现不同厂家做出来的设备都能无缝的接入网络中。另一方面，如何通过增强边缘节点的能力而降低网络负载和云端的压力，边缘计算的概念应运而生。

2019年1月3日，在第二届欧洲边缘计算论坛（ECF）上，华为与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等多家伙伴达成合作意向，将共同努力，联合建立欧洲边缘计算产业联盟（Edge Computing Consortium Europe，简称ECCE）。ECCE旨在为智能制造，运营商，企业与IoT等领域的厂商与组织提供全方位的边缘计算产业合作平台，通过产业协同，开放创新和示范推广，深化行业数字化转型，共同推进边缘计算产业的蓬勃发展。边缘计算作为联接物理和数字世界的桥梁，是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、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。根据分析公司预测，边缘侧数据处理将快速增长，到2025年，75%的企业生成数据将在数据中心或云之外创建和处理，远超今天的不到20%。Stefan Schonegger，贝加莱产品策略与创新副总裁：“我们相信边缘计算对未来的工厂至关重要。在数据源附近处理数据将理想地补充基于公有云的物联网解决方案。贝加莱致力于快速扩展我们的Edge产品组合，并向市场提供全面的基于OPC UA和TSN的Edge产品。ECCE正在帮助使我们的活动与广大的合作伙伴生态保持一致，这有助于加速采用并推动创新。”

而智能网联车和自动驾驶则是边缘计算的一个典型应用场景。

随着机器视觉，深度学习和传感器等技术的发展，汽车的功能不再局限于传统的出行和运输工具，而是逐渐变为一个智能的，互联的计算系统，我们称这样新型的汽车为智能网联车（Connected and Autonomous Vehicles，CAVs）。智能网联车的出现催生出了一系列的新的应用场景，例如自动驾驶，车联网以及智能交通。Intel在2016 年的报告指出，一辆自动驾驶车辆一天产生的数据为 4TB，这些数据无法全部上传至云端处理，需要在边缘节点（汽车）中存储和计算。

自动驾驶计算场景无疑是目前最热的研究方向之一，围绕此场景有经典的自动驾驶算法评测数据集KITTI，还有针对不同自动驾驶阶段的经典的视觉算法。在工业界目前有许多针对CAVs 场景推出的计算平台，例如 NVIDIA DRIVE PX2和XilinxZynq UltraScale+ ZCU106等。同时，学术界有许多前沿工作也开始探索CAVs 场景下的边缘计算平台的系统设计。Liu  等将自动驾驶分为传感（Sensing），感 知 （Perception） 和 决 策（Decision-making）三个处理阶段，并比较三个阶段在不同异构硬件上的执行效果，由此总结除了自动驾驶任务与执行硬件之间的匹配规则。Lin等对比了感知阶段三个核心应用，定位（Localization），识别（Object  Detection ）和追踪（Object  Tracking）在GPUs，FPGAs和ASICs 不同组合运行的时延和功耗，指导研究人员设计端到端的自动驾驶计算平台。除了硬件系统结构设计，还有一类研究推出完整的软件栈帮助研究人员实现自动驾驶系统，例如百度的Apollo和日本早稻田大学的Autoware。

边缘计算经过近几年的技术储备，已经得到了来自国内外政府、学术界和工业界的广泛重视和一致认可，现在到了全面开花结果并带来经济效益的时候。得益于网络、隔离技术、体系结构、操作系统、算法执行框架、数据处理平台以及安全隐私这七个关键技术的快速发展，边缘计算技术已经走向成熟，并在许多应用场景下发挥作用。按照这个趋势继续进行下去，边缘计算将产生更大的外溢效果，成为各行各业的粘合剂和智能产业发展的催化剂，促进整个工业体系的升级转型。但同时我们也必须看到，能否把这些相关的技术如TSN、边缘计算、自动驾驶智能算法等完全无缝的融合起来，是一件比较困难的事情。

关于TSN、智能驾驶和边缘计算有什么关系呢就分享到这里啦，希望上述内容能够让大家有所提升。如果想要学习更多知识，请大家多多留意小编的更新。谢谢大家关注一下亿速云网站！