面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速，道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系，提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展，智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中，图像处理作为智慧交通系统的核心技术之一，它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理，通过对交通视觉图像的处理，为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外，面对智慧交通系统所产生的大量数据计算任务，边缘计算技术则将中心云服务下沉至各边缘节点附近，不但能够优化算力负载分配，还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手，分别围绕面向智慧交通的图像处理与边缘计算技术，阐述其研究热点与前沿进展，汇总与比较国内外的相关学术和产业成果，并对智慧交通系统中的图像处理及边缘计算技术未来的发展进行总结分析与趋势展望。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20220603&flag=1

引言

随着社会经济和科技的快速发展,以及全球城 市化的迅速普及,道路事故和交通拥堵及其导致的 环境污染等问题已经成为世界各国面临的共同难 题。全球每年因交通事故大约会造成数千亿美金的 经济损失,中国是全球人口密度最大和最为拥堵的 国家之一,据高德地图联合国家信息中心大数据发 展部等机构发布的“2020 年度中国主要城市交通分 析报告”指出,2020 年国内大约有 59% 的城市在通 勤 高 峰 时 段 处 于 拥 堵 或 缓 行 状 态 ( https: / / report. amap. com / share. do? id = a187527876d07ac50177142eba987ce0)。面对愈发复杂的交通环境, 传统通过增加人力管理与调度的方式已难以满足当 今交通系统对安全、效率和环保的需求(Young 等, 2011)。以创新方式实现实时、准确和高效的综合 交通运输和管理系统已刻不容缓。智慧交通系统 (intelligent transportation system, ITS) 是于 20 世纪 90 年代提出的,并在 2010 年欧盟 2010 / 40 / EU 指令 (DIRECTIVE 2010 / 40 / EU,2010)中定义为“将先进 的信息、通信和控制技术应用于道路交通领域,通过加强基础设施、车辆和用户三者之间的联系,同时结 合交通管理和移动管理,形成保障安全、提高效率、 改善环境、节约能源的综合运输系统”。发展至今, 智慧交通系统融入了物联网、人工智能、云计算、边 缘计算和自动控制等技术,以提供实时交通数据下 的交通信息服务。通过充分运用信息技术、大数据 技术和交通工程技术等,将各技术有效地集成并应 用于整个交通运输管理体系中,使人、车和路密切配 合,发挥协同效应,能够极大地提高交通运输效率, 保障交通安全,改善交通运输环境,提高能源利用效 率,实现交通的系统性、实时性、信息交流的交互性 以及服务的广泛性(Wen 等,2011)。

近年来,世界各国均非常重视智慧交通的发展。美国自 2010 年确立了全面推进多模式车联网综合 运输一体化发展的战略主题后,美国智慧交通系统 联合计划办公室于2020 年发布了《智慧交通系统战 略规划 2020—2025》,强调了由自动驾驶和智能网 联单点突破到新兴科技全面创新的布局。中国则在 2019 年,由中共中央、国务院印发了《交通强国建设 纲要》,其中强调大力发展智慧交通,明确了大数 据、互联网、人工智能、区块链和超级计算等新技术 与交 通 行 业 深 度 融 合 的 战 略 部 署 ( http:/ / www. gov. cn / gongbao / content / 2019 / content_5437132. htm)。经过各国多年来在智慧交通领域的大力部署与 发展,智慧交通系统已拥有了广泛的应用与服务。根据应用主体与发展重点的不同,主要可分为 3 大 类别:智慧交通管理、辅助驾驶与自动驾驶以及车路 协同。其中,面向智慧交通管理的应用主要由大量 部署在道路上的智慧交通设施支撑,以实现交通管 理的智能化,其应用主要包括:交通信息采集、车牌 识别和车辆违章检测等。面向辅助驾驶与自动驾驶 的应用则主要以单车智能为主体,依靠视觉感知、雷 达感知、定位系统、车载计算以及人工智能的协同合 作,让车辆智能地辅助人类,或自动安全地行驶。面 向车路协同的应用则是依托于智能车辆、智能路侧 设备和云控平台的协同工作,以车联网为技术支撑, 全方位实施车车、车路和车云动态实时信息交互,进 而实现车辆主动安全控制和道路协同管理,保证交 通安全,提高通行效率( Tian 等,2014)。智慧交通 的实现,需要融合通信、计算与控制等领域的大量先 进技术。其中,图像处理技术作为智慧交通中感知监控、调度和分析的基础,一直以来都是智慧交通系 统的核心技术与前沿发展领域。尤其近年来,随着 计算机视觉技术的不断发展,图像分析已成为推动 智慧交通发展的关键技术之一,是智慧交通的重要 组成部分(Gudigar 等,2016)。图像处理是指借助 计算机算法对图像进行增强与复原、检测与识别以 及分割等处理,以期达到所需目的。其具有精度高、 再现性好、处理多样性和易于控制等优势,在多领域 获得了广泛的应用。将图像分析应用于交通领域, 可以加速交通的智能化进程,极大方便人们出行,降 低交通事故发生(Deng 等,2017)。智慧交通领域涉 及的图像分析任务很多,如基于智能导航的道路识 别、避障和道路节点规划(Kuang 等,2017)以及基于 交通监控的车辆识别与跟踪、交通标志牌识别(Zhao 等,2017)等。通过这些方法,可以将人、车和路全方 位结合,针对交通要素建立一套完整、实时、高效和准 确的数字化交通底座,为智慧交通管理、自动驾驶和 辅助驾驶以及车路协同提供重要的技术保障。

同时,为了实现智慧交通的各种应用与服务,中 国于 2018 年提出了“新型基础设施建设(新基建)” 方针,越来越密集的智能传感设备部署在道路中,以 完成对道路的数字化、智能化改造。这些设备导致 了呈指数级增长的海量交通数据,尤其在交通图像 处理方面,有大量的监控图片、视频以及车辆数据需 要传输至服务器进行数据处理,对网络带宽提出了 很高的要求,同时智能驾驶等新型业务的出现对网 络传输的实时性有了更高的需求。其中,每个交通 监控摄像头每秒产生 25 30 帧图像,其所生成的 数据量将超过 100 MB(Ali 等,2020)。而自动驾驶 的实现更依赖于大量的数据处理,据 Tuxera 公司估 计,以每年 17 600 min 的驾驶时长估算,L5 级的自 动驾驶车辆每年将至少产生 300 TB 的数据。此外, 智慧交通系统,尤其是智能驾驶业务对数据的精准 性与实时性也有很高的要求,根据高可靠与低延迟 通信标准,通常情况下需要满足 100 ms 以内的端到 端延迟以及小于 10 - 4的丢包率,而完全自动驾驶情 况的时延更是不能超过 20 ms(https: / / 5 gaa. org / )。作为在各领域广泛应用的数据处理技术,集中 式中心云服务面对如此海量的数据,很难满足大部 分智慧交通应用的实时性需求,其所产生的滞后处 理将会导致传输过程的不确定性,从而对通信网络 带来巨大的传输压力和不稳定延迟。因此,提出了边缘计算以解决上述各方面的困境。移动边缘计算 (mobile edge computing)概念最初于 2013 年出现于 IBM 与 Nokia Siemens 共同推出的一款计算平台,其 可在无线基站内部运行应用程序,向移动用户提供 业务。此后,欧洲电信标准协会(European Telecommunications Standards Institute, ETSI) 于 2014 年成 立移动边缘计算规范工作组,推动了移动边缘计算 的标准化。2016 年,ETSI 将移动边缘计算的概念扩 展为多接入边缘计算(multi-access edge computing, MEC),将其从电信蜂窝网络进一步延伸至其他各 多源无线接入网络( https: / / www. etsi. org / technologies/ multi-access-edge-computing)。边 缘 计 算 技 术 的核心是把云计算能力与相应的服务环境下沉至网 络边缘(包括蜂窝网以及各无线网接口),以满足低 时延与高带宽的需求(Giust 等,2017)。边缘计算技 术为智慧交通系统提供了边缘计算节点,通过对计 算与通信资源的合理分配,提供低时延服务的同时, 能够大幅降低智慧交通系统所需的负载压力。同 时,边缘计算技术通过边缘缓存,将所需数据存储在 边缘节点,能够满足特定应用与服务对高响应速度 的需求(Ahmed 和 Ahmed,2016)。近年来,随着大 数据与人工智能的高速发展,将其与边缘计算相结 合,诞生了边缘智能( edge intelligence, EI) 等前沿 研究领域(Zhou 等,2019b),旨在使边缘侧能够提供 更加智能的高级数据分析、场景感知、实时决策、自 组织与协同等服务。边缘智能的研究一方面可以利 用人工智能对边缘计算中的某些瓶颈问题提供解决 方案,另一方面则是通过技术的发展,使人工智能得 以在边缘服务器上完全实现(Deng 等,2020)。本文将面向国内外在智慧交通领域的前沿研究 成果与应用进展,首先梳理智慧交通系统中的应用 与服务现状,随后围绕面向智慧交通的图像处理技 术与边缘计算技术进行深入分析,阐述与对比国内 外在该领域中的最新研究热点及前沿进展,并展望 未来的发展趋势。