一种基于边缘计算的智能路侧终端的制作方法

本发明涉及物联网和智能交通车路协同领域，尤其涉及一种基于边缘计算的智能路侧终端。

背景技术：

随着城市机动车保有量爆炸式增长，交通拥堵、交通安全事故频发，以扩大基础设施规模为手段的发展方式周期长、见效慢，因此利用现代信息技术建设智能交通体系，是缓解城市交通顽疾，提高交通运行效率的新的有效方式。

作为新一代信息技术的车联网，其由人、车、路、环境等组成的复杂系统，形成了一种高维、泛在的物联网，特别随着人工智能、大数据、云计算等技术的快速发展，车路协同技术已经成为智能交通领域的热点研究方向。通过车路协同信息交互，一方面，驾驶者可以及时获取交通信号相位和倒计时、道路渠化等道路信息，以及车流量、拥堵情况等实时路况信息；同时，驾驶者还可享受到智能出行服务，如信号灯相位和倒计时信息的超视距感知、行车路线自适应优化、基于深度学习的路况信息主动推送等。另一方面，每一辆机动车都能起到浮动车的作用，使得交通管理者可以全面、实时掌握交通运行状态，并以此为依据进行区域交通控制策略优化和自适应调整，并及时发布交通诱导信息，为驾驶者提供准确、有效的驾驶辅助信息。

随着车路协同技术的不断发展，交通信息采集手段越来越多，交通数据种类和异构性不断加大，加之对实时性、可靠性与安全性等的严格要求，都给以大数据、云计算为核心的数据存储、处理、分析体系带来了沉重压力。因此，以车联网为代表的物联网技术发展大势正在从平台向边缘延伸，加之车路协同信息交互技术依赖于便携可移动的智能设备，有别与传统互联网设施，受限于接入带宽、流量、能耗等条件的限制，应合理对数据进行存储和处理。在靠近终端或者数据源头的网络边缘搭建一个集连接、存储、计算、应用的开放平台，就近提供边缘智能服务，这边是边缘计算技术。边缘计算的应用程序在边缘侧发起，产生更快的网络服务响应，可满足城市交通领域在实时业务、应用智能、安全与隐私保护等方面的基本需求。现有的路侧终端元件复杂，成本和故障率较高，且不易扩展，因此需要一种创新集成程度更高的设备替代。

技术实现要素：

本发明的目的是提供一种基于边缘计算的智能路侧终端，具有较高的集成度和运行性能、能够保持整体系统稳定、便于拓展、可有利于车路协同应用系统的功能实现。

本发明通过以下技术方案实现：一种基于边缘计算的智能路侧终端，包括核心处理单元、通信单元、定位单元、接口单元和电源供给单元；

所述核心处理单元包括一块高性能嵌入式处理器和相应的时钟、复位、存储电路模块和调试下载接口，所述高性能嵌入式处理器为xc7z020芯片，该芯片器件配备双核armcortex-a9处理器，该处理器与基于28nmartix-7或-7的可编程逻辑集成，可实现优异的性能功耗比和最大的设计灵活性，主要完成采集数据的融合处理和转发，即前端边缘计算。

所述通信单元包括基本无线通信单元和扩展无线通信单元，基本无线通信单元为采用dsrc(dedicatedshortrangecommunications，专用短程通信技术)技术的短距离无线通讯模块，实现与其他无线接入节点通信并承担无线网络组织，信息汇聚和转发等功能。扩展无线通信单元为可选模块，主要采用了4glte通讯模块实现远距离数据传输。

所述定位单元主要包含gps定位模块，其主要作用是实现智能路侧终端的绝对定位。

所述接口单元包括：usbotg(usbon-the-go)接口、usb接口、rs-232接口、以太网接口、sd卡接口、gpio接口、总线扩展接口。

所述电源供给单元包括稳压模块、dc-dc模块、滤波电路、掉电保护等，完成板级电源保障。

从上述的技术方案可以看出，本发明采用dsrc无线通信模块采集无线传感器节点的传感信息，所述dsrc无线通信模块不仅根据所述传感器的传感信息控制节点的工作状态，在本发明中，还将所述传感信息通过所述主控芯片发送至所述4glte通讯模块中，由所述4glte通讯模块将所述传感信息上传至远程监控中心。本发明将实现无线传感器节点之间通信及无线通信模块与远距离无线传输的4glte通讯模块整合并实现高速的数据交互，4glte通讯模块的应用克服了现有的无线传感网关系统通信模式单一，传输速度及传输数据类型受到局限的缺点，达到了高效率、多种数据类型传输的技术效果。

本发明还可以针对监测对象的不同构建不同的传感器组合，实现对车路协同不同应用场景和需求的适应。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1是基于车路协同系统通用体系架构示意图。

图2是智能路侧终端的硬件组成图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本发明公开一种基于边缘计算的智能路侧终端，包括核心处理单元、通信单元、定位单元、接口单元和电源供给单元；

所述通信单元包括基本无线通信单元，所述基本无线通信单元为采用drsc技术的短距离无线通讯模块，用于rsu(roadsideunit，路测单元)设备数据的采集，并将采集数据发送给核心处理单元；

所述核心处理单元包括嵌入式处理器和相应的时钟、复位、存储电路模块，以及调试下载接口；核心处理单元用于完成采集数据的融合处理；

所述定位单元包括gps定位模块，用于实现智能路侧终端的绝对定位，并将定位数据发送给通信单元和核心处理单元，通信单元可以将位置数据发送给其他处理设备(比如移动终端等)，通过定位单元可以确定智能路侧终端的位置；

所述接口单元包括usbotg接口、usb接口、rs-232接口、以太网接口、sd卡接口、gpio接口和总线扩展接口；智能路侧终端能够通过这些接口外接其他设备；

所述电源供给单元包括稳压模块、dc-dc模块、滤波电路和掉电保护。电源供给单元用于向核心处理单元、通信单元、定位单元、接口单元供电。

所述核心处理单元用于完成采集数据的融合处理，具体包括如下步骤：

步骤1，设定某rsu设备上有两个不同的传感器，设定rsu设备上两个不同的传感器对一恒定量进行测量，两个不同的传感器的观测值分别为z1和z2：

z1＝x+v1，

z2＝x+v2，

其中，x为真实值，v1为第一个传感器观测时存在的随机误差，v2为第一个传感器观测时存在的随机误差，且设i取值为1或2，n()表示取值范围，i取值为1时代表第一个传感器的随机误差，i取值为2时代表第二个传感器的随机误差，两传感器观测值相互独立；

步骤2，设定x的估计值与观测值zi(i＝1,2)成线性关系，且为x的无偏估计，有：

ω＝(ω1,ω2)为各个传感器测量值的权值，即ω1为第一个传感器测量值的权值，ω2为第二个传感器测量值的权值；

步骤3，设估计误差为：

取代价函数j为的均方误差有：

由于为x的无偏估计，则：

步骤4，由于e(v1)＝e(v2)＝0，其中e(v1)表示v1的数学期望，则：

ω2＝1-ω1，

代价函数写为：

由于v1,v2相互独立有e(v1v2)＝0，

则：

为使得j为最小，对ω求导有：

解出第一个传感器测量值的最优权值和第二个传感器测量值的最优权值为：

步骤5，最优估计量为：

上式表明当两个传感器取值合适时，能够通过观测器已经获得的观测值融合得到最优的估计值；

步骤6，将步骤5的结果推广到多个传感器的情况，设多传感器组的方差分别为σi(i＝1,2...n)，各传感器的测量值分别为zi(i＝1,2...n)，彼此相互独立，真值的估计值为并且是x的无偏估计，各传感器的加权因子分别为ωi(i＝1,2...n)，p取值范围是1，2，…n，根据多元函数求极值理论，求出均方误差最小时所对应的加权因子为：

该因子可以用来在智能路侧设备前端进行感知数据的融合计算。

所述采用了4glte的通讯模块具体为ec20。

所述嵌入式处理器具体为xc7z020。

所述通信单元还包括扩展无线通信单元，扩展无线通信单元为采用了4glte的通讯模块，用于实现远距离数据传输；

所述扩展通信模块还包括3g通信模块。

实施例

本发明所述的一种基于边缘计算的智能路侧终端主要应用于智能交通车路协同系统建设。参照图1本发明所述的车路协同系统可以实现车与车(v2v，vehicletovehicle)和车与设施(v2r，vehicletoroadsidefacilities)间的单跳或多跳无线通信。车载自组网基本思想是车辆与车辆或车辆与外界在一定的通信范围内的信息交互。如图1所示，车辆在建立连接后，会自组织的建立起一个临时移动通信网络。其中，车载终端设备既作为信息采集节点，又作为信息转发节点，即中继节点，将其他车辆传输过来的信息以多跳的方式传输至后续车辆节点或者路边信息手机设备。本发明重点介绍该系统中网关的实现方法，对于整个车路协同应用系统和系统的其他组成模块不展开叙述。

参照图2，所述汇聚节点102包括核心处理单元201、通信单元202、定位单元203、接口单元204以及电源供给单元205。作为优选，所述核心处理单元201采用集成有两个armcortex-a9mpcore处理器以及xilinx28nm可编程逻辑芯片，外围集成4gbemmc和1gbddr3sdram，32mbqspi。所述通信单元202包括基本无线通信单元和扩展无线通信单元，基本无线通信单元主要采用dsrc技术的短距离无线通讯模块，与其他应急物流资源接入节点通信并承担无线网络组织，信息汇聚等功能。作为优选，所述drsc通信模块采用cohdawireless公司的mk5模块，所述dsrc模块是基于nxp/cohda共同研发的车载级roadlink^tm芯片组开发的。它在恶劣的户外环境或易变的环境下都能拥有无与伦比的无线通讯能力。由于使用了高度集成化技术，不仅简化了电路设计过程，只需使用很少的外围器件就能实现复杂的射频通信功能，有效地降低了出错风险并缩短了软硬件开发周期。

车路协同系统的重要任务之一是对海量的感知信息进行汇总、共享和分析，并依据处理结果进行智能决策。云计算在车路协同系统中主要用于分析计算道路交通状态、大规模车辆诱导策略、智能交通调度等。云计算的应用，一方面可以实现业务的快速部署，在短期内为交通用户提供信息服务；另一方面，平台具有的强大运算能力、最新实时数据和广泛的服务支持，能够对综合交通服务起到强大的支撑作用，例如基于云计算的“云导航”可以实现“实时智能导航”。云平台则可以根据用户的需求及道路交通的实际情况、异常交通因素等，进行大范围的交通数据的分析、计算与规划，从而实现宏观区域的交通组织与优化，并通过服务整合为路网中车载终端提供更丰富、更富有价值的综合交通服务。多传感器信息融合也是车路协同系统关键技术之一。信息融合是利用计算机技术将来自多个传感器或多源的观测信息进行分析、综合处理.从而得出决策和估计任务所需的信息的处理过程。信息融合的基本原理是：充分利用传感器资源.通过对各种传感器及人工观测信息的合理支配与使用.将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则或算法组合来，产生对观测对象的一致性解释和描述|。车路协同系统需要处理大量的源自路网的各种车载感知信息和路侧感知信息，如果运用数据融合技术对其进行数据级融合、特征级融合以及决策级融合，将有利于通过对信息的优化和组合从中获得更多的有效信息。为了利用边缘计算在前端有效融合多源感知数据，本专利实现了一种高效的边缘数据融合策略，具体如下：

假设rsu设备上两个不同的传感器对一恒定量进行测量，观测值为：

z1＝x+v1

z2＝x+v2

其中vi(i＝1,2)为观测时存在的随机误差，且设两传感器观测值相互独立。

假定x的估计值与观测值zi(i＝1,2)成线性关系，且为x的无偏估计，有：

ω＝(ω1,ω2)为各个传感器测量值的权值。

设估计误差为：

取代价函数为的均方误差，有：

因为为x的无偏估计，所以：

由于e(v1)＝e(v2)＝0，所以有：

ω2＝1-ω1

那么代价函数可写为：

由于v1,v2相互独立有e(v1v2)＝0，

则：

为使得j为最小，对ω求导有：

解出最优权值为：

最优估计量为：

上式表明当两个传感器取值合适时，可以通过观测器已经获得的观测值融合得到最优的估计值。推广此结论到多个传感器的情况，设多传感器组的方差分别为σi(i＝1,2...n)，各传感器的测量值分别为zi(i＝1,2...n)，彼此相互独立。真值的估计值为并且是x的无偏估计，各传感器的加权因子分别为ωi(i＝1,2...n)，根据多元函数求极值理论，可求出均方误差最小时所对应的加权因子为：

所述扩展无线通信单元为可选模块，主要采用了4glte通讯模块实现远距离数据传输。作为优选，所述4g模块具体为ec20，所述ec20支持多频edge/gprs/850/900/1800/1900mhz，wcdma/1900/2100/2600mhz，lte、700(b17)aws，上行速率50mbps，下行速率100mps，具有兼容性强、速率高、稳定性好的特点，可实现丰富的语音和数据业务的功能。

上述实施方式drsc无线通信模块负责采集无线传感器节点的传感信息，并将所述传感信息通过所述核心处理单元201发送至所述扩展通信模块中，该实施方式将近距离无线通信的dsrc无线通信模块与远距离无线传输的扩展通信模块连接并实现数据交互，达到传输高效率及传输多种数据类型的目的。

所述定位单元203主要包含gps定位模块，其主要作用是实现对接入资源的实时定位。

所述接口单元204包括：usb(otg)接口、usb接口、rs-232接口、以太网接口、sd卡接口、gpio接口、总线扩展接口。

所述电源供给单元205包括稳压模块、dc-dc模块、滤波电路、掉电保护等，完成板级电源保障。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本发明提供了一种基于边缘计算的智能路侧终端，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。