基于车联网远程驾驶的虚拟资源智能协同管理技术

doi:10.11959/j.issn.1000-0801.2020123

电信科学 ›› 2020, Vol. 36 ›› Issue (4): 61-68.doi: 10.11959/j.issn.1000-0801.2020123

基于车联网远程驾驶的虚拟资源智能协同管理技术

彭新玉¹,周扬²,董振江³

¹ 南京未来网络产业创新有限公司，江苏南京 211000
² 耀维科技南京有限公司，江苏南京 210008；3.深圳市人工智能行业协会，广东深圳 518000
³ 深圳市人工智能行业协会，广东深圳 518000

修回日期:2020-04-02 出版日期:2020-04-20 发布日期:2020-04-24
作者简介:彭新玉（1973- ），男，南京未来网络产业创新有限公司项目总监、高级工程师，长期从事与网络通信相关的研究工作，主要研究方向为网络通信、工业互联网和人工智能等|周扬（1979- ），男，耀维科技南京有限公司研发总监，主要研究方向为人工智能和物联网，取得多项发明专利，曾获得南京市科学技术进步奖一等奖|董振江（1970- ），男，博士，深圳市人工智能行业协会会长，国务院特殊津贴专家，中国人工智能学会常务理事，中国计算机学会理事，长期从事通信、云计算、大数据和人工智能等研究开发工作，主要研究方向为人工智能与车联网
基金资助:
江苏省战略性新兴产业重大载体项目(2014NFG52301)

Intelligent collaborative management technology of virtual resources based on internet of vehicles remote driving

Xinyu PENG¹,Yang ZHOU²,Zhenjiang DONG³

¹ Nanjing Future Network Industry Innovation Co.,Ltd.,Nanjing 211000,China
² Ztebright Technology Nanjing Corporation,Nanjing 210008,China;3 Shenzhen Artificial Intelligence Industry Assocication,Shenzhen 518000,China
³ Shenzhen Artificial Intelligence Industry Assocication,Shenzhen 518000,China

Revised:2020-04-02 Online:2020-04-20 Published:2020-04-24
Supported by:
Major Carrier Projects of Strategic Emerging Industries in Jiangsu Province(2014NFG52301)

摘要/Abstract

摘要：

从车联网远程驾驶应用场景入手，分析远程驾驶对网络通信的具体需求，系统提出技术分析方案。首先，在终端侧引入移动边缘计算（mobile edge computing，MEC）技术，提供低时延、大带宽和高可靠的边缘计算服务；其次，在网络侧进行虚拟资源协同调度和智能故障预测技术分析，完成远程驾驶所需网络资源的全局管理；最后，在平台侧对智能车辆集成控制服务和与SDN云控制中心相关的技术进行分析，从而实现远程驾驶车辆的智能应用。

关键词: 远程驾驶, 移动边缘计算, 网络资源调度, 智能协同管理, 车辆集成控制

Abstract:

Starting from the application scenario of internet of vehicles remote driving,the specific requirements of remote driving for network communication were analyzed.The technical analysis scheme was put forward systematically.First of all,mobile edge computing technology was introduced on the terminal side to provide,low latency,large bandwidth and high reliability edge computing services.Secondly,virtual resource cooperative scheduling and intelligent fault prediction technology were analyzed on the network side,to complete the global management of network resources for remote driving.Finally,the related technologies of the intelligent vehicle integrated control service and SDN cloud control center were analyzed on the platform side,so that the intelligent application of remote driving vehicle was realized.

Key words: remote driving,mobile edge computing, network resource scheduling, vehicle integrated control

中图分类号:

TP393

彭新玉,周扬,董振江. 基于车联网远程驾驶的虚拟资源智能协同管理技术[J]. 电信科学, 2020, 36(4): 61-68.

Xinyu PENG,Yang ZHOU,Zhenjiang DONG. Intelligent collaborative management technology of virtual resources based on internet of vehicles remote driving[J]. Telecommunications Science, 2020, 36(4): 61-68.

图/表 4

参考文献 8

[1]	李苑玮, 武迎迎, 曹石 . 车辆远程控制技术的发展现状和趋势[J]. 装备制造技术, 2018(3): 86-88.
	LI Y W , WU Y Y , CAO S . Present situation and trend of vehicle remote control[J]. Equipment Manufacturing Technology, 2018(3): 86-88.
[2]	姚垠国, 段敏, 张恒 . 基于 GPS 的智能驾驶汽车循迹控制研究[J]. 汽车实用技术, 2019(20): 26-27.
	YAO Y G , DUAN M , ZHANG H . Research on tracking control of intelligent driving vehicle based on GPS[J]. Automobile Applied Technology, 2019(20): 26-27.
[3]	张建敏, 谢伟良, 杨峰义 ,等. 移动边缘计算技术及其本地分流方案[J]. 电信科学, 2016,32(7): 132-139.
	ZHANG J M , XIE W L , YANG F Y ,et al. Mobile edge computing technology and its local offloading scheme[J]. Telecommunications Science, 2016,32(7): 132-139.
[4]	尹浩, 乔波 . 大数据驱动的网络信息平面[J]. 计算机学报, 2016(1): 126-139.
	YIN H , QIAO B . Big data driven network information plane[J]. Chinese Journal of Computers, 2016(1): 126-139.
[5]	冶忠林, 赵海兴, 张科 . 基于多视图集成的网络表示学习算法[J]. 计算机科学, 2019,46(1): 117-125.
	YE Z L , ZHAO H X , ZHANG K . Network representation learning algorithm based on multi-view integration[J]. Computer Science, 2019,46(1): 117-125.
[6]	蔡珩, 戈磊 . 智能化网格电信系统的故障预测方法[J]. 电信科学, 2018,34(6): 189-197.
	CAI H , GE L . Fault prediction method for intelligent grid telecommunication system[J]. Telecommunications Science, 2018,34(6): 189-197.
[7]	程军, 崔继波, 徐光辉 ,等. 车辆控制系统集成开发系统[J]. 汽车工程, 2000,22(2): 109-114,108.
	CHENG J , CUI J B , XU G H ,et al. Vehicle control system integrated development system[J]. Automotive Engineering, 2000,22(2): 109-114,108.
[8]	林园清 . 剖析SDN在云数据中心的应用与部署[J]. 信息通信, 2019(3): 235-236.
	LIN Y Q . Analysis of the application and deployment of SDN in cloud data centers[J]. Information Communications, 2019(3): 235-236.

[1]	张天魁, 徐瑜, 刘元玮, 杨鼎成, 任元红. 无人机辅助MEC系统：架构、关键技术与未来挑战[J]. 电信科学, 2022, 38(8): 3-16.
[2]	邓平科, 张同须, 施南翔, 张童, 邵天竺, 郑韶雯. 星算网络——空天地一体化算力融合网络新发展[J]. 电信科学, 2022, 38(6): 71-81.
[3]	邹璐珊, 黄晓雯, 杨敬民, 郑艺峰, 张光林, 张文杰. 移动边缘计算中资源分配和定价方法综述[J]. 电信科学, 2022, 38(3): 113-132.
[4]	绳韵, 许晨, 郑光远. 基于NOMA的超密集MEC网络任务卸载和资源分配方案[J]. 电信科学, 2022, 38(2): 35-46.
[5]	赵军辉, 张丹阳, 贺林. 智慧城轨交通通信技术的分析与展望[J]. 电信科学, 2021, 37(4): 1-13.
[6]	马小婷,赵军辉,孙笑科,贡毅. 基于MEC的车联网协作组网关键技术[J]. 电信科学, 2020, 36(6): 28-37.
[7]	杨荣悦,张鹏洲,宋卿. 基于5G技术的智能车联网研究与展望[J]. 电信科学, 2020, 36(5): 106-114.
[8]	吴柳青,朱晓荣. 基于边-端协同的任务卸载资源分配联合优化算法[J]. 电信科学, 2020, 36(3): 42-52.
[9]	甄岩,余梦月,赵海波. 电力异构无线通信网络切片方案[J]. 电信科学, 2020, 36(2): 76-82.
[10]	冯博昊,周华春. 移动边缘计算场景下网络服务灵活适配的解决方案[J]. 电信科学, 2019, 35(3): 18-24.
[11]	李邱苹,赵军辉,贡毅. 移动边缘计算中的计算卸载和资源管理方案[J]. 电信科学, 2019, 35(3): 36-46.
[12]	刘海鹏. 一种基于差异化服务的MEC应用实例智能迁移机制[J]. 电信科学, 2018, 34(9): 118-129.
[13]	刘海鹏. 基于负载均衡的MEH静态切换机制[J]. 电信科学, 2018, 34(7): 118-127.
[14]	张建敏,谢伟良,杨峰义,武洲云. 基于MEC的LTE本地分流技术[J]. 电信科学, 2017, 33(6): 154-163.
[15]	张建敏,谢伟良,杨峰义,武洲云,谢亮. 移动边缘计算技术及其本地分流方案[J]. 电信科学, 2016, 32(7): 132-143.

基于车联网远程驾驶的虚拟资源智能协同管理技术

Intelligent collaborative management technology of virtual resources based on internet of vehicles remote driving

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 8

相关文章 15

Metrics

推荐阅读 0