边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。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。边缘计算具备高实时性计算能力、超低时延、高带宽、高安全可靠性等特点，具备对海量、异构、多样性数据接入和实时分析处理能力；海量的数据靠近终端设备或者直接在终端设备上运行，不再需要上传至云端进行处理，降低了网络时延，核心网传输压力下降，传输速率大大增加。
基于边缘计算的智能交通信号控制主要由云端控制平台和边缘计算节点组成。在边缘侧，以一个交叉口为单位，按照计算需求建设边缘计算设备，并实现与交叉口已建设的电警、交通视频监控、雷达等交通信息采集设备的对接。通过边缘计算设备分析计算后将相关交通参数输出至交通信号机，交通信号机根据参数计算配时方案，并将控制指令下发至交通信号灯，实现交通信号控制和优化。
通过在交叉口部署边缘计算设备，融合路口各类设备数据，可实现交通运行参数的实时采集并直接与交通信号控制机对接，减少数据上传、中心计算和方案下发等一系列过程导致的传输延时。相对于传统的交通信号控制而言，基于边缘计算技术的交通信号控制数据更全面、更精准，交通信号控制配时优化也将从传统的定时控制优化向全感应控制和自适应控制优化转变，通过多路口边缘计算设备的互联互通，为交通信号的干线自动协调控制、区域自动协调控制奠定了良好的基础。边缘计算技术不仅在智能交通信号控制中具有良好的应用效果，基于边缘计算技术实现的交通事故、交通违法和交通事件等实时交通运行情况，也为交通管理中事件的及时发现、及时处置、实时指挥调度、交通安全防控等实战应用及未来车路协同等相关的应用提供有利支撑。
[1]周毓. (2021). 边缘计算技术在智能交通信号控制中的应用. 交通科技与管理(36), 2.
与传统的信号控制机相比较，基于边缘计算的交通控制服务器是一种分布式计算，在技术层面上具有网络交换和安全加密的功能、具有强大的数据计算处理能力、具备高可靠的存储能力、位于边缘具有高速响应和实时的能力。在应用层面基于其近边缘设备的优势，可以更加快速的识别突发事件，通过提前内置各类交通预案，实现事件的自动快速处置，处置过程中可以根据实时接收到的交通态势信息，不断对方案进行调整，提升了应急处置效率。在与中心通讯中断的情况下，也可以保证边缘计算交通控制服务器控制范围内的交通控制工作正常运行，提升了整体系统的健壮性。边缘计算交通控制服务器可以为自动驾驶等新生应用场景的发展提供支撑，满足其高实时性的需求，也可以为稽查布控等高时效性需求的原始应用场景提供支撑。
[1]张芝. (2020). 基于边缘计算的交通信号控制架构研究. 第十五届中国智能交通年会.
在边缘计算的情境下，每个交叉口都是一个独立的边缘节点，具有独立的数据感知和计算控制能力，相较集中式方案，边缘计算模型将更多的控制功能下降到边缘侧，每个边缘节点都是一个可以进行交通控制的基本单元。这样的交通控制方案降低了通信网络的带宽压力和云端的工作量，提高了控制的实时性。
基于边缘计算的交通信号灯联合控制功能以云端—边缘分工合作的工作模式为核心，在各个智能边缘计算节点各自完成计算的前提下，远程中心作为中控系统，负责边缘计算节点的管理、调派以及多边缘节点任务的协同，这就使得边缘节点既可以单独或与相邻节点合作完成本地或小范围内的交通任务，也可以由云端调派，大范围联结，完成较大区域内的交通服务。
[1]汪煜超. 基于边缘计算的交通信号灯联合控制功能的研究与设计. (Doctoral dissertation, 北京邮电大学).
MEC是一种具有高带宽、低延时、本地化等特点的技术，将计算存储能力与业务服务能力向网络边缘迁移，使应用、服务和内容实现本地化，一定程度上满足网络热点高容量、低功耗大连接、低时延高可靠等技术场景的业务需求。将C-V2X与MEC融合可以提升C-V2X 端到端通信能力。MEC能够提供强大的本地计算能力和存储资源，支持部署更具本地区域特色、更高吞吐量的C-V2X 服务。
C-V2X的V2V通信大多可以通过PC5直接完成，也可以利用MEC实现信息传输的桥接；而V2I与V2N场景则可以更多地与移动无线通信网络发生关系，从而更充分利用MEC的能力。MEC在网络的边缘提供信息技术（IT）基础资源以及虚拟化应用托管环境时，C-V2X应用可以部署在其中。这可以显著降低C-V2X业务的端到端时延，改善用户体验。例如安全辅助驾驶、自动驾驶业务属于对通信时延高敏感的业务场景。如果将此类业务部署在MEC上，就可以降低业务时延，实现快速的数据处理和反馈。另外，MEC的本地属性可以提供区域化、个性化的本地服务。
[1]宋蒙, 刘琪, 许幸荣, & 王题. (2020). C-v2x技术在智能网联行业中应用探讨. 中兴通讯技术, 26(1), 4.
五、面向协同驾驶的基于移动边缘计算的5G智能网联车辆服务平台
车联网系统基于行车动态模型与无线通信设备以车辆联网等方式进行无线通信，为智能交通系统中的车辆个体、路侧单元提供指定服务。但因受任务传输回程容量限制、网络传送延迟以及车辆移动影响通信距离等问题的影响，浪费了大量的通信资源与车辆资源，进而导致车联网中的资源利用和任务卸载效率很低。在此基础上，将移动边缘计算（Mobile Edge Computing, MEC）引入车载网络，就近实时分析处理车辆信息数据，扩大车辆终端的容量，可以在增强车辆的计算能力的同时，降低响应延时。此技术的应用可以有效降低限制因素对车联网影响程度。
[1]李沁颖, 易豪, & 孙翊馨. (2022). 面向协同驾驶的基于移动边缘计算的5g智能网联车辆服务平台. 南方农机, 53(11), 4.
六、基于V2X环境下考虑多因素的信控交叉口车路协同优化
如图所示，在道路交叉口安装基于物联网的交通智能信号灯和车流量、人流量采集设备，采集设备负责动态监控交叉口的车流量和人流量，将数据传输到云端，由制定的相位时间动态控制算法将采集的数据进行处理，科学合理的分配智能调控交叉口的信号灯相位时间和行人专用相位时间，从而提高交叉口的通行效率和行人通行安全；当红灯时间进入倒计时，智能信号灯将此信号发送至云端，车辆自组织网络访问云端获取数据后提前做好通过交叉口的准备，发动车辆低速行驶穿过等待线，在信控交叉口区域车车可信交互获得彼此车辆的速度和方向盘转角等信息，通过速度的动态调整产生的时间差避免交通冲突，最后以最大期望速度通过该交叉路口。
[1]黄宇达, 李学威, 赵红专, & 王迤冉. (2022). 基于v2x环境下考虑多因素的信控交叉口车路协同优化. 科学技术创新(8), 5.
七、边缘计算架构在智慧路口的应用与实践
智慧路口集合了物联网、互联网、边缘计算、人工智能等多种技术，侧重于实时反应路口的本地实时态势、实时感知、实时应用联动。边缘计算与中心计算可以很好进行有效的协同，从而在最大程度上发挥作用。通过基于端、边、云的构建全新的智慧路口体系架构，实现以智慧路口为核心的路口全息感知、路口自我认知与决策、路口实时态势响应联动。
交通管理中的每处节点都具有完整的思考和行动能力，通过边缘计算架构，在边缘计算端基于边缘计算架构，构建路口边缘计算网络，形成路口微智能边缘计算单元。通过上端云端提供交通宏观战略决策下发，边缘计算端则在战术层面执行配合响应云端战略结构，调用联动路口智能设备以及路口周边设施，从而改变传统的过于依赖中心的集中化计算模式，形成去中心化的分布式边缘计算网络，实现路口本地全量数据感知、实现路口的本地自主计算、实时响应路口的变化态势，实现低延时的路口本地态势联动。
边缘计算端通过在本地近端实时感知智能设备端的实时交通数据，实现路口数据的本地汇聚、共享、协同，并与路口周边设施设备形成设备信息感知联动、设施设备运行监控、周边指挥人员信息推送交互，路口自我认知的本地决策功能。
[1]朱毅, & 赵益. 边缘计算架构在智慧路口的应用与实践. 第十四届中国智能交通年会.
八、全息路网在城市交通综合治理中的应用
全息路网计划通过将路网设施+车辆路线还原数字化，精确刻画路网的机、非、人的精准路线还原，支撑乱点、隐患点等安全治理，以及精准的来向车辆数量统计和路口根因分析等支撑精细治理，实现路口的全方向、全天候、全要素的路网数字化，为交管信息互联提供数据源头，为更高级别的深度应用提供精准数据支撑，也为隐患排查、交通组织优化等深度治理奠定数据基础。
从全息路网构成来看，通过在路口及关键路段主要部署智能边缘计算单元、电警、雷达等设备，利用智能摄像机、边缘计算、高精定位、大数据、云计算等技术，精确到每一条车道、每个车辆的感知。对全域交通对象及周边基础设施进行实时精准数字化感知，实现数字孪生及应用。
全息路口实现了路口这个“点”的精细化管理，全息路网进一步升级，延伸到路段和路网，覆盖路网盲区，提升整个区域路网的管控与通行效率，最终实现全域治理。全息路网所构建的从微观个体到宏观系统的全域认知体系，目前来看可在全域安全、科学评价与精细治理、主动服务、新型警务、数据运营、自动驾驶等六大业务领域实现全面升级。
[1]吴峥, 王斌, & 祁银红. (2021). 全息路网在城市交通综合治理中的应用.
