CN112769891B - 一种边缘云系统、服务器及云控平台 - Google Patents

一种边缘云系统、服务器及云控平台 Download PDF

Info

Publication number
CN112769891B
CN112769891B CN202011440869.XA CN202011440869A CN112769891B CN 112769891 B CN112769891 B CN 112769891B CN 202011440869 A CN202011440869 A CN 202011440869A CN 112769891 B CN112769891 B CN 112769891B
Authority
CN
China
Prior art keywords
data
module
cache
cloud
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011440869.XA
Other languages
English (en)
Other versions
CN112769891A (zh
Inventor
褚文博
李克强
杜孝平
乌尼日其其格
刘斌
吕东昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Tsinghua University
Original Assignee
Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd, Tsinghua University filed Critical Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Priority to CN202011440869.XA priority Critical patent/CN112769891B/zh
Publication of CN112769891A publication Critical patent/CN112769891A/zh
Priority to PCT/CN2021/096315 priority patent/WO2022121246A1/zh
Priority to US17/623,860 priority patent/US12073715B2/en
Application granted granted Critical
Publication of CN112769891B publication Critical patent/CN112769891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
    • G06F12/12—Replacement control
    • G06F12/121—Replacement control using replacement algorithms
    • G06F12/128—Replacement control using replacement algorithms adapted to multidimensional cache systems, e.g. set-associative, multicache, multiset or multilevel
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Small-Scale Networks (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开公开了一种边缘云系统、服务器及云控平台，其中边缘云系统，该系统可以包括：边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；标准化分级共享接口模块，其与边缘云接入网关模块连接，标准化分级共享接口模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；其中，多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用。解耦了上层应用与下层的功能组件之间的强绑定关系,从而提高了数据处理速度。

Description

一种边缘云系统、服务器及云控平台
技术领域
本公开涉及云计算技术领域，具体涉及一种边缘云系统、服务器及云控平台。
背景技术
智能网联汽车其智能化和网联化关系复、信息交流量大，数据处理复杂，传输实时性要求高，这些已经是单靠车辆本身无法解决的问题，所以迫切需要大数据、云平台的支撑，自车数据、环境数据和网联数据通过车载计算平台和云端大数据平台分级融合计算，将计算结果输出作为车辆控制信息传输给车辆，供车辆进行路径规划等决策参考。
云控基础平台由边缘云、区域云与中心云三级云组成。边缘云作为云控基础平台的核心组成部分，其服务主要有面向行驶安全的感知与预警等相关实时数据服务，以及面向行驶效率和节能的决策与控制服务。因此，边缘云的性能需要具有实时性和低时延的能力。
现有边缘云系统均是采用烟囱式架构，逐级对数据进行处理，这样导致数据处理速度慢、延时高。
发明内容
本公开实施例的目的是提供一种边缘云系统、服务器及云控平台，以至少解决现有边缘云处理速度慢、延时高的问题。
本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种边缘云系统，该系统可以包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，其与边缘云接入网关模块连接，标准化分级共享接口模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用。
进一步地，系统还可以包括：
缓存模块，其与边缘云接入网关模块连接，缓存模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行暂时缓存。
进一步地，缓存模块可以包括：
缓存替换策略模块，用于根据边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据的场景设置替换策略和缓存参数；
自适应缓存分区，用于根据替换策略选择缓存结构并根据缓存参数对边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行缓存。
进一步地，系统还可以包括：
融合感知模块，其与标准化分级共享接口模块连接，用于根据缓存模块所缓存的数据进行道路交通预测分析。
进一步地，系统还可以包括：
协同决策控制模块，其与缓存模块连接，协同决策控制模块用于根据缓存模块所缓存的数据进行车辆行驶数据分析计算。
进一步地，边缘云接入网关模块可以包括：
路云网关单元，用于将路侧数据接入；
车云网关单元，用于将车端数据接入；
云云网关单元，用于将第三方平台的数据接入，云云网关单元还用于与区域云进行数据交互。
进一步地，系统还可以包括：
云计算基础模块，其与边缘云接入网关模块连接，云计算基础模块用于内存计算和网络连接，并对路侧、车端、第三方平台及区域云数据进行管理。
进一步地，系统还可以包括：
计算引擎模块，其与云计算基础模块连接，计算引擎模块用于对云计算基础模块管理的数据进行清洗处理、去重处理和筛选处理。
根据本公开实施例的第二方面，提供一种服务器，该服务器可以包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，其与边缘云接入网关模块连接，标准化分级共享接口模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用。
根据本公开实施例的第三方面，提供一种云控平台，该云控平台可以包括：边缘云系统。
本公开的实施例提供的技术方案至少带来以下有益效果：
本公开实施例通过标准化分级共享接口模块将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用，解耦了上层应用与下层的功能组件之间的强绑定关系,从而提高了数据处理速度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限值本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的边缘云系统结构示意图；
图2是根据一示例性实施例示出的边缘云技术架构示意图；
图3是根据一示例性实施例示出的分段LRU缓存结构示意图；
图4是根据一示例性实施例示出的CM-LRU缓存结构示意图；
图5是根据一示例性实施例示出的频次与缓存的准入和逐出示意图；
图6是根据一示例性实施例示出的基于CM sketch的频度统计方法示意图；
图7是根据一示例性实施例示出的缓存模块结构和与其他模块关系图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
如图1所示，在本公开实施例的第一方面，提供一种边缘云系统，包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，其与边缘云接入网关模块连接，标准化分级共享接口模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用。
上述实施例系统通过标准化分级共享接口模块将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用，解耦了上层应用与下层的功能组件之间的强绑定关系,从而提高了数据处理速度。
在本公开的一些实施例中，系统还包括：
缓存模块，其与边缘云接入网关模块连接，缓存模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行暂时缓存。
在本公开的一些实施例中，缓存模块包括：
缓存替换策略模块，用于根据边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据的场景设置替换策略和缓存参数；
自适应缓存分区，用于根据替换策略选择缓存结构并根据缓存参数对边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行缓存。
由于现有智能网联汽车的边缘云实时缓存处理技术没有针对ICV领域应用场景的特点进行缓存处理效率的优化，因此，缓存命中率较低。基于上述实施例提供的边缘云架构，对其核心组件高速缓存模块进行了深入设计，提出了面向ICV领域应用场景特点的自适应缓存分区和高效缓存替换技术，解决了缓存命中率较低的问题。
在本公开的一些实施例中，系统还包括：
融合感知模块，其与标准化分级共享接口模块连接，用于根据缓存模块所缓存的数据进行道路交通预测分析。
在本公开的一些实施例中，系统还包括：
协同决策控制模块，其与缓存模块连接，协同决策控制模块用于根据缓存模块所缓存的数据进行车辆行驶数据分析计算。
在本公开的一些实施例中，边缘云接入网关模块包括：
路云网关单元，用于将路侧数据接入；
车云网关单元，用于将车端数据接入；
云云网关单元，用于将第三方平台的数据接入，云云网关单元还用于与区域云进行数据交互。
在本公开的一些实施例中，系统还包括：
云计算基础模块，其与边缘云接入网关模块连接，云计算基础模块用于内存计算和网络连接，并对路侧、车端、第三方平台及区域云数据进行管理。
在本公开的一些实施例中，系统还包括：
计算引擎模块，其与云计算基础模块连接，计算引擎模块用于对云计算基础模块管理的数据进行清洗处理、去重处理和筛选处理。
在本公开一具体实施例中，公开了基于领域特定标准件和数据标准化分级共享的边缘云架构；边缘云主要包括轻量级软硬件平台、边缘云接入网关、计算引擎和高速缓存、数据脱敏/标准化分级共享等组成部分，其技术架构如图2所示。
(1)轻量级软硬件基础设施
边缘云采用了轻量级软硬件基础设施。硬件部分包括轻量级云计算基础设施，如内存计算和网络接入资源。软件部分包括轻量级云虚拟化管理平台，完成硬件资源的虚拟化和有效管理。
(2)边缘云接入网关
边缘云接入网关主要包括路-云网关、车-云网关和云-云网关。路-云网关主要负责将路侧感知设备上传的路侧雷达和摄像头等的初步感知数据接入边缘云。车-云网关主要负责将车端上传的车辆总线数据和车端初步感知数据等接入边缘云。云-云网关功能分为两部分：第一是负责将第三方平台，如实时气象数据平台的数据接入边缘云；第二是负责边缘云和区域云之间的数据交互。
(3)计算引擎模块
计算引擎模块首先对接入边缘云的基础数据进行清洗、去重和筛选等预处理。然后通过计算引擎中的流式计算功能，完成数据的基础计算处理和数据挖掘。
(4)高速缓存模块
高速缓存模块可以暂时缓存通过车路云一体化通信设备获取到的车辆总线数据、车辆消息、视频图像数据和点云数据等，以及计算引擎生成的用于实时决策的基础计算结果数据。高速缓存模块将缓存数据以消息队列方式提供订阅和发布服务，为边缘云的融合感知标准件和协同决策/控制标准件提供消息多主题服务，支持通过服务器集群来分区消息和横向扩展，能支持高吞吐量，以及超低时延的消息分发获取。
(5)标准化分级共享接口
标准化分级共享机制定义两部分内容，第一是标准化数据交互协议；第二是分级共享协议。在多级云架构下，边缘云将从路侧和车端获取的数据进行标准化转换，用于边缘云内部模块间的数据交互，以及与第三方平台和区域云的交互。分级共享协议明确了数据的等级，不同等级的数据供不同级别的标准件和服务来调用。如第三方应用调用的数据敏感度较低，对应低敏感度数据等级。而云控基础平台内部的安全相关标准件，如协同决策/控制标准件调用的数据安全性要求高，对应高等级数据。
(6)融合感知标准件
融合感知标准件通过智能IoT网关的同步授时模块采集的摄像机图像数据、毫米波雷达数据、激光雷达点云数据，基于路侧摄像机采集的图像数据和激光雷达点云数据，具体来说，融合感知标准件可以提供实时轻量级视觉检测模型、领域特定目标跟踪组件、领域特定多源融合组件、领域特定多维数据聚类、领域智能预标注与校验、车路数据校验组件、坐标转换组件和时间匹配组件等共性功能。通过融合感知标准件提供的上述共性功能，可以提供道路交通预见性感知等服务标准API。
(7)协同决策/控制标准件
协同决策/控制标准件通过智能IoT网关对车路数据的脱敏和标准化推送，协同决策标准件可以提供精准里程计算组件、通用油耗计算组件、行驶安全风险评估、碰撞约束模型、决策预警组件、群智决策算法、车辆状态估计组件、轨迹关联模型和最优路径规划等共性功能。通过协同决策/控制标准件提供的上述共性功能，可以支持单车道、多车道和路网级决策等服务标准API。
在本公开一些实施例中，对高速缓存模块进行了深入设计，提出了面向ICV领域应用场景特点的自适应缓存分区和高效缓存替换技术，解决了缓存命中率较低的问题。针对ICV领域应用场景对缓存进行分区，将缓存分为车辆运行数据缓存区和车辆外部基础数据缓存区。车辆运行数据包括动力系统数据、底盘数据和汽车电器数据等。动力系统根据动力产生的来源不同，如燃料类、电力类、混合类等，不同的动力产生的数据项也不同。底盘数据源具体来自传动系、行驶系、转向系和制动系。智能汽车电器的数据具体来自各类传感器系统和自动驾驶控制器等。车辆外部基础数据包括传统路网数据、车道模型数据、道路部件数据、道路属性数据等静态数据和实时交通数据、动态环境数据、驾驶员数据、交通服务数据等动态数据。
其中车辆运行数据缓存区和车辆外部基础数据缓存区的缓存结构和参数设计不同，并且在不同应用场景下，相关参数的调整方式也不尽相同。如车辆运行数据中高速通过某边缘云覆盖范围的车辆，其车辆运行数据仅会被协同决策和协同控制标准件调用一次，则无需将其放入边缘云车辆运行数据缓存区。另一方面，如果是一辆事故车或者故障车，在一段时间内，其车辆运行数据会被多次访问，所以应该将其车辆运行数据保存在边缘云数据缓存区内，供快速调用。如果在数据产生的伊始就判断数据的价值，并且根据价值预测决定是否放入缓存区域，需要对数据的访问频次进行统计，以此预估数据价值，故设计了以下的缓存结构。
Figure GDA0003005220930000081
SLRU(Segmented Least Recently Used,分段最近最少使用)替换策略的缓存结构如图3所示。其中缓存区分为两段，包括保护分段和试用分段。其中，首次到达的新元素插入到试用分段(Probation)中；当该元素再次到达时，缓存命中，将该元素放入保护分段(Protection)；当保护段已满需要替换时，会把替换的元素再插入到试验段中。在保护分段和试用分段中，采用LRU(Least Recently Used,最近最少使用)的逐出策略。试用分段逐出的元素最终进入低一级存储层级，即放入区域云的数据存储模块进行落盘处理。
CM-LRU(Count Min Sketch Least Recently Used，基于频度统计结构的最近最少使用)替换策略的缓存结构分为窗口分段和主缓存区两段。其中，窗口分段采用LRU(最近最少使用)替换策略，过滤器为CM-Sketch(Count Min Sketch,频率统计结构)；主缓存区采用分段最近最少使用SLRU替换策略，如图4所示。图5为Window Tiny LFU(Window TinyLeast Frequently Used,窗口缓存微型最不经常使用)替换策略原理图。其缓存结构前端是一个小的LRU缓存，称为窗口缓存LRU(Window Cache)。窗口缓存LRU的容量只占总空间的1％左右，旨在用于存放短期突发访问记录；当窗口缓存淘汰后，会送到DoorKeeper(门卫)过滤器；过滤通过后，元素被存储到一个大的SLRU缓存里，SLRU的容量约占总空间的99％左右；存放主要元素的SLRU是一种LRU的改进，主要把在一个时间窗口内命中至少2次的记录和命中1次的单独存放，这样就可以把短期内较频繁的缓存元素区分开来为，SLRU中有80％空间被分配给保护段，如图4所示。
CM Sketch的原理如图6所示，创建一个长度为x的数组，用来计数，初始化每个元素的计数值为0；对于一个新来的元素，哈希到0到x之间的一个数，比如哈希值为i，作为数组的位置索引；数组对应的位置索引i的计数值加1。那么，这时要查询某个元素出现的频率，只要简单的返回这个元素哈希望后对应的数组的位置索引的计数值即可。考虑到使用哈希，会有冲突，即不同的元素哈希到同一个数组的位置索引，这样，频率的统计都会偏大。
基于上述面向ICV领域应用场景特点的自适应缓存分区和高效缓存替换技术的高速缓存模块结构和与其他模块的关系如图7所示。
上述实施例边缘云可以解决现有各个边缘云厂商的边缘云架构不通用，各自构成烟囱系统，单独成体系不兼容的问题。有利于促进边缘云的标准化数据共享，有利于降低边缘云的建设成本。还可以解决现有边缘云高速缓存模块中的实时缓存处理技术针对智能网联汽车特定领域应用时效率不高，缓存命中率低，数据倒换频繁的问题。
在本公开实施例的第二方面，提供一种服务器，包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，其与边缘云接入网关模块连接，标准化分级共享接口模块用于将边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用。
在本公开实施例的第三方面，提供一种云控平台，该云控平台可以包括：边缘云系统。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (8)

1.一种边缘云系统，其特征在于，包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，与所述边缘云接入网关模块连接，所述标准化分级共享接口模块用于将所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，所述多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用；
所述系统还包括：
缓存模块，与所述边缘云接入网关模块连接，所述缓存模块用于将所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行暂时缓存；
其中，所述缓存模块包括：
缓存替换策略模块，用于根据所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据的场景设置替换策略和缓存参数；
自适应缓存分区，用于根据所述替换策略选择缓存结构并根据所述缓存参数对所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行缓存；
所述自适应缓存分区将缓存分为车辆运行数据缓存区和车辆外部基础数据缓存区，所述车辆运行数据缓存区的缓存替换策略为分段LRU，所述车辆外部基础数据缓存区的缓存替换策略为基于CM Sketch的LRU。
2.根据权利要求1所述的系统，其特征在于，所述系统还包括：
融合感知模块，与所述标准化分级共享接口模块连接，用于根据所述缓存模块所缓存的数据进行道路交通预测分析。
3.根据权利要求1所述的系统，其特征在于，所述系统还包括：
协同决策控制模块，与所述缓存模块连接，所述协同决策控制模块用于根据所述缓存模块所缓存的数据进行车辆行驶数据分析计算。
4.根据权利要求1所述的系统，其特征在于，所述边缘云接入网关模块包括：
路云网关单元，用于将路侧数据接入；
车云网关单元，用于将车端数据接入；
云云网关单元，用于将第三方平台的数据接入，所述云云网关单元还用于与区域云进行数据交互。
5.根据权利要求1-4任一项所述的系统，其特征在于，所述系统还包括：
云计算基础模块，与所述边缘云接入网关模块连接，所述云计算基础模块用于内存计算和网络连接，并对路侧、车端、第三方平台及区域云数据进行管理。
6.根据权利要求5所述的系统，其特征在于，所述系统还包括：
计算引擎模块，与所述云计算基础模块连接，所述计算引擎模块用于对所述云计算基础模块管理的数据进行清洗处理、去重处理和筛选处理。
7.一种服务器，其特征在于，包括：
边缘云接入网关模块，用于接入路侧、车端、第三方平台及区域云数据；
标准化分级共享接口模块，与所述边缘云接入网关模块连接，所述标准化分级共享接口模块用于将所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行标准化转换和分级，形成多个等级的标准化数据；
其中，所述多个等级的标准化数据中每一个等级的标准化数据只能被与该等级的标准化数据对应等级的模块所调用；
所述服务器还包括：
缓存模块，与所述边缘云接入网关模块连接，所述缓存模块用于将所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行暂时缓存；
其中，所述缓存模块包括：
缓存替换策略模块，用于根据所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据的场景设置替换策略和缓存参数；
自适应缓存分区，用于根据所述替换策略选择缓存结构并根据所述缓存参数对所述边缘云接入网关模块接入的路侧、车端、第三方平台及区域云数据进行缓存；
所述自适应缓存分区将缓存分为车辆运行数据缓存区和车辆外部基础数据缓存区，所述车辆运行数据缓存区的缓存替换策略为分段LRU，所述车辆外部基础数据缓存区的缓存替换策略为基于CM Sketch的LRU。
8.一种云控平台，其特征在于，所述云控平台包括：权利要求1-6任一项所述的边缘云系统。
CN202011440869.XA 2020-12-11 2020-12-11 一种边缘云系统、服务器及云控平台 Active CN112769891B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011440869.XA CN112769891B (zh) 2020-12-11 2020-12-11 一种边缘云系统、服务器及云控平台
PCT/CN2021/096315 WO2022121246A1 (zh) 2020-12-11 2021-05-27 边缘云系统、服务器及云控平台
US17/623,860 US12073715B2 (en) 2020-12-11 2021-05-27 Edge cloud system, server and cloud control platform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011440869.XA CN112769891B (zh) 2020-12-11 2020-12-11 一种边缘云系统、服务器及云控平台

Publications (2)

Publication Number Publication Date
CN112769891A CN112769891A (zh) 2021-05-07
CN112769891B true CN112769891B (zh) 2023-07-14

Family

ID=75693617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011440869.XA Active CN112769891B (zh) 2020-12-11 2020-12-11 一种边缘云系统、服务器及云控平台

Country Status (3)

Country Link
US (1) US12073715B2 (zh)
CN (1) CN112769891B (zh)
WO (1) WO2022121246A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112769891B (zh) 2020-12-11 2023-07-14 国汽(北京)智能网联汽车研究院有限公司 一种边缘云系统、服务器及云控平台
CN113873042B (zh) * 2021-10-11 2022-06-07 北京国信未来城市数字科技研究院有限公司 边缘智能控制器及数据处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015153096A (ja) * 2014-02-13 2015-08-24 富士通株式会社 情報処理装置、接続制御方法、及びプログラム
CN110674432A (zh) * 2019-09-09 2020-01-10 中国平安财产保险股份有限公司 二级缓存方法、装置及计算机可读存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8250332B2 (en) * 2009-06-11 2012-08-21 Qualcomm Incorporated Partitioned replacement for cache memory
US10334069B2 (en) * 2013-05-10 2019-06-25 Dropbox, Inc. Managing a local cache for an online content-management system
US10122547B2 (en) * 2015-08-14 2018-11-06 Nec Corporation Enabling high-bandwidth, responsive mobile applications in LTE networks
US10171614B2 (en) * 2017-02-09 2019-01-01 International Business Machines Corporation Cache memory balancing based on moving object prediction
US10693704B2 (en) * 2017-05-10 2020-06-23 B.yond, Inc. Dynamic allocation of service components of information service in hierarchical telecommunication architecture
US10482017B2 (en) * 2017-09-29 2019-11-19 Intel Corporation Processor, method, and system for cache partitioning and control for accurate performance monitoring and optimization
US11258873B2 (en) * 2017-11-10 2022-02-22 Intel Corporation Multi-access edge computing (MEC) architecture and mobility framework
US20200034351A1 (en) 2018-07-25 2020-01-30 Denso International America, Inc. Source Authentication And Changed Primitive Verification Systems And Methods For Real Time Updating Of Cloud-Based HD 3-D Map
US11412052B2 (en) * 2018-12-28 2022-08-09 Intel Corporation Quality of service (QoS) management in edge computing environments
CN109688224A (zh) 2018-12-28 2019-04-26 国汽(北京)智能网联汽车研究院有限公司 一种智能网联汽车云控平台架构
CN109714730B (zh) * 2019-02-01 2021-03-19 清华大学 用于车车及车路协同的云控平台系统及协同系统和方法
CN109831516B (zh) 2019-03-05 2021-10-12 南京钛佳汽车科技有限公司 一种车机数据的平台边缘云计算方法
CN109831517A (zh) 2019-03-05 2019-05-31 南京钛佳汽车科技有限公司 一种车机数据的边缘云计算架构及方法
CN111800443B (zh) 2019-04-08 2022-04-29 阿里巴巴集团控股有限公司 数据处理系统和方法、装置以及电子设备
US11184236B2 (en) * 2019-04-30 2021-11-23 Intel Corporation Methods and apparatus to control processing of telemetry data at an edge platform
US11096036B2 (en) * 2019-09-12 2021-08-17 Intel Corporation Multi-access Edge Computing service for mobile User Equipment method and apparatus
US11824784B2 (en) * 2019-12-20 2023-11-21 Intel Corporation Automated platform resource management in edge computing environments
CN111683129A (zh) 2020-05-29 2020-09-18 电子科技大学 一种动态自组网移动云计算系统及方法
CN111835558A (zh) * 2020-06-23 2020-10-27 赛特斯信息科技股份有限公司 一种边缘云平台多资源可视化控制方法
US20210144202A1 (en) * 2020-11-13 2021-05-13 Christian Maciocco Extended peer-to-peer (p2p) with edge networking
CN112769891B (zh) 2020-12-11 2023-07-14 国汽(北京)智能网联汽车研究院有限公司 一种边缘云系统、服务器及云控平台
US20220224776A1 (en) * 2022-04-01 2022-07-14 Kshitij Arun Doshi Dynamic latency-responsive cache management
CN118355580A (zh) 2022-06-15 2024-07-16 宁德时代新能源科技股份有限公司 储能系统的控制方法、控制装置以及储能系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015153096A (ja) * 2014-02-13 2015-08-24 富士通株式会社 情報処理装置、接続制御方法、及びプログラム
CN110674432A (zh) * 2019-09-09 2020-01-10 中国平安财产保险股份有限公司 二级缓存方法、装置及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
中国智能网联汽车产业创新联盟.《车路云一体化融合控制系统白皮书》.《车路云一体化融合控制系统白皮书》.2020,第1-14页. *

Also Published As

Publication number Publication date
US20230252891A1 (en) 2023-08-10
CN112769891A (zh) 2021-05-07
US12073715B2 (en) 2024-08-27
WO2022121246A1 (zh) 2022-06-16

Similar Documents

Publication Publication Date Title
Yang et al. Machine-learning-enabled cooperative perception for connected autonomous vehicles: Challenges and opportunities
CN112769891B (zh) 一种边缘云系统、服务器及云控平台
CN110891023B (zh) 一种基于优先级策略的信号路由转换方法及装置
Raza et al. An efficient task offloading scheme in vehicular edge computing
US10932127B2 (en) Evaluating trustworthiness of data transmitted via unencrypted wireless mobile communications
CN106373396A (zh) 基于智能交通云控制系统的控制服务器
Fukumoto et al. Analytic method for real-time traffic problems by using Contents Oriented Communications in VANET
CN104875731A (zh) 一种使用卫星定位数据实时辨识车辆急加速或急减速的方法
JP7276432B2 (ja) 通信システム及び端末
CN113055488A (zh) 多层联邦深度强化学习的车辆边缘协作缓存方法及系统
CN113808389A (zh) 车路协同系统、边缘计算单元、中心云平台及信息处理方法
CN115116257A (zh) 基于边缘云服务的车辆调度方法、装置、设备及介质
CN113905354B (zh) 一种基于区域内容流行度的车载网络内容传递方法及系统
CN115116216A (zh) 基于车路云接口实现的全域协同感知与决策方法、装置
CN116985778B (zh) 一种多任务跨核部署下的混动汽车全局能量管理优化方法
US11374667B2 (en) Localizing communications interference node
Hong et al. An optimal resource allocation mechanism in vehicular MEC systems
Liu et al. Cooperative edge-cloud caching for real-time sensing big data search in vehicular networks
CN108510763A (zh) 一种交通信号灯控制方法及系统
CN110071835A (zh) 一种智能网联车安全预警分发方法及系统
Bang et al. A Scalable VRU Protection System Based on Edge Servers
CN112929421A (zh) 智能网联汽车扩展碰撞预警系统
US20240196375A1 (en) Cooperative intelligent transport system and method with cpm significance index for redundancy mitigation
CN115311880B (zh) 一种低速自动驾驶车辆分布式视野增强方法
CN118433141B (zh) 一种面向网络交换机的异常检测方法、系统及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant