在5G浪潮的推动下，车路协同、智能停车、智能交通规划和自动驾驶等技术越来越多。与此同时，5G带来了数据暴增，越来越多的应用程序开始在云端运行，通过网络进行数据通讯。
而对于交通行业来说，有些应用场景对传输延迟有非常严格的要求，强实时数据体量不断增加，在应用现场进行数据处理的需求也随之上升，于是智能交通领域也开始应用“边缘计算”技术。
边缘计算与边缘AI
边缘计算是5G网络架构的核心环节。指的是一个分布式计算框架，它集成了网络、计算、存储和应用等核心功能，是一个部署在数据源头，更接近用户边的独立处理终端。
其分布式计算的框架特性，能够使处理终端更接近数据源，如物联网设备或本地边缘服务器。这种特性可以为业务处理带来更准确的监控、更快的响应时间和更少的带宽压力。
当然，边缘计算是一个连续迭代更新的概念。不同技术的融合使得边缘计算的核心不断创新。例如，加入人工智能和神经网络的应用，为“边缘AI”的落地提供了助力。
在物联网时代，大量硬件将连接互联网，进行数据采集和传输交互。边缘AI通常与物联网联系在一起。物联网设备功能越来越强大，也因此产生了大量数据，边缘AI计算机可以将数据重新迁移到网络的“边缘”，这意味着数据不需要在云服务器与用户之间反复传输以进行处理。
因此，边缘AI能够更有效地管理来自物联网设备的大量数据，具备更低延迟、更快处理速度和更好的扩展性。在5G和AI的乘数效应下，强化了无线数据传输的高带宽、低延迟能力，大大提高边缘AI计算机的处理速度，并最终增强对实时应用的支持能力。
据IDC预测，到2025年，全球物联网连接数量将增加到270亿，物联网设备数量将达到1000亿。而全球数据总量将达到163 ZB，超过70%的数据和应用将在边缘生成和处理。
在云计算刚普及时，很多人认为终端的价值已经不会再提升。所有数据将直接传输到云端进行处理和计算，然后在传回终端。但实际的发展多少有些出人意料。许多应用程序场景对延迟有非常严格的要求，如果完全依赖云端处理，将不可避免地降低效率，甚至出现隐患。
边缘AI在智能交通的应用
智能交通的实施是一项巨大的系统工程。除了调整城市空间和道路，还需要一个稳定可靠的管理系统，它能结合最新的软硬件技术，来应对各种场景下复杂的应用。根据麦肯锡的咨询研究报告，在边缘计算的行业应用中，交通运输所占比例最高。
随着城市交通智能化的发展，各种终端数量的增加，对海量信息实时处理的需求也显著增加。将所有的数据都上传到云端计算，会占用大量带宽资源，提高传输延迟，但如果将一部分数据分析和实时处理的工作放在用户端的边缘AI计算机上，在终端直接反馈，只保留必须云端参与的计算需求上传，则可以有效降低带宽占用和信息延时。
比如在视频监控领域，单个路口的高清摄像头每天就会产生几十G的视频文件，如果是一条街、一个区域、甚至一座城市，产生的数据量是无比巨大的，而这些视频中，真正有效的，发生违法行为的内容占比很少。
为了避免大量无效视频占用带宽资源上传云端分析的情况，可在现场进行智能分析处理的边缘AI计算机提供了帮助，它可以直接在本地分析违法行为，筛选有价值内容上传，大大降低了无效内容产生的带宽浪费。
通过融合边缘AI框架和视频监控技术，软硬件结合的视频监控应用平台，提高视频监控系统前端摄像头的智能处理能力，进而强化预警系统和处置机制。
通过上述可以理解，“云计算”相当于智能设备的大脑，处理相对复杂的流程，而“边缘AI”相当于智能设备的神经末梢，会做出一些“潜意识”的反应，这为行业长期发展遇到的难题带来了解决的希望。
边缘AI在车路协同的应用
交通领域最典型的应用场景是智能汽车，汽车在行驶过程中会产生大量数据，这些数据可能是汽车自身数据、如时速、油门、刹车开度等，也可能是雷达、视觉等外部传感器探测的数据，甚至在车路协同场景中，还会有其他车辆的位置、速度，及电子路政设施的交互数据。
汽车在道路上行使时，这些海量数据如果全部需要上传云端处理后再返回车辆，就会产生严重的安全隐患，而有独立计算能力，能做出“潜意识”反应的边缘计AI算机，就展现出了自身价值。
例如，当自动驾驶汽车处于危险状态，需要立即减速或停车时，如果还需要向“云端”上传数据，等待云计算后，反馈停车命令给汽车，汽车再做出响应，那就严重增加了事故风险。
如果恰巧汽车行使在无信号的山洞、隧道中，或信号故障、干扰的区域，云计算就完全失联了，汽车无法自主进行决断是非常可怕的。所以要借助边缘AI计算机给与汽车相应思考能力，让他们不需要云计算即可做出“潜意识”的正确反应。
此外，智能交通正在从单一场景的交通管理，向融合场景的交通服务发展。V2X（汽车无线通讯互联）场景可以让智能驾驶更安全、高效、便捷，更多的道路智能设备加入，给与汽车如限速、恶劣天气预警、并线提醒、路口信号灯配时调度等数据。
对计算能力的高要求、高移动性、高可靠性和实时性带来了全新的技术挑战，边缘AI将在车路协同领域有更多的技术拓展空间。
边缘AI在静态交通的应用
边缘AI在智能停车中的应用也体现在停车控制系统和车联网中，并影响着未来的停车位和道路交通规划。
目前，智能停车已被纳入新型基础设施和智慧城市的战略建设。边缘AI使智能停车变得更加成熟和完善，智能停车管理方法也有了长足的进步，加速了科技与商业的融合。
随着时间的推移，静态交通信息的大数据不断积攒，云存储等类似服务面临着大量复杂的数据处理压力。智能停车的建设如果依赖于单一集中处理的云计算模式，无法解决所有问题。
解决这些问题需要多种计算模式的集成。边缘AI模型可以最大限度地将计算迁移到数据源头上，将更多的数据在源头筛选、处理，降低对传输要求和云端计算与存储压力。
目前，中国的边缘AI市场仍处于行业的早期阶段，具有巨大的技术爆发潜力。各类行业参与者均在积极部署抢占市场。主要生产厂家和科研机构正在制定标准和规范。虽然尚未达成共识，但国内外已形成许多行业联盟，大力推动边缘AI的标准和技术进步。
边缘AI的出现使智能交通更加安全。无论是公路、铁路、航运还是航空，在运输行业中，安全是最重要的。相信在未来，“边缘AI”在智能交通领域会有更多的技术突破，从而改善我们的日常生活。
