无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，无人驾驶是指无需人工干预，就能在不可预测、不确定、开放的交通环境中行驶的车辆，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。现如今美国、欧洲各国针对无人驾驶技术做出了发展规划，出台了相应法律法规，我国汽车工业协会也正在规划无人驾驶技术发展策略。Waymo、CM Cruise 等公司已经在无人驾驶领域取得了不错的成果。
如今无人驾驶是当前最热门的技术之一，处于飞速发展的时期，吸引了大批IT公司与汽车厂商的注意力，近年来国内外的无人驾驶技术也都在不断发展，无人驾驶是指利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。无人驾驶技术是多种技术的集成，集自动控制、体系结构、视觉计算，除此之外也涵盖了计算机硬件领域和软件领域中的多个技术，包括嵌入式技术、传感器、操作系统、通信技术等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物。文献[1][2]主要对有关无人驾驶中的感知技术方面进行了深入研究。文献[3][4]研究了无人驾驶中的决策系统。文献[5]基于模仿学习对无人车进行运动规划。这些技术主要都是研究车身上的无人驾驶技术集成方面。除此之外另一些工作致力于使用车联网技术和边缘计算技术解决无人驾驶中问题，文献[6]提出了一种异构资源智能动态匹配的车联边缘网络系统架构，提出使用边缘网络智能技术解决无人驾驶技术面临的部分问题。文献[7]分析了移动设备应用在车联网中的服务质量指标，提出使用车联网协同移动设备进行计算。
无人驾驶车辆在运行过程中需要进行定位、感知、预测、规划等计算，计算量大，计算能耗高，为续航和散热提出了挑战。如果其它计算平台能协同无人车进行计算，减少车辆计算量，将能够节省车辆能耗，有效解决续航和散热问题。除此之外，无人驾驶应用对时延的要求非常严格，大部分需要在数百甚至数十毫秒内返回结果，由于网络时延较大，中心云较难协同无人车进行计算，因此，无人驾驶有着边缘协同计算需求。
MEC 又称多接入边缘计算，能够在无线网络端增加计算存储功能，为车辆提供即时计算卸载服务，协同无人车进行计算，减少车载计算平台能耗。移动边缘计算（Mobile Edge Computing, MEC）可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验。 MEC 的概念由欧洲电信标准协会于 2014 年率先提出，欧洲电信标准协会ETSI提出的移动边缘计算是基于5G演进的架构，并将移动接入网与互联网业务深度融合的一种技术。MEC一方面可以改善用户体验，节省带宽资源，另一方面通过将计算能力下沉到移动边缘节点，提供第三方应用集成，为移动边缘入口的服务创新提供了无限可能。移动网络和移动应用的无缝结合，将为应对各种OTT（OverTheTop）应用提供了有力的武器。因此，MEC 能为用户提供更好的服务，相对云端，边缘节点在网络距离上更贴近无人车，意味着能带来更低的网络物理延迟和更高的带宽。
作为另一个研究热点，第五代移动通信(the fifth generationof mobile technology，5G) 面临着爆炸式数据流量增长与海量设备连接并存的新挑战，传统云计算很难满足 5G 高可靠、低延迟的服务需求，MEC 已经成为 5G 领域的关键技术。同时 5G 也能提供更好的网络传输质量，增强无人车与 MEC 边缘节点之前的数据传输效率。5G的应用将引入移动边缘计算引爆新的应用创新机制。将云计算和云存储拉近到网络边缘后，可以创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的分发和下载，让消费者享有更高质量网络体验。移动边缘计算设备所应具备的一些特性包括网络功能虚拟化(NetworkFunctionVirtualization,NFV)、软件定义网络(SoftwareDefinedNetwork,SDN)、边缘计算存储、高带宽、绿色节能等，它们源于数据中心技术，但在某些方面，如可靠性和通信带宽等需求又高于数据中心。MEC 正处于技术的研究热点期，拥有强大的技术爆发潜力，是不可错失的发展趋势。
计算卸载是协同计算的一种实现方式，指将计算密集型任务部分或整个迁移到其它环境进行运算。MEC 模式下，计算资源与存储资源下沉到位于网络边缘的 MEC 服务器上，MEC 服务器有能力为无人车提供低延迟的计算卸载服务，与无人车协同计算，MEC 计算卸载一方面可以解决无人车资源紧张的情况，加快计算速度，另一方面可以减少无人车能耗。
在无人驾驶场景下利用 MEC 计算卸载实现边缘协同计算需要考虑到无人车与普通移动设备的差异。首先，为无人驾驶提供计算卸载服务需要同时保证应用隔离性和卸载效率。第一，无人车对安全性要求非常高，无人车应用需要使用大量敏感数据，包括车辆信息、定位信息等隐私信息，因此计算卸载需要实现应用运行环境和数据的隔离。其次，无人车大部分应用对于时延非常敏感，应用完成时限通常为毫秒级，为无人车提供计算卸载服务需要保证卸载效率。因此，相比中心云，位于网络边缘的 MEC 服务器的优点是与无人车的距离更近，能提供低延迟的计算卸载服务，缺点是计算资源和存储资源相比中心云比较匮乏，为大量无人车提供计算卸载服务时可能负载过高，影响服务质量，因此 MEC 服务器的资源管理与调度问题是 MEC 计算卸载的关键问题。
针对无人驾驶场景下的边缘协同计算问题，本课题拟构建以最小化移动设备和边缘服务器能耗为目标、以任务响应时间为限制条件的数学模型，探讨移动边缘计算服务器资源受限情况下的卸载决策问题与卸载调度问题，提出一种可行的解决方案，并进行实验分析。通过本课题的研究，了解无人驾驶场景下的边缘协同计算中如何高效实现卸载计算任务的调度优化策略并进行研究。任务的内容具体包括：1. 调研无人驾驶场景下的边缘协同计算中的计算卸载方法；2. 构建以最小化移动设备和边缘服务器能耗为目标、以任务响应时间和移动边缘计算服务器的资源为限制条件的计算卸载数学模型，设计有效的算法流程解决计算卸载中的决策问题与卸载调度问题；3. 设计仿真实验模拟无人驾驶场景下的边缘协同计算中的计算卸载过程，并根据实验结果评估算法的性能。
参考文献
[1] Chen Y, Han C, Li Y, et al. SimpleDet: A Simple and Versatile Distributed Framework for Object Detection and Instance Recognition[J]. arXiv preprint arXiv:1903.05831, 2019.
