[論文レビュー] Mobile Edge Intelligence and Computing for the Internet of Vehicles

Jun Zhang, Khaled B. Letaief|arXiv (Cornell University)|Jun 2, 2019

IoT and Edge/Fog Computing参考文献 125被引用数 28

ひとこと要約

本稿では、知的インターネット・オブ・ビークルズ（IoV）における遅延および帯域幅の課題に対処するため、エッジキャッシング、エッジコンピューティング、AIを統合したエッジ情報システム（EIS）を提案する。ネットワークエッジ（例：無線アクセスポイント）にストレージと処理能力を配置することで、エッジ支援型認識、高精細地図作成、マルチビークルSLAMなどのアプリケーションにおける低遅延で局所的なデータ処理を実現し、リアルタイム性能とスケーラビリティを顕著に向上させる。

ABSTRACT

The Internet of Vehicles (IoV) is an emerging paradigm, driven by recent advancements in vehicular communications and networking. Advances in research can now provide reliable communication links between vehicles, via vehicle-to-vehicle communications, and between vehicles and roadside infrastructures, via vehicle-to-infrastructure communications. Meanwhile, the capability and intelligence of vehicles are being rapidly enhanced, and this will have the potential of supporting a plethora of new exciting applications, which will integrate fully autonomous vehicles, the Internet of Things (IoT), and the environment. These trends will bring about an era of intelligent IoV, which will heavily depend upon communications, computing, and data analytics technologies. To store and process the massive amount of data generated by intelligent IoV, onboard processing and Cloud computing will not be sufficient, due to resource/power constraints and communication overhead/latency, respectively. By deploying storage and computing resources at the wireless network edge, e.g., radio access points, the edge information system (EIS), including edge caching, edge computing, and edge AI, will play a key role in the future intelligent IoV. Such system will provide not only low-latency content delivery and computation services, but also localized data acquisition, aggregation and processing. This article surveys the latest development in EIS for intelligent IoV. Key design issues, methodologies and hardware platforms are introduced. In particular, typical use cases for intelligent vehicles are illustrated, including edge-assisted perception, mapping, and localization. In addition, various open research problems are identified.

研究の動機と目的

• 連結および自律走行車両から生じる大量のデータに起因する、知的IoVにおけるデータ処理および通信遅延の増大に起因する課題に対処すること。
• 車両内処理およびクラウドコンピューティングの制限を克服するため、車両に近いエッジリソースを活用すること。
• 車両ネットワークにおける認識、局所化、および高精細（HD）地図作成などのリアルタイムで低遅延なアプリケーションを可能にすること。
• エッジAI、エッジキャッシング、エッジコンピューティングを統合した包括的なフレームワークを構築し、データ集約型IoVワークロードを支援すること。
• エッジベースのデータ集約および処理を通じて、将来の知的輸送システムのスケーラブルで効率的なインfraを提供すること。

提案手法

• 無線アクセスポイントおよびレーンサイドユニットにエッジサーバーを配置し、エッジキャッシング、エッジコンピューティング、エッジAI機能を提供する。
• 車両内でGraphSLAMベースの技術を用いて、高精細地図用の局所的特徴レイヤーを構築し、それをエッジサーバーに送信して統合する。
• 車両間でのローカルマップ、グラフ表現、またはトポロジカルマップの交換を通じて、分散型マルチビークルSLAMを実装する。
• 相対姿勢推定および変換行列を用いて、複数の車両からのローカルマップを統合するためのマップ統合およびアライメント技術を適用する。
• エッジサーバーをローカル集約者として活用し、クラウドへの転送前にデータを処理・統合することで、バックホールトラフィックと遅延を低減する。
• モバイルエッジコンピューティング（MEC）を活用し、物体検出、局所化、経路計画などの計算集約型タスクを車両から近接するエッジノードにオフロードする。

実験結果

リサーチクエスチョン

• RQ1 エッジコンピューティングは、リアルタイム認識や局所化などのデータ集約型IoVアプリケーションにおいて、どのように遅延と通信オーバーヘッドを低減できるか？
• RQ2 動的交通環境下での自律走行車両の知能と応答性を向上させるために、エッジAIは果たす役割は何か？
• RQ3 分散型協調とエッジ支援型マップ統合を用いて、マルチビークルSLAMをどのように効率的に実装できるか？
• RQ4 スケーラブルなHDマップ構築を実現するための、エッジキャッシング、エッジコンピューティング、エッジAIの最適な設計トレードオフは何か？
• RQ5 中央集権的または車両内オンリーのソリューションと比較して、エッジベースのシステムは、車両データ処理の信頼性と正確性をどのように向上できるか？

主な発見

• エッジ支援型認識および局所化は、クラウドベースまたは車両内オンリー処理と比較して顕著に遅延を低減し、自動運転におけるリアルタイム意思決定を可能にする。
• エッジベースのマップ統合により、クラウドへのアップロード前に複数の車両からの特徴レイヤーを局所的に統合することで、通信オーバーヘッドを削減できる。
• エッジ連携による分散型マルチビークルSLAMは、センサー障害に対する耐性を高め、動的交通状況への迅速な適応を可能にする。
• HDマップ構築におけるエッジサーバーをローカル集約者として活用することで、バックホール負荷が低減し、マップ更新サイクルが高速化される。
• 車両から得られるGraphSLAMベースの特徴レイヤー構築により、データ統合を通じて精度が向上する、スケーラブルなクラウドソーシング型HDマップ作成が可能になる。
• エッジAIとエッジコンピューティングを併用することで、特に低遅延・高信頼性を要求するIoVアプリケーションにおいて、中央集権クラウド処理の代替案として実現可能になる。