解析MEC的典型应用场景

5G和边缘计算间是相互促进、彼此成就的关系。5G的商用化进程推动了边缘计算技术的快速落地，同时，边缘计算技术的应用又大大促进了5G网络更快、更好地发展。

根据业务的诉求不同，MEC的应用场景可以分成两大类：

第一类，是面向2B的业务，比如像精密制造、工业控制、园内的视频监控和管理等，其典型的业务需求是数据不能出场、高可靠的工业组网、超高的上行带宽、超低时延、超强算力和专网管理等。

第二类，是面向2B2C的业务，主要是OTT应用服务商业务为主，比如，车联网、AR/VR/云游戏等，这类业务的需求是广覆盖、有QoS保障的连接、边云密切协同和超高的移动性等。

下面分析几种典型的5G业务中MEC设备的功能需求及其可能的部署位置。

1、智慧工厂该场景下MEC设备要解决的问题是：接入的设备多，而且大部分设备的数据是视频数据，数据量非常大，比如，安防机器人、做质量检测的机器视觉、人脸识别闸机、AR/VR眼镜等；数据处理要求时延低，特别是机床操控；数据有隐私需求，需本地处理，不能出园区；有固定不动的设备，也有高速移动的设备。

针对以上场景，一般会考虑构建一个5G专网，支持大带宽、低时延特性，以满足大规模AGV组网调度的需求。除了支持5G连接，保证移动性设备的接入外，还要支持光纤接入和WiFi接入。MEC平台上需要集成AGV视觉导航系统、工业数据采集、AR远程专家指导、机器视觉质量检测等多种应用，实时地对接入的海量数据进行智能分析，以实现低时延的自动化控制。

智慧工厂场景中的MEC平台通常会就近与专网中的5G基站合设。

2、云游戏、AR/VR这三种业务的共同点就是都需要极大的传输带宽，用于交互很多视频的内容，时延越低，用户的体验会越好；不同点在于时延要求有所不同，业务发生的场所不同，客户群也有所不同。

对这三种业务而言，如果能够采用边缘计算技术，把计算和渲染的能力迁移到边缘云的位置，相比云计算来说，一方面能够大大降低时延，提升用户体验；另一方面，能大大减低对终端的性能要求，终端的重量、成本下降，能够向轻便型转变，这样客户的接受程度也会提升，促进产业发展。

对于云游戏，如果是在公有云的服务器上运行，服务器渲染完成后的游戏画面通过网络再传送给用户的话，玩家会直接感受到从指令输入到画面更新延迟较高，游戏体验差。如果将云游戏从公有云迁移到靠近玩家的边缘云，在本地进行渲染，缩短传输距离，时延能够降到20ms以内，显著提升用户体验，同时还能节省边缘云到5G核心网的回传带宽。

云游戏属于2C业务，而且对时延的要求不是太高，因此，MEC服务器可以部署在地市核心机房，这样在兼顾到更多客户的情况下，既提升业务性能，又能够降低运维成本。

对于AR，现有的解决方案中，用户需先下载安装巨大的APP来进行AR的体验，手机的内存、电量和存储容量也限制了AR的发展。MEC平台能够通过网络数据来确定用户的位置，然后利用就近的、本地的AR服务器，提供实时的AR内容匹配计算和推送，以实现本地实景和AR内容频道实时聚合，这样就能带给客户全新的独特用户体验。

对于VR业务，以赛事直播为例，如果在场馆内部署MEC平台，在本地缓存全景摄像头所拍摄的视频，供球迷通过VR设备来快速回看，就能体验到在VIP位置的观看效果。通过在本地部署的MEC，大大地降低时延以避免眩晕感，并减少对回传资源的消耗。

AR/VR通常都是2B2C业务，区域性比较强，而且对时延要求很高。因此，一般建议在业务区域内部署MEC平台，就近进行业务分流和处理。

3、自动驾驶自动驾驶首先对网络的带宽有着苛刻的要求，如果把车辆遇到的所有信息都传输到云端处理，至少需要超过 100Mbit/s 才能满足要求；其次，车辆在高速行驶中，对于时延的要求也极高，必须保持在 1 ms~10ms 之间。

要实现自动驾驶，有几个问题必须依靠边缘计算平台才能解决：1）单车、路侧单元与应用平台等之间交互时延过大，无法及时获取、处理以及决策信息，无法满足自动驾驶对网络实时性的需求。

2）单车以及周边交通单元感知能力不足，无法对于超过视距范围事件准确感知和信息同步，无法全局掌握区域交通信息，运行范围及车路协同一体化受限。

3）汽车故障管理也是制约自动驾驶从实验室走向商用的重要因素之一，需要进行及时人工干预，预防事故发生，保障自动驾驶安全性等。

而MEC平台分布式特征则能够很好地解决海量数据处理、海量终端连接以及高速移动切换等问题。MEC平台还能及时接受路侧单元上报的路侧信息，并推送至邻近的车辆，实现本地分流和无缝切换，保障更好地支持视线盲区的预警业务。另外，车载部分计算分析系统上移至 MEC 边缘云，能够有效降低智能车辆改造成本，提速无人驾驶商业化步伐，并预留开放接口，为所有车联网终端提供远程故障管理服务。

由于自动驾驶的复杂性，它对带宽、时延、移动性的要求都特别地高，所以，针对自动驾驶来部署边缘计算设备时，也会相对复杂，考虑的因素比其他业务更多一些。

首先，MEC平台应尽量靠近终端接入侧，一般会在路侧部署边缘计算节点，获取车辆周边的全面路况交通信息，并进行数据统一处理，对于有安全隐患的车辆发出警示信号，辅助车辆安全驾驶。其次，要实施更全面的车辆控制和故障管理等功能，平台的功能和性能要求也会很高，路侧部署的边缘节点通常不能满足要求，此时，需要在基站侧再部署计算能力高的MEC服务器。

由于涉及到高速移动，车载终端必须采用5G接入方式才能满足业务连续性的要求。3GPP针对这种场景也进行了专门的规定，在切换发生时，通过双连接的方式，以保证高速移动情况下业务的连续性。

4、安防行业由于国家一批大型项目的推动，安防是AI最早落地的领域。安防的AI化过程中，已经经历了从云计算到云边协同的阶段，甚至已经在向边网融合的方向发展。现在很多的摄像头，包括家用的摄像头，都已经有人脸识别、语音识别和行为识别功能，这就是一种典型的边缘节点；而视频监控一体机、人脸识别盒子、NVR存储设备等，计算能力就更强一些，可以属于边缘云计算；云计算中心的应用平台的功能和性能更强大，通常都是具有超大运算能力的GPU服务器。

安防和MEC的结合应用，其实更多是由于移动化的巡检设备的出现而需要考虑的，像巡检无人机等。如果要实时传输监控数据，这些设备所需的回传带宽要求也是非常高的。但是，在监控过程中，大部分画面其实是静止不动的，没有必要上传所有的数据，这时就可以通过就近部署MEC平台，对采集到的视频内容进行预分析处理，只上传有变化、有价值的画面，大部分价值不高的监控数据就存在本地的存储服务器中，这样就能够大大地节省传输资源。

5、案例分析 在应用的最后，以一个实时无人机检测的项目为例，说明未来边缘计算产业链将会是多方合作的发展模式。该项目由微软Azure提供边缘云服务，AT&T提供5G网络连接服务，软件公司Vorpal提供的是与无人机相关的检测定位应用程序，该程序是运行在Azure的云服务器上，无人机提供的信息可以供执法机构或者机场使用。

通过这个案例，可以看到边缘计算应用中的几个关键点：

必须要有边缘计算才能降低5G数据业务的时延，提升用户体验；仅有云服务提供商，无法提供广阔的网络覆盖，业务无法开展；电信运营商要想超越管道角色也很难，需要努力挖掘产业链上的机会。（本文作者为中国信息通信研究院泰尔终端实验室高级工程师）
责任编辑:tzh