AI、5G、边缘计算之间是什么关系？( 二 ) _5G

V2X
智能交通正从单一场景交通管理向融合场景交通服务发展， V2X场景能帮助智能驾驶更安全、更高效、更经济、更便捷，例如限速预警、恶劣天气预警、并道提示、路口调度等。

文章插图

V2X关键技术包括感知、高清制图和定位，高算力需求、高移动性、高可靠性和实时性带来了主要的技术挑战。
关键技术
描述
技术挑战
感知Perception
感知车辆周边环境, 检测、跟踪周边目标和行人，识别车道。
·车辆高移动性，传统车载感知范围有限，不能满足需求;
·高算力需求，车载计算单元不能满足;
·实时性要求
高清制图HD MApping
道路 3D 高清地图的建立与更新
·构建更新地图带来高强度密集计算；
·存储地图导致高存储空间；
·分发地图导致高通信负载；
定位SLAM
实时估计车辆和地图上建筑的位置关系
·高算力需求；
·实时性需求；
智能电网
【AI、5G、边缘计算之间是什么关系？】电网的业务面临着新能源、新用户和新要求，如具有间歇性随机性特点的风能、太阳能电源；如新能源绿电，期望从传统设备接通充电变成时间可选的互动充电；如电量现货交易、企业要求供电零中断，等。这些业务挑战促使电网从层次架构单向流动的传统电网向网状双向流动的智能电网演进。AIoT+5G+边缘技术被引入智能电网升级架构，在发电、输变电、配电、用电4个环节来看，关注用电安全和效率，时延、可靠性是对边缘AI业务的主要挑战。
环节
关注点
AI相关技术
发电
监控发电量
控制污染排放
预测用电量
用电需求预测
故障检测
分布式发电系统/微电网的孤岛检测
风电：风力电量预测、风速预测、电厂调度
光伏：光伏发电的最大功率点(MPPT)跟踪、光伏发电量预测(考虑天气）
输变电
监控输电线和变电站
保护铁塔
视频巡检
故障检测
配电
自动化配电
设备管理和保护
故障检测
故障预测与及时响应(80%故障来自配电网)
电力调度
用电
智慧家庭用电
电动汽车智能充放电
功率负载控制
评估瞬时稳定性
分析瞬时稳定性
用户用电量画像和模式分析
边缘AI的关键技术挑战
以上几个行业对边缘AI能力的关注点有重合也有不同，大致上，可以分为2类：

AR、VR、互动直播、视频监控等场景下非结构化数据为主, 主要采用深度学习方法. 主要挑战在数据量大, 资源用量大, 实时要求高, 标注困难等。
工业场景下IoT结构化数据为主, 主要使用传统机器学习算法, 方法多样, 与业务相关性高. 主要挑战是样本少、冷启动和要求模型可解释和可靠性。

面对上述问题，一些边缘AI技术方向值得关注。
边侧数据管理技术
Garbage in ， Garbage Out ，数据管理是AI的第一步，也是成本最高、可能最重要的一步。数据管理是为了解决数据来源异构、样本缺失、标注缺失、数据集质量评估等问题。由于边缘的地理分布式本质，边缘数据集分散在各个边缘，与云上的数据集中管理有很大不同。这个领域技术包括：数据的自动格式转换、清洗；基于主动学习的自动标注；数据集质量评估；特征自动发现等等。
端边云协同训练
传统分布式学习前提假设仍然是在中心集群，而且假设数据是集中的，然后由中心服务器分配到工作节点。没有考虑边缘计算引入的数据隐私、节点动态性、资源异构、不稳定网络等因素。另外，单个边缘的样本数量通常有限，独立训练不能得到很好效果，因此近两年兴起的联邦学习(Federated Learning)和迁移学习(Federated Learning) ，可以很好的应用于边云协同场景。