下载掌阅APP，畅读海量书库
立即打开
本节首先将车路协同业务场景分类，然后提出各类业务场景的流量模型并给出相应的总时延公式。在实际应用时，可根据各子系统的实际时延具体计算。
1.处理终端为路侧感知设备/RSU的流量模型
（1）流量模型（一）：无须信号机、路侧感知设备等参与，由RSU事先配置信息，直接将信息下发至智能网联车辆的流量模型。其业务流向图如图2.2-1所示。符合该模型的主要场景为限速预警和协作式优先车辆通行。
图2.2-1 在PC5通信方式下处理终端为路侧感知设备/RSU的业务流向图（一）
此业务流向模型的总时延为
总时延=传输时延 RSU广播 +处理时延 智能网联车辆
（2）流量模型（二）：无须信号机、路侧感知设备等参与，由RSU事先配置信息，根据车辆请求信息，完成数据下发的流量模型。其业务流向图如图2.2-2所示。符合该模型的主要场景为高精地图版本对齐及动态更新。
图2.2-2 在PC5通信方式下处理终端为路侧感知设备/RSU的业务流向图（二）
此业务流向模型的总时延为
总时延=2×传输时延 A RSU广播 +传输时延 B OBU至RSU +处理时延 A RSU +处理时延 B 智能网联车辆
（3）流量模型（三）：需要信号机将数据上传至RSU，RSU广播SPAT、地图（MAP）、RSI消息，为智能网联车辆提供相关服务的流量模型。其业务流向图如图2.2-3所示。符合该模型的主要场景有闯红灯预警和绿波车速引导。
图2.2-3 在PC5通信方式下处理终端为路侧感知设备/RSU的业务流向图（三）
此业务流向模型的总时延为
总时延=传输时延 A 信号机至RSU +传输时延 B RSU广播 +处理时延 A RSU +处理时延 B 智能网联车辆
在此模型中，RSU实时读取信号机信息，因此总时延包括信号机至RSU的传输时延。
（4）流量模型（四）：路侧感知设备将处理后的结果发送至RSU，RSU进行广播，为智能网联车辆提供服务的流量模型。其业务流向图如图2.2-4所示。符合该模型的主要场景有基于路侧感知的“僵尸车”识别、前方拥堵提醒。
图2.2-4 在PC5通信方式下处理终端为路侧感知设备/RSU的业务流向图（四）
此业务流向模型的总时延为
总时延=传输时延 A 路侧感知设备至RSU +传输时延 B RSU广播 +处理时延 A 路侧感知设备 +处理时延 B RSU +处理时延 C 智能网联车辆
2.处理终端为路侧边缘计算平台的流量模型
（1）流量模型（一）：路侧感知设备将感知信息发送至路侧边缘计算平台，路侧边缘计算平台将消息融合处理后通过RSU广播至智能网联车辆的流量模型。该模型涉及的主要场景如表2.2-1所示。
表2.2-1 在PC5通信方式下处理终端为路侧边缘计算平台的主要场景（一）
根据感知的目标物是道路车辆、交通参与者/障碍物还是弱势交通参与者，有三种流量模型，其业务流向图如图2.2-5所示。三种流量模型的时延构成相同。
图2.2-5 在PC5通信方式下处理终端为路侧边缘计算平台的业务流向图（一）
此业务流向模型的总时延为
总时延=传输时延 A 路侧感知设备至路侧边缘计算平台 +传输时延 B 路侧边缘计算平台至RSU +传输时延 C RSU广播 +处理时延 A 路侧感知设备 +处理时延 B 路侧边缘计算平台 +处理时延 C RSU +处理时延 D 智能网联车辆
（2）流量模型（二）：智能网联车辆发送特定的请求信息，路侧感知设备将感知信息发送至路侧边缘计算平台，路侧边缘计算平台将信息融合处理后通过RSU广播至智能网联车辆的模型。该模型涉及的主要场景如表2.2-2所示。该模型的业务流向图如图2.2-6所示。
表2.2-2 在PC5通信方式下处理终端为路侧边缘计算平台的主要场景（二）
图2.2-6 在PC5通信方式下处理终端为路侧边缘计算平台的业务流向图（二）
此业务流向模型的总时延为
总时延=MAX（传输时延 A OBU至RSU +传输时延 B RSU至路侧边缘计算平台 +处理时延 C RSU ，传输时延 C 路侧感知设备至路侧边缘计算平台 +处理时延 A 路侧感知设备 ）+传输时延 D 路侧边缘计算平台至RSU +传输时延 E RSU广播 +处理时延 B 路侧边缘计算平台 +处理时延 C RSU +处理时延 D 智能网联车辆
路侧边缘计算平台通过RSU获取智能网联车辆信息和通过路侧感知设备获取RSI可以同时进行，因此模型总时延取较大者。
（3）流量模型（三）：在协作式优先车辆通行场景的协作式信号灯优先通行应用中，需要路侧边缘计算平台根据优先车辆请求信息、路侧感知信息生成信控信息，并将其下发至信号机的流量模型。其业务流向图如图2.2-7所示。
图2.2-7 在PC5通信方式下处理终端为路侧边缘计算平台的业务流向图（三）
此业务流向模型的总时延为
总时延=MAX（传输时延 A OBU至RSU +传输时延 B RSU至路侧边缘计算平台 +处理时延C RSU ，传输时延 C 路侧感知设备至路侧边缘计算平台 +处理时延 A 路侧感知设备 ）+传输时延 D 路侧边缘计算平台至RSU +传输时延 E RSU广播 +处理时延 B 路侧边缘计算平台 +处理时延 D 智能网联车辆
路侧边缘计算平台通过RSU获取智能网联车辆信息和通过路侧感知设备获取RSI可以同时进行，因此模型总时延取较大者。此外，图2.2-7中④与⑤+⑥可以同时进行，且④的数据较小，因此模型总时延可忽略④的时延。
3.处理终端为区域计算平台的流量模型
处理终端为区域计算平台的流量模型：路侧边缘计算平台将感知数据传送至区域计算平台，区域计算平台对感知数据进行处理、分析，分析所得的数据结果通过RSU传送至智能网联车辆的流量模型。其业务流向图如图2.2-8所示。
此业务流向模型的总时延为
总时延=传输时延 A 路侧感知设备至区域计算平台 +传输时延 B 区域计算平台至RSU +传输时延 C RSU广播 +处理时延 A 路侧感知设备 +处理时延 B 区域计算平台 +处理时延 C RSU +处理时延 D 智能网联车辆
图2.2-8 在PC5通信方式下处理终端为区域计算平台的业务流向图
4.处理终端为市级车路协同云平台的流量模型
该类模型主要分为以下两种。
（1）数据流由车端到平台端的流量模型。该模型涉及的主要场景为浮动车数据采集。该模型的业务流向图如图2.2-9所示。
图2.2-9 在PC5通信方式下处理终端为市级车路协同云平台的业务流向图（一）
此业务流向模型的总时延为
总时延=传输时延 A OBU至RSU +传输时延 B RSU至区域计算平台 +传输时延 C 区域计算平台至市级车路协同云平台 +处理时延 A RSU +处理时延 B 区域计算平台
（2）数据流由平台端到车端的流量模型。该模型涉及的主要场景如表2.2-3所示。该模型的业务流向图如图2.2-10所示。
表2.2-3 在PC5通信方式下处理终端为市级车路协同云平台的主要场景（二）
图2.2-10 在PC5通信方式下处理终端为市级车路协同云平台的业务流向图（二）
此业务流向模型的总时延为
总时延=传输时延 A 市级车路协同云平台至区域计算平台 +传输时延 B 区域计算平台至RSU +传输时延 C RSU广播 +处理时延 A 区域计算平台 +处理时延 B RSU +处理时延 C 智能网联车辆
1.处理终端为区域计算平台的流量模型
（1）流量模型（一）：智能网联车辆将数据周期性上报至区域计算平台，路侧感知设备将处理后的感知信息上传至区域计算平台，区域计算平台将信息经基站下发至智能网联车辆的流量模型。因为路侧感知设备的数据处理能力满足应用场景需求，所以不需要经过路侧边缘计算平台。该模型涉及的主要场景是基于路侧感知的“僵尸车”识别、前方拥堵提醒。该模型的业务流向图如图2.2-11所示。
此业务流向模型的总时延为
总时延=传输时延 A 路侧感知设备至区域计算平台 +传输时延 B 区域计算平台至智能网联车辆 +处理时延 A 路侧感知设备 +处理时延 B 区域计算平台 +处理时延 C 智能网联车辆
图2.2-11 在Uu通信方式下处理终端为区域计算平台的业务流向图（一）
（2）流量模型（二）：智能网联车辆将数据周期性上报至区域计算平台，路侧感知设备将感知信息上传至路侧边缘计算平台，路侧边缘计算平台将处理后的信息通过区域计算平台、基站下发至智能网联车辆的流量模型。该模型涉及的主要场景如表2.2-4所示。
表2.2-4 在Uu通信方式下处理终端为区域计算平台的主要场景（二）
根据感知的目标物是道路车辆、弱势交通参与者还是交通参与者/障碍物，有三种流量模型，其业务流向图如图2.2-12所示。三种流量模型的时延构成相同。
图2.2-12 在Uu通信方式下处理终端为区域计算平台的业务流向图（二）
图2.2-12 在Uu通信方式下处理终端为区域计算平台的业务流向图（二）（续）
此业务流向模型的总时延为
总时延=传输时延 A 路侧感知设备至路侧边缘计算平台 +传输时延 B 路侧边缘计算平台至区域计算平台 +传输时延 C 区域计算平台至智能网联车辆 +处理时延 A 路侧感知设备 +处理时延 B 路侧边缘计算平台 +处理时延 C 区域计算平台 +处理时延 D 智能网联车辆
（3）流量模型（三）：智能网联车辆将请求信息周期性上报至区域计算平台，区域计算平台将相关消息下发至路侧边缘计算平台，路侧感知设备将感知信息上传至路侧边缘计算平台，路侧边缘计算平台将车辆请求信息和路侧感知信息综合分析，分析结果由区域计算平台经运营商的5G基站下发至智能网联车辆的流量模型。该模型涉及的主要场景如表2.2-5所示。该模型的业务流向图如图2.2-13所示。
表2.2-5 在Uu通信方式下处理终端为区域计算平台的主要场景（三）
续表
图2.2-13 在Uu通信方式下处理终端为区域计算平台的业务流向图（三）
此业务流向模型的总时延为
总时延=MAX（传输时延 A OBU至区域计算平台 +传输时延 B 区域计算平台至路侧边缘计算平台 +处理时延 C 区域计算平台 ，传输时延 C 路侧感知设备至路侧边缘计算平台 +处理时延 A 路侧感知设备 ）+传输时延 D 路侧边缘计算平台至区域计算平台 +传输时延 E 区域计算平台至智能网联车辆 +处理时延 B 路侧边缘计算平台 +处理时延 C 区域计算平台 +处理时延 D 智能网联车辆
路侧边缘计算平台通过区域计算平台获取智能网联车辆信息和通过路侧感知设备获取RSI可以同时进行，因此模型总时延取较大者。
（4）流量模型（四）：在协作式优先车辆通行场景的协作式信号灯优先通行应用中，智能网联车辆通过区域计算平台向路侧边缘计算平台发送车辆信息，路侧边缘计算平台再收集路侧感知信息生成信控信息，并将其下发至信号机，最后通过区域计算平台经基站向智能网联车辆发送引导信息的流量模型。该模型的应用场景还有协作式车辆汇入、协作式交叉口通行、动态车道管理。该模型的业务流向图如图2.2-14所示。
此业务流向模型的总时延为
总时延=MAX（传输时延 A OBU至区域计算平台 +传输时延 B 区域计算平台至路侧边缘计算平台 +处理时延 C 区域计算平台 ，传输时延 C 路侧感知设备至路侧边缘计算平台 +处理时延 A 路侧感知设备 ）+传输时延 D 路侧边缘计算平台至区域计算平台 +传输时延 E 区域计算平台至智能网联车辆 +处理时延 B 路侧边缘计算平台 +处理时延 C 区域计算平台 +处理时延 D 智能网联车辆
图2.2-14 在Uu通信方式下处理终端为区域计算平台的业务流向图（四）
路侧边缘计算平台通过区域计算平台获取智能网联车辆信息和通过路侧感知设备获取RSI可以同时进行，因此模型总时延取较大者。④的时延小于⑤+⑥，因此将⑤+⑥的时延计入总时延。
2.处理终端为区域计算平台/市级车路协同云平台的流量模型
（1）流量模型（一）：数据流由车端到平台端的流量模型。该模型涉及的主要场景为浮动车数据采集。该模型的业务流向图如图2.2-15所示。
图2.2-15 在Uu通信方式下处理终端为区域计算平台/市级车路协同云平台的业务流向图（一）
此业务流向模型的总时延为
总时延=传输时延 A 智能网联车辆至区域计算平台/市级车路协同云平台
（2）流量模型（二）：数据流需要在车端与平台端之间交互多次的流量模型。该模型涉及的主要场景为高精地图版本对齐及动态更新。该模型的业务流向图如图2.2-16所示。
图2.2-16 在Uu通信方式下处理终端为区域计算平台/市级车路协同云平台的业务流向图（二）
此业务流向模型的总时延为
总时延=2×传输时延 A 区域计算平台/市级车路协同云平台至车端 +传输时延 B 车端至区域计算平台/市级车路协同云平台 +处理时延 A 区域计算平台/市级车路协同云平台 +处理时延 B 智能网联车辆
（3）流量模型（三）：数据流由平台端到车端的流量模型。该模型涉及的主要场景如表2.2-6所示。该模型的业务流向图如图2.2-17所示。
表2.2-6 在Uu通信方式下处理终端为区域计算平台/市级车路协同云平台的主要场景（三）
图2.2-17 在Uu通信方式下处理终端为区域计算平台/市级车路协同云平台的业务流向图（三）
此业务流向模型的总时延为
总时延=传输时延 A 区域计算平台/市级车路协同云平台至车端
2.2节按PC5通信和Uu通信两种方式对所有车路协同业务场景的流量模型进行了总结归纳，并给出了总时延计算公式。车路协同网络需要支持所有车路协同业务场景的流量模型，满足车路协同业务的时延需求。在PC5通信方式下，业务流基本上在路侧网中传输，有很严格的低时延需求，这是网络设计的一个要点。在Uu通信方式下，业务流在车路协同网络和运营商5G网络中传输，时延需求不严格，也比较难保障。