轨道监测场景
边缘计算在轨道交通的应用十分普遍，特别在一些对现场安全要求高、并可在断网条件下也可正常工作的场景，边缘计算是云计算的补充和延伸，能实现智能化的实时数据处理等功能。
轨道异物检测是边缘计算在轨道交通领域的高效应用场景，旨在提高实时监测和数据处理的效率以确保现场的高安全标准并满足断网条件下的要求。近年来，铁路入侵检测问题成为各国铁路运输安全关注的热点问题，当轨道出现滚石、行人、动物等异物时，列车需要进行紧急制动避让等操作可能导致列车晚点或停运，甚至会导致列车脱轨、出轨、撞击等事故，不仅影响整个铁路运输系统更严重威胁人民生命财产安全和铁路运输经济的发展。
传统的轨道检测主要是依靠人力，通过在全国范围内设置大量专业巡路人员来达到轨道检测的效果这种方式虽然能够准确地检测出安全隐患，但过干浪费人力和财力，但对于紧急事故反应不够及时将会大大增加安全事故发生的几率。因此，建设智慧化轨道交通体系势在必行。
车路协同场景
车路协同业务系统主要由路侧终端、边缘端、云端、外部应用组成，其中一个路侧边缘计算平台会连接多组路侧感知设备，一个区域计算平台连接多个路侧边缘计算平台，一个业务运营平台连接多个区域计算平台。路侧边缘计算平台实时获取路侧传感器数据进行融合计算，以高性能计算能力提供更高精度和更可靠的融合感知结果和交通事件，完成目标的识别、分类、追踪和轨迹拼接等功能还能够对车辆车牌识别、运动属性预测等，为路侧交通参与者提供准确的数据服务。
路侧边缘计算平台的感知缓存主 要存储路侧传感器历史数据，同 时对于路侧海量、繁杂的数据进 行清洗过滤，抽取业务所需的数 据发送给区域计算平台。在高速 公路车路协同场景中，当业务场 景对时延具有严格要求且需要对 感知设备采集的信息进行融合处 理时，路侧边缘计算平台为处理 终端，既可以满足时延的需求， 也可以进行数据融合处理。
