边缘计算助推物联网发展 

河南省产学研人工智能研究院

边缘计算

近年来，做物联网的厂家越来越多，随着中国信息化发展和工业发展。物联网技术得到很快发展。做为先进制造工业物联网随之发展迅猛，被市场广泛认知。而随着分布式系统应用发展，边缘计算这一名词得到重提。

物联网革命

首先我们需要了解边缘计算是什么？

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户；为什么要这么近？目的是为了让用户感觉到刷什么内容都特别快。

边缘计算着重要解决的问题，是传统云计算（或者说是中央计算）模式下存在的高延迟、网络不稳定和低带宽问题。举一个现实的例子，几乎所有人都遇到过手机APP 出现404错误的情况 ，这样的一些错误出现就和网络状况、云服务器带宽限制有关系。由于资源条件的限制，云计算服务不可避免收到高延迟、和网络不稳定带来的影响，但是通过将部分或者全部处理程序迁移至靠近用户或数据收集点，边缘计算能够大大减少在云中心模式站点下给应用程序所带来的影响。

更通俗得讲，可以在自动化现场层得到更快响应和分析。

打个比喻，云计算好比是数据上传云端进行计算，这个云端是军队总司令，有什么数据互动都会通过司令部决策，这在平常也许没什么不好，可是随着数据实时交互和处理得众多，好比出现大量信息交互，司令部应接不暇，无法处理这么多业务，只能委托中低级军官，发挥主动能动性，这也就是边缘计算了。

边缘计算起源

边缘计算起源于广域网内搭建虚拟网络的需求，运营商们需要一个简单的、类似于云计算的管理平台，于是微缩板的云计算管理平台开始进入了市场，从这一点来看，边缘计算其实是脱胎于云计算的。随着这一微型平台的不断演化，尤其是得益于虚拟化技术（指通过虚拟化技术将一台计算机虚拟为多台逻辑计算机。在一台计算机上同时运行多个逻辑计算机，每个逻辑计算机可运行不同的操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。）的不断发展，人们发现这一平台有着管理成千上万边缘节点的能力，且能满足多样化的场景需求，经过不同厂商对这一平台不断改良，并加入丰富的功能，使得边缘计算开始进入了发展的快车道。

边缘计算优点

低延迟：计算能力部署在设备侧附近，设备请求实时响应；

低带宽运行：将工作迁移至更接近于用户或是数据采集终端的能力能够降低站点带宽限制所带来的影响。尤其是当边缘节点服务减少了向中枢发送大量数据处理的请求时。

隐私保护：数据本地采集，本地分析，本地处理，有效减少了数据暴露在公共网络的机会，保护了数据隐私。

边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台。边缘计算的核心，是将计算任务从云计算中心，迁移到产生源数据的边缘设备上。边缘计算物联网解决方案，从架构上分为：传感控制层、网络层、敏捷控制器和应用层。

传感控制层：这一层包含大量的传感器、控制部件（比如开关等）和测量部件（比如电表等），另外还有通信部件。这些通信部件可能是独立的，也可能是和其它部件结合在一起的。

网络层：这一层主要实现融合和互联，它的功能除了网络联接和管理之外，还包括边缘计算，进行现场处理，同时保障业务在本地的存活。本地存活和现场处理对物联网尤其是工业和民用大型设施是非常重要的。此外，协议转换也是这一层的重要功能。在 IoT 领域有特别多的协议，这些协议来自于各个行业历史上的积累，所以需要在网关上做协议的转换，将数据统一承载在 IP 网络上向外传输。

敏捷控制器：这一层将网关送上来的数据进行统一的处理，向上送给应用层。并对下层的网络、传感器、控制部件、测量部件、计算资源进行管理，提供网络布署、配置的自动化工具。

业务应用层：这一层是各种各样的行业应用。由于数据只在源数据设备和边缘设备之间交换，不再全部上传至云计算平台，因此，在物联网应用中，较之于传统的云计算，边缘计算在以下5大方面具有绝对性优势：

安全性要求

云计算模型中，用户的一切数据都需要上传到数据中心，而在这个过程中，数据安全性就成了一个重要问题。从电子金融账户密码、到搜索引擎历史再到智能摄像头监控，这些个人的隐私数据在上传到数据中心的过程，都蕴含了数据泄露的风险。这也是边缘计算博得大型工业公司青睐的原因之一。

知识产权问题

另外，与安全问题息息相关的，则是对专有数据和知识产权的担忧。在云计算中，用户的一切数据都需要上传至数据中心，例如炼油厂的炼油过程，可乐生产厂商的制作配方等一些视为商业机密的重要信息，都有可能通过高质量的传感器获取的工业数据来获取。

交互延迟和弹性

在物联网应用中面对的数据量极大，已经不再适合直接上传到云计算中心进行处理，不仅网络带宽压力大，对海量数据的搜索耗时也是不能接受的。自动驾驶汽车对数据传输与交互延迟要求非常高，边缘计算更靠近数据源，可快速处理数据、实时做出判断，充分保障乘客安全。

在自动驾驶汽车中，每台自动驾驶车上都配有多颗摄像头和激光雷达，这些传感器每时每秒都在创造大量数据。而自动驾驶汽车显然无法等待这些数据传输到云计算中心处理后再做决策，这时边缘计算就成为无人驾驶实时数据处理的利器。当汽车处于故障危险时，传感器能够迅速发出故障的振动信息，然后将其发送到本地网关进行处理。网关在识别出故障后的几毫秒或几秒钟内发出警报或指令以关闭机器。

另外，这也与弹性有关。在汽车、重型工业机械及制造工作时，在网络覆盖率下降的情况下，边缘计算依然能够保证局部网络的存活，维持持续工作，避免事故发生。

丨减少带宽成本

一些连接的传感器（例如相机或在引擎中工作的聚合传感器）会产生大量数据，在这些情况下，将所有这些信息发送到云将花费很长时间和过高的成本。

随着智慧城市和公共安全需要，摄像头的视频分析技术的重要性凸现出来。但是，由于摄像头数量多，产生的数据量极大，已经不再适合直接上传到云计算中心进行处理，不仅网络带宽压力大，对海量数据的搜索耗时也是不能接受的，这时候边缘计算就派上了用场。

丨自治能力

正是由于延迟和弹性问题，使得边缘计算自主决策不依赖于云的特性，成为在物联网应用中的决胜优势。

对于很多人来说，物联网连接工厂或办公室的目的是能够实现大量的流程自动化。在边缘计算中，机器不仅能够监控自身及其正在执行的过程，还可以对其进行编程，以便在出现问题时采取正确的行动。因此，当传感器检测到压力积聚时，它可以释放进一步向下的阀门，一旦流程依赖于特定的自动化水平，就必须依靠这个水平来及时制定。

边缘计算应用场景

1、公共安全中的实时处理

公共安全从社会的方方面面，如消防、出行，影响着广大民众的生活.随着智慧城市和平安城市的建设，大量传感器被安装到城市的各个角落，提升公共安全。例如武汉的“雪亮工程”建设，计划到2019 年6月底，全市公共安全视频监控总量将达到150万个。得益于“雪亮工程”的建设，全市刑事有效警情同比下降27. 2％，并为群众查找走失老人小孩、追回遗失贵重物品等服务1万余次。随着共享经济的兴起，各种共享经济产品落地并得到发展，如滴滴、Uber 和共享单车.然而，虽然当前城市中部署了大量的IP摄像头，但是大部分摄像头都不具备前置的计算功能，而需要将数据传输至数据中心进行处理，或者需要人工的方式来进行数据筛选.Sun等人提出了一种基于边缘计算的视频有用性检测系统，其可以通过在前端或者靠近视频源的位置，对视频内容进行判断，从而检测摄像头故障、内容错误以及根据内容对视频质量进行动态调整.。Zhang等人受启发于安珀警报系统，基于边缘计算技术，开发了安珀警报助手（Amber alert assistant，A3)，其可以自动化地在边缘设备上部署视频分析程序，并与附近的边缘设备协同实时地对视频进行处理，同时和周边摄像头进行联动，以完成绑匪车辆的实时追踪。

针对滴滴等共享车辆服务近年发生的危害公共安全的事件，Liu等人提出了 SafeShareRide系统，其会在两者情况下触发视频报警功能——司机驾驶行为异常，如偏离轨道和车内发生争吵或者口头呼救.SafeShareRide系统通过将用户手机作为边缘端，实时地监控车内情况和司机情况，做到数据的预先处理，避免了安全时间段内的视频上传，从而大量地降低了流量的损耗。

以上工作主要针对系统的有效性，更多地关注民众安全.而保护维护公共安全的人员，如警察、消防员等的安全，也至关重要.Wu等人提出了一种适 用于消防系统的边缘计算系统。其通过在救火车上部署边缘服务器，接受消防员配备的红外摄像头数据和各种传感器数据（如室内定位系统），实时地处理获得消防员位置信息和周边情况，并可视化地展现给现场指挥，同时也推送给远程控制中心，以保障消防员的人身安全。

2、移动连接：在5G网络大规模普及前，移动网络仍保持着受限和不稳定的特性，因此移动/无线网络也可以看作是云边缘计算的常见环境要素。许多应用或多或少都依赖于移动网络，例如应用于远程修复的增强现实、远程医疗、采集公共设施（水力，煤气，电力，设施管理）数据的物联网设备、库存、供应链以及运输解决方案、智慧城市、智慧道路和远程安全保障应用。这些应用都受益于边缘计算就近端处理的能力。

3、通用用户驻地设备（uCPE）:特点是网络连接有限，工作量较为稳定但需确保可用性高，同时，它也需要一种方法来支持跨上百至上千节点的数据应用混合安置，而拓展现有uCPE部署也将成为一项新要求。而这点非常适用于网络功能虚拟化（NFV Network Function Virtualization）应用，尤其当不同站点可能需要不同系列的服务链应用，或是区域内一系列不同的应用需要统一协作时。由于本地资源的利用以及必须满足在间断的网络连接下进行存储和进行数据处理，我们可需要支持网状或层次式的结构。自我修复以及与远程节点管理相结合的自我管理都是必须条件。

4、供零售/金融/远程连接领域使用的“开箱即用云”：提供了一系列可定制边缘计算环境，这类边缘计算主要提供给企业使用，并服务于特定产业应用。它从根本上与分布式结构相结合来达到以下效果：降低硬件消耗，多站标准化部署，灵活更替部署在边缘侧的应用（不受硬件影响，同一应用在所有节点上一致运行），提升弱网络条件下的运行稳定性。如果联网的条件有限制，通过将联网方式设定为有限网络连接时，可以提供内容缓存或提供计算、存储服务以及网络服务，比如新零售边缘计算环境。

总结

在万物互联的明天，边缘计算会给物联网发展提供更多、更快运算支持。使的物联网更具应用性，简化了某些程序，节约了相应的成本。据IDC预测，未来超过50％的数据需要在网络边缘侧分析、处理和储存。

我国的数字化发展一定会不断丰硕前进！

研究院祝愿各位数字化和产业化人士为了创造一个美好未来奋斗

研究院一些产品运用边缘计算原理，也将在在校园信息化平台、智慧安防、智慧节能等继续投入发展。