劉沅杰 劉政
摘 ? 要:針對(duì)新型智慧城市高性能應(yīng)用要求,突破物聯(lián)系統(tǒng)實(shí)時(shí)響應(yīng),研究了三層架構(gòu)的邊緣智能協(xié)同計(jì)算模型,構(gòu)建城市的新型信息基礎(chǔ)設(shè)施,實(shí)現(xiàn)物與物之間的協(xié)同計(jì)算和邊緣自治,就近提供邊緣智能服務(wù),滿足了新型智慧城市應(yīng)用的智能高效。
關(guān)鍵詞:邊緣計(jì)算 ?新型智慧城市 ?智慧交通
中圖分類號(hào):T393.1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào):1674-098X(2020)01(a)-0143-05
Abstract: Aiming at the requirements of high-performance applications in new smart cities, breaking through the real-time response of the IoT system, researching the edge intelligent collaborative computing model of the three-tier architecture, constructing the city's new information infrastructure, achieving collaborative computing and edge autonomy between objects, near Provide edge intelligence services to meet the intelligence and efficiency of new smart city applications.
Key Words: Edge computing; New smart city; Smart traffic
我國(guó)城市在信息化進(jìn)程中經(jīng)歷了數(shù)字化、網(wǎng)絡(luò)化、智能化三個(gè)階段:從紙質(zhì)存儲(chǔ)和傳輸轉(zhuǎn)變?yōu)橛?jì)算機(jī)存儲(chǔ)處理提高局部效率、再到各計(jì)算機(jī)聯(lián)網(wǎng)互通協(xié)同將信息流轉(zhuǎn)起來提升整體效能、對(duì)已有信息流進(jìn)行人工智能分析找出規(guī)律以自動(dòng)化智能化提升治理管控水平。隨著各類信息基礎(chǔ)設(shè)施建設(shè)的不斷完善,智慧城市理念不斷走向成熟,大數(shù)據(jù)、云計(jì)算、邊緣計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、5G網(wǎng)絡(luò)、人工智能等新興的ICT技術(shù)迅猛發(fā)展,僅僅關(guān)注城市各部門的信息化建設(shè)顯然不足以滿足城市未來長(zhǎng)遠(yuǎn)、可持續(xù)發(fā)展的需求,在此背景下,在以往智慧城市理論和實(shí)踐基礎(chǔ)上,以為民服務(wù)全程全時(shí)、城市治理高效有序、數(shù)據(jù)開放共融共享、經(jīng)濟(jì)發(fā)展綠色開源、網(wǎng)絡(luò)空間安全清朗為主要目標(biāo),進(jìn)一步提出建設(shè)新型智慧城市,從資源驅(qū)動(dòng)到創(chuàng)新驅(qū)動(dòng)模式的轉(zhuǎn)型,解決數(shù)據(jù)采集存儲(chǔ)、信息互聯(lián)互通,數(shù)據(jù)超算處理等基礎(chǔ)問題,而隨著物聯(lián)網(wǎng)技術(shù)發(fā)展和產(chǎn)業(yè)互聯(lián)網(wǎng)升級(jí),高經(jīng)濟(jì)密度數(shù)據(jù)成為獨(dú)立的商業(yè)資本與經(jīng)濟(jì)生產(chǎn)要素,邊緣智能設(shè)備和節(jié)點(diǎn)產(chǎn)生的海量數(shù)據(jù)的連接和計(jì)算對(duì)智能應(yīng)用的及時(shí)響應(yīng)支撐需求變得越來越迫切,在云和端之間引入智能協(xié)同邊緣計(jì)算可實(shí)現(xiàn)連接和計(jì)算服務(wù)的高可用性,構(gòu)建新型智慧城市的大腦,提供智能服務(wù)。
1 ?新型智慧城市的需求
新型智慧城市是以“發(fā)展更科學(xué),管理更高效,社會(huì)更和諧,生活更美好”為目標(biāo),整個(gè)城市具有較為完善的行為意識(shí)和調(diào)控能力,具有空天地多平臺(tái)協(xié)同能力、具有智能感知、情境感知與認(rèn)知能力、具有成熟的信息-知識(shí)-智能轉(zhuǎn)換機(jī)制,一定的決策能力、具有一定的自我學(xué)習(xí)、自我成長(zhǎng)和自我創(chuàng)新能力等,因此,也給信息基礎(chǔ)設(shè)施帶來新的需求。
數(shù)據(jù)存儲(chǔ)與共享需求:物聯(lián)網(wǎng)技術(shù)與5G網(wǎng)絡(luò)的快速發(fā)展,網(wǎng)絡(luò)邊緣設(shè)備以及產(chǎn)生的結(jié)構(gòu)化和非結(jié)構(gòu)數(shù)據(jù)每年成倍增長(zhǎng),高速增長(zhǎng)的邊緣數(shù)據(jù)對(duì)邊緣存儲(chǔ)的容量、性能、功耗提出了新的需求,同時(shí)要滿足高速低延時(shí)的需求。通過邊緣存儲(chǔ)將高頻計(jì)算、高敏感度數(shù)據(jù)(如監(jiān)控視頻、可穿戴設(shè)備體檢數(shù)據(jù))分散在與應(yīng)用場(chǎng)景就近的邊緣存儲(chǔ)節(jié)點(diǎn)來支持邊緣計(jì)算的實(shí)時(shí)性,支持多源數(shù)據(jù)節(jié)點(diǎn)的存儲(chǔ)和共享協(xié)同。數(shù)據(jù)擁有者在地理上是分布的,但具有各自的物理位置和網(wǎng)絡(luò)結(jié)構(gòu),類似于點(diǎn)對(duì)點(diǎn)的邊緣連接方式,在數(shù)據(jù)擁有者之間提供數(shù)據(jù)的共享,通過數(shù)據(jù)服務(wù)接口,多節(jié)點(diǎn)數(shù)據(jù)共享參與邊緣計(jì)算服務(wù),保障數(shù)據(jù)的隱私和安全。另外,邊緣存儲(chǔ)支持?jǐn)?shù)據(jù)合并、連接復(fù)用、動(dòng)態(tài)智能路由、防盜鏈技術(shù)、Gzip壓縮、統(tǒng)計(jì)分析、Cache策略多樣化技術(shù)手段提供存儲(chǔ)和預(yù)緩存服務(wù),克服對(duì)惡劣網(wǎng)絡(luò)環(huán)境的傳輸問題,與云存儲(chǔ)協(xié)同服務(wù),緩解云數(shù)據(jù)中心的帶寬和存儲(chǔ)壓力,降低網(wǎng)絡(luò)安全攻擊風(fēng)險(xiǎn)。
智能計(jì)算需求:隨著芯片技術(shù)的快速發(fā)展,邊緣設(shè)備越來越智能化,其數(shù)據(jù)計(jì)算處理需要具備高實(shí)時(shí)性。邊緣計(jì)算是一種新型分布式計(jì)算模型,通過將傳統(tǒng)云計(jì)算架構(gòu)中的部門任務(wù)下沉到智能終端設(shè)備或者邊緣計(jì)算節(jié)點(diǎn)執(zhí)行,提供實(shí)時(shí)的數(shù)據(jù)計(jì)算服務(wù),包括數(shù)據(jù)預(yù)處理和決策能力更接近數(shù)據(jù)源。如云端執(zhí)行工業(yè)物聯(lián)網(wǎng)計(jì)算的密集型神經(jīng)網(wǎng)絡(luò)模型算法,可將部分計(jì)算任務(wù)部署在邊緣,通過本地?cái)?shù)據(jù)的高讀取速率和實(shí)時(shí)性計(jì)算處理功能將計(jì)算結(jié)果傳輸?shù)皆贫?,為工業(yè)提供持續(xù)穩(wěn)定的生產(chǎn)運(yùn)行和監(jiān)控。
互聯(lián)協(xié)同需求:物聯(lián)網(wǎng)和5G帶來的網(wǎng)絡(luò)通信技術(shù)升級(jí)實(shí)現(xiàn)萬物互聯(lián),特別是大規(guī)模的智能通信設(shè)備的應(yīng)用,如智能家居、自動(dòng)駕駛、工業(yè)控制、可穿戴設(shè)備等的廣覆蓋,在傳統(tǒng)的云計(jì)算模型采用的集中式管理模式下,物聯(lián)數(shù)據(jù)的互聯(lián)互通需要跨越地理位置和各層級(jí)網(wǎng)關(guān),帶來了極大的數(shù)據(jù)延遲和網(wǎng)絡(luò)抖動(dòng)導(dǎo)致服務(wù)質(zhì)量(QoS)不佳,難以滿足邊緣計(jì)算的互聯(lián)和智能協(xié)同性需求。
2 ?新型智慧城市建設(shè)范式
城市發(fā)展范式已經(jīng)歷了上個(gè)世紀(jì)的結(jié)構(gòu)-功能、理性規(guī)劃范式,進(jìn)入多元合作溝通范式,對(duì)社會(huì)、經(jīng)濟(jì)、文化、制度等復(fù)雜要素提出了更高的精細(xì)化、彈性管理要求,傳統(tǒng)的智慧城市建設(shè)向新型智慧城市演進(jìn)是一種必然的趨勢(shì),新型智慧城市注重的是城市的技術(shù)融合、業(yè)務(wù)融合、數(shù)據(jù)融合,實(shí)現(xiàn)跨層級(jí)、跨地域、跨系統(tǒng)、跨部門、跨業(yè)務(wù)的協(xié)同管理和智能服務(wù),以智能服務(wù)為中心,各行業(yè)時(shí)空協(xié)同實(shí)現(xiàn)“智能感知、深度挖掘、智能服務(wù)”的新型智慧城市發(fā)展范式,是新一輪信息技術(shù)變革和科技創(chuàng)新的進(jìn)一步發(fā)展的必然選擇。
以智能服務(wù)為中心,各行業(yè)時(shí)空協(xié)同實(shí)現(xiàn)的“智能感知-深度挖掘-智能服務(wù)”的新型智慧城市模式,能夠靈活支持不斷涌現(xiàn)的網(wǎng)絡(luò)和業(yè)務(wù)新需求。
數(shù)據(jù)感知層:基于大數(shù)據(jù)思想實(shí)現(xiàn)網(wǎng)絡(luò)感知、分析、為上層計(jì)算提供數(shù)據(jù)采集、網(wǎng)絡(luò)智能調(diào)度、控制。
計(jì)算層:基于網(wǎng)絡(luò)邊緣計(jì)算思想,將網(wǎng)絡(luò)控制和網(wǎng)絡(luò)數(shù)據(jù)交換、計(jì)算相分離解決網(wǎng)絡(luò)復(fù)雜性和可擴(kuò)展性,具有靈活構(gòu)建各類計(jì)算服務(wù)需求的協(xié)同網(wǎng)絡(luò)。
智能服務(wù)層:基于云架構(gòu)思想實(shí)現(xiàn)數(shù)據(jù)資源的智能有序調(diào)度,信息服務(wù)貼近智慧應(yīng)用場(chǎng)景,解決網(wǎng)絡(luò)重復(fù)傳輸及信息安全等問題。
3 ?關(guān)鍵技術(shù)
3.1 邊緣存儲(chǔ)技術(shù)
伴隨著多元化物聯(lián)網(wǎng)感知數(shù)據(jù)的采集和邊緣智能設(shè)備的規(guī)模應(yīng)用,每天城市中產(chǎn)生數(shù)億的海量物聯(lián)網(wǎng)記錄,邊緣資源的存儲(chǔ)是首要解決的問題,第一階段是傳統(tǒng)的數(shù)據(jù)存儲(chǔ)技術(shù),用現(xiàn)有主流存儲(chǔ)設(shè)備產(chǎn)品、存儲(chǔ)單元解決數(shù)據(jù)分布式物理存儲(chǔ),但邊緣計(jì)算引入的計(jì)算服務(wù)是一個(gè)新的技術(shù)需求,如人臉識(shí)別,設(shè)備會(huì)掃描人的面部并整理出他們的生物識(shí)別指標(biāo)。而邊緣計(jì)算節(jié)點(diǎn)可即刻進(jìn)行處理,并與邊緣存儲(chǔ)設(shè)備中的信息進(jìn)行比對(duì)。另外,使用智能設(shè)備對(duì)數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、加工,并根據(jù)云計(jì)算中心下發(fā)的規(guī)則進(jìn)行計(jì)算,將計(jì)算結(jié)果及關(guān)鍵信息根據(jù)相應(yīng)的通信協(xié)議傳回云中心;而原始數(shù)據(jù)可短期保存在邊緣智能設(shè)備上,也可按需求在特定時(shí)間段保存到云存儲(chǔ)中心、還可保存多份數(shù)據(jù)到相關(guān)聯(lián)的同級(jí)邊緣存儲(chǔ)節(jié)點(diǎn);這樣不僅能極大降低云中心的計(jì)算負(fù)載,還能憑借獨(dú)有的無限節(jié)點(diǎn)資源和強(qiáng)大分布式存儲(chǔ)技術(shù),能夠有效提高存儲(chǔ)服務(wù)的穩(wěn)定性和安全性,打造的安全穩(wěn)定、海量、低成本的分布式存儲(chǔ)服務(wù)。
3.2 計(jì)算服務(wù)技術(shù)
云中心需要作為整個(gè)結(jié)構(gòu)的計(jì)算中心,還需要做為整個(gè)結(jié)構(gòu)的管理中心。它將通用任務(wù)下發(fā)到所有邊緣智能設(shè)備,為它們制定統(tǒng)一規(guī)則,指導(dǎo)邊緣智能設(shè)備完成特定任務(wù),收集任務(wù)返回結(jié)果。云中心經(jīng)過大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享并進(jìn)行算法模型的訓(xùn)練和升級(jí),得出新計(jì)算規(guī)則,然后將計(jì)算規(guī)則推送到邊緣智能設(shè)備進(jìn)行更新和升級(jí),形成自主學(xué)習(xí)的閉環(huán)。對(duì)于實(shí)時(shí)數(shù)據(jù)調(diào)取可通過網(wǎng)絡(luò)連接到特定的多個(gè)邊緣設(shè)備拉取,而對(duì)非實(shí)時(shí)數(shù)據(jù)則可到云存儲(chǔ)中心拉取。
3.3 智能協(xié)同技術(shù)
因大部分?jǐn)?shù)據(jù)都有區(qū)域相關(guān)特性,邊緣智能設(shè)備可根據(jù)云中心定義的規(guī)則,和鄰近邊緣智能設(shè)備建立“自治區(qū)域”,在同區(qū)域中的智能設(shè)備可協(xié)同工作:數(shù)據(jù)相互備份、共享、并進(jìn)行區(qū)域關(guān)聯(lián)分析。每個(gè)邊緣智能設(shè)備在向云中心注冊(cè)時(shí),由云中心分配唯一ID(可類似于居民身份證),ID硬編碼了邊緣機(jī)器的各種特征信息;每個(gè)邊緣智能設(shè)備通過P2P的DHT(分布式哈希表)技術(shù)或云中心邊緣設(shè)備管理中心很容易就可組建一個(gè)智能協(xié)同的區(qū)域網(wǎng)。
通過上述關(guān)鍵技術(shù),為新型智慧城市建設(shè)提供了一個(gè)新的架構(gòu)模型:在邊緣智能設(shè)備上以邊緣計(jì)算和P2P技術(shù)為基礎(chǔ)構(gòu)建它的“軀干”,以云中心構(gòu)建“大腦”,以網(wǎng)絡(luò)構(gòu)建“神經(jīng)元”。實(shí)現(xiàn)智能協(xié)同計(jì)算,構(gòu)建城市新型信息基礎(chǔ)設(shè)施。
4 ?應(yīng)用場(chǎng)景分析
城市作為復(fù)雜系統(tǒng)的疊加,對(duì)管理的對(duì)象、內(nèi)容及管理的目標(biāo)設(shè)定、過程設(shè)計(jì)等方面頁顯得異常復(fù)雜,同時(shí),城市交通采集設(shè)備數(shù)據(jù)量不斷增加和源數(shù)據(jù)多樣化,對(duì)實(shí)際場(chǎng)景的實(shí)施性需求也在提高,集中采集后回傳到云端進(jìn)行分析處理再將結(jié)果反饋給現(xiàn)場(chǎng)的方式將會(huì)出現(xiàn)帶寬資源浪費(fèi)和延時(shí)等問題。若引入邊緣智能協(xié)調(diào)計(jì)算,便可根據(jù)道路交通的實(shí)時(shí)采集數(shù)據(jù)和可用資源,在邊緣進(jìn)行協(xié)同計(jì)算實(shí)時(shí)作出相應(yīng)判斷,為交通業(yè)務(wù)管理、領(lǐng)導(dǎo)決策和社會(huì)公眾提供信息支持與服務(wù),從而最大程度發(fā)揮交通資源的效益。例如使用無線通信技術(shù),車輛與交通信號(hào)系統(tǒng)和其他路邊基礎(chǔ)設(shè)施相互通信,車輛能夠?qū)㈥P(guān)于其定位、速度和方向的數(shù)據(jù)傳達(dá)給其他連接的車輛和基礎(chǔ)設(shè)施,通常以每秒10次的速率,以增加高質(zhì)量的交通和運(yùn)輸信息的數(shù)量,數(shù)據(jù)可供司機(jī)和其他道路使用者使用。同時(shí)在邊緣節(jié)點(diǎn)實(shí)時(shí)視頻分析,系統(tǒng)會(huì)生成定向流量并針對(duì)異常流量模式發(fā)出警報(bào)。 我們正在確定危險(xiǎn)的沖突模式,以盡量減少交通死亡。
我們可以將交通監(jiān)控系統(tǒng)進(jìn)行簡(jiǎn)單改造,變成一個(gè)高可用的智慧交通系統(tǒng),可實(shí)現(xiàn)智能交通燈管理、交通事件分析、道路擁堵指數(shù)分析、事故追蹤等。以圖2為例,車輛流量監(jiān)控設(shè)備作為邊緣智能設(shè)備,監(jiān)控采集的視頻或圖片數(shù)據(jù),在本地進(jìn)行短期儲(chǔ)存,還可將備份數(shù)據(jù)分發(fā)到相鄰設(shè)備上,同時(shí)直接對(duì)視頻和圖片進(jìn)行簡(jiǎn)單分析:當(dāng)前車流量、道路容量、行車速度、各路口等待車輛數(shù)、車輛車牌號(hào)等,這些信息可按統(tǒng)計(jì)數(shù)據(jù)直接傳到云中心,并可在本地建立相關(guān)數(shù)據(jù)的時(shí)序數(shù)據(jù)庫;而對(duì)于車輛異常行為分析數(shù)據(jù)和取證視頻或圖片都傳送到中心保存;因此不再需要將所有視頻數(shù)據(jù)或圖片傳到云中心進(jìn)行分析和保存,能極大的減輕中心壓力,加快中心服務(wù)的響應(yīng);相鄰設(shè)備收到鄰居的數(shù)據(jù)后,先進(jìn)行保存,并將元數(shù)據(jù)上報(bào)給云中心,方便云中心建立存儲(chǔ)索引,這樣數(shù)據(jù)就能防止被惡意篡改和丟失,還可將自身數(shù)據(jù)結(jié)合鄰居視頻或圖片數(shù)據(jù)進(jìn)行聯(lián)合分析:車輛區(qū)間速度分析、車輛行駛異常分析等。云中心如需要實(shí)時(shí)調(diào)取或查找莫數(shù)據(jù),可同時(shí)在多個(gè)設(shè)備上進(jìn)行,并能很好的獲取所有的關(guān)聯(lián)數(shù)據(jù)。
而云中心根據(jù)車輛流量監(jiān)控設(shè)備的地理位置分配特定的ID,并為其劃定區(qū)域歸屬。云中心通過分析邊緣設(shè)備產(chǎn)生的統(tǒng)計(jì)數(shù)據(jù),可進(jìn)行道路交通量分析、路段運(yùn)行情況分析、交叉路口狀況分析,這些數(shù)據(jù)分析結(jié)果可用于交通動(dòng)態(tài)跳轉(zhuǎn),交通阻塞報(bào)警、實(shí)時(shí)事件決策等。
以車輛車牌追蹤為例,車輛車牌已被邊緣設(shè)備處理為字符串(而非原始圖片)并上傳到云中心,因此通過云中心很容易就能知道車輛車牌被哪些路口邊緣設(shè)備監(jiān)控到,并且被查車輛對(duì)應(yīng)原始數(shù)據(jù)位置可直接定位到區(qū)域內(nèi)具體設(shè)備,然后進(jìn)行區(qū)域關(guān)聯(lián)分析,由區(qū)域內(nèi)多個(gè)設(shè)備同時(shí)查找和傳送相關(guān)數(shù)據(jù),這樣,能快速將相關(guān)數(shù)據(jù)實(shí)時(shí)傳送到云中心,讓使用者能清晰地知道車輛在該區(qū)域內(nèi)的運(yùn)行軌跡。
從上可以知道,使用新型架構(gòu)模型能充分發(fā)揮各設(shè)備優(yōu)勢(shì):
實(shí)時(shí)或更快的數(shù)據(jù)處理和分析:數(shù)據(jù)處理更靠近源,而不是外部數(shù)據(jù)中心或云,這樣可以縮短延遲時(shí)間。
降低成本:企業(yè)在本地設(shè)備上的數(shù)據(jù)管理解決方案所花費(fèi)的成本低于云和數(shù)據(jù)中心網(wǎng)絡(luò)。
減少網(wǎng)絡(luò)流量:隨著物聯(lián)網(wǎng)設(shè)備數(shù)量的增加,數(shù)據(jù)生成繼續(xù)以創(chuàng)紀(jì)錄的速度增長(zhǎng)。 結(jié)果,網(wǎng)絡(luò)帶寬變得更加有限,壓倒了云,導(dǎo)致更大的數(shù)據(jù)瓶頸。
提高應(yīng)用程序效率:通過降低延遲級(jí)別,應(yīng)用程序可以更高效,更快速地運(yùn)行。
另外,邊緣智能協(xié)同計(jì)算也可以減少單點(diǎn)故障,保障用戶數(shù)據(jù)的安全性和合規(guī)性,通過邊緣設(shè)備采集的本地?cái)?shù)據(jù)并對(duì)其計(jì)算可避免向云端的敏感數(shù)據(jù)傳輸。可以通過協(xié)議轉(zhuǎn)換無縫高效的連接到車聯(lián)網(wǎng)相關(guān)平臺(tái)(如智能傳輸控制系統(tǒng)(ITS)),增加物聯(lián)的互操作性。
4.1 需求
目前,智慧交通行業(yè)的采集產(chǎn)品都已非常成熟,例如視頻監(jiān)控、電子警察、高速卡口設(shè)備、違規(guī)抓拍、天網(wǎng)監(jiān)控等;服務(wù)器性能也在不斷提高,同時(shí)價(jià)格在不斷下降。因此將邊緣計(jì)算應(yīng)用到智慧交通系統(tǒng)得硬件條件已完全成熟。
智慧交通中數(shù)據(jù)的海量性、多樣性、異構(gòu)性都決定了處理的復(fù)雜性,簡(jiǎn)單到交通設(shè)施及來往車輛數(shù)據(jù)的收集,復(fù)雜到交通事件的判定檢測(cè),都需要對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)、準(zhǔn)確的處理,而單純建立云平臺(tái)處理數(shù)據(jù),已很難滿足改需求。
智能交通系統(tǒng)需要能使道路上的交通信息與交通相關(guān)信息盡量完整和實(shí)時(shí);交通參與者、交通管理者、交通工具、道路管理設(shè)施之間的信息交換實(shí)時(shí)和高效;控制中心對(duì)執(zhí)行系統(tǒng)的控制更加高效;處理軟件系統(tǒng)具備自學(xué)習(xí)、自適應(yīng)的能力。
4.2 系統(tǒng)設(shè)計(jì)
智慧交通基礎(chǔ)系統(tǒng)分為三層:數(shù)據(jù)采集層、邊緣計(jì)算節(jié)點(diǎn)和云計(jì)算中心。
數(shù)據(jù)采集層利用設(shè)備將采集的數(shù)據(jù)傳輸給邊緣節(jié)點(diǎn),以計(jì)算標(biāo)準(zhǔn)流量特征,如平均速度[km/hr]、交通視頻、交通量(每小時(shí)車輛數(shù)量)[車輛/小時(shí)]、交通密度[車輛/公里]、車道占用率[%]、車輛長(zhǎng)度[m](用于車輛分類)、車輛駛向錯(cuò)誤方向的情況等。
邊緣計(jì)算節(jié)點(diǎn)的主要功能模塊分為:區(qū)域peer管理、統(tǒng)計(jì)分析規(guī)則管理、數(shù)據(jù)存儲(chǔ)和管理、節(jié)點(diǎn)配置管理、異常數(shù)據(jù)處理引擎、數(shù)據(jù)搜索引擎、圖像處理識(shí)別、實(shí)時(shí)數(shù)據(jù)處理引擎等。
區(qū)域peer節(jié)點(diǎn)管理:管理“兄弟”邊緣計(jì)算節(jié)點(diǎn)路由信息、相關(guān)的存儲(chǔ)數(shù)據(jù)元信息、數(shù)據(jù)副本。
實(shí)時(shí)數(shù)據(jù)處理引擎:利用圖像處理技術(shù)結(jié)合AI分析規(guī)和統(tǒng)計(jì)分析規(guī)則、異常處理規(guī)則,對(duì)視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)處理,對(duì)交通量、交通密度、車輛平均速度等數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,并將統(tǒng)計(jì)數(shù)據(jù)上傳給云計(jì)算中心;而異常數(shù)據(jù)則進(jìn)行截圖,并將異常原因和異常證據(jù)截圖。
數(shù)據(jù)搜索引擎:接收數(shù)據(jù)查詢請(qǐng)求,對(duì)本級(jí)數(shù)據(jù)進(jìn)行快速查詢,并能對(duì)peer副本數(shù)據(jù)提供搜索。
數(shù)據(jù)存儲(chǔ)和管理:對(duì)視頻原始數(shù)據(jù)進(jìn)行存儲(chǔ),索引,對(duì)要求上傳的數(shù)據(jù)進(jìn)行上傳(Flume)。
節(jié)點(diǎn)配置管理:根據(jù)節(jié)點(diǎn)的角色,定時(shí)獲取角色相關(guān)配置,并能與云計(jì)算中心及時(shí)更新AI分析規(guī)則、統(tǒng)計(jì)分析規(guī)則、異常處理規(guī)則等。
規(guī)則管理:對(duì)規(guī)則進(jìn)行及時(shí)更新,并及時(shí)應(yīng)用到各分析場(chǎng)景中。
而云計(jì)算中心的主要模塊分為:消息中心、頁面展示模塊、應(yīng)用數(shù)據(jù)接口、異常數(shù)據(jù)存儲(chǔ)與管理、統(tǒng)計(jì)數(shù)據(jù)存儲(chǔ)和管理、AI學(xué)習(xí)引擎、規(guī)則管理。
消息中心:使用kafka作為消息中心,發(fā)布配置更新、發(fā)布規(guī)則更新、接收各類型的數(shù)據(jù),其他模塊分別從kafka中讀取所需數(shù)據(jù),而實(shí)時(shí)數(shù)據(jù)查詢也從kafka中發(fā)布任務(wù),然后從kafka中讀取各節(jié)點(diǎn)的任務(wù)結(jié)果中心。
AI(智能)學(xué)習(xí)引擎:則通過對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析,形成異常數(shù)據(jù)和統(tǒng)計(jì)分析模塊的決策樹規(guī)則;相關(guān)模塊對(duì)形成的規(guī)則進(jìn)行維護(hù),并將數(shù)據(jù)下發(fā)到特定節(jié)點(diǎn)。
邊緣計(jì)算節(jié)點(diǎn)管理:對(duì)所有邊緣計(jì)算節(jié)點(diǎn),進(jìn)行注冊(cè)登記、管理、并監(jiān)控各節(jié)點(diǎn)的健康狀態(tài)等。
應(yīng)用數(shù)據(jù)接口管理:對(duì)統(tǒng)計(jì)數(shù)據(jù)、異常數(shù)據(jù)提供統(tǒng)一的查詢接口,方便其他應(yīng)用獲取數(shù)據(jù)。
數(shù)據(jù)搜索引擎:對(duì)數(shù)據(jù)搜索進(jìn)行初步過濾和分類,需要邊緣計(jì)算節(jié)點(diǎn)搜索的請(qǐng)求,將請(qǐng)求下發(fā)到各邊緣節(jié)點(diǎn),并對(duì)各節(jié)點(diǎn)搜索結(jié)果進(jìn)行統(tǒng)一整理。
實(shí)時(shí)數(shù)據(jù)處理引擎:spark從kafka中讀取各類數(shù)據(jù),并根據(jù)數(shù)據(jù)類型交給不同數(shù)據(jù)存儲(chǔ)模塊處理。
異常數(shù)據(jù)存儲(chǔ)與管理:從實(shí)時(shí)數(shù)據(jù)處理引擎接收異常標(biāo)簽數(shù)據(jù)和視頻,為異常數(shù)據(jù)建立視頻和標(biāo)簽的時(shí)空索引,方便異常數(shù)據(jù)快速查找。
統(tǒng)計(jì)數(shù)據(jù)存儲(chǔ)和管理:從實(shí)時(shí)數(shù)據(jù)處理引擎接收邊緣節(jié)點(diǎn)的統(tǒng)計(jì)數(shù)據(jù),為AI學(xué)習(xí)引擎提供訓(xùn)練數(shù)據(jù),為交通網(wǎng)絡(luò)決策提供基礎(chǔ)數(shù)據(jù),例如對(duì)POI數(shù)據(jù)、GPS數(shù)據(jù)、客流情況等智能交通數(shù)據(jù)進(jìn)行分析,由數(shù)據(jù)的分析結(jié)果來了解城市的交通情況,為居民提供導(dǎo)航、定位、公告、交通引流等服務(wù)。
決策樹管理與維護(hù):通過AI學(xué)習(xí)引擎和人工維護(hù)不斷對(duì)決策樹進(jìn)行優(yōu)化,將決策樹變成異常處理規(guī)則與統(tǒng)計(jì)分析規(guī)則。
異常規(guī)則管理:對(duì)形成的異常規(guī)則進(jìn)行及時(shí)更新,根據(jù)各邊緣節(jié)點(diǎn)角色的不同,下發(fā)角色相關(guān)的規(guī)則到各邊緣節(jié)點(diǎn)。
統(tǒng)計(jì)分析規(guī)則管理:對(duì)形成的統(tǒng)計(jì)分析規(guī)則進(jìn)行及時(shí)更新,根據(jù)各邊緣節(jié)點(diǎn)角色的不同,下發(fā)角色相關(guān)的規(guī)則到各邊緣節(jié)點(diǎn)。
頁面展示:對(duì)數(shù)據(jù)進(jìn)行展示,例如超出速度限制的每輛車的圖像,以及車牌的詳細(xì)照片,違規(guī)行為的日期,時(shí)間和地點(diǎn)。
4.3 結(jié)果分析
下圖為傳統(tǒng)架構(gòu)處理性能與云平臺(tái)+邊緣計(jì)算架構(gòu)下查找一天內(nèi)具體車牌數(shù)據(jù)處理性能對(duì)比,其中縱軸為時(shí)間,橫軸為視頻采集端個(gè)數(shù);
邊緣節(jié)點(diǎn)的服務(wù)器會(huì)收到超出速度限制的每輛車的圖像,以及車牌的詳細(xì)照片,文本形式的車牌號(hào)碼,以及違規(guī)行為的日期,時(shí)間和地點(diǎn)進(jìn)行抓獲識(shí)別處理,將特征數(shù)據(jù)發(fā)送到云端生成和打印交通罰單系統(tǒng)。
5 ?結(jié)語
新型的智慧城市建設(shè)是一個(gè)系統(tǒng)化工程,除了本文論述的新型智慧城市發(fā)展范式和技術(shù)支撐,隨著5G的規(guī)模商用,當(dāng)與5G無線通信網(wǎng)絡(luò)結(jié)合使用時(shí),這些技術(shù)可以通過引入功能更強(qiáng)大的通信網(wǎng)絡(luò)來顯著減少數(shù)據(jù)共享和延遲,在計(jì)算處理方面利用AI和物聯(lián)網(wǎng)相關(guān)技術(shù)融合給城市的智能化賦能,借鑒國(guó)外發(fā)達(dá)城市的智慧化經(jīng)驗(yàn),結(jié)合實(shí)際國(guó)情和行業(yè)應(yīng)用場(chǎng)景,創(chuàng)新體制機(jī)制,標(biāo)準(zhǔn)體系、運(yùn)營(yíng)模式等,保證新型智慧城市建設(shè)和運(yùn)行的可持續(xù)升級(jí)發(fā)展。
參考文獻(xiàn)
[1] 施巍松,孫輝,曹杰,等.邊緣計(jì)算:萬物互聯(lián)時(shí)代新型計(jì)算模型[J].計(jì)算機(jī)研究與發(fā)展,2017,54(5): 907-924.
[2] 吳大鵬, 張普寧, 王汝言.“端—邊—云”協(xié)同的智慧物聯(lián)網(wǎng)[J]. 物聯(lián)網(wǎng)學(xué)報(bào), 2014,2(3): 25-32.
[3] 王騰飛, 張瑞權(quán), 李建宏. 基于邊緣計(jì)算的計(jì)算即服務(wù)模式[J]. 電子技術(shù)應(yīng)用, 2019, 45(5):80-83.
[4] 葛志誠(chéng), 徐恪, 陳靚. 一種移動(dòng)內(nèi)容分發(fā)網(wǎng)絡(luò)的分層協(xié)同緩存機(jī)制[J].計(jì)算機(jī)學(xué)報(bào), 2018, 41(12):135-152.
[5] 張暉, 徐冬梅, 李建慧. 智慧城市實(shí)時(shí)應(yīng)用的物聯(lián)網(wǎng)系統(tǒng)參考體系結(jié)構(gòu)[J].北京信息科技大學(xué)學(xué)報(bào):自然科學(xué)版,2017(3) :7-12.