李文豪，陳仲生

（湖南工業(yè)大學(xué) 電氣與信息工程學(xué)院，湖南 株洲 412007）

0 引言

隨著計算機網(wǎng)絡(luò)技術(shù)的蓬勃發(fā)展，連接互聯(lián)網(wǎng)的設(shè)備數(shù)量呈現(xiàn)出日益增長的態(tài)勢，如何高效處理這些設(shè)備所產(chǎn)生的數(shù)據(jù)信息已成為一個亟待解決問題。云計算是傳統(tǒng)中心計算模型的典型代表，其主要特征為在云平臺一側(cè)集中進(jìn)行數(shù)據(jù)計算和存儲，具有強大的處理分析能力，不僅方便人們進(jìn)行資源信息共享，還能夠協(xié)助提高企業(yè)的信息管理能力［1］。然而在這萬物皆可聯(lián)網(wǎng)的時代，設(shè)備所產(chǎn)生的數(shù)據(jù)量在爆發(fā)式地增長。2000年全球互聯(lián)網(wǎng)生成的數(shù)據(jù)總量為2 EB；但從2011年開始，每天生成的互聯(lián)網(wǎng)數(shù)據(jù)量約為2 EB，到2020年，全球互聯(lián)網(wǎng)數(shù)據(jù)總量已經(jīng)達(dá)到了約40 000 EB［2］；云中心所承受的工作強度越來越大，其處理數(shù)據(jù)的速度也越來越慢。為了減少網(wǎng)絡(luò)時延對數(shù)據(jù)上傳互聯(lián)網(wǎng)的影響，網(wǎng)絡(luò)傳輸帶寬被提出了更高的要求。

邊緣計算不同于傳統(tǒng)的云計算，其能在靠近接入設(shè)備的一端對數(shù)據(jù)進(jìn)行處理和存儲，極大地降低了接入設(shè)備數(shù)據(jù)傳輸對網(wǎng)絡(luò)帶寬的要求。在互聯(lián)網(wǎng)接入設(shè)備中采用邊緣計算技術(shù)，將云中心的一部分工作下沉到本地任務(wù)中，以減輕云中心的工作壓力，提高數(shù)據(jù)處理的效率。為了更好地實現(xiàn)云中心對數(shù)據(jù)進(jìn)行實時、短周期地處理，邊緣計算網(wǎng)關(guān)技術(shù)被提出，其將邊緣計算技術(shù)與網(wǎng)關(guān)技術(shù)相結(jié)合，能夠在靠近接入設(shè)備側(cè)進(jìn)行數(shù)據(jù)的計算、存儲以及通信。數(shù)據(jù)經(jīng)邊緣計算網(wǎng)關(guān)處理后再上傳至云平臺，這樣不僅避免了大量數(shù)據(jù)扎堆涌入云中心現(xiàn)象的發(fā)生，還能提高云中心處理數(shù)據(jù)的效率［3］。因此，在物聯(lián)網(wǎng)時代，邊緣計算網(wǎng)關(guān)憑借其諸多優(yōu)點得到了迅速的發(fā)展和廣泛的應(yīng)用，已成為物聯(lián)網(wǎng)系統(tǒng)中一個不可或缺的部分。本文對邊緣計算網(wǎng)關(guān)從發(fā)展歷程、標(biāo)準(zhǔn)評估、結(jié)構(gòu)搭建、關(guān)鍵技術(shù)以及應(yīng)用進(jìn)展等方面進(jìn)行了介紹，并對其未來發(fā)展進(jìn)行了展望。

1 邊緣計算網(wǎng)關(guān)發(fā)展歷程

隨著終端設(shè)備數(shù)據(jù)計算能力的不斷提升，數(shù)據(jù)計算的任務(wù)重心逐漸從云中心轉(zhuǎn)移到物聯(lián)網(wǎng)（internet of things，IoT）架構(gòu)中接近網(wǎng)絡(luò)邊緣（用戶）的一側(cè)，邊緣計算逐漸取代云計算，并形成了一種IoT網(wǎng)關(guān)，即邊緣計算網(wǎng)關(guān)。邊緣計算網(wǎng)關(guān)作為連接終端設(shè)備和云中心的關(guān)鍵部件，其能夠分擔(dān)云中心的計算負(fù)載，并且能夠協(xié)調(diào)分布在網(wǎng)絡(luò)邊緣側(cè)的多個終端設(shè)備，從而實現(xiàn)自組網(wǎng)、遠(yuǎn)程通信、數(shù)據(jù)匯聚、邊緣計算以及數(shù)據(jù)存儲等功能。

2016年之前，邊緣計算一直處于技術(shù)儲備階段且沒有明確的定義，彼時云計算是人們研究的熱點。2016年5月，邊緣計算首次被賦予了定義：邊緣計算是指允許在網(wǎng)絡(luò)邊緣使能云服務(wù)的下行數(shù)據(jù)以及IoT服務(wù)的上行數(shù)據(jù)的技術(shù)［4］?！斑吘墶币辉~可被抽象地理解為在數(shù)據(jù)源和云中心之間的計算資源或網(wǎng)絡(luò)資源，邊緣計算的基本原理是發(fā)生在數(shù)據(jù)源附近的數(shù)據(jù)處理。邊緣計算與霧計算可以互換，邊緣計算側(cè)重于IoT方面，而霧計算則側(cè)重于架構(gòu)體系方面。文獻(xiàn)［4］從可編程性、安全性、數(shù)據(jù)處理、服務(wù)管理等技術(shù)方面提出了有關(guān)邊緣計算的機遇和挑戰(zhàn)以及值得未來研究的優(yōu)化指標(biāo)。同年，一種基于人工智能（artificial intelligence，AI）的IoT 邊緣計算網(wǎng)關(guān)上的人員重識別微服務(wù)技術(shù)被提出［5］。該微服務(wù)使用重識別（re‐identification，Re‐ID）算法，不僅提高了傳統(tǒng)人工智能IoT的計算效率，還縮短了WiFi 接入網(wǎng)絡(luò)的延遲并減少了上傳互聯(lián)網(wǎng)所需的數(shù)據(jù)量，為AI邊緣計算網(wǎng)關(guān)的應(yīng)用奠定了基礎(chǔ)。

2016 年之后，隨著萬物互聯(lián)時代的到來，云計算的弊端越發(fā)顯露，邊緣計算作為對云計算的改進(jìn)，吸引了大量來自學(xué)術(shù)界和工業(yè)界相關(guān)人員的密切關(guān)注，由此邊緣計算網(wǎng)關(guān)技術(shù)進(jìn)入了快速發(fā)展階段。2017 年，相關(guān)研究人員發(fā)現(xiàn)，在眾多IoT 設(shè)備和邊緣計算技術(shù)需要實現(xiàn)互聯(lián)的這種新環(huán)境下，網(wǎng)絡(luò)邊緣生成了大量需要管理、處理和存儲的數(shù)據(jù)［6］。通過比較分析當(dāng)下方法與多接入邊緣計算（multi‐access edge computing，MEC）框架下的性能參數(shù)，如系統(tǒng)性能、網(wǎng)絡(luò)性能、部署開銷和系統(tǒng)遷移開銷，并衡量不同方法的有效程度，從而肯定MEC是實現(xiàn)延遲最小化目標(biāo)的一種方法，同時提出了幾種新的MEC架構(gòu)來減少延遲。

圖1示出邊緣計算網(wǎng)關(guān)的發(fā)展歷程。1998年~2014年為邊緣計算網(wǎng)關(guān)技術(shù)儲備期，期間人們利用邊緣計算技術(shù)改進(jìn)了云計算的不足。2015年~2017年，為了滿足萬物互聯(lián)的需求，邊緣計算與IoT網(wǎng)關(guān)相結(jié)合，邊緣計算網(wǎng)關(guān)由此誕生。2018 年至今，邊緣計算網(wǎng)關(guān)進(jìn)入穩(wěn)健發(fā)展期并被廣泛應(yīng)用于多個領(lǐng)域；隨著人工智能（AI）技術(shù)的發(fā)展，基于AI的邊緣計算網(wǎng)關(guān)技術(shù)正逐步興起。

圖1 邊緣計算網(wǎng)關(guān)技術(shù)的發(fā)展歷程Fig.1 Development history of edge computing gateway technology

2 邊緣計算網(wǎng)關(guān)功能選擇及標(biāo)準(zhǔn)評估

為制定合適的邊緣解決方案并更好地搭建邊緣計算網(wǎng)關(guān)的架構(gòu)，需根據(jù)相應(yīng)的應(yīng)用場景對邊緣計算網(wǎng)關(guān)功能進(jìn)行標(biāo)準(zhǔn)評估。邊緣計算網(wǎng)關(guān)的功能選擇及其標(biāo)準(zhǔn)評估主要涉及以下4個方面［7］：

（1）網(wǎng)關(guān)設(shè)備連接，包括網(wǎng)絡(luò)標(biāo)準(zhǔn)化和協(xié)議、連接設(shè)備的配置。

網(wǎng)絡(luò)標(biāo)準(zhǔn)化和協(xié)議，意在提供標(biāo)準(zhǔn)化工具，將來自連接設(shè)備的各種協(xié)議標(biāo)準(zhǔn)化為支持發(fā)送到云的協(xié)議，該服務(wù)內(nèi)容包含數(shù)據(jù)格式化和消息代理。

連接設(shè)備的配置，該功能用于將已連接的設(shè)備與已識別的自定義用戶組的工具進(jìn)行配置，這對邊緣計算網(wǎng)關(guān)的架構(gòu)而言有著更好的可見性。

（2）數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)過濾和數(shù)據(jù)整合。

數(shù)據(jù)過濾是提供不同算法的工具，其允許對傳入數(shù)據(jù)應(yīng)用不同類型的過濾方式，而不會丟失數(shù)據(jù)的信息價值。

數(shù)據(jù)整合為提供基于主題的入站數(shù)據(jù)聚合的工具，包含數(shù)據(jù)融合和分組。

（3）數(shù)據(jù)分析，包括數(shù)據(jù)預(yù)處理、本地數(shù)據(jù)庫、數(shù)據(jù)壓縮和數(shù)據(jù)加密。

數(shù)據(jù)預(yù)處理主要是提供機器學(xué)習(xí)算法的工具，對網(wǎng)關(guān)中的實時數(shù)據(jù)進(jìn)行分析，并在這些數(shù)據(jù)中進(jìn)行特征收集，原理類似于預(yù)測性維護(hù)。

本地數(shù)據(jù)庫用于數(shù)據(jù)的本地存儲。該數(shù)據(jù)庫可以作為本地機器學(xué)習(xí)的源數(shù)據(jù)庫，或者在數(shù)據(jù)連接斷開時作為備份，在恢復(fù)后將存儲的數(shù)據(jù)將發(fā)送到云端。

數(shù)據(jù)壓縮為允許在收集到足夠多的數(shù)據(jù)后通過合適的方法保存和壓縮數(shù)據(jù)的工具。

數(shù)據(jù)加密為提供進(jìn)一步數(shù)據(jù)加密功能的工具。

（4）特殊硬件要求包括高計算能力、高續(xù)航自供電能力和互聯(lián)網(wǎng)連接備份。

高計算能力指處理器需具有計算大量數(shù)據(jù)的強大能力。

高續(xù)航自供電是指需具備無需外部電源亦可長期運行的電池電源。

互聯(lián)網(wǎng)連接備份指如果網(wǎng)關(guān)連接云端失敗，則其需要提供進(jìn)一步重新連接Internet的機會；如果連接不斷失敗，則發(fā)送緊急報告。

這組標(biāo)準(zhǔn)已由專家就實施的有用性和復(fù)雜性進(jìn)行了評估［7］。有用性評估時應(yīng)考慮解決方案對功能的整體影響，而復(fù)雜性評估時則考慮實施難度、預(yù)計實施時長、運行服務(wù)成本以及對邊緣計算網(wǎng)關(guān)最終成本的影響。專家根據(jù)權(quán)重評估所有標(biāo)準(zhǔn)后，第j個標(biāo)準(zhǔn)的有用性平均值和復(fù)雜度平均值的計算如下：

式中：uri——有用性評估值；dri——復(fù)雜度評估值；n——評估專家的數(shù)量。

第j標(biāo)準(zhǔn)的初始權(quán)重wj計算如下：

如果得到的標(biāo)準(zhǔn)權(quán)重是一個負(fù)值，則意味著該標(biāo)準(zhǔn)很難被實施，其對整體解決方案的影響很小。因此，第j個標(biāo)準(zhǔn)最終必須遵循如下要求：

第j個標(biāo)準(zhǔn)的最終歸一化權(quán)重nj計算如下：

式中：s——標(biāo)準(zhǔn)的數(shù)量。

這些標(biāo)準(zhǔn)的歸一化權(quán)重如表1 所示。其從整個邊緣計算網(wǎng)關(guān)解決方案的有用性和實施難度的角度對每個標(biāo)準(zhǔn)進(jìn)行評估，同時還考慮了財務(wù)難度、預(yù)計實施時長、運行服務(wù)時長以及對邊緣計算網(wǎng)關(guān)最終成本的影響等因素。從這些評估中，作者根據(jù)式（4）計算了歸一化權(quán)重，并從這些權(quán)重中確定了給定標(biāo)準(zhǔn)的重要性（數(shù)值越小，代表此功能越重要）。

表1 具有指定權(quán)重和重要性的識別標(biāo)準(zhǔn)Tab.1 Identification criteria with assigned weights and importance

通過這種方式，專家建立了一個建議系統(tǒng)，用于創(chuàng)建邊緣計算網(wǎng)關(guān)。該系統(tǒng)在設(shè)計邊緣計算網(wǎng)關(guān)時能夠參考專家對網(wǎng)關(guān)功能的標(biāo)準(zhǔn)評估，從而有助于正確地設(shè)計邊緣計算網(wǎng)關(guān)的功能和結(jié)構(gòu)，并且表1 中這11 個標(biāo)準(zhǔn)適用于任何場景下的邊緣計算網(wǎng)關(guān)。對于需要在特殊環(huán)境下使用的網(wǎng)關(guān)，這些標(biāo)準(zhǔn)可能不是最好的。在這種情況下，可以在相關(guān)領(lǐng)域?qū)＜业膸椭轮匦略u估系統(tǒng)。這樣某些標(biāo)準(zhǔn)可能會發(fā)生改變，因此可以酌情添加或刪除標(biāo)準(zhǔn)。

3 邊緣計算網(wǎng)關(guān)的關(guān)鍵技術(shù)

邊緣計算網(wǎng)關(guān)的關(guān)鍵技術(shù)包括功能緩存、低延時位置感知、實時數(shù)據(jù)處理、安全管理服務(wù)、多微控制單元（micro‐controller unit，MCU）擴展技術(shù)、無損壓縮技術(shù)、網(wǎng)關(guān)檢測管理、云邊協(xié)同技術(shù)及IoT網(wǎng)關(guān)技術(shù)等。

3.1 功能緩存

邊緣計算的概念最早出現(xiàn)于1998年，當(dāng)時Akamai公司為解決因網(wǎng)絡(luò)帶寬不足而導(dǎo)致的數(shù)據(jù)堵塞和用戶訪問響應(yīng)時間長等問題，提出了CDN 技術(shù)，其主要包括內(nèi)容路由、內(nèi)容分發(fā)、內(nèi)容存儲以及內(nèi)容管理等功能［8‐10］。邊緣計算網(wǎng)關(guān)可利用CDN 通過復(fù)制、緩存的手段把從原本云平臺上的數(shù)據(jù)分發(fā)到位于網(wǎng)絡(luò)邊緣側(cè)、靠近用戶的其他緩存云平臺，使各網(wǎng)絡(luò)節(jié)點的負(fù)載達(dá)到均衡的水平，從而最大化網(wǎng)絡(luò)帶寬，為用戶提供快速、可靠的應(yīng)用程序和Web服務(wù)。由此可見，CDN的應(yīng)用展示出邊緣計算網(wǎng)關(guān)具有功能緩存的功能。

3.2 低延遲位置感知

2007 年，為提高終端設(shè)備的計算能力，IBM 公司和Google 公司共同研究并提出了一種名為云計算的方法。當(dāng)時的云計算是分布式計算的一種，它是指邊緣計算網(wǎng)關(guān)依靠云端網(wǎng)絡(luò)將整個數(shù)據(jù)計算程序劃分為多個部分的小程序來運行，并通過多個云平臺將結(jié)果反饋給用戶［11‐13］。但受當(dāng)時網(wǎng)絡(luò)技術(shù)和經(jīng)濟水平的限制，該方法存在網(wǎng)絡(luò)性能不穩(wěn)定、數(shù)據(jù)安全性差以及傳輸成本高等問題。為此，2009 年，Satyanarayanan M 和Bahl P 等人對Cloudlet 的概念進(jìn)行了研究。Cloudlet 是一種可靠性高且有著豐富計算資源的計算機或計算機集群，其可與互聯(lián)網(wǎng)進(jìn)行安全、可靠的連接，供附近的移動設(shè)備使用。邊緣計算網(wǎng)關(guān)可利用附近的Cloudlet來獲得云計算的資源，不僅不會造成網(wǎng)絡(luò)延遲和抖動，還能降低網(wǎng)絡(luò)傳輸?shù)某杀荆?4］。在此期間，剛興起的互聯(lián)網(wǎng)部署浪潮促使人們開始對具有移動性的低延遲位置感知技術(shù)進(jìn)行探索。2011年，思科公司的Bonomi F，Milito R 等人首次提出了霧計算的概念［15］。霧計算又稱本地云計算，其主要包括網(wǎng)絡(luò)管理和資源調(diào)度兩項內(nèi)容［16‐17］，它可在靠近網(wǎng)絡(luò)邊緣的邊緣計算網(wǎng)關(guān)和傳統(tǒng)的云中心模型之間提供數(shù)據(jù)計算、存儲等服務(wù)，彌補了云計算沒有位置感知功能和高延遲的不足。

3.3 實時數(shù)據(jù)處理

3.4 多MCU擴展技術(shù)

2018 年，Chen Ching Han，LIN M Y 等人［19］從邊緣側(cè)物聯(lián)網(wǎng)網(wǎng)關(guān)的性能、可擴展性、計算和通信效率的角度研究發(fā)現(xiàn)，單個MCU的邊緣計算設(shè)備無法滿足物聯(lián)網(wǎng)在異構(gòu)網(wǎng)絡(luò)通信和管理以及大數(shù)據(jù)采集等方面的服務(wù)要求。因此，一種MCU邊緣計算網(wǎng)關(guān)框架被創(chuàng)新性地提出，其結(jié)合基于FPGA（現(xiàn)場可編程門陣列）的硬件橋和多個可擴展MCU的邊緣計算網(wǎng)關(guān)設(shè)備，組成一種可以實現(xiàn)智能傳感器現(xiàn)場總線網(wǎng)絡(luò)的邊緣計算網(wǎng)關(guān)。通過該網(wǎng)關(guān)的分布式協(xié)同計算，可以有效提高網(wǎng)絡(luò)管理、嵌入式數(shù)據(jù)采集和網(wǎng)絡(luò)通信在現(xiàn)場總線控制下的執(zhí)行效率。與傳統(tǒng)的工業(yè)物聯(lián)網(wǎng)的解決方案相比，此方案有效降低了邊緣計算網(wǎng)關(guān)的工作實時功耗，并提高了其可擴展性。此外，它還提供了數(shù)據(jù)報表及其操作界面，從而能夠從IoT 所管理的子系統(tǒng)連接到感知層中的多個智能傳感器網(wǎng)絡(luò)。

3.5 安全管理服務(wù)

邊緣計算作為一種新興的計算方式，它能將計算能力分配到網(wǎng)絡(luò)的邊緣側(cè)，以便在部署的傳感器和執(zhí)行器的環(huán)境附近進(jìn)行計算。在網(wǎng)絡(luò)邊緣，需要基于足夠的計算資源才能向Internet 提供解決異構(gòu)通信的方案。然而，在網(wǎng)絡(luò)邊緣處，設(shè)備的計算能力和網(wǎng)絡(luò)資源有限；基于受限資源，利用邊緣計算來提供安全服務(wù)是一項挑戰(zhàn)。因此，為了實現(xiàn)私有網(wǎng)絡(luò)中IoT 設(shè)備的安全服務(wù)，文獻(xiàn)［20］提出了一種基于安全微服務(wù)的邊緣計算網(wǎng)關(guān)；同時，為了保護(hù)來自本地網(wǎng)絡(luò)的服務(wù)，一種安全子網(wǎng)關(guān)被部署在邊緣計算網(wǎng)關(guān)中，以提供身份驗證和授權(quán)管理等功能，確保了多個微服務(wù)在專用環(huán)境中的安全。在安全網(wǎng)關(guān)的實施過程中，安全管理模塊按基于EdgeX Foundry（一種邊緣計算微服務(wù)框架）的EdgeX 框架標(biāo)準(zhǔn)［21］進(jìn)行配置。實驗測試結(jié)果表明，基于此框架的安全網(wǎng)關(guān)所提供微服務(wù)的通信延遲非常小，而且安全等級也很高。因此，可以認(rèn)為邊緣計算網(wǎng)關(guān)的安全管理服務(wù)是可行的，并且適用于本地網(wǎng)絡(luò)中的實時通信。

3.6 無損壓縮技術(shù)

在邊緣計算網(wǎng)關(guān)上進(jìn)行數(shù)據(jù)壓縮是必要的，因為其可顯著減少網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量，有助于減小傳輸延遲和增加網(wǎng)絡(luò)帶寬。特別是在像醫(yī)療、金融等領(lǐng)域?qū)r間要求嚴(yán)格且數(shù)據(jù)敏感的IoT 應(yīng)用中，采用無損數(shù)據(jù)壓縮技術(shù)是最合適且必不可少的，因為無損壓縮技術(shù)可以對IoT中的重要信息進(jìn)行防丟失保護(hù)。然而，為邊緣計算網(wǎng)關(guān)選擇合適的無損數(shù)據(jù)壓縮算法并非易事，因為每種無損數(shù)據(jù)壓縮的方法都有其優(yōu)點和缺點。因此，文獻(xiàn)［22］對可以在邊緣計算網(wǎng)關(guān)上運行的幾種無損數(shù)據(jù)壓縮算法進(jìn)行了分析，總結(jié)了幾種應(yīng)用比較廣泛的無損壓縮方法，如LZO、LZW、LZ4、霍夫曼編碼及Zstandard 算法，并在邊緣計算網(wǎng)關(guān)上進(jìn)行了實驗。結(jié)果表明，LZO、LZ4 及Zstandard 算法的優(yōu)勢更加顯著，其具有高效率和低延遲的壓縮性能，更適用于對時間要求嚴(yán)格和數(shù)據(jù)敏感的物聯(lián)網(wǎng)應(yīng)用中。

3.7 網(wǎng)關(guān)監(jiān)控管理

隨著IoT 相關(guān)技術(shù)的不斷發(fā)展和改進(jìn)，其技術(shù)難題越來越多，如設(shè)備的通信方式或協(xié)議復(fù)雜多樣、數(shù)據(jù)傳輸效率低、網(wǎng)絡(luò)負(fù)載大、時延長等。針對這些問題，Han K、Duan Y等人使用開源的EdgeX Foundry框架和Docker 虛擬化容器技術(shù)首次實現(xiàn)了將EdgeX Foundry的邊緣計算理論應(yīng)用到IoT 網(wǎng)關(guān)中［23］，并用此方法驗證了在邊緣計算網(wǎng)關(guān)中丟包率和時延具有良好的穩(wěn)定性。因此可以構(gòu)建具有溫、濕度監(jiān)控報警，數(shù)據(jù)周期性采集以及任務(wù)統(tǒng)一調(diào)度管理等功能的邊緣計算網(wǎng)關(guān)；同時，為將計算任務(wù)從云端轉(zhuǎn)移到邊緣端，還可通過雙閾值方式來避免控制過程中的抖動，以實現(xiàn)邊緣計算的功能。該方法可有效減小數(shù)據(jù)在傳輸和處理過程中的延遲，為工廠設(shè)備的數(shù)據(jù)采集和設(shè)備控制提供了新的思路。

3.8 云邊協(xié)同技術(shù)

為解決當(dāng)前電力物聯(lián)網(wǎng)架構(gòu)中普遍采用煙囪式獨立接入服務(wù)所帶來的網(wǎng)絡(luò)資源冗余和過載問題，文獻(xiàn)［24］提出了一種應(yīng)用于電力物聯(lián)網(wǎng)的云邊協(xié)同的邊緣計算網(wǎng)關(guān)模型。在這種工作模式下，邊緣計算的任務(wù)主要是執(zhí)行本地即時性的數(shù)據(jù)處理工作，并將噪聲數(shù)據(jù)過濾后的剩余的有用信息傳輸至云端；而云計算則通過大數(shù)據(jù)分析，負(fù)責(zé)非即時性的數(shù)據(jù)處理，將數(shù)據(jù)優(yōu)化后再輸出數(shù)據(jù)模型返回至邊緣端。該模型結(jié)合了云計算的集中性和邊緣計算的分散性，滿足大數(shù)據(jù)計算和本地數(shù)據(jù)實時分析的要求，能夠適應(yīng)電力物聯(lián)網(wǎng)復(fù)雜的網(wǎng)絡(luò)和數(shù)據(jù)訪問和管理要求。然而，邊緣計算網(wǎng)關(guān)設(shè)備的廣泛安裝不僅會增加系統(tǒng)的建設(shè)、運行和維護(hù)的成本，同時在平臺層、應(yīng)用層和邊緣計算網(wǎng)絡(luò)之間的計算任務(wù)協(xié)調(diào)、資源調(diào)度和管理協(xié)作等方面也存在一些問題。如何解決這些問題，實現(xiàn)云計算、邊緣計算和傳感設(shè)備的全局視圖管理和靈活調(diào)度，這是下一步的研究方向。

3.9 物聯(lián)網(wǎng)網(wǎng)關(guān)技術(shù)

2005年11月，國際電信聯(lián)盟（ITU）在發(fā)布《ITU 互聯(lián)網(wǎng)報告2005：物聯(lián)網(wǎng)》報告中首次全面透徹地分析了IoT的概念。2009年8月，中國移動總經(jīng)理王建宙在臺灣公開演講中也提到了IoT 這個概念。當(dāng)時在國內(nèi)IoT作為一種新的概念，沒有明確的定義，只是被大家公認(rèn)為是一種各類傳感器和現(xiàn)有的“互聯(lián)網(wǎng)”相互銜接的一種新技術(shù)。2017年，Gl′oria A，Cercas F等人指出，IoT 網(wǎng)關(guān)是用于將用戶接入網(wǎng)絡(luò)的紐帶，其允許在短距離通信協(xié)議與傳統(tǒng)通信網(wǎng)絡(luò)之間轉(zhuǎn)換數(shù)據(jù)［25］。網(wǎng)關(guān)支持不同類型的傳感器節(jié)點、多種無線和有線通信協(xié)議，并為應(yīng)用程序或用戶提供一組統(tǒng)一的信息，使之只用于數(shù)據(jù)處理［26］?；贗oT的概念，創(chuàng)建IoT網(wǎng)關(guān)的主要挑戰(zhàn)是缺乏標(biāo)準(zhǔn)，因為每個傳感器節(jié)點都可以與不同的協(xié)議進(jìn)行通信，而這些協(xié)議與其他協(xié)議的兼容性要求使得通用網(wǎng)關(guān)的開發(fā)成為一項復(fù)雜的任務(wù)，從而解釋了為什么具有特定功能的IoT網(wǎng)關(guān)是常見現(xiàn)象。

2017 年以后，基于IoT 在傳感控制領(lǐng)域中的廣泛應(yīng)用以及邊緣計算技術(shù)的快速發(fā)展，人們將邊緣計算技術(shù)應(yīng)用在帶有傳感器的嵌入式設(shè)備中，再通過某種通信方式接入IoT 網(wǎng)關(guān)，從而形成了能夠進(jìn)行傳感控制的邊緣計算網(wǎng)關(guān)［27］。邊緣計算網(wǎng)關(guān)自誕生以來就一直受到研究人員的關(guān)注，經(jīng)過人們的不斷探索得以被應(yīng)用到多個行業(yè)領(lǐng)域當(dāng)中。邊緣計算網(wǎng)關(guān)主要關(guān)鍵技術(shù)的大體架構(gòu)如圖2所示。圖中，可移動嵌入式設(shè)備通過低延遲位置感知采集多個傳感器數(shù)據(jù)并經(jīng)實時處理生成用于邊緣計算的程序，該程序經(jīng)邊緣計算網(wǎng)關(guān)利用分布式計算技術(shù)可分解為多個小程序進(jìn)行處理。處理后的程序可通過Zigbee、藍(lán)牙、RS485總線等通信方式上傳至物聯(lián)網(wǎng)網(wǎng)關(guān)。最后，IoT網(wǎng)關(guān)利用功能緩存技術(shù)將得到的數(shù)據(jù)信息分發(fā)到多個緩存云平臺中，用戶可調(diào)用到來自不同緩存云平臺的數(shù)據(jù)信息來對傳感器數(shù)據(jù)進(jìn)行實時監(jiān)測。

圖2 邊緣計算物聯(lián)網(wǎng)網(wǎng)關(guān)架構(gòu)示意Fig.2 Framework of edge computing gateway

4 邊緣計算網(wǎng)關(guān)的應(yīng)用進(jìn)展

通過對國內(nèi)外有關(guān)邊緣計算網(wǎng)關(guān)文獻(xiàn)的調(diào)研，本文按照第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)進(jìn)行歸類，對邊緣計算網(wǎng)關(guān)的相關(guān)應(yīng)用及進(jìn)展進(jìn)行總結(jié)和歸納。

4.1 第一產(chǎn)業(yè)領(lǐng)域的應(yīng)用

在過去的十年，低功耗廣域網(wǎng)（low‐power wide‐area network，LPWAN）、遠(yuǎn)距離無線電（long range radio，LoRa）及 窄 帶 物 聯(lián) 網(wǎng)（narrow band internet of things，NB‐IoT）等技術(shù)的蓬勃發(fā)展提高了以農(nóng)業(yè)為主的國家及地區(qū)的經(jīng)濟水平，為農(nóng)業(yè)發(fā)展提供了相對經(jīng)濟的基礎(chǔ)發(fā)展設(shè)施。然而，這類技術(shù)存在著低帶寬傳輸?shù)娜秉c。對此，可以采用邊緣計算與其他新興技術(shù)的集成來進(jìn)行改善。文獻(xiàn)［28］通過在LPWAN本地網(wǎng)絡(luò)層和Edge AI中集成AI技術(shù)，提出了一種基于邊緣人工智能的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)架構(gòu)；同時還實現(xiàn)了一種由傳感器節(jié)點、邊緣計算網(wǎng)關(guān)、LoRa 中繼器、霧網(wǎng)關(guān)、云服務(wù)器以及用戶終端應(yīng)用程序所組成的邊緣層系統(tǒng)。在邊緣計算網(wǎng)關(guān)中，采用基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）的圖像壓縮方法將網(wǎng)關(guān)范圍內(nèi)發(fā)送的有關(guān)的數(shù)百或數(shù)千個傳感器節(jié)點的數(shù)據(jù)信息壓縮至總量的67%水平，并且解壓誤差最低可達(dá)5%，最大限度地減少了LPWAN鏈路負(fù)載傳輸和存儲在云服務(wù)器中的數(shù)據(jù)量，從而彌補了農(nóng)業(yè)物聯(lián)網(wǎng)中LPWAN的不足之處。

結(jié)果顯示，護(hù)理職業(yè)性別刻板印象與專業(yè)認(rèn)同呈負(fù)相關(guān)r=-0.214，P＜0.01。即男護(hù)生對護(hù)理職業(yè)性別刻板印象得分越高，其對護(hù)理專業(yè)的認(rèn)同度越低。

目前，設(shè)施農(nóng)業(yè)已成為農(nóng)業(yè)互聯(lián)網(wǎng)的一種重要場景，其主流方式之一是通過遠(yuǎn)程服務(wù)器對農(nóng)業(yè)溫室進(jìn)行智能控制。但是，隨著農(nóng)業(yè)溫室規(guī)模的不斷擴大以及管理作業(yè)精細(xì)化程度的提升，服務(wù)器需要處理的環(huán)境數(shù)據(jù)信息量越來越大，由此會帶來服務(wù)器負(fù)載大、數(shù)據(jù)傳輸延時大、帶寬費用高等問題。而邊緣計算技術(shù)的應(yīng)用，一定程度上能滿足農(nóng)業(yè)資源精確控制和高效利用的農(nóng)業(yè)數(shù)字化發(fā)展目標(biāo)要求。吉林農(nóng)業(yè)大學(xué)的歐陽航所在團隊［29］設(shè)計了一種帶有LoRaWAN模塊的邊緣計算網(wǎng)關(guān)，以實現(xiàn)與溫室監(jiān)測數(shù)據(jù)的交互；同時其在已有控制算法基礎(chǔ)上提出了一種基于麻雀搜索算法的優(yōu)化模糊控制算法，并將該算法植入邊緣計算網(wǎng)關(guān)中。實驗結(jié)果顯示，該網(wǎng)關(guān)控制的果蔬溫室的土壤水分實際值與設(shè)定目標(biāo)值的誤差維持在3.6%左右，這證明了該系統(tǒng)的穩(wěn)定性和可靠性能滿足精準(zhǔn)農(nóng)業(yè)資源控制的需求。

4.2 第二產(chǎn)業(yè)領(lǐng)域的應(yīng)用

本文以工業(yè)制造、能源、電力等領(lǐng)域為例介紹邊緣計算網(wǎng)關(guān)技術(shù)在第二產(chǎn)業(yè)領(lǐng)域的應(yīng)用進(jìn)展。

4.2.1 工業(yè)制造領(lǐng)域

隨著我國工業(yè)制造步伐的加快，海量的工業(yè)數(shù)據(jù)使得工業(yè)設(shè)備對數(shù)據(jù)計算的實時性、可靠性以及安全性比傳統(tǒng)的泛在物聯(lián)網(wǎng)有了更高的要求。于是，邊緣計算技術(shù)被廣泛地應(yīng)用到工業(yè)物聯(lián)網(wǎng)中，以優(yōu)化工業(yè)設(shè)備的控制方法，提高數(shù)據(jù)處理的效率，保障生產(chǎn)數(shù)據(jù)的安全性。例如，萬向集團研究院聯(lián)合中國聯(lián)通網(wǎng)絡(luò)技術(shù)研究院開創(chuàng)了一種基于邊緣計算網(wǎng)關(guān)的工廠生產(chǎn)數(shù)據(jù)采集方法，其利用蜂窩網(wǎng)和邊緣網(wǎng)關(guān)在本地設(shè)備上實現(xiàn)了數(shù)據(jù)分析、數(shù)據(jù)打包和數(shù)據(jù)處理等功能，具有延時短、安全性高、帶寬高等特點［30］；同時，生產(chǎn)數(shù)據(jù)通過邊緣計算網(wǎng)關(guān)實現(xiàn)了分流處理，即重要數(shù)據(jù)被存儲在邊緣側(cè)，非重要數(shù)據(jù)存儲在中心側(cè)，優(yōu)化了用戶對生產(chǎn)數(shù)據(jù)的分析和管理方式，降低了云中心的工作負(fù)荷，提高了數(shù)據(jù)處理的效率。

隨著工業(yè)互聯(lián)網(wǎng)的飛速發(fā)展，接入IPv6（internet protocol version 6，IPv6）工業(yè)互聯(lián)網(wǎng)的設(shè)備數(shù)量越來越多，海量工業(yè)設(shè)備或終端設(shè)備的并發(fā)運行會給邊緣計算網(wǎng)關(guān)帶來巨大的壓力。對此，一種基于IPv6 的邊緣計算網(wǎng)關(guān)［31］被設(shè)計出，其使工業(yè)互聯(lián)網(wǎng)具備了支持異構(gòu)設(shè)備數(shù)據(jù)采集以及支持終端訪問的功能；通過對IPv6 邊緣網(wǎng)關(guān)的資源適配功能進(jìn)行改進(jìn)，得到了一種結(jié)合動態(tài)線程和基于過期時間排序的優(yōu)先級隊列管理的IPv6邊緣計算網(wǎng)關(guān)的自適應(yīng)資源分配方法，進(jìn)一步提高了邊緣計算網(wǎng)關(guān)在IPv6 工業(yè)互聯(lián)網(wǎng)中并發(fā)運行多個異構(gòu)設(shè)備的能力。

4.2.2 能源、電力領(lǐng)域

隨著5G 技術(shù)的發(fā)展，基于5G 的邊緣計算數(shù)據(jù)處理效率得到了大幅提升。智能電網(wǎng)變電站復(fù)雜、海量的數(shù)據(jù)不僅降低了數(shù)據(jù)處理速度，而且還浪費大量的電力資源。對此，衷宇清團隊提出一種將5G 邊緣計算網(wǎng)關(guān)應(yīng)用于電網(wǎng)的方案［32］。其首先將電網(wǎng)的業(yè)務(wù)需求進(jìn)行了劃分，并結(jié)合5G邊緣計算的特點將各業(yè)務(wù)產(chǎn)生的數(shù)據(jù)分別通過一個邊緣計算網(wǎng)關(guān)進(jìn)行匯聚和處理；然后根據(jù)電網(wǎng)業(yè)務(wù)需求進(jìn)一步地將數(shù)據(jù)上傳至控制子站或主站，從而避免了來自不同業(yè)務(wù)的大量數(shù)據(jù)扎堆涌入控制中心的現(xiàn)象。該方案的應(yīng)用提高了電網(wǎng)的數(shù)據(jù)傳輸效率，實現(xiàn)了對電網(wǎng)業(yè)務(wù)的合理分配以及對流量數(shù)據(jù)的合理分流，對于推動5G邊緣計算網(wǎng)關(guān)的發(fā)展具有重要意義。

當(dāng)今，人們對于能源的使用需求量越來越大，如何合理地節(jié)約和利用能源已成為社會可持續(xù)發(fā)展研究的一項重點課題。對此，一種智慧能源網(wǎng)關(guān)［33］被提出。其由邊緣計算和人工智能技術(shù)所定義，能夠通過多種通信方式來采集能源利用信息，該信息數(shù)據(jù)經(jīng)“邊-管-云”功能結(jié)構(gòu)的邊緣計算網(wǎng)關(guān)處理后用于實時監(jiān)測能源使用情況，實現(xiàn)能源的合理應(yīng)用，提高能源利用率。此外，邊緣計算網(wǎng)關(guān)在能源開采的安全性方面也發(fā)揮著重要的作用。由于能源設(shè)備絕大多數(shù)是在偏遠(yuǎn)地區(qū)使用，如果出現(xiàn)如油管過熱、天然氣壓力過大或者礦井氧氣不足等異常情況，若沒有及時采取補救措施，就可能會發(fā)生比較嚴(yán)重的事故。為了避免此類事故的發(fā)生，人們在邊緣計算網(wǎng)關(guān)中利用AI 技術(shù)對能源所處的環(huán)境信息進(jìn)行監(jiān)測分析，并利用5G技術(shù)將分析后的數(shù)據(jù)快速上傳至互聯(lián)網(wǎng)［34］，減小了邊緣計算網(wǎng)關(guān)在偏遠(yuǎn)地區(qū)受網(wǎng)絡(luò)波動的影響。

4.3 第三產(chǎn)業(yè)領(lǐng)域的應(yīng)用

本文以通信、金融、交通和醫(yī)療等領(lǐng)域為例介紹邊緣計算網(wǎng)關(guān)技術(shù)在第三產(chǎn)業(yè)領(lǐng)域的應(yīng)用進(jìn)展。

4.3.1 通信領(lǐng)域

衛(wèi)星邊緣計算受益于增強的機載處理能力和高速衛(wèi)星-地面鏈路，被認(rèn)為是一種具有應(yīng)用前途的技術(shù)。通過在衛(wèi)星站和網(wǎng)關(guān)站之間部署邊緣計算服務(wù)器，可提升衛(wèi)星通信網(wǎng)絡(luò)（satellite communication network，SCN）執(zhí)行計算密集型應(yīng)用程序的性能。SCN通常以增加資源管理的維度和復(fù)雜性為代價來提高邊緣計算的能力。對此，一種考慮了不同場景的衛(wèi)星邊緣計算網(wǎng)關(guān)執(zhí)行方案被提出［35］，并實現(xiàn)了計算密集型應(yīng)用程序的最簡化及延遲最小化。此外，SCN 的聯(lián)合計算和通信資源分配問題被描述為一個混合整數(shù)規(guī)劃問題，且一種基于博弈論和多對一的匹配理論方案（JCCRA‐GM）被提出以獲得近似最優(yōu)解。該方案具有較低的復(fù)雜度，可以實現(xiàn)與蠻力法幾乎相同的權(quán)重和延遲，從而能夠大大提高衛(wèi)星網(wǎng)絡(luò)的通信性能。

4.3.2 金融領(lǐng)域

近年來，受物聯(lián)網(wǎng)開放性因素的影響，位于終端設(shè)備側(cè)的金融支付業(yè)務(wù)對用戶的隱私信息保護(hù)、支付數(shù)據(jù)的安全傳輸以及支付過程的時延提出了嚴(yán)格的要求。為此，中國銀聯(lián)電子支付研究院的祖立軍、翟孟東等人提出了一種具有金融支付服務(wù)功能的邊緣計算網(wǎng)關(guān)，其適用于多種支付場景［36］。該研究團隊在邊緣計算網(wǎng)關(guān)中運用了物聯(lián)網(wǎng)GmSS安全芯片和可信啟動架構(gòu)來對用戶支付數(shù)據(jù)的安全性進(jìn)行加固，并借助新能源汽車的無感支付功能對該金融支付網(wǎng)關(guān)進(jìn)行了驗證。結(jié)果表明，在金融支付系統(tǒng)中，運用了此技術(shù)的邊緣計算網(wǎng)關(guān)在安全性提高的基礎(chǔ)上降低了系統(tǒng)受理支付信息的延遲時間，從而為用戶提供了高質(zhì)量的金融支付服務(wù)。

4.3.3 交通領(lǐng)域

無人駕駛作為一種新興技術(shù)，雖已應(yīng)用于許多品牌汽車中，但還存在諸多的不足。例如，在自動駕駛過程中，汽車的決策和反應(yīng)易受網(wǎng)絡(luò)時延的影響，不僅降低了用戶的體驗感，還可能會造成因自動駕駛汽車操作失誤而導(dǎo)致的交通事故。為此，一種適應(yīng)5G 網(wǎng)絡(luò)條件下的無人駕駛技術(shù)被提出［37］。其利用5G 聯(lián)網(wǎng)以及MEC邊緣協(xié)同技術(shù)將自動駕駛汽車傳感器（如空氣流量計、節(jié)氣門位置傳感器、車速傳感器和倒車?yán)走_(dá)等）所采集的數(shù)據(jù)高效地傳輸給向汽車下達(dá)指令的邊緣計算網(wǎng)關(guān)。邊緣計算網(wǎng)關(guān)就近處理傳感器采集的數(shù)據(jù)，結(jié)合MEC邊緣協(xié)同技術(shù)，可以極大地降低自動駕駛汽車的反應(yīng)時間，減少錯誤駕駛現(xiàn)象的發(fā)生；同時，將AI技術(shù)［38］與無人駕駛技術(shù)相結(jié)合，可以全面、準(zhǔn)確地模仿駕駛員的駕駛行為和習(xí)慣，從而保障自動駕駛汽車的安全性能。

4.3.4 生活服務(wù)領(lǐng)域

目前，國內(nèi)外很多研究都集中在邊緣計算資源的分配和部署上。然而，在當(dāng)今的大部分網(wǎng)絡(luò)中，網(wǎng)關(guān)設(shè)備具有高度的可移動性，如果采用傳統(tǒng)的集群部署方式，一旦網(wǎng)關(guān)的位置發(fā)生變化，那么算法每次都要計算網(wǎng)關(guān)到各個聚類中心的距離，這樣每次的計算量都很大。為此，一種基于微服務(wù)架構(gòu)的邊緣計算網(wǎng)關(guān)的部署方案被提出［39］，其基于高斯混合模型，并引入貝葉斯準(zhǔn)則［40］作為選擇高斯分量數(shù)量的依據(jù)，以確保高斯模型分量迭代后的最佳數(shù)量。該方法結(jié)合了邊緣網(wǎng)關(guān)設(shè)備自身移動性特點，采用軟集群的方法來定位和部署網(wǎng)關(guān)，從而使網(wǎng)關(guān)的部署和定位更加準(zhǔn)確。同時，該部署方法不僅可以實現(xiàn)網(wǎng)關(guān)設(shè)備數(shù)量的優(yōu)化，同時還保證了各網(wǎng)關(guān)設(shè)備負(fù)載均衡，在生活中具有很高的應(yīng)用價值。

現(xiàn)如今，智能家居已成為物聯(lián)網(wǎng)的一個重要應(yīng)用場景，其中家庭服務(wù)型機器人作為家庭網(wǎng)關(guān)的產(chǎn)物能夠感知周邊的環(huán)境和事物并進(jìn)行信息采集和處理，而現(xiàn)有的家庭網(wǎng)關(guān)大多采用云計算的方式進(jìn)行數(shù)據(jù)處理，存在著功能單一、可擴展性差、網(wǎng)絡(luò)延遲高等問題［41］。為此，一種基于邊緣計算網(wǎng)關(guān)的家庭看護(hù)系統(tǒng)被提出。該系統(tǒng)以邊緣計算EdgeX Foundtry為基礎(chǔ)，邊緣計算網(wǎng)關(guān)作為數(shù)據(jù)處理和控制中心，不僅能實時地實現(xiàn)健康監(jiān)測、環(huán)境監(jiān)測、無障礙跟隨及智能控制等功能，還可通過搭配Freeboard插件的WedUI客戶端實現(xiàn)對監(jiān)控采集數(shù)據(jù)的可視化顯示，極大改善了傳統(tǒng)家庭網(wǎng)關(guān)性能的不足。

4.3.5 醫(yī)療領(lǐng)域

2020 年以來，新冠病毒在全球流行，威脅著人類的健康。為了避免病毒攜帶者將疾病傳染給更多的人，許多公共場合被安排了專職人員進(jìn)行體溫監(jiān)測。但是，由于新冠病毒的傳染性極強，這種近距離測體溫的方式很有可能會把病毒傳染給醫(yī)護(hù)人員。其次，長時間、高強度的工作也會導(dǎo)致醫(yī)護(hù)人員的體力不支從而可能會對醫(yī)護(hù)人員的身體產(chǎn)生其他的危害。為此，根據(jù)Akmandor A O，Jha N K 等人［42］對邊緣計算技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用展望，可采用人工智能技術(shù)，利用機器人代替人工的方式進(jìn)行體溫監(jiān)測，以避免病毒對醫(yī)護(hù)人員的危害。一方面，采用邊緣計算網(wǎng)關(guān)的機器人可以憑借自身強大的算力對體溫數(shù)據(jù)進(jìn)行計算分析，自動判斷流動人員的健康概況并將數(shù)據(jù)傳輸至云平臺供醫(yī)護(hù)人員進(jìn)行遠(yuǎn)程實時監(jiān)測；另一方面，機器人憑借人工智能技術(shù)的多種算法還可以實現(xiàn)虹膜、指紋及語音等身份識別，使人們可以在戴口罩的情況下被識別出身份，從而極大地提高了在特殊時期人流量大的情況下進(jìn)行身體健康狀況監(jiān)測的效率。

綜上所述，邊緣計算網(wǎng)關(guān)憑借其諸多功能已經(jīng)可以被應(yīng)用于各大產(chǎn)業(yè)當(dāng)中，對這些產(chǎn)業(yè)或領(lǐng)域的發(fā)展都起到了優(yōu)化和推動作用。

5 邊緣計算網(wǎng)關(guān)的未來展望

邊緣計算已經(jīng)受到學(xué)術(shù)界、工業(yè)界以及政府部門極大關(guān)注，基于邊緣計算的人工智能技術(shù)目前正處于逐步發(fā)展階段。不僅有很多關(guān)于邊緣計算的論文已被發(fā)表，而且工業(yè)界成立了多個聯(lián)盟組織，相關(guān)的政府部門也發(fā)布了一系列有關(guān)邊緣計算的重大研究計劃，AI標(biāo)準(zhǔn)化機構(gòu)也將邊緣計算列為AI的重要組成部分，基于AI的邊緣計算技術(shù)將得到進(jìn)一步的發(fā)展和推廣。

邊緣計算和邊緣計算網(wǎng)關(guān)是當(dāng)今以及未來智能物聯(lián)網(wǎng)時代下的近端數(shù)據(jù)解決方案的基礎(chǔ)技術(shù)和基礎(chǔ)設(shè)施。隨著5G基站的廣泛布局，5G技術(shù)的商業(yè)應(yīng)用進(jìn)一步擴大，其相關(guān)應(yīng)用對低時延、海量信息接入提出了更高的要求；AR/VR、物聯(lián)網(wǎng)、智能家居等海量數(shù)據(jù)給云存儲數(shù)據(jù)帶來了更高的挑戰(zhàn)，邊緣計算網(wǎng)關(guān)未來市場規(guī)模必將呈現(xiàn)擴大的趨勢，同時將帶動軟、硬件設(shè)備提供商和電信運營商等共同發(fā)展。

此外，隨著相關(guān)數(shù)字化經(jīng)濟和智能化產(chǎn)業(yè)的發(fā)展，5G技術(shù)帶來的AR/VR、車聯(lián)網(wǎng)等領(lǐng)域?qū)吘売嬎憔W(wǎng)關(guān)的發(fā)展產(chǎn)生了剛性的需求，新的應(yīng)用場景將進(jìn)一步推動邊緣計算網(wǎng)關(guān)產(chǎn)業(yè)鏈整體發(fā)展。隨著物聯(lián)網(wǎng)終端設(shè)備數(shù)量的激增以及對數(shù)據(jù)的實時性和安全性需求的日益增長，在很多行業(yè)的應(yīng)用場景下，邊緣計算網(wǎng)關(guān)將變得至關(guān)重要，例如，智慧交通的道路管理和自動駕駛、智能制造的質(zhì)量檢測和設(shè)備監(jiān)控、智慧醫(yī)療的疾病監(jiān)控和輔助診斷等等。邊緣計算網(wǎng)關(guān)在中國還處在早期發(fā)展階段，未來具有極大的發(fā)展?jié)摿Γ绕涫沁吘壎ㄖ品?wù)器，預(yù)計在未來五年，其將迎來高速增長的趨勢。由此看來，邊緣計算網(wǎng)關(guān)市場發(fā)展前景廣闊，多場景的應(yīng)用將助推邊緣計算網(wǎng)關(guān)及其相關(guān)產(chǎn)業(yè)鏈的協(xié)同發(fā)展。

6 結(jié)語

本文對邊緣計算網(wǎng)關(guān)的功能選擇和評估以及關(guān)鍵技術(shù)進(jìn)行了原理性的介紹，對其發(fā)展歷程按照時間順序進(jìn)行了描述。同時，本文對邊緣計算網(wǎng)關(guān)的應(yīng)用進(jìn)展按照各產(chǎn)業(yè)類別下的不同領(lǐng)域進(jìn)行了劃分。其中，集成了AI 技術(shù)的邊緣計算網(wǎng)關(guān)正逐漸發(fā)展起來。但是，邊緣計算網(wǎng)關(guān)采用的傳統(tǒng)無線傳輸方式在數(shù)字化經(jīng)濟發(fā)展和智能化產(chǎn)業(yè)發(fā)展的背景下已經(jīng)無法滿足數(shù)據(jù)處理對實時、短周期的要求。因此，如何在5G通信時代下采取合適的措施來提高邊緣計算網(wǎng)關(guān)的工作效率，是人們亟待解決的一個重要問題。