內(nèi)容導(dǎo)讀

隨著我國(guó)5G網(wǎng)絡(luò)的規(guī)模化部署與商用，目前是開展B5G/6G研究的關(guān)鍵階段。面向未來B5G/6G的主要可能應(yīng)用場(chǎng)景，例如車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、空天地海一體化等網(wǎng)絡(luò)的業(yè)務(wù)特征，形成了通信-計(jì)算-感知一體化融合、通信網(wǎng)絡(luò)與人工智能融合等新趨勢(shì)，構(gòu)建智能邊緣計(jì)算網(wǎng)絡(luò)平臺(tái)與架構(gòu)，解決智能資源管理與調(diào)度、低時(shí)延與高可靠傳輸技術(shù)等關(guān)鍵科學(xué)問題和技術(shù)，對(duì)推動(dòng)移動(dòng)通信網(wǎng)絡(luò)朝著6G演進(jìn)，保持國(guó)家在該領(lǐng)域的領(lǐng)先地位，并促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展具有重要意義。

鑒于上述情況，為了更好地將我國(guó)在智能邊緣計(jì)算網(wǎng)絡(luò)的最新研究成果介紹給讀者，進(jìn)一步推進(jìn)B5G/6G研究，探索面向未來通信-感知-計(jì)算一體化網(wǎng)絡(luò)的科學(xué)規(guī)律、關(guān)鍵技術(shù)和創(chuàng)新應(yīng)用，我們組織了本專題。

面向未來B5G/6G網(wǎng)絡(luò)發(fā)展新趨勢(shì)，邊緣計(jì)算與人工智能相結(jié)合是必然的，由此產(chǎn)生的新的交叉研究——邊緣智能，《邊緣智能：研究進(jìn)展及挑戰(zhàn)》是對(duì)該領(lǐng)域的綜述文章。該綜述中，邊緣智能被分為基于邊緣計(jì)算的人工智能和基于人工智能的邊緣計(jì)算(即AI on edge和AI for edge)兩部分。AI on edge側(cè)重于研究如何在邊緣計(jì)算平臺(tái)上進(jìn)行人工智能模型的構(gòu)建，主要包括模型訓(xùn)練和模型推理兩部分；AI for edge側(cè)重于借助先進(jìn)的人工智能技術(shù)，為邊緣計(jì)算中的關(guān)鍵問題提供更優(yōu)的解決方案，主要包括任務(wù)卸載和邊緣緩存兩部分。該文從一個(gè)廣闊的視角對(duì)邊緣智能的研究進(jìn)行了歸納總結(jié)，為涉足該領(lǐng)域的相關(guān)學(xué)者提供了一個(gè)詳細(xì)的背景知識(shí)。

《面向5G Advanced的智能邊緣網(wǎng)絡(luò)演進(jìn)》結(jié)合3GPP標(biāo)準(zhǔn)演進(jìn)情況，闡述了5G Advanced智能邊緣計(jì)算網(wǎng)絡(luò)整體架構(gòu)及關(guān)鍵技術(shù)方向，包括協(xié)同業(yè)務(wù)尋址技術(shù)、智能分流技術(shù)、無縫應(yīng)用遷移技術(shù)和跨運(yùn)營(yíng)商之間邊緣網(wǎng)絡(luò)互通技術(shù)，并展望了智能邊緣計(jì)算網(wǎng)絡(luò)的未來技術(shù)發(fā)展趨勢(shì)及標(biāo)準(zhǔn)演進(jìn)，包括算力網(wǎng)絡(luò)的協(xié)同和融合、基于空天一體化的邊緣網(wǎng)絡(luò)架構(gòu)等。

場(chǎng)景異構(gòu)、業(yè)務(wù)多元是未來B5G網(wǎng)絡(luò)的必然特征，業(yè)界已經(jīng)面向控制與指揮業(yè)務(wù)、數(shù)據(jù)高速傳輸業(yè)務(wù)和時(shí)間敏感業(yè)務(wù)定制了不同的數(shù)據(jù)鏈，《基于智能邊緣計(jì)算的數(shù)據(jù)鏈：原理、架構(gòu)與挑戰(zhàn)》提出了基于智能邊緣計(jì)算的數(shù)據(jù)鏈，構(gòu)建了其體系架構(gòu)，闡明了核心原理，介紹了傳輸機(jī)制、資源管理、接入方法等關(guān)鍵技術(shù)和未來挑戰(zhàn)等，拓展并豐富了智能邊緣計(jì)算網(wǎng)絡(luò)的理論邊界和內(nèi)涵。

為了高效協(xié)同地感知利用泛在、異構(gòu)的算力資源，《邊緣算力網(wǎng)絡(luò)中智能算力感知路由分配策略研究》為提升6G通信網(wǎng)絡(luò)的內(nèi)生感知和算力自適應(yīng)能力，對(duì)邊緣算力網(wǎng)絡(luò)中任務(wù)路由策略以及算力資源分配進(jìn)行研究，提出了一種基于Floyd算法的算力感知路由調(diào)度策略解決智能任務(wù)調(diào)度問題，為縮短用戶業(yè)務(wù)的平均處理時(shí)延，提高邊緣算力網(wǎng)絡(luò)中存儲(chǔ)資源和計(jì)算資源的利用率做出了探索。

面向混合現(xiàn)實(shí)(MR)等高速率、低時(shí)延的新應(yīng)用，《移動(dòng)邊緣計(jì)算中基于內(nèi)容流行度的深度強(qiáng)化學(xué)習(xí)緩存機(jī)制》考慮到從中心云傳輸服務(wù)內(nèi)容到MR設(shè)備會(huì)帶來很大時(shí)延和能耗問題，引入移動(dòng)邊緣計(jì)算(MEC)技術(shù)，提出了一種基于內(nèi)容流行度的深度強(qiáng)化學(xué)習(xí)(DRL)方法來做緩存決策，并構(gòu)造一個(gè)新的效用函數(shù)來衡量緩存方案的性能，通過在MEC服務(wù)器上緩存用戶的預(yù)渲染環(huán)境幀，探索了減少該類應(yīng)用延遲和能耗的方法。

《基于時(shí)空特征提取的智能網(wǎng)絡(luò)切片算法》面向新一代移動(dòng)通信網(wǎng)絡(luò)多元異構(gòu)業(yè)務(wù)的特征，提出了基于時(shí)空特征提取的智能網(wǎng)絡(luò)切片算法。算法采用了圖注意力網(wǎng)絡(luò)(GAT)以及長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)進(jìn)行數(shù)據(jù)的預(yù)處理，并使用深度Q網(wǎng)絡(luò)(DQN)進(jìn)行決策，以準(zhǔn)確適配業(yè)務(wù)需求的時(shí)空變化，提升切片性能，促進(jìn)人工智能與通信網(wǎng)絡(luò)的融合。

人工智能的算法和技術(shù)不僅僅應(yīng)用在網(wǎng)絡(luò)資源的調(diào)度和分配方面，也開始廣泛應(yīng)用在異常檢測(cè)等網(wǎng)絡(luò)安全領(lǐng)域，《基于深度學(xué)習(xí)的網(wǎng)絡(luò)異常檢測(cè)和智能流量預(yù)測(cè)方法》在異常檢測(cè)任務(wù)中針對(duì)直接對(duì)原始數(shù)據(jù)檢測(cè)異常存在的計(jì)算冗余問題，提出基于特征降維的蜂窩流量數(shù)據(jù)異常檢測(cè)方法；同時(shí)，對(duì)于流量數(shù)據(jù)預(yù)測(cè)，提出多數(shù)據(jù)集聯(lián)合預(yù)測(cè)方法，引入注意力機(jī)制學(xué)習(xí)不同業(yè)務(wù)間的相關(guān)性。

在創(chuàng)新應(yīng)用方面，《基于云網(wǎng)邊端協(xié)同計(jì)算的智能分發(fā)網(wǎng)絡(luò)研究》簡(jiǎn)要介紹由人工智能的云端大腦、基于5G構(gòu)建的安全神經(jīng)網(wǎng)絡(luò)和多關(guān)節(jié)的機(jī)器人本體所組成的云端機(jī)器人，提出了基于云、網(wǎng)、邊、端協(xié)同計(jì)算的智能分發(fā)網(wǎng)絡(luò)(IDN)的概念。該文闡述了IDN的架構(gòu)，從算力、算法、通信、數(shù)據(jù)、安全等角度對(duì)IDN進(jìn)行了研究，對(duì)比分析了智能分發(fā)網(wǎng)絡(luò)與內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN)的異同點(diǎn)。描述了在智能分發(fā)網(wǎng)絡(luò)架構(gòu)下機(jī)器人的典型應(yīng)用場(chǎng)景，以激發(fā)更多研究和思考，共同促進(jìn)云端機(jī)器人的發(fā)展。

在智慧交通領(lǐng)域，智能邊緣計(jì)算開始被廣泛用于處理智慧高速網(wǎng)絡(luò)節(jié)點(diǎn)的海量原始數(shù)據(jù)，但是基于設(shè)備成本等因素，大量邊緣處理器并不會(huì)配置較為充裕的冗余性計(jì)算資源和存儲(chǔ)空間，在處理突發(fā)事件時(shí)無法合理分配資源而出現(xiàn)高時(shí)延、宕機(jī)等問題，為此，《面向智慧高速網(wǎng)絡(luò)節(jié)點(diǎn)邊緣處理器的資源配置優(yōu)化》提出了一種面向智慧高速網(wǎng)絡(luò)節(jié)點(diǎn)邊緣處理器的資源配置優(yōu)化算法。該算法通過對(duì)智慧高速網(wǎng)絡(luò)節(jié)點(diǎn)工作狀態(tài)進(jìn)行建模，針對(duì)高時(shí)延和邊緣處理器故障問題，對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)邊緣處理器的工作狀態(tài)進(jìn)行資源配置優(yōu)化，以提升智慧高速公路系統(tǒng)的穩(wěn)定性和可靠性。

在車聯(lián)網(wǎng)高級(jí)安全服務(wù)中，針對(duì)智能網(wǎng)聯(lián)汽車在邊-端系統(tǒng)網(wǎng)絡(luò)中高可靠性與低時(shí)延的視頻內(nèi)容傳輸問題，《面向智能網(wǎng)聯(lián)汽車邊緣網(wǎng)絡(luò)的分布式端-邊協(xié)同算法》引入有限塊長(zhǎng)度編碼機(jī)制，并建立車輛能耗模型。根據(jù)車輛視頻信息源的視頻質(zhì)量要求，通過調(diào)整視頻編碼碼率、信息源傳輸速率，以及車輛多路徑路由的決策，提出一種完全分布式的優(yōu)化算法，以提高網(wǎng)絡(luò)資源利用率，并保證單個(gè)車輛的能耗公平性。

在智能電網(wǎng)領(lǐng)域，智能邊緣計(jì)算也被應(yīng)用到任務(wù)調(diào)度等對(duì)處理時(shí)效要求高的領(lǐng)域，《基于5G邊緣計(jì)算的智能電網(wǎng)高性價(jià)比任務(wù)調(diào)度》提出了一種基于貪心策略的啟發(fā)式任務(wù)調(diào)度算法，通過與傳統(tǒng)算法在包括輸入任務(wù)數(shù)、傳輸數(shù)據(jù)大小和延遲要求等各種參數(shù)下的比較，以驗(yàn)證所提算法在節(jié)約成本上的有效性。

綜上所述，本專題全方位地展示了面向B5G和6G愿景的智能邊緣計(jì)算網(wǎng)絡(luò)技術(shù)體系概念、內(nèi)涵、應(yīng)用及發(fā)展趨勢(shì)，內(nèi)容涵蓋智能邊緣計(jì)算網(wǎng)絡(luò)體系總體結(jié)構(gòu)，以及存儲(chǔ)與計(jì)算資源調(diào)度、智能切片、異常檢測(cè)與流量預(yù)測(cè)等關(guān)鍵支撐技術(shù)，機(jī)器人、智能電網(wǎng)、智慧交通等創(chuàng)新應(yīng)用。希望本專題能夠?qū)V大讀者了解和研究智能邊緣計(jì)算網(wǎng)絡(luò)技術(shù)提供有益的啟示、參考和借鑒，共同搭建起開放的智能邊緣計(jì)算網(wǎng)絡(luò)技術(shù)交流平臺(tái)，促進(jìn)我國(guó)移動(dòng)通信網(wǎng)絡(luò)技術(shù)體系的發(fā)展。最后，感謝編輯部各位老師在征稿通知發(fā)布、論文評(píng)審與意見匯總、論文定稿、編輯修改及出版所付出的努力和汗水；感謝專題評(píng)審專家及時(shí)、耐心、細(xì)致的評(píng)審工作；衷心感謝各位作者的辛勤工作和精心撰稿!