第4章 边缘计算典型应用

4.1 智慧城市

智慧城市的建设不能依靠单一的集中处理的云计算，边缘计算模型可以作为云计算中心在网络边缘的延伸，能够搞笑地处理城市中任意时刻产生的海量数据，更安全地处理用户和相关机构的隐私数据

4.2 智能制造

工业4.0是基于现代信息技术和互联网技术兴起的产业，其核心就是通过信息物理系统（CPS）实现人、设备与产品的实时连通、相互感知和信息交互，从而构建一种高度灵活的智能化和数字化的智能制造模式。

推动智能制造的发展，首先需要构建完善的信息物理系统，这是智能制造的支撑技术——边缘计算：物理系统通常位于工业特定系统的边缘，而在边缘同时具有计算、通信以及本地感知数据的存储能力正是边缘计算的基本特征

4.3 智能交通

智能交通是一种将先进通信技术与交通技术相结合的物联网重要应用。智能交通用于解决城市居民面临的出行问题，如恶劣的交通现状、拥塞的路面条件、贫乏的停车场地。窘迫的公共交通能力等。
智能交通系统实时分析由监控摄像头和传感器收集的数据，并自动做出决策。这些传感器模块用于判断目标物体的距离和速度等。
`随着交通数据量的增加,用户对交通信息的实时性需求也在提高，若传输这些数据到云计算中心，将造成带宽浪费和延时，也无法优化基于位置识别的服务。基于边缘计算智能交通技术为上述诸多问题提供一种较好的解决方案。

• 边缘计算能够提高智能交通的安全性：边缘计算可以保证采集的数据利用本地车载端的计算能力进行数据处理，同时利用云端的计算能力，建立车载端数据模型，提高实践分析的准确性
• 边缘计算拓展了智能交通的适用性：智能导航、智能停车、屏蔽门独立控制闭合
• 边缘计算能够提高智能交通的用户体验：网络信号不好的地方也能保持平稳的运营

4.4 智能家居

在智能家居环境中，价格低廉，构造小巧功能强大的智能家居传感器和控制器布置在房间、管道、地板和墙壁等地方，是家庭的方方面面都能够以一种联网的方式被感知和控制。
优势：

• 低延时：边缘计算避免有限的网络带宽对数据传输的影响，降低数据的传输时间，使系统能够更高效地收集、分析数据并做出相应的反馈
• 隐私保护:将数据的传输和使用控制在家庭范围内，将敏感信息从源数据中剥离
• 大数据量：一个摄像头一天就可以产生几十GB的数据。视频等数据在本地就可以得到有用信息的筛选和处理，使智能家居能够高效运作

4.5 协同边缘

协同边缘是链接多个数据拥有者的边缘，这些数据拥有者在地理上是分布的，但具有各自的物理位置和网络结构。类似于点对点的边缘连接方式，在数据拥有者之间提供数据的共享

4.6 云计算任务前置

边缘计算实现，在边缘端设备中借助其一定的计算资源，实现将云中心的部分或全部任务前置到边缘端执行
如果购物车内产品视图的更新操作从云中心迁移到边缘节点，这样会降低用尸请求的响应延时。购物车数据可被缓存在边缘节点，相关的操作可在边缘节点上执行。当用户的请求到达边缘节点时，新的购物车视图立即推送到用户设备。边缘节点与云中心的数据同步可在后台进行。

3.7 边缘计算视频监控系统

针对海量视频数据，云计算中心服务器计算能力有限等问题，
首先，构建一种基于边缘计算的视频图像预处理技术。通过对视频图像进行预处理，去除视频图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此降低对云中心的计算、存储和网络带宽需求，提高视频分析的速度。
此外，预处理使用的算法采用软件优化、硬件加速等方法，提高视频图像分析的效率。
其次，为了降低上传的视频数据，基于边缘预处理功能，构建基于行为感知的视频监控数据弹性存储机制。

边缘计算软硬件框架为视频监控系统提供具有预处理功能的平台，实时提取和分析视频中的行为特征，实现监控场景行为感知的数据处理机制:根据行为特征决策功能，实时调整视频数据，既减少无效视频的存储，降低存储空间又最大化存储“事中”证据类视频数据，增强证据信息的可信性，提高视频数据存储空间利用率。

对传统的视频监控系统前端摄像机的视频采集硬件进行改造，如在后端加入一个专门用于视频处理的硬件单元，对采集道德视频嘻嘻进行复制操作，再对复制后的数据进行处理。
在完成采样盒视频分析后，摄像机有用的信息传输给邻居节点，同时接受邻居节点发送过来的信息。摄像机网络中其他节点均采用类似策略进行通信。
当有节点接收到其他边缘节点发送过来的信息时，该节点将对接收到的信息和自身测得信息进行信息融合，从而提取有用信息，完成提取后，再将融合后的信息发送给邻居节点，在相邻时刻内完成多次类似信息传输，可以是整个网络信息达到一致

摄像机网络：当从摄像机获得视频时，需要从视频中提取目标，本算法首先使用目前已有算法，然后使用状态估计算法以及分布式信息融合算法组成鲁棒性的目标跟踪系统。在摄像机网络这个应用中，由于摄像机观测区域受限，通过利用多个摄像机分布式信息融合，可以弥补但摄像机跟踪的不足，从而发挥分布式跟踪算法的优势

非重叠区域？这东西能用到风机上吗？

4.8 基于边缘计算的灾难救援

危急时刻“时间就是生命”，在争分夺秒的救灾面前，如果将无人机、搜救机器)现场人群拍摄的灾难现场照片，通过人脸提取，与“寻人平台”云数据中心的失踪脸信息进行实时匹配和识别，可以显著提升在线寻人的时效，使互联网救援的效率为提高。

如果将灾难现场拍摄的照片，不加处理的全部上传至云中心，网络性能将成为信息收集的瓶颈，并且影响其他实时救灾任务的进行。对图片处理的计算机视觉算法通常是计算密集型任务，需要消耗较多的电能。无人机、搜救机器、智能移动终端上的电池电量非常有限，在其上完成信息预处理并不现实。因此，如基于灾难场景中复杂受限的网络传输环境，将有效的灾难现场信息高效传输至云数据，是实时、高效搜救的关键之一。

• 一种基于边缘计算的灾难场景高时效图像搜索框架
• 该框架利用 Edge 节点(如灾难现场的应急通信车)的计算、存储和通信能力，在收集到从无人机、传感器等发送过来的图像数据后，进行内容感知和预处理，自适应灾难环境中不稳定的网络性能，支持特定内容图像数据实时高效地上传至云数据中心，由后台服务器完成进一步的匹配识别工作，高效实时地确定被搜救目标的任务。
• 
  消防：指利用多种不同技术手段和设施，实施灭火、营救群众和最小化人员伤亡和财产损失的行动。
  智能消防的关键在于利用物联网集成数据，
  主要由三部分组成:从多个数据源获数据、对数据进行处理分析和预测、将结果有效传输给消防救援者或其他利益相关人员。
  将获取的大量信息转换为对指挥员有价值的信息，涉及大规模的计算和能源消耗，同时保证实时性。这里列举三项智能消防应用:
• 场景感知
• 智能安全决策
• 3D火场建模
• 

4.9 工业互联网边缘计算

4.8.1 基于工业互联网边缘计算的智慧油田系统解决方案

通过油田的实时数据采集、分析和优化控制，实现地面生产各系统的闭环。然后基于地面生产各环节的实时数据和油田既有静态数据，通过多环节软件的自动化集成，进一步实现基于动态油藏模型的数字油田工艺控制一体化仿真，实现动态适应性调整，以最优方式生产。
基于SIA-SCADA技术体系，基于实时油藏分析的注采联合优化边缘计算体系架构图

4.8.2 基于工业互联网边缘计算电网输变配用一体化解决方案

覆盖输变配用环节形成了状态监测与故障诊断子系统，全面解决电网运行状态信息缺失和信息孤岛问题，建立统一的智能电网信息系统
本项目开发的系统主要完成了从输电线路，到变电站、配电线路，直至电力用户的完整监控系统，形成电力综合信息平台。
在电力综合信息平台下层，针对输变配用各环节应用需求，构建了适用于线路检测的链式传感任务、适用于强电磁环境的网状传感网和适用于大规模用电信息采集应用的网状传感网。电力综合信息平台完成了输电线路、变电站、配电线路、电力用户用电信息的实时获取和故障诊断。

• 数据集中网关集成在控制箱内，与视频检测装置通过以太网连接到控制箱内的交换机，控制箱上的交换机WIFI装置构建区域内的wifi无线网络，将wifi可达范围内的塔杆信息集中于一点，通过TD-SCDMA/OPGW与远端服务器后台互联。
• “细粒度监控” 是指对系统、网络、设备或其他复杂系统进行详细、精细的监控和管理。这种监控涉及到对系统内部的各个组成部分、性能指标、事件和活动进行深入的观察和记录。细粒度监控通常用于实时追踪系统的运行状况、检测问题和异常，并为优化性能、调整配置和进行故障排除提供详细的数据。
• 
• 配电线路接地短路故障指示子系统：配电网故障指示系统能够接收配电线路上部署的故障指示器发送的监测报文并对报文进行解析，对线路的负荷电流进行实时监测，判断线路是否发生故障，如发生故障会向相应的维修人员发送故障提醒短信，此外，系统还支持web 端访问，谷歌地图显示，向用户提供一个直观、友好的可视平台，大大地提高了故障维修效率、缩短了故障持续时间。
• 基于无线传感网技术的配电网故障指示系统将采集的故障信息统一由无线传感器网络网关接收，再由网关通过光纤或者电力无线专用网络上传给主站。能够以较高的通信性能和较低的成本投入解决大区域数据集中远传的难题。故障指示器安装在配电网线路商，能够实时监测线路的负荷电流、接地和短路故障，支持本地故障翻牌警示功能，通过无线通信模块将数据信息发送给附近的数据采集器

4.8.3 基于工业互联网边缘计算的石化智能化生产监控与优化解决方案

该平台通过大型生产设备的预测性维护与智能服务系统将经营管理层、生产营运层、过程控制层进行纵向集成，再讲全面感知设备数据进行大数据分析，预测到一些情况，准确判定大机组故障原因，对关键部位做出提前预警。
基于SIA-SCADA技术体系，基于工业互联网边缘计算的生产过程参数在线监测与全流程优化管控系统如图所示