史上最全的邊緣計算應用場景

做者：施巍鬆教授和其團隊（張星洲、王一帆、張慶陽）

本文整理了已經基於邊緣計算模型設計的6個成功典型應用，經過這些應用來發現邊緣計算的研究機遇和挑戰，並探討更多的應用場景。

1.公共安全中實時數據處理

公共安全從社會的方方面面，如消防、出行，影響着廣大民衆的生活.隨着智慧城市和平安城市的建設，大量傳感器被安裝到城市的各個角落，提高公共安全。例如武漢的「雪亮工程」建設，計劃到2019 年6月底，全市公共安全視頻監控總量將達到150萬個。得益於「雪亮工程」的建設，全市刑事有效警情同比降低27. 2％，併爲羣衆查找走失老人小孩、追回遺失貴重物品等服務1萬餘次。隨着共享經濟的興起，各類共享經濟產品落地並獲得發展，如滴滴、Uber 和共享單車.然而，這些產品同時也存在大量的公共安全事件.例如順風車司機對乘客進行騷擾，甚至發生刑事案件.所以，2018年9月受順風車安全事件的影響，滴滴已經臨時下線順風車業務並進行整改，首當其衝的是在司機端加人服務時間段的自動錄音功能.然而，想要進一步提高安全性，最終仍是得依賴於視頻等技術，然而這將致使大量的帶寬需求.按照Uber 2017年的使用狀況（45787次/分鐘），假設將每次駕乘的視頻發送至雲端（每次20分鐘），天天雲端將新增9. 23 PB的視頻數據.邊緣計算做爲近數據源計算，能夠大量地下降數據帶寬，將能夠用來解決公共安全領域視頻數據處理的問題。

雖然當前城市中部署了大量的IP攝像頭，可是大部分攝像頭都不具有前置的計算功能，而須要將數據傳輸至數據中心進行處理，或者須要人工的方式來進行數據篩選.Sun等人提出了一種基於邊緣計算的視頻有用性檢測系統，其能夠經過在前端或者靠近視頻源的位置，對視頻內容進行判斷，從而檢測攝像頭故障、內容錯誤以及根據內容對視頻質量進行動態調整.。Zhang等人受啓發於安珀警報系統，基於邊緣計算技術，開發了安珀警報助手（Amber alert assistant，A3)，其能夠自動化地在邊緣設備上部署視頻分析程序，並與附近的邊緣設備協同 實時地對視頻進行處理，同時和周邊攝像頭進行聯動，以完成綁匪車輛的實時追蹤。

針對滴滴等共享車輛服務近年發生的危害公共安全的事件，Liu等人提出了 SafeShareRide系統，其會在二者狀況下觸發視頻報警功能——司機駕駛行爲異常，如偏離軌道和車內發生爭吵或者口頭呼救.SafeShareRide系統經過將用戶手機做爲邊緣端，實時地監控車內狀況和司機狀況，作到數據的預先處理，避免了安全時間段內的視頻上傳，從而大量地下降了流量的損耗。

以上工做主要針對系統的有效性，更多地關注民衆安全.而保護維護公共安全的人員，如警察、消防員等的安全，也相當重要.Wu等人提出了一種適 用於消防系統的邊緣計算系統。.其經過在救火車上部署邊緣服務器，接受消防員配備的紅外攝像頭數據和各類傳感器數據（如室內定位系統），實時地處理得到消防員位置信息和周邊狀況，並可視化地展示給現場指揮，同時也推送給遠程控制中心，以保障消防員的人身安全。

2.智能網聯車和自動駕駛

隨着機器視覺、深度學習和傳感器等技術的發展，汽車的功能再也不侷限於傳統的出行和運輸工具，而是逐漸變爲一個智能的、互聯的計算系統，咱們稱這樣新型的汽車爲智能網聯車（connected and autonomous vehicles, CAVs)•智能網聯車的出現催生出了一系列新的應用場景，例如自動駕駛、車聯網以及智能交通。. Intel在2016年的報告指出，一輛自動駕駛車輛一天產生的數據爲4TB，這些數據沒法所有上傳至雲端處理，須要在邊緣節點（汽車）中存儲和計算。

自動駕駛計算場景無疑是目前最熱的研究方向 之一，圍繞此場景有經典的自動駕駛算法評測數據 集KITTI'，還有針對不一樣自動駕駛階段的經 典的視覺算法。在工業界目前有許多針對 CAVs場景推出的計算平臺，例如NVIDIADRIVE PX2和 XilinxZynq UltraScale + ZCU106。 同時，學術界有許多前沿工做也開始探索CAVs場景下的邊緣計算平臺的系統設計.Liu等人將自動駕駛分爲傳感（sensing)、感知（perception)和決策 (decision-making)3個處理階段，並比較3個階段在不一樣異構硬件上的執行效果，由此總結除了自動駕駛任務與執行硬件之間的匹配規則. Lin等人對比了感知階段3個核心應用，即定位（localization)、 識別（detection)和追蹤（tracking)在 GPUs, FPGAs 和ASICs不一樣組合運行的時延和功耗，指導研究人員設計端到端的自動駕駛計算平臺。除了硬件 系統結構設計，還有一類研究推出完整的軟件桟幫助研究人員實現自動駕駛系統，例如百度的 Apollo和日本早稻田大學的Autpware。

如上文推進邊緣計算的七項核心技術所述，OpenVDAP是一個開放的車載數據分析平臺，其提供了車載計算平臺、操做系統、 函數庫等全桟的車載數據計算服務.除了自動駕駛，OpenVDAP中還總結了3類智能網聯車應用中的典型計算場景，分別是實時診斷、車載娛樂和第三方應用.前2個計算場景目前主要被工業界所關注，而學術界有不少在車載第三方應用中使用邊緣計算技術的研究工做，例如利用車上設備實時檢測異常駕駛行爲，根據司機行爲判斷司機身份的 PreDriveID，經過分析車輛行駛行爲數據、車內音頻數據和手機攝像頭數據保證出租車內司機和乘客安全的 SafeShareRide 等。

3.虛擬現實

虛擬現實（virtual reality，VR)和加強現實 (augment reality，AR)技術的出現完全改變了用戶與虛擬世界的交互方式.爲保證用戶體驗，VR/AR的圖片渲染須要具備很強的實時性.研究代表：將 VR/AR的計算任務卸載到邊緣服務器或移動設備，能夠下降平均處理時延. MUVR是一個在邊緣服務器上支持多用戶VR程序的處理框架，其將 VR圖像渲染卸載到邊緣服務器，並嘗試重用用戶以前的VR圖像幀，以下降邊緣服務器的計算和通訊負擔.Furi〇n是一個移動端VR框架，其將VR 負載分爲前景交互和背景環境2種，前景交互依然在雲端處理，而背景環境渲染卸載到移動端處理，由此實現移動設備上的高質量的VR應用。Ha等人設計了一個基於VR與邊緣計算的可穿戴認知助手， GoogleGlass用於數據收集和接受及顯示VR圖像；圖片渲染、人臉識別等計算任務在Cloudlet (邊緣節點）中執行，有效地解決了可穿戴設備電池容量以及處理能力有限的問題。

4.工業物聯網

工業互聯網是機器、計算機和人員使用業務轉型所取得的先進的數據分析成果來實現智能化的工業操做.可是在工業物聯網領域的應用實踐中，對於工業實時控制及邊緣設備安全隱私的要求較高， 而且產生的數據須要本地化處理，所以將邊緣計算應用於工業物聯網成爲了行業發展的方向.2018年，工業互聯網聯盟（(IIC)正式發佈了《工業物聯網邊緣計算介紹》白皮書，旨在闡述邊緣計算對於工業物聯網應用的價值，並總結了工業互聯網邊緣計算模型的獨特性和從雲到邊緣計算的關鍵驅動力。

邊緣計算應用於工業物聯網有3個優點：

1)改善性能，工業生產中常見的報警、分析等應用靠近數據生產者的地方處理和決策會更快，經過減小與雲數據中心的通訊能夠增長邊緣處理的彈性。

2)保證數據安全和隱私，能夠避免數據傳輸到共享數據中心後數據暴露等帶來的安全隱私問題。

3)減小操做成本，經過在邊緣作計算處理，能夠減小邊緣設備和數據中心的數據傳輸量和帶寬，從而減小了工業生產中由網絡、雲數據中心計算和存儲帶來的成本。

Chen等人用邊緣計算技術對薄膜壁焊接的工業級機器人系統作優化，設計了物理資源-邊緣-雲的架構，實驗結果代表：該系統比基於雲計算的傳統系統實時性更好，而且最多可節省883. 38 Kbps的帶寬，知足了工業級產品的需求。

5.智能家居

隨着物聯網技術的發展，智能家居系統獲得進一步的發展，其利用大量的物聯網設備（如溫溼度傳感器、安防系統、照明系統）實時監控家庭內部狀態，接受外部控制命令並最終完成對家居環境的調控，以提高家居安全性、便利性、溫馨性.Berg Insight 的調查報告顯示，歐美和北美洲的智能家居數據將在2019年達到6800萬.然而，隨着智能家居設備的愈來愈多，且這些設備一般都是異構的，如何管理這些異構設備將會是一個亟待解決的問題，如設備的命名、數據的命名以及設備的智能聯動，而且，因爲家庭數據的隱私性，用戶並不老是願意將數據上傳至雲端進行處理，尤爲是一些家庭內部視頻數據。而邊緣計算能夠將計算（家庭數據處理)推送至家庭內部網關，減小家庭數據的外流， 從而下降數據外泄的可能性，提高系統的隱私性。

工業界的一些企業已經注意到這一點，例如亞馬遜的Echo、三星的SmartThings和谷歌的Google Home，都可做爲智能家居的控制中心.然而，這些設備，仍然須要一些額外的網絡服務，如各類識別服務，不能徹底依靠自身去處理數據，從而致使仍存在必定的隱私泄露隱患.微軟和蘋果分別提出了 HomeOS 和HomeKit，其做爲智能家居的框架，能夠方便用戶對設備進行控制，可是仍然缺乏一些具體的工做. 開源社區也創建並維護了多個智能家居系統， 在表3中列舉出其中功能、文檔較爲完備的3個系統並進行對比。

與此同時，學術界也有大量的學者根據邊緣計算的思想在建設智能家居系統。曹傑等人提出了一個適用於智能家居的邊緣計算操做系統(edge operating system for home，EdgeOSH)。受啓發於邊緣計算，做者在家庭中設置邊緣服務器，並提出了 EdgeOSH 的工做，利用EdgeOSH在網絡邊緣側對家庭數據進行處理。EdgeOSH包含多個模塊:通訊模塊負責智能家居設備互聯的，其適配多種智能家居中經常使用的協議;數據管理模塊管理全部家庭數據，對數據進行融合和處理；自管理模塊提供設備的管理以及智能家居服務間的管理，以期提供智能化的家居環境.做者認爲命名（naming)和編程接口是智能家居發展中的幾個較爲關鍵的問題.所以，做者提供了編程接口以方便發者在其上進行開發.同時，命名服務和其餘模塊進行合做，對資源進行統一的命名，提供方便地管理。

與EdgeOSH —樣，中國科學院計算技術研究所的徐志偉研究員團隊也同樣認爲，編程接口在智能家居等物聯網設備中的應用較爲重要。該團隊拓展RESTful設計風格，將其引入物聯網設備中。通 過RESTful風格的接口，即便是外部用戶也能夠方便的訪問智能家居設備，從而拉進智能家居系統和傳統網絡的距離。同時在智能家居邊緣側，其利用非侵入式負荷監測(non-intrusive load monitoring，NILM)技術，關注於家庭的用電情況，並分析用電狀況，提供更高效的節能方案。

6.智慧城市

智慧城市是利用先進的信息技術，實現城市智慧式的管理和運行.2016年阿里雲提出了「城市大腦」的概念，實質是利用城市的數據資源來更好地管理城市，2017年10月Alphabet旗下城市創新部門Sidewalk Labs建造名爲Quayside的高科技新區，並但願該智慧城市項目可以成爲全球可持續和互聯城市的典範.然而，智慧城市的建設所依賴的數據具備來源多樣化和異構化的特色，同時涉及城市居民隱私和安全的問題，所以應用邊緣計算模型，將數據在網絡邊緣處理是一個很好的解決方案。

邊緣計算在智慧城市的建設中有豐富的應用場景。在城市路面檢測中，在道路兩側路燈上安裝傳感器收集城市路面信息，檢測空氣質量+、光照強度、噪音水平等環境數據，當路燈發生故障時可以及時反饋至維護人員。在智能交通中，邊緣服務器上經過運行智能交通控制系統來實時獲取和分析數據，根據實時路況來控制交通訊息燈，以減輕路面車輛擁堵等。在無人駕駛中，若是將傳感器數據上傳到雲計算中心將會增長實時處理難度，而且受到網絡制約，所以無人駕駛主要依賴車內計算單元來識別交通訊號和障礙物，而且規劃路徑。EdgeOSc是一種基於邊緣計算的面向智慧城市的系統級操做系統，它分爲3個部分，底層的數據感知層、中間的網絡互聯層和頂層數據應用管理層。該操做系能夠有效管理智慧城市中的多來源數據，，提升了數據共享的範圍和深度，以實現智慧城市中數據價值的最大化。

關注更多邊緣計算前沿動態，盡在邊緣計算社區！