面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通系统中的图像处理及边缘计算技术未来的发展进行总结分析与趋势展望。     

智慧交通的体系架构与发展思考

面对城市的快速发展,本文针对当前城市交通主要障碍和问题,提出了通过移动计算、智能识别、数据融合、云计算等技术的应用,形成智慧交通系统,实现智慧城市交通的数字化、智能化。在研究智慧交通体系架构以及数据采集与收集系统、车体控制系统、信息传输、信息存贮、处理与综合控制等子系统的功能结构的基础上,对智慧交通的发展思路进行了探讨,指出了智慧交通基础建设内容及其重要性。     

边缘计算中的计算卸载综述

边缘计算可以有效解决传统云计算中传输时延大、用户数据安全性不够高、传输带宽压力大以及终端移动设备计算能力受限、能耗大等问题.计算卸载是边缘计算中的关键技术,针对当前计算卸载技术的研究现状和存在的不足,本文围绕计算卸载,首先介绍边缘计算的体系架构以及部分应用和分析4种主要的影响因素以及相应具体的条件;其次针对3种决策目标分析了算法策略及对应变量在算法中的作用;最后总结目前在计算卸载中存在的不足.     

无线传感器网络在智能交通中的应用

针对目前中国的交叉路口多、车流量大、交通混乱等现象,阐述了基于无线传感器网络的智能交通系统的基本原理。结合国内外将无线传感器网络应用于智能交通网系统的已有研究应用情况,指出了无线传感器网络技术应用于智能交通中的交通信息采集、交通信息传输、交通控制和诱导等方面的几个关键技术,以便为进一步研究并拓展无线传感器网络在智能交通中的应用提供参考。     

面向实时视频流分析的边缘计算技术

实时视频流分析在智能监控、智慧城市、自动驾驶等场景中具有重要价值.然而计算负载高、带宽需求大、延迟要求严等特点使得实时视频流分析难以通过传统的云计算范式进行部署.近年来兴起的边缘计算范式,将计算任务从云端下沉到位于网络边缘的终端设备和边缘服务器上,能够有效解决上述问题.因此,许多针对实时视频流分析的边缘计算研究逐渐涌现...     

基于大数据调度的OMS配网一体化调控算法研究

针对当前OMS配网一体化调控方法存在的带宽利用率低、数据传输时延高和数据丢包率高的问题,提出基于大数据调度的OMS配网一体化调控算法.根据任务的稀缺度和紧急度计算任务在OMS配网中的优先请求级别,采用历史信息统计法结合节点能力影响因素计算节点在OMS配网中的上传能力.在任务优先请求级别和节点上传能力的基础上,计算路径在OMS配网中的可用带宽和前向传输时延,并将最大优先算法应用到发生数据丢包的现象中,重新选择传输路径,避免配网中接收端出现乱序的现象,根据计算结果结合重选路策略实现OMS配网的一体化调控.实验结果表明,所提算法的带宽利用率高、数据传输时延低、数据丢包率低.     

基于信息增强传输的时空图神经网络交通流预测

交通问题不仅影响人们的出行,同时也会带来环境污染以及安全等问题,准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交通流动态的时空相关性、周期性以及线性与非线性等特点.在充分考虑上述因素的基础上,提出一种基于信息增强传输的时空图神经网络模型,主要包含多特征注意力模块、信息增强传输...     

基于服务拓扑切分机制的无线传感网虚拟映射算法

为解决无线传感网部署过程中存在资源调度困难、映射成功率较低及传输性能不佳等问题,提出了一种基于服务拓扑切分机制的无线传感网虚拟映射算法。首先,基于图论思想,构建了物理网络与虚拟网络的映射关系,将网络按能耗、带宽、时延等指标进行切分,再构建多约束评估机制,达到整合优化评估网络映射的效果。随后,将业务请求拆分为若干个拓扑服务片,对传输链路进行逐项映射,并结合时延最小化原则对链路匹配排序,将业务进行精准匹配并优化传输质量。依据节点能耗及节点剩余能量最优匹配原则,选取服务能力最佳的节点。最后,构建多参数评估机制,将带宽较高且时延较低的链路置于较高优先级别并进行匹配带宽映射,进而提高网络传输及服务承载性能。仿真实验表明,与常用的网络虚拟映射算法相比,所提算法具有更高的节点链路映射成功率和网络传输带宽,以及更低的节点能耗。     

一种应用于DVB-RCS卫星通信系统的存储优化带宽请求算法

DVB-RCS 卫星通信系统中,已有的带宽请求算法多注重于队列延迟以及带宽利用率等性能的提高而未考虑卫星终端的存储优化针对此问题,提出了一种应用于 DVB-RCS 卫星通信系统的存储优化带宽请求算法,该算法通过预测到达数据流的容量来实现对发送队列中数据总量的控制,同时兼顾对传输时延以及传输效率的平衡。仿真表明,该算法能够合理控制系统的存储容量,并且在优化带帘利用率、控制时延抖动等方面与已有算法相比具有同样的高性能.     

移动边缘计算技术在高铁通信网络中的应用

随着高铁的日益普及,在高铁列车与地面之间建立移动数据通道,满足车地数据传输以及旅客上网的需求,成为越来越迫切的问题.现有GSM-R和LTE-R的解决方案,还存在带宽小、时延大、传输不稳定等问题.为此,本文提出采用移动边缘计算（Mobile Edge Computing,简称为MEC）技术来优化高铁通信网络.主要思想是在车厢和基站部署MEC服务器,经过两级MEC服务器的协同配合,达到复用空口链路、提升无线传输稳定性和降低时延的目的,并最终提升用户体验.通过实际网络试验结果显示,该方案可显著提升传输速率、减小传输时延.     

基于非协作博弈的边缘分布式缓存方案

随着多媒体数据流量的急剧增长,传统云计算模式难以满足用户对于低延时和高带宽的需求.虽然边缘计算中基站等边缘设备拥有的计算能力以及基站与用户之间的短距离通信能够使用户获得更高的服务质量,但是如何利用边缘节点的收益和成本之间的关系设计边缘缓存策略,仍然是一个具有挑战性的问题.利用5G和协作边缘计算技术,在大量短视频应用场景下,提出了一种协作边缘缓存技术来同时解决以下3个问题：（1）通过减少传输延时,提高了用户的服务体验;（2）通过近距离传输,降低了骨干网络的数据传输压力;（3）分布式的工作模式减少了云服务器的工作负载.首先定义了一个协作边缘缓存模型,其中,边缘节点配备有容量有限的存储空间,移动用户可以接入这些边缘节点,一个边缘节点可以服务多个用户;其次,设计了一个非协作博弈模型来研究边缘节点之间的协作行为,每一个边缘节点看成一个玩家并且可以做出缓存初始和缓存重放策略;最后,找到了该博弈的纳什均衡,并设计了一个分布式的算法以达到均衡.实验仿真结果表明,提出的边缘缓存策略能够降低用户20%的延时,并且减少了80%的骨干网络的流量.     

边缘计算:新型计算范式综述与应用研究

科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算(EC)应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。     

基于软件定义网络的边缘控制部署机制

针对软件定义网络（software-defined Networking,SDN）中单一控制器容易发生过载导致较长时延的问题,提出一种基于SDN的边缘控制模型,该模型采取分层部署方式将边缘计算集成到SDN中,每个边缘控制器控制其覆盖范围内部署的所有子边缘控制器和交换机,负责区域内网络设备的通信量。为了方便管理边缘控制器之间的交互,该模型引入一个控制器代理模块,将设备请求转发给父控制器或将路由信息发送给子控制器来协调控制器之间的工作。实验结果表明,与基于SDN的传统网络相比,该方法依托部署在网络设备边缘的计算和存储服务,减轻了SDN主控制器上的负载,降低了转发平面和控制平面之间的延时,显著地改善了总处理延时和带宽使用情况。     

边缘计算网络中面向负载均衡的调度机制

考虑边缘计算网络中的负载均衡需求,提出一种基于集中控制的调度机制。首先决定在哪些网络节点部署边缘计算功能,再针对用户的数据和请求,在满足相关负载均衡约束的前提下通过调度尽量降低流量的平均端到端延迟。评估结果表明,边缘计算节点的数量、计算资源和网络资源的负载均衡程度均可能影响流量的平均端到端延迟。只需选择少量合适的节点作为边缘计算节点,再将计算资源和网络资源的负载均衡调配到合适程度即可有效降低平均端到端延迟。     

User allocation-aware edge cloud placement in mobile edge computing

Mobile edge computing is emerging as a novel ubiquitous computing platform to overcome the limit resources of mobile devices and bandwidth bottleneck of the core network in mobile cloud computing. In mobile edge computing, it is a significant issue for cost reduction and QoS improvement to place edge clouds at the edge network as a small data center to serve users. In this paper, we study the edge cloud placement problem, which is to place the edge clouds at the candidate locations and allocate the mobile users to the edge clouds. Specifically, we formulate it as a multiobjective optimization problem with objective to balance the workload between edge clouds and minimize the service communication delay of mobile users. To this end, we propose an approximate approach that adopted the K-means and mixed-integer quadratic programming. Furthermore, we conduct experiments based on Shanghai Telecom's base station data set and compare our approach with other representative approaches. The results show that our approach performs better to some extent in terms of workload balance and communication delay and validate the proposed approach.     

一种基于综合匹配度的边缘计算系统任务调度方法

边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深...     

浮动车信息处理技术研究

概括了浮动车技术的基本原理,重点介绍了浮动车信息处理系统的处理流程及地图匹配、路径推测和路况信息计算方法。针对GPS数据精度差、路网结构复杂等影响浮动车信息处理准确性提升的问题,给出了一系列改进型研究工作。最后,给出了评估浮动车信息处理准确性的方法,并指出了浮动车信息处理技术的后续工作。     

边缘计算和深度学习之间的交融

随着网络终端的不断普及与互联网应用的快速发展,当今网络不仅要应对日益增长的传输流量,也要满足用户多样化的需求指标。云计算在诸如服务延迟与传输开销等方面难以适应趋势,边缘计算(Edge Computing)则将运算资源从云下移到了网络边缘,并通过就近处理数据的方式提升性能。作为人工智能的主要代表之一,深度学习一方面可以被集成到边缘计算的框架中以构建智能边缘,另一方面也能以服务的形式部署在边缘上从而实现边缘智能。本文从边缘计算与深度学习融合的趋势出发,介绍"边缘智能"与"智能边缘"的概念与应用场景,并说明典型的使能技术及其相互联系。