智慧城市车路协同系统的边缘计算网络架构和方案

车路协同业务是智慧城市中智慧交通的核心业务.本文研究了以边缘计算为核心的智慧城市车路协同计算系统和一个基于智慧城市车路协同三层计算平台的网络体系架构.本文分析了以路侧边缘计算为核心的路口场景接入路侧网络方案和接入回传网络的两种建网模式.     

边缘计算和云计算在智慧城市建设中的应用

文章主要对边缘计算、云计算的定义和特点及智慧城市的概念进行简单阐释,结合城市建设情况,分析边缘计算和云计算在智慧城市建设中应用的必要性,并提出二者的具体应用,希望充分挖掘边缘、云计算技术的优势,在二者相互补充的过程中实现智慧城市的建设,为实际智慧城市建设工作提供参考依据。     

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...     

智慧学习系统中的人工智能与边缘计算

作为智慧学习系统这一人工智能的代表技术,深度学习将受益于计算能力、算法和数据集的进步。而另一种技术是边缘计算技术,它是从传统的云计算技术发展而来的。因传统的云计算模型已经无法有效处理大量的计算任务,新的应用也对数据的实时处理提出了更高的要求,从而使得边缘计算应运而生。     

基于边缘计算的铁路无人值守站监测应用研究

设计搭建了基于边缘计算的铁路无人值守站监测应用平台架构,解决了传统云架构搭载铁路视频监测应用后存储及计算负荷重的问题.通过搭建"云-边-端"协同的边缘计算架构,将原本置于云中心内的计算迁移至局域边缘节点进行计算,平台被分为采集层、分析层及管理层三层的功能以传递分散计算量.给出了局域边缘节点搭载的关键算法逻辑.最优公网链...     

云原生在物联网边缘计算中的应用

随着智能终端的大量普及,大数据的传输、计算和数据安全问题的解决方案是当前的研究热点之一。基于Spring Cloud云原生微服务和容器化技术,提出一套容器化云原生边缘系统解决方案。可就近计算局部产生的海量数据,从而减少数据的传输和中心节点的计算量,解决了中心化架构的大数据传输、计算和安全问题。该方案可以在电力、冷链物联网系统等场景下使用。     

边缘计算在智慧交通和智能网联行业的应用分析

智慧交通和智能网联是边缘计算应用的典型场景。在“云-边-端”系统架构中,边缘计算承载着云侧算力下沉及端侧计算任务卸载的使命。本文分析了边缘计算在智慧交通及智能网联应用中面临的挑战及发展趋势,研究了不同业务场景下边缘计算需要处理的主要内容,分析了边缘计算在“云-边-端”架构中的重要作用。     

物联网在交通系统中的应用

随着信息技术的不断发展,物联网技术慢慢的渗透到我们的生活中.我国人民的生活水平不断提高,越来越多的人们从步行变成驾车出行.这一问题的出现导致了我国的交通问题越来越突出,面对交通事故、交通拥堵等情况的发生基于物联网技术的研究能够合理的解决关于交通上的问题.通过对于物联网技术的工作内容和主要技术进行分析,促进我国交通事业的发展.     

基于云计算的智能交通系统研究

智能交通系统在我国的发展处于起步阶段,还面临诸多问题,如海量数据不能有效整合、偏远地区设备落后等。云计算技术将为智能交通系统带来新的发展空间,两者的结合是未来的发展趋势。通过研究云计算技术在智能交通系统中的应用,提出了基于云计算技术的智能交通系统平台(智能交通云),解决了交通信息共享、设备落后等问题。     

边缘计算：平台、应用与挑战

随着万物联网的趋势不断加深,智能手机、智能眼镜等端设备的数量不断增加,使数据的增长速度远远超过了网络带宽的增速;同时,增强现实、无人驾驶等众多新应用的出现对延迟提出了更高的要求.边缘计算将网络边缘上的计算、网络与存储资源组成统一的平台为用户提供服务,使数据在源头附近就能得到及时有效的处理.这种模式不同于云计算要将所有数据传输到数据中心,绕过了网络带宽与延迟的瓶颈,引起了广泛的关注.首先介绍边缘计算的概念,并给出边缘计算的定义;随后,比较了当前比较有代表性的3个边缘计算平台,并通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势;最后阐述了当前边缘计算面临的挑战.     

移动边缘计算中的协同计算卸载策略

针对单边缘服务器卸载时导致异地边缘服务器空闲状态下资源浪费问题,在远程云与多个边缘服务器联合卸载的方案下,提出一种基于改进混合粒子群算法的边缘云协同计算卸载策略（cross reorganization PSO,CRPSO）。该卸载策略中以最小化系统总代价（时延和能耗的加权和）为目标建立模型,在粒子群算法中利用适应度对粒子进行优劣分组,通过引入遗传算法中的交叉思想对劣势组的粒子进行取优,由两层筛选机制优化原始种群中粒子,经过算法迭代实现任务的最优卸载策略。仿真结果表明,与Local-MEC算法、ECPSO算法和GCPSO算法相比,所提出的CRPSO算法的系统总代价最小,优化效果明显。     

云计算系统研究及其在交通运输中的应用

云计算的高可扩展性、高可用性和廉价性吸引了越来越多的企业投入研究。在分析探讨几个典型的云计算平台架构的基础上,深入比较了各平台之间的差异,归纳总结了各平台现有的实例产品及应用案例。最后针对我国的交通运输发展现状以及交通信息数据处理的特性,提出了一种交通运输云平台参考体系,同时基于VMware云平台搭建了海量交通数据实验云平台并进行了计算性能测试分析。实验结果表明该平台能够在现有处理器、储存设备等基础设施不变的情况下整合智能交通系统现有的资源,提高整个交通运输系统的计算储存能力和数据安全性。     

一种基于边缘计算的传感云低耦合方法

随着物联网和云计算的快速发展,衍生了一种新的网络结构——传感云.传感云是物联网和云计算结合的产物.物联网中的物理节点可以通过传感云平台虚拟成多个节点,为用户提供服务.然而,当底层物理传感器节点同时接收多个服务命令时,会出现一些服务冲突,即耦合问题.这种耦合问题可能导致服务的失败,并危及系统安全.为了解决这个问题,提出了一种基于边缘计算思想的扩展KM(Kuhn-Munkres)算法.边缘计算是一种新兴的计算模式,在物联网中得到越来越广泛的应用,特别是那些由于延迟等限制而无法有效利用云计算的应用.边缘计算作为云和物联网层的中间平台,可以提供调度方法.首先,边缘层对重复请求命令进行合并,减少向下传输的命令数量;其次,优先调用边缘层数据缓存队列里的数据;最后利用改进KM算法实现每一轮的最大匹配.理论分析和实验结果表明,提出的方法可以提高资源利用率,减小计算成本,接近最短的时间解决耦合问题.     

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。     

面向边缘智能计算的异构并行计算平台综述

边缘智能计算对硬件资源的需求复杂多元,传统计算平台难以为继,异构并行计算平台成为边缘智能算法落地的关键途径之一。以深度学习算法和边缘计算为牵引,对异构并行计算平台展开研究。一方面,阐述了传统计算平台适配实现边缘智能计算的优缺点,指出边缘端应用场景中传统计算平台算力与功耗矛盾突出等局限性,并以指令模型、通讯机制和存储体系三个关键技术为线索梳理技术发展脉络。另一方面,从运算速度、功耗等角度重点对比分析了近年来典型异构平台较新的代表性产品,然后针对不同应用场景和约束条件给出了异构平台的选择建议：优先选择CPU+X组合的异构平台。功耗要求严格约束下的应用建议优先选择CPU+FPGA组合;功能迭代更新快的场景建议优先选择CPU+GPU组合;算法成熟且对实时性和功耗均具有高要求的应用优先选择ASIC计算平台。提出了异构并行计算平台在指令模型统一、通讯机制轻量化、存储体系灵活性以及开发生态完备化四个方面的问题与挑战,期望能为该领域研究人员带来一定的启发。     

SG-Edge: 电力物联网可信边缘计算框架关键技术

随着国家电网电力物联网的逐步推进,作为其核心支撑技术的边缘计算框架逐渐成为研究热点.首先,总结了物联网和边缘计算框架方面的已有研究工作;其次,通过分析电力物联网在业务场景、边缘计算、信息安全等方面的关键技术难题,提出了一种适应于电力物联网的可信边缘计算框架SG-Edge;随后,结合边缘框架的可信防护关键难题,给出了硬件可信引导、软件行为动态度量等关键技术方法;最后,从业务适应性、安全性以及性能等方面对SG-Edge进行了全面评估,并对未来研究可能面临的挑战进行了展望.     

基于综合信任的边缘计算资源协同研究

边缘计算旨在共享利用边缘设备的计算、通信资源,满足人们对服务的实时响应、隐私与安全、计算自主性等需求,随物联网的发展将有广阔应用前景.调研了边缘计算的特征、基本概念和定义、最新研究进展以及边缘计算研究的挑战与发展趋势.基于边缘计算的核心挑战之一——隐私信任与安全保障问题,针对用户应用需求特征,充分考虑用户体验质量(QoE)来优化边缘计算系统.通过集成用户和资源的身份信任、行为信任、能力信任3个方面为综合信任度,利用信任评估保障对边缘计算资源管理与协同优化.针对终端的动态性、边缘设施能力受限、边缘与终端的邻近性、云中心功能强和距离远的特征,融合云计算、P2P计算、CS与网格计算模式,构建多层自适应的统一计算模型,实现对应用场景动态匹配;研究以用户体验质量为目标的综合资源用户信任评估体系与模型,实现资源QoS向QoE的指标映射,构建资源和用户的身份信任、行为信任评价机制,形成综合信任评估体系与模型;根据应用需求,研究面向计算能力、移动性与可用服务时间、剩余能量、带宽等多重约束的边缘计算的任务卸载、资源调度算法和优化方案,实现资源在终端、边缘、云中心3层级可信共享和优化利用,更好满足用户QoE需求.最后通过流计算任务分配的边缘计算场景验证了模型框架的有效性.     

面向智能交通系统的图像处理

图像处理在智能交通系统（ＩＴＳ）中扮演着极其重要的角色。文章综述了目前ＩＴＳ领域中所广泛采用的图像采集设备、图像处理硬件和图像处理软件,并给出了大量的应用实例。最后,结合目前的研究成果对其今后的发展进行了展望。