5G+无人智能采矿解决方案探析

针对5G技术在采矿业实施智慧采矿应用,提出了采矿业智能采矿的解决思路和5G+无人智能的整体解决方案。依托5G+边缘计算技术架构,对矿区现有采矿设备的智能化改造,配置无人驾驶系统、控制系统和调度系统,并通过数据采集和计算实现对采矿过程的精准响应,高效支撑矿山企业对数据的采集和应用提升企业对生产过程的响应能力和资源配置效率,实现智能化生产。方案无缝与5G网络融合,有效解决了智慧矿山建设面临的业务实时响应、海量数据计算存储和数据安全问题,为5G融合创新开辟了更广阔的应用场景。     

5G+MEC专网智能制造工厂

5G网络凭借大带宽、低时延、广连接的特性架构为当代工厂生产进一步提升自动化程度及效率.传统制造业随其自身业务发展规划需要引入新技术增长引擎来进一步提高其生产效率.结合当前中国电信5G通信为基础,结合华为技术支持、吉利全套自动化产线,利用5G、边缘/云计算专网技术深度探索5G专网与汽车整车制造领域深度融合解决方案,实现智...     

基于“5G+边缘云”架构的4K编辑系统设计探讨

本文介绍了基于5G边缘计算架构的4K云编辑系统,系统利用5G+边缘计算的高带宽、低时延特性,将非编软件部署在MEC边缘计算节点下,采编人员借助于5G背包将现场拍摄的超高清节目素材传输到边缘计算节点下的云非编系统,同时现场采编人员通过5G网络,采用轻量化的终端连接到部署在5G边缘计算节点上的云编辑系统实现基于现场的超高清视频编辑、渲染、打包、发布等操作,提升了超高清节目制作的实时性和便捷性。     

专题:面向B5G/6G的智能边缘计算网络技术

随着我国5G网络的规模化部署与商用,目前是开展B5G/6G研究的关键阶段。面向未来B5G/6G的主要可能应用场景,例如车联网、工业互联网、空天地海一体化等网络的业务特征,形成了通信-计算-感知一体化融合、通信网络与人工智能融合等新趋势,构建智能边缘计算网络平台与架构,解决智能资源管理与调度、低时延与高可靠传输技术等关键科学问题和技术,对推动移动通信网络朝着6G演进,保持国家在该领域的领先地位,并促进数字经济发展具有重要意义。     

基于5G的MEC网络架构与部署策略

多接入边缘计算(MEC)为5G网络必不可少的网元,实现本地化泄流与云服务提供,解决现有网络垂直封闭烟囱式架构不能满足低时延、高带宽等业务需求问题,降低网络传输投资.基于ETSI与3GPP的5G网络进展,提出MEC网络架构与传统无线接入、传输、承载等网络架构融合,使业务面下沉本地化不同场景部署.结合广州实际情况,对本地化...     

基于边缘AI计算架构的一体化运维管控平台设计研究

随着教育信息化工作的不断深入和推进,人工智能、边缘计算、大数据、物联网等先进信息技术与教育的深度融合,作为智慧校园建设中的重中之重—基于边缘AI计算架构的一体化运维管控平台的建设也亟需落地上马。对人工智能、边缘计算进行了研究,用基于边缘AI计算的架构搭建的一体化运维管控平台解决了传统运维平台灵活度低、运维效率低、用户契合度低的问题,为高校智慧校园建设奠定了坚实的基础。     

一种基于5G的车路协同自动驾驶技术架构

随着5G技术的成熟与应用落地,各类依赖与5G技术的产业也应运而生,车联网领域的车路协同自动驾驶,就是一个典型的例子。本文提出一种基于5G技术的车路协同自动驾驶技术架构。该架构结合5G通信技术优势,利用边缘计算、5G智能驾驶分级决策架构、五维时空融合感知、车路协同机制构建、测试验证应用原型等先进性技术,融合打造了一套集"5G网联+车路协同"于一体的智能网联智能驾驶技术,可推动相关技术标准规范成立。     

基于5G边缘计算的深度学习架构与应用

针对深度神经模型在网络边缘难以训练的问题,构建了一种基于5G边缘计算的深度学习模型训练架构。架构利用5G边缘计算接入网打通边缘智能设备与边缘计算层的数据通信,模型训练过程采用各边缘计算节点利用本地数据进行全模型训练,再由中心服务器进行模型参数汇集和更新的分布式训练模式,既保证了模型训练的数据集多样性,又减少了网络压力和保障了本地数据隐私,是一种非常具有潜力的深度学习边缘计算架构。     

基于5G通信的配网差动保护移动边缘计算方法

针对当前配网差动保护移动边缘计算方法未考虑配网空间均衡配置,导致输出稳压和电流稳定性较差、均衡性较低的问题,提出基于5G通信的配网差动保护移动边缘计算方法.采用5G毫秒级低时延技术,构建5G电力通信配网的空间均衡配置模型,计算5G通信信道冲激响应特征量,融入联合控制方法,获取5G毫秒级低时延传输效率函数,根据承载网到5...     

5G MEC边缘智能架构研究

作为边缘计算与人工智能融合驱动的新模式,边缘智能已然渗透到各个行业。5G MEC作为运营商新型网络边缘的锚点,需要借助边缘智能来充分释放网络边缘价值。文章初步探讨网络边缘智能化需求,提出一种基于5G MEC的边缘智能优化架构,扩展了面向异构计算的弹性AI加速服务和自适应云边智能协同调度能力,从而实现了MEC平台运营智能化和AI能力服务化。     

5G核心网部署及演进方案

首先结合国内运营商的 5G 商用情况分析了非独立（non-standalone,NSA）组网的劣势,建议控制NSA投入,以独立（standalone,SA）组网为目标开展5G网络建设;然后基于5G核心网标准进展及R16标准的主要变化,分析5G SA核心网商用部署及后续2G/4G/5G融合演进规划部署建议,包含5G边缘计算节点的商用部署建议以及后续的规划建设建议。建议以终为始、尽早统筹开展2G/4G/5G融合组网规划建设,以有效保护投资、降低组网和维护复杂度,实现控制面全云化部署、用户面分布式下沉部署的目标架构;为5G SA核心网建设提供参考借鉴。     

基于5G移动网络中边缘计算与计算迁移模型的研究

随着通信技术和移动互联网的高速发展,移动通信已进入了5G时代。但数据的蓬勃发展也让网络面临大带宽、低时延、广连接、高可靠度、高安全性等挑战。面对这些挑战,移动边缘计算(mobile edge computing,MEC)孕育而生了,MEC架构提供了分流、计算、业务感知、计算迁移的能力,并将相应能力下沉至网络边缘。文章首先介绍了边缘计算在5G网络中的基本架构和最新的研究成果。其次,基于MEC平台下的任务迁移是未来必然的发展趋势,分析了MEC环境下任务迁移的过程、算法、优势等。最后提出了目前边缘计算发展所面临的问题及挑战。     

MEC或成5G“试金石”为运营商业务添彩

MEC (Mobile Edge Computing,移动边缘计算)由国际标准组织ETSI(欧洲电信标准协会)提出,是基于5G演进架构、将基站与互联网业务深度融合的技术.经过几年的推进,目前关于MEC业界已经形成共识:MEC将是建设5G网络边缘云的普遍模式,或将成为5G业务发展的“试金石”.     

初识5G移动边缘计算MEC

2016年4月,3GPP系统架构项目组(SA2)正式将移动边缘计算MEC(Mobile Edge Computing)纳入到5G移动通信网络架构的关键技术之中。移动边缘计算可以将集中部署在数据中心的应用服务和功能分散部署到移动网络的边缘,在移动网络边缘提供IT资源和CT资源,从而解决传输时延、网络拥堵等问题,这为5G移动网络业务和服务的创新带来无限可能。     

5G边缘计算技术在智慧城市中的应用

阐述5G边缘计算技术的原理和特点，探讨5G边缘计算技术在智慧城市中的应用，包括公共交通、智能安防、智能环境，5G边缘计算技术提高智慧城市应用的响应速度和效率、保障数据传输安全可靠。     

MEC峰会召开多应用场景为5G探路

4月27日,“2017 MEC技术与发展峰会”在北京盛大召开.MEC(移动边缘计算)由国际标准组织ETSI提出,是基于5G演进架构、将基站与互联网业务深度融合的技术.经过几年的推进,目前业界已就MEC形成共识:MEC将是建设5G网络边缘云的普遍模式.     

边缘计算商业模式及落地部署关键方案

边缘计算对于运营商而言是一种网络架构和业务模式的创新。5G边缘计算节点由5G UPF和边缘计算平台构成,基于业务对带宽、时延、本地分流的需求,可部署在网络的不同层级。在5G应用场景上,依托边缘计算,可满足差异化垂直行业的客户需求,抢占市场先机,是运营商切入垂直行业的利器。主要研究边缘计算部署的商业模式、计费方案,落地部署策略及方案,包含业务场景、基础设施、硬件体系、选址方法论、建设方案、周边组网方案等。     

面向6G的星地融合网络架构

通过对卫星星座的发展和星地融合网络研究的回顾，明确了6G的星地融合网络的发展趋势，提出了智简赋能的6G网络体系架构和弹性可重构的6G星地融合架构，并分析了星地融合网络中的关键技术问题，包括星上轻量化虚拟化技术、星上边缘计算功能以及广播/多播技术。认为6G星地融合网络将通过星地协同实现网络资源和计算资源的统一调度，同时可以根据业务需求和网络状态智能实现网络功能的按需弹性部署。     

MEC部署分析及建议

ITU (国际电信联盟)为5G定义了eMBB(增强移动宽带)、m MTC(海量大连接)、URLLC (低时延高可靠)三大应用场景。MEC(多接入边缘计算)对低时延业务的支持能力以及流量和计算卸载的能力,使之成为5G技术中的一个重要特性。通过分析MEC的系统架构、应用场景、关键技术、网络安全等特性,结合边缘DC(数据中心)布局策略,给出MEC落地部署建议。     

大规模无线通信网络移动边缘计算和缓存研究

面向未来6G移动通信的大规模网络移动边缘计算与缓存技术,首先,介绍了大规模无线网络下移动边缘计算和缓存的架构与原理,并阐释了移动边缘计算和缓存技术在大规模无线网络中的必要性和普适性。接着,从计算卸载、边缘缓存、多维资源分配、用户关联和隐私保护这5个关键问题出发,综述和分析了移动边缘计算和缓存赋能大规模无线网络时会引入的新型关键问题以及对应的解决方案研究,并进一步指出了未来的发展趋势和研究方向。最后,针对隐私保护问题,提出了一种基于联邦学习的隐私保护方案,并通过仿真结果表明所提方案能够同时保护用户数据隐私且改善系统服务质量。