车路协同的云管边端架构及服务研究

对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍;同时重点阐述了智能网联交通体系之车路协同云管边端架构方案,介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的"云-管-边-端"统一架构,同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架,并对其具体功能要求、API调用方式进行了详细论述。     

面向端边云协同架构的区块链技术综述

近年随着边缘计算的兴起,边缘计算和云计算结合形成的终端边缘云(端边云)协同的层次型分布式架构尽管可在高计算能力服务、高存储能力服务和低延时服务等方面满足应用需求.但在数据安全和多方可信交互等方面仍面临很多挑战.作为一种去中心化的分布式账本技术,区块链具有数据不可篡改、不可伪造、可追溯和由多方共同维护的特点,将区块链融入到端边云架构中可以使多参与方之间进行互信的数据交互,确保数据完整和可用,但由于区块链在系统架构、隐私安全、对节点资源要求和多方共识方面的特点,其与端边云架构相融合时仍面临诸多挑战:区块链和端边云系统在架构上的不匹配使得二者难以融合;区块链账本数据透明,可能造成敏感数据泄露;区块链的全副本存储和共识过程会消耗更多端边云参与节点的资源;不同端边云场景所需的信任模型差异、终端和边缘节点资源受限和终端设备大规模接入等特点使得现有共识算法不能适应端边云的场景.针对以上问题,本文首先介绍端边云架构和区块链技术,接着讨论二者融合的可行性和优势,并整理归纳了相关研究进展;之后讨论端边云架构下区块链技术面临的技术问题;最后提出未来端边云架构下区块链技术的研究方向.     

基于边缘计算+AIOT的实时智能交通控制系统与隧道防汛控制系统的联合应用

<正>1项目背景1.1行业背景随着物联网等新一代信息技术逐渐应用到交通基础设施中,城市交通逐步向集成化、智能化方向发展,在快速发展的同时,也面临着多源检测数据分散、信号控制设备及其系统平台彼此不兼容等问题。东土打造的基于边缘计算+AIOT的实时智能交通控制系统采用“云-边-端”AIo T架构,运用人工智能、大数据、深度强化学习、交通控制与仿真和边缘计算、物联网控制等技术,创新构建了“边缘计算+实时自适应算法+广域控制”的融合应用系统,有效解决了城市交通数据统一处理困难、数据处理高时延困难、资源计算和优化控制困难、不同部门业务联动困难等交通控制行业亟待突破的重大问题。     

面向泛在操作系统的结构化存储

人机物融合泛在计算的新场景和新模式,需要新型的操作系统,即泛在操作系统.存储管理作为泛在操作系统的一项核心功能,设计轻量化、高性能和动态可适配的存储系统是推进泛在操作系统发展的必要举措.然而,对于“端(终端设备)–边(边缘端)–云(云端)”泛在场景中普遍存在的结构化数据,传统存储解决方案存在I/O放大严重、系统体量过大和软件栈冗余等问题,难以满足泛在应用的需求.为此,本文从系统全栈的角度进行原创性探索,提出原生表存储系统.本文首先回顾了计算机系统的发展历史;之后分析泛在计算时代的新需求,总结出泛在操作系统的基本形态,并介绍最新研究成果;然后剖析了现有结构化存储方案在“端–边–云”场景下面临的挑战;进一步提出面向泛在操作系统的原生表存储系统,并从端侧和边/云侧两个场景深入分析其架构优势.最后,总结全文并展望未来发展趋势.     

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.     

边缘计算环境中的激励机制设计

当前关于如何激励更多边缘节点参与边缘计算环境仍然缺乏研究,为此本文首先基于斯塔克尔伯格博弈理论提出了在云一边环境中单个云服务下行任务的激励机制设计,考虑了云节点和边缘节点间的博弈以及边缘节点内部的博弈,该激励机制能够适应边缘计算环境的动态性.同时提出了“云-边-端”三层架构环境中多个云服务下行任务的激励机制;最后,本文...     

基于数字签名的车联网安全体系研究

车联网以智能网联汽车为信息交互感知主体,通过建立车-云-路-人消息互联传输体系,实现智慧交通智能管理、高效控制和及时调度.然而非法网络入侵与攻击导致车联网多通信场景存在安全隐患,为了解决通信各端身份识别问题和复杂通信场景下消息安全传输机制,身份认证技术成为车联网安全体系的重要保障.综述了国内外车联网研究现状和成果,说明...     

赋能智能网联的算力网络技术研究

<正>在未来的自动驾驶场景中,将有大量无人驾驶汽车、智能灯杆、交通信号灯等需要5G设施介入到网络的设备,单个设备无法处理如此庞大的数据量,因此依靠算力网络,将网络中边缘云侧计算、中心云侧资源进行整体融合,为应用进行协同服务的技术正在成熟起来。算力网络能够通过网络手段将计算、存储等基础资源在中心云、边缘云、端侧进行有效调配,从而更好提升用户服务质量和用户体验。     

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动,全球主要强国均将智能网联汽车列为国家战略发展方向.蜂窝车联网、边缘计算网络和高精度定位系统的技术发展,为车车、车路、车人和车云系统的全面融合提供了有效支撑.车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合,加速打通车内与车外、路面与路侧、云上与云间的信息互通,为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础.首先,梳理了智能网联车路云协同系统架构与关键技术,对该领域的演进特征、发展制约因素进行了总体概述;其次,阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理;然后,从C-V2X组网、融合定位、测试评价角度,介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展,给出了智能网联场景的仿真平台、实车测试及评价指标;最后,对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

工业互联网边缘计算数据管控标准

在工业系统信息化与智能化逐步推进的形势下,边缘计算已变得越发重要。相比云计算在大数据处理分析方面的优势,边缘计算在低延时与高可靠的场景中有着云计算无法替代的优势。边-云协作已经成为工业互联网、自动驾驶、智慧城市等边缘计算重要场景的新趋势。利用云的强大计算与储存能力来处理历史数据进行分析优化,而依靠边缘计算的能力解决高实时性任务。然而,现有的边-云协作数据管控缺乏统一标准,造成各个平台与设备兼容性差,导致工业互联网无法互联互通。因此,IEEEP2805边缘计算节点系列标准的设立为自主管理、数据清洗缓存、边-云协同机器学习等方向提供了标准化参考。     

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.最优公网链路选择算法用以选择短时延、低传输成本的链路上传降帧视频流至云平台.Faster RCNN监测分析算法用以对无人值守站节点汇集而来的视频流进行设备运行异常与否的分析.为保证信息安全,架构给出了数据保密、数据完整性、安全数据计算、身份认证、访问控制及隐私保护的安全机制.与传统云架构相比,设立拥有计算能力的局域边缘节点,为本地提供更多铁路云服务、保证监控视频数据传输的可靠性并节省50％-80％的链路带宽,达到了减轻铁路云平台负荷的效果.     

面向5G+垂直行业的网络配置模型

1.背景 1.1概述 5G垂直行业的需求带动了运营商业务转型和收入增长.云计算与边缘计算协同的“云-边-网-湍”成为未来垂直行业数字化发展趋势.中国信通院发布《云计算与边缘计算协同九大应用场景(2019年)》白皮书显示:未来云边协同将主要集中在九大应用场景上,聚焦协同,以应用为导向.因此,应对垂直行业的网络资源储备迫在...     

5G在物流仓储行业的融合应用研究

物流业是支撑国民经济发展的基础性、战略性、先导性产业。仓储作为物流行业的关键环节,面临碎片化仓储的利用率低、高标仓占比少、分拣准确率低、多仓管理难等"效率泥潭",而提升仓储效率瓶颈的关键是加强数字物流基础设施建设。作为新型数字化基础设施的关键技术之一,5G在提供低延时、高带宽、海量接入的网络能力基础上,可以利用网络切片、边缘计算和端边云协同等先进技术,促进计算和存储资源在端边云设施上的高效分配,从而以更加灵活、高效、快速迭代、可演进的模式推动物流仓储的智慧化升级。梳理了基于5G的物流智能仓储的应用场景,论述了5G技术助力物流仓储智能升级中发挥的作用和价值。     

基于数据驱动的云边智能协同综述

随着物联网（IoT）的快速发展，大量在传感器等边缘场景产生的数据需要传输至云节点处理，这带来了极大的传输成本和处理时延，而云边协同为这些问题提供了有效的解决方案。首先，在全面调查和分析云边协同发展过程的基础上，结合当前云边智能协同中的研究思路与进展，重点分析和讨论了云边架构中的数据采集与分析、计算迁移技术以及基于模型的智能优化技术；其次，分别从边缘端和云端深入分析了各种技术在云边智能协同中的作用及应用，并探讨了云边智能协同技术在现实中的应用场景；最后，指出了云边智能协同目前存在的挑战及未来的发展方向。     

基于车路云一体化的混合交通系统优化控制综述

汽车行业正在进行智能化与网联化的发展变革,智能网联汽车的出现使交通管理者找到缓解交通拥堵、提高道路安全以及减少能源消耗的一种解决方案.对此,调研混合交通流模型、智能网联汽车协同控制、交通管理等领域的最新成果,系统地论述基于车路云一体化的智慧交通系统优化控制的研究现状与进展.首先,分析基于车路云一体化的混合交通系统的框架,梳理各部分的组成与作用;其次,总结混合交通流的建模方法,探究交通现象本质,归纳各类方法的特点、优势以及局限性;再次,探讨混合交通系统优化控制问题,围绕交通流稳定性、交通安全、交通效率和绿色交通4个方面分析智能化与网联化在交通方面的潜能,并梳理在不同交通场景下的控制对象与控制目标,总结具有借鉴意义的控制方法;最后,对车路云一体化发展进程中存在的问题与挑战进行总结,并对未来发展指明方向.     

华为云IEF边云协同操作系统

1 目标和概述 随着云计算、5G、AI技术的快速发展,企业智能升级的诉求愈加强烈,边缘计算的应用场景和行业也愈加广泛.对于实现边缘计算资源的按需部署、统一管控及边云协同,在各行业的实践中都面临着挑战,如:如何在摄像头、无人机等资源受限的边缘设备上运行智能应用及算法;如何解决智慧交通、智慧电力场景下,海量异构边缘设备接入...     

数字化转型趋势下基于跨端多元融合云架构的网上博物馆设计与实践

根据场馆数字化转型的发展趋势,介绍了网上博物馆设计的相关技术原理,提出基于跨端多元融合云架构的系统设计思想,并在上海天文馆网上博物馆建设中付诸成功实践。其中,“三馆合一”架构“、多端融合”应用场景和“高并发运行”保障等关键技术,为网上博物馆实现集群化架构设计、智慧管理、智慧服务和智慧科普等作了前瞻性的尝试。     

基于端边云协同和MIRF_WPSO的流程工艺参数自适应实时优化模型

针对流程工业生产过程中因工序间相互耦合、工艺数据量庞大且处理时延高而导致的工艺参数优化实时性难以保证的问题,提出一种基于端边云协同和MIRF_WPSO的流程工艺参数自适应实时优化模型.首先,基于边缘计算技术搭建多源异构流程工艺参数端边云协同实时优化架构;其次,构建基于互信息随机森林MIRF和自适应惯性权重粒子群WPSO的工艺参数优化算法MIRF_WPSO,并将MIRF_WPSO算法部署在边缘端以实现工艺参数的实时优化,同时通过在云端部署自更新机制来实现边缘端算法模型的自感知更新,从而形成集算法训练-更新-调用的端边云高效协同自动化闭环网络;最后,搭建实验平台,实验结果表明,“端-边-云”协同模式可以有效缓解云端计算压力,能够实时、高效地对流程工艺参数进行自优化调控,将质量指标平均标偏从1.86%降到1.25%,优化速度提高11.4%,为流程工业生产过程智能化进一步发展提供新的思路.     

软件定义车联网云边端协同一体化架构的研究

随着自动驾驶、智能网联汽车和智能交通系统的发展，车联网的应用场景也越来越丰富。本文经过循序渐进地分析，提出软件定义云边端协同一体化车联网架构。为了适应车联网的高移动性、实时性、流量剧烈增减和网络异构等特点，提出基于KubeEdge框架的车联网系统管理架构，并系统介绍KubeEdge的组成和云边消息传递机制。该架构将Docker容器、Kubernetes与车载智能设备、路边智能设备相结合，并对KubeEdge框架的云端、边端和云边端消息传递进行“本土化”改造，可作为车联网未来发展思路和路径之一。     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。