MEC的云边协同分析

在业界云边协同应用场景和云边协同通用参考框架基础上提出移动边缘计算(MEC)云边协同参考架构,分析了狭义MEC与广义MEC的云边协同不同点,具体给出MEC边缘网络服务、边缘运营管理、云边平台服务、云边业务应用4大类的协同,为运营商的5G MEC云边协同发展提供参考。     

基于云边协同的工业互联网实践

当前,工业互联网、边缘计算以及5G技术取得了迅猛发展和广泛应用。为促进工业互联网实现良好发展,有必要以云边协同为基础,构建工业互联网平台,并强化工业互联网云边协同实践。浅析了传统工业应用形态和云边协同的内涵,探究了基于云边协同的工业互联网框架设计和实践要点,以期为基于云边协同的工业互联网实践提供借鉴。     

云边协同关键技术及其在智慧交通中的应用

随着物联网、5G、边缘计算、区块链等技术的快速发展,结合了云计算与边缘计算优点的云边协同技术成为热门话题,它已被广泛应用于许多领域。文章在综合研究云计算、边缘计算、云边协同和智慧交通的基础上,提出将SM9双向身份认证协议应用于云边协同的数据协同中,保障边缘节点与云端间数据传输的安全,并将其运用在ETC中,保障用户信息的安全。     

基于云边协同架构的内容洞察平台实现方式研究

近几年,互联网、5G、大数据的发展为企业提供了海量数据资源,也带来了数据管理和分析的挑战。为了更好地利用这些数据,对用户的上网行为进行判断和识别,运营商构建了基于云边协同架构的内容洞察平台,对互联网中海量的内容信息进行采集和解析,对用户的上网行为进行判断和识别。本文从云边协同架构、数据模型架构以及云边协同能力、数据采集能力、解析能力和内容分发能力等方面详细论述了内容洞察平台的实现方式,为运营商提供更好的数据服务能力。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

云边协同助力行业数字化转型

随着边缘计算的快速发展,边缘计算在各行业中的应用也越来越广泛.分析了云边协同在典型场景下的应用需求和业务模式,对云边协同在不同行业场景下的重要作用进行了介绍,最后给出了云边协同未来的发展趋势.     

海上边缘计算云边智能协同服务建模

由于受环境、资源、能耗、异构等因素制约,海上无线技术发展明显滞后于陆地.以低开销、自适应和自主融合为约束,提出一种海上边缘计算云边智能协同服务策略模型(Model of Cloud-Edge Cooperative Service Scheme for Maritime Edge Computing,MCECS-MEC).基于边缘计算构建海上云边智能协同服务网络框架,抽象海上边缘计算节点行为特征,建立具有抑制联合作弊的节点信任和推荐量化综合评价模型,根据其综合属性评价将准盟员节点融合聚类到不同的协同服务池,实现分级就近服务;基于协同服务请求的优先级和负载均衡理论,设计协同服务池组建规则和段页式自适应轻量级、自适应过热规避盟员发现算法,以状态机方式描述和分析MCECS-MEC协同服务状态演化.基于Router View公开数据集对MCECS-MEC模型性能进行仿真分析,仿真实验表明,MCECS-MEC相比于AODV(Ad hoc On-Demand Distance Vector Routing)、SR(Stochastic Routing)算法,减少了57.7％和55.04％的冗余传输流量,链路重寻率小于3％,负载率稳定于65％.MCECS-MEC模型能有效降低过载、热区、空洞效应等对网络性能的影响,提高海上边缘计算云边智能协同服务效率和质量.     

5G边缘计算节点部署方法研究

随着5G商用的到来,基于5G三大应用场景的业务需求,现有核心网集中式部署不能满足新的需求,网络随业务流向边缘迁移是产业发展趋势。移动边缘计算靠近用户侧部署,能提供更短时延和保护隐私等功能。本文通过分析移动边缘计算面向的重点行业和重点领域等业务发展需求,协同构建客户的业务、无线和局房资源视图,匹配出移动边缘计算部署机房位置及资源储备。     

基于云边协同的复杂交通场景智能视频监控方法研究

由于传统视频监控方法难以并行处理爆炸式增长的视频采集数据和有效地调度云边协同资源,文章提出一种基于云边协同的复杂交通场景视频智能监控方法。利用协同表示方法融合全局特征,生成全局特征字典后,改进图像特征表示算法;采用背景差分法获取目标参数特征,利用云边协同多目标跟踪处理方法,实时检测交通异常事件;通过改进的人工蜂群算法实现云边协同资源调度,根据适应度函数寻得最优解,完成复杂交通场景视频协同处理。测试结果表明：视频智能监控应用云边协同计算后,复杂交通场景平均响应时间为22.03s,且准确度维持在90%以上。     

基于云边协同的射线检测智能评定系统方案研究

传统工业无损检测存在数据分散、管理困难及利用率低等问题,文章针对智能评定场景需求,对比云计算、边缘计算及云边协同三种方案差异,提出一种基于“端-边-云”协同的智能工业物联网架构,并针对该协同方案的关键协同技术进行实践与分析,为射线检测智能评定场景下的云边协同技术的实现奠定基础。     

基于位置预测的智慧公路边缘任务协同机制

近年来智慧公路为用户提供了道路监测、辅助驾驶等新型服务,但随之而来的是数据流量爆炸式的增长,这对网络的承载能力带来了极大的考验。随着5G和移动边缘计算技术的成熟,海量任务不必集中在云端处理,边缘侧的协同处理成为一种较好的选择。为了在车辆高速移动场景下为用户提供高效可靠的服务,该文提出一种基于位置预测的智慧公路边缘任务协同(CETLP)机制。首先,结合智慧公路场景下车辆运动特点,建立面向时延和负载均衡的边缘任务协同模型。进而,针对任务时延最小化以及网络负载均衡等目标,提出一种基于深度强化学习的边缘任务协同算法,对海量任务的协同策略进行求解。仿真结果表明,所提机制能够在保证网络负载均衡的情况下降低服务时延。     

车联网云边协同计算场景下的多目标优化卸载决策

车联网场景下的计算任务对时延非常敏感,需要云边协同计算来满足这类需求。针对车联网云边协同计算场景下如何高效地进行服务卸载并同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配问题,设计了基于云边协同的车辆计算网络架构,在该架构下,车载终端、云服务器和边缘服务器都可以提供计算服务;通过对缓存任务进行分类并将缓存策略引入车联网场景,依次设计了缓存模型、时延模型、能耗模型、服务质量模型以及多目标优化问题模型;给出了一种基于改进的多目标优化免疫算法的卸载决策方案。最后,通过对比实验验证了所提卸载决策方案的有效性。     

5G在铁路智能车站中的应用

加速推进5G“新基建”战略方针已成为铁路智能车站建设的必然发展趋势。首先分析了我国铁路智能车站相关业务的发展现状,然后梳理了5G通信在智能车站中的应用需求,并构建了基于云边协同的智能车站 5G 通信网络架构,最后分别针对旅客出行服务、车站生产组织、安全保障和绿色节能业务,提出了基于5G通信和云边协同的智能车站业务应用模式。基于5G通信的智能车站应用可推动车站转型升级,优化旅客服务品质,提升旅客出行体验,提高车站客运生产组织效率。     

基于日志可观测的云——边协同微服务部署优化

依托微服务、容器化等云原生能力,数字化业务可拆分成细粒度的微服务模块,通过云边协同的方式优化微服务部署模式。一般来说,边缘计算可通过将计算资源扩展到网络边缘侧,降低物联网应用的响应时延及运行开销,但边缘侧设备计算及存储能力有限,通常难以满足组合服务多类型资源需求。因此,将中心云与边缘侧设备的微服务功能进行划分,是提高服务质量、优化网络性能的必要手段。为了实现微服务模块的合理配置,提出了一种基于日志可观测的云—边协同微服务部署优化方法,构建基于微服务的时序过程模型,并通过时序约束挖掘算法发现微服务间连接关系。采用多目标优化算法,最小化微服务配置时延和能耗,实现云—边协同微服务部署优化。最后,实验验证了方法的有效性。     

5G边云协同分布式网络架构下任务卸载模型

自动驾驶、增强现实等5G新兴的应用对网络时延和可靠性提出更高的挑战,针对边缘协同框架负载均衡问题,提出一种大规模边云协同分布式网络架构下的任务卸载模型.该模型以最低能耗为目标,根据任务特性与现有网络资源、计算资源和存储资源自适应优化任务卸载决策,通过整合边缘计算与云计算处理能力的优势,保证时延敏感型任务的质量,提高整个...     

基于深度强化学习的云边协同计算迁移研究

基于单一边缘节点计算、存储资源的有限性及大数据场景对高效计算服务的需求,本文提出了一种基于深度强化学习的云边协同计算迁移机制.具体地,基于计算资源、带宽和迁移决策的综合性考量,构建了一个最小化所有用户任务执行延迟与能耗权重和的优化问题.基于该优化问题提出了一个异步云边协同的深度强化学习算法,该算法充分利用了云边双方的计...     

一种基于5G的边云协同平台接口设计

在5G+新基建的移动互联网时代,一切依托于5G技术、移动通信网络、边缘技术等业务或行业,均获得了新的生机。文章基于5G技术,借助MEC网元,充分利用5G的高可靠性、低时延、高带宽等特性,构建了集边缘云和核心云于一体的5G边云协同平台。文章所给出的接口设计,主要应用于5G边云协同平台的内部通信,该平台服务于车联网、飞联网和物联网等,为5G自动驾驶提供支撑服务。     

基于移动平台的云端业务扩展的研究与实现

目前,在服务向移动平台信息推送方面没有一套通用的跨平台解决方案可以实现服务端向移动平台主动推送通知。针对这一问题,探索通用性解决方案,以BPEL工作流技术实现云端业务集成,按照场景需要在业务集成中以OAuth认证模式有效整合社交网络服务中受保护的私密性资源,实现场景的云端业务集成。同时应用Phone Gap和Dojo Mobile基于HTML5技术的统一移动应用开发框架快速构建场景的手机应用程序,以实例的方法验证了该开发框架的可行性。     

5G移动网络下通信资源分配算法

传统的通信资源分配方法具有局限性,在当前5G移动网络条件下,通信过程中的信息传输速率不能满足通信频谱的资源利用率要求,为此,文章提出5G移动网络下通信资源分配算法。在研究边缘网络的基础上,建立5G移动网络的边缘计算模型,将数据传输端进行分层处理,包括计算云层、边缘层以及终端层三个层级,拉近云计算服务器与用户个体之间的数据传输距离。根据模型建立边缘计算的资源分配框架,计算无线链路的数据传输速率,避免陷入局部最优解。同时,将终端层用户进行分簇处理,避免数据传输过程中的同频干扰,提升资源分配效率。在此基础上,基于A3A算法构建簇间的通信资源分配模型,并使用最优化理论对所建立的资源分配算法模型进行优化,实现5G移动网络下通信资源分配算法设计。最后,通过实验对比传统D2D算法与设计的分配算法,结果表明,该算法能够适应5G移动网络环境,保证通信服务过程中信息传输速率的稳定,能够实现通信资源的高效分配。     

数据智能化、网络协同化与人工智能运用

本文站在经济学视角下,对企业经营决策数据智能化的相关内容进行分析,包括智能化基础、热点以及厂商理论建构等,然后对大数据厂商间的竞争路径过程进行重点研究,主要体现在大数据搜集、整合与分类,利用云计算进行数据加工处理,运用机器学习匹配大数据三个阶段,最后在云边协同基础上开展项目研究,提出通过将边缘端与云端相结合,在对云边协同数据进行智能识别与处理的同时,还可对海量信息进行深入挖掘与评估,从而满足企业人工智能模式创建与应用的一站式需求,为新科技研究提供理论参考。