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。     

一种边云协同开发框架技术

在5G+移动互联网时代,云边协同开发框架的意义在于实现云端和边缘计算资源的协同工作,以提供更灵活、高效和全面的服务。云边协同架构将云计算和边缘计算紧密结合,通过有效地协同利用云端和边缘资源,形成一个统一的服务体系,实现资源的动态分配和任务的智能调度。基于中国移动的5G新基建,文章提出了一种基于5G边缘计算技术的云边协同开发框架及实现方法,为移动场景下的边缘计算应用提供切实可行的落地方案。     

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。     

5G通信技术在智能协同中的应用

5G通信技术的高速率、低延迟、大带宽等特性，极大地提高了实时通信效率和协同协作能力，从而促进了智能协同的发展。同时，5G通信技术也能提高通信的安全性、稳定性和智能处理能力，适用于各个领域的智能协同。文中从5G通信技术与智能协同概念入手，探讨了5G通信技术在智能协同中的应用价值，分析了5G通信技术在智能协同中的关键技术，并具体阐述了5G通信技术在智慧城市建设、智慧交通系统和智慧医疗系统等方面的应用，以供参考。     

基于C-V2X的车路群体协同混合组网

车联网是支持未来自动驾驶和智能交通的重要基础设施,也是5G交通新基建的重点建设方向。针对大规模车路协同智能驾驶业务场景,建立并分析了通信流量模型,测算了不同发展阶段车路群体协同带宽需求,分析了当前C-V2X独立组网和叠加组网等不同组网模式在支持车路群体协同过程中面临的困境。针对车路群体协同服务带来的通信高带宽、用户规模大和资源调度复杂挑战,提出了网络协调下的混合组网模式,为基于5G C-V2X的车联网支撑大规模车路群体协同服务提供了可行方案。     

面向6G的车联网关键技术

从场景定义、性能指标等多个方面介绍了6G技术的研究情况,分析了6G赋能下智能车联网系统的发展方向。6G车联网系统的关键技术覆盖全域感知决策、空天地一体化通信、多层级边缘智能、数字孪生交通、边缘服务安全五大方面。6G新技术赋能的车联网系统,将进一步推动出行智能化、服务泛在化、管控全局化的新时代智能交通愿景的实现。     

5G无线通信及在铁路通信系统中应用探讨

为了提高铁路通信系统运行效率,分析5G无线通信在系统中的应用。首先介绍5G无线通信,分析铁路通信系统中常见的5G无线通信技术,最后立足于改善铁路移动通信系统功能、提高车—车通信机制运行效率、建立健全铁路智能通信网三个方面,提出5G无线通信的应用建议,旨在完善铁路通信系统。     

铁路无线通信接入网技术的发展探讨

铁路通信是保证行车安全、提高运输效率的有力工具。本文探讨了无线接入网技术在铁路通信中的应用现状及其未来的发展趋势,认为铁路无线通信应该顺应当今通信技术的发展潮流和铁路可持续发展的需要。在保证铁路通信要求的前提下,发展多种接入方式,特别是无线接入方式,为出行的旅客及网络覆盖区域的铁路用户提供高质量、方便、快捷的通信服务,从而实现铁路通信网的升级换代。     

5G智能车联网安全研究初探

随着5G网络和智能技术的快速发展,智能车联网已逐渐深入人们生活的方方面面,在提供出行便利的同时也暴露出车辆被远程控制、车辆信息被篡改伪造等恶意攻击和安全威胁,因此,信息安全是保证未来智能出行模式能否成功落地的关键因素之一。文章结合5G网络及智能技术的特点,提出一种5G智能车联网安全方案,设计5G智能车联网安全场景和框架,阐述相应的关键技术,并对智能车联网安全未来的研究重点进行展望。     

智能反射面辅助的5G高铁车站覆盖增强技术研究

为助力铁路数字化转型，基于5G的铁路专用移动通信(5G for railway, 5G-R)系统成为铁路智能联接的首选.本文利用前沿技术赋能铁路新一代移动通信，开展了智能反射面(intelligent reflecting surface,IRS)辅助5G高铁车站覆盖增强的研究.采用射线跟踪技术，精准刻画了2.1 GHz频段下高铁车站场景的电波传播特性；基于准确的电波传播特性，利用反射面、发射机和接收机三者之间的角度关系，对IRS部署进行了研究，并设计了相应的IRS波束指向；在获得IRS辅助下的信道传递函数后，对部署IRS前后的路径损耗(path loss,PL)和阴影衰落进行了建模和比较.结果表明：IRS的部署为目标区域带来了最大8.1 dB、平均4.63 dB的信号增益；目标区域的PL指数由未部署时的2.68减小至2.33，阴影衰落标准差由9.45 dB减小至6.43 dB.因此，部署IRS能够显著提高室外宏站对车站内部的信号覆盖，缓解车站建筑物遮挡对5G信号传输的影响，为车站场景下5G-R系统的设计与优化提供了理论基础和数据支撑.     

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。     

基于广电5G的边缘云计算平台的建设实践

通过5G边缘云计算平台的部署以及云网边协同、边边协同等模式,创新地实现了在5G领域内分布式云计算架构的落地,既能发挥规模降本效应,又能提供规范化、标准化、高效化的技术服务,充分发挥边缘云计算平台快速部署、弹性扩容等核心技术特点,具备良好的技术创新和业务模式创新。     

面向5G Advanced的智能边缘网络演进

5G Advanced演进愿景中实时宽带交互(Real Time Broadband Communication,RTBC)、通信感知一体(Harmo?nized Communication and Sensing,HCS)、上行超宽带(Uplink Centric Broadband Communication,UC...     

基于5G边缘云的港口统一通信方案研究与实践

5G边缘云具有分布式、灵活组网、快速部署和本地流量分流等优势，在港口等垂直工业领域有很广泛的应用前景，同时对实现港口统一通信也提出了一定的要求。在研究基于5G边缘云的港口统一通信架构的基础上，提出了针对港口现场全域各类要素实现全面感知、支撑自动化业务改造的5G边缘云功能框架。此功能框架能很好地适用于港口场景的有线无线网络融合的统一承载，可作为目前复杂环境下的港口网络统一通信的网络基础设施。最后在某港口码头上对该方案进行了实际验证。     

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。     

6G网络的一些思考

业务需求的不断演进促使移动通信网络做出相应转变。6G网络将成为一个能实现服务资源动态调整、计算资源合理分配、业务与网络深度协同的融合型网络。从5G网络发展和6G业务特征的角度阐述6G网络的发展趋势。预期6G网络将以网络与计算的深度融合为引擎,向着云、网、边、端、用协同与融合的方向发展和演进,实现全频域、全场景、全业务的灵活适配与资源协同。     

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。     

智慧城轨交通通信技术的分析与展望

为解决由城轨环境特殊性导致的通信可靠性、时延性能降低以及运营效率瓶颈等问题,首先从整体运营控制的角度分析了城轨通信需求。结合新型智能运行控制技术及T2T(train to train,列车到列车)通信、5G、人工智能、移动边缘计算等新兴信息技术对城轨通信关键技术进行梳理、总结与展望;然后提出了一种新型城轨通信网络架构,最后探讨了智慧城轨通信技术的研究方向与面临的挑战,为智慧城市的发展提供研究基础。     

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.