共查询到19条相似文献,搜索用时 328 毫秒
1.
2.
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。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
6.
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。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
10.
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. 相似文献
11.
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。 相似文献
12.
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。 相似文献
13.
14.
15.
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。 相似文献
16.
17.
李晓民 《信息通信技术与政策》2021,47(4):93-96
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。 相似文献
18.
19.
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. 相似文献