边缘计算/海计算在物联网中的应用

　　云计算和物联网的结合，能够强化后端平台实现“中枢智能”的能力，但在单一集中智能模式下，如果终端和某个集中的后端平台通过广域网络连接，网络传输导致的传输时延和海量终端导致的分析处理时延都是不容忽视的。一旦终端数量越来越多，数据量将越来越大，数据传送频率越来越高，后端平台的处理时间将变得越来越长，响应速度会变得越来越慢，影响部分时延敏感的物联网应用的实施效果。此外，频繁交互的海量数据也会占用、进而竞争网络的带宽，尤其是无线接入网络的带宽，从而影响整个物联网应用的运行效率。

　　在实施基于云计算技术的集中智能的同时，也要在感知层充分依赖基于边缘计算的边缘智能。所谓边缘计算，是指区别于后端集中智能的、分布于物联网边缘节点的智能计算能力，往往分布于感知延伸层的终端单元内。通过边缘计算，将部分智能处理功能分布到这些终端单元，感知到的数据首先在这些单元进行预处理，然后根据预设的逻辑将结果上传到后端平台进行后续的分析处理。下面以几个案例进行说明。

　　1、温/湿度信息的采集处理

　　下图中，直接将采集到的原始温度数据通过模/数转换后，传送到后端平台进行处理；感知延伸层的终端节点采集了温度、风速和湿度等多个指标后，经过本地的运算处理，在满足预先设定的某种条件后，发出“风暴”预警信号。

　　2、全球眼客流识别系统

　　中国电信基于全球眼平台推出的客流密度分析系统，结合人体识别和越界分析技术，对出入口区域的人和车辆进行自动计数，实现对区域的出入总量，以及实时人和车辆数量的准确分析，这种智能分析能力是在对采集到的视频图像进行算法处理后获得的。在实现方式上，上述算法的处理功能在采集点附近的特殊终端完成，终端只需要定期把分析得到的结果传送到后端平台即可。

　　此外，很多应用场景下，信息的采集、处理和反馈往往是在本地完成的。在智能家居场景下，室内的各种设备之间的互动在本地就能够完成；车联网场景下，汽车与汽车（V2V）之间、汽车与设施之间（V2H）的信息互动，对于车辆来说，也是在本地就可以完成的。对于这些场景，边缘计算是一个必然的选择。

　　中国科学院相关专家提出了“海计算”这个概念，认为感知信息的预处理、判断和决策等往往在当前场景下的前端单元完成，需要大运算量的计算才通过“云端”的数据中心处理，只有这样，才能节省通信带宽、存储空间，满足实时性的交互处理，以及物联网的大规模扩展性要求。

　　物联网应用的复杂性，往往会导致智能分布选择不同的模式。在后端平台，以及边缘的网关和终端都可能分布智能处理逻辑，如图下图，这取决于物联网的应用类型。

　　·对于以采集原始数据为目标的应用，边缘节点智能处理可能很少，绝大部分的数据都要汇总传递到集中的后端平台，智能处理主要集中于后端平台。

　　·对于监控类的应用，原始信息本身往往不是关注的重点，系统关注的是原始信息的变化是否达到门限，或者是多项原始信息的组合判断的结果。这种情况下，边缘节点往往会增加相应的智能处理逻辑，和后端平台一起协作完成全程智能处理。

　　·对于本地互动控制功能较多的应用，边缘节点上用于本地互动控制的智能处理逻辑可以和后端平台无关，这种情况下，边缘节点也有大量的本地智能处理逻辑。

　　总体来看，物联网应用中的智能处理逻辑可以分布在从终端到后端集中平台之间的多个单元上，如何分布取决于物联网的应用类型。一个极端的例子是，边缘节点可以演变为智能节点，智能处理逻辑主要分布在这些智能节点上，通过薄薄的一层中间平台，这些智能节点提供的信息或服务供不同应用或用户进行访问。进一步说，这是另一种形式的云计算，即让很多处理能力一般的、分布于不同位置的智能节点完成主要的计算处理工作，通过一个中间平台为用户提供服务，如下图，如同 Google的搜索服务，让很多低成本、不同位置的PC共同完成一个搜索任务。