边缘计算赋能智慧城市：机遇与挑战

本篇文章7879字，读完约20分钟

近年来，物联网和无线网络的广泛普及，推动了物联网应用需求的不断发展。物联网不仅包括人、人、物、物之间的联系，还包括人、物、数据、过程、场景等的有机整合。有了上下文感知，更强的计算能力和感知能力，从而使互联网更有价值。物联网涉及多种类型的边缘设备，传感器、智能家电、智能手机甚至可穿戴设备都将成为物联网的一部分。因此，位于互联网边缘的终端设备的数量和它们产生的数据量将会急剧增加。

根据国际数据公司的统计，到2025年，世界上将有1500亿个终端设备连接到网络，超过70%的数据将在网络边缘处理。思科预测，全球设备产生的数据量将从2016年的218兆字节增加到2021年的847兆字节。随着边缘设备产生的数据量的增加和计算需求的提高，网络延迟和带宽短缺逐渐成为传统云计算的瓶颈。然而，仅靠增加网络带宽无法满足大规模物联网设备和应用的延迟要求，计算任务必须在靠近数据源的边缘设备上卸载，从而减少数据传输并提高响应速度。

鉴于云计算面临的困难，边缘计算作为一种新的计算范式被提出，并逐渐成为一种新的计算模式，以满足物联网的需求。边缘计算模型中的边缘设备具有计算和分析的能力。通过在网络边缘执行计算，它为应用程序开发人员和服务提供商提供了计算能力支持[3]。边缘计算采用分布式计算架构，将主要应用、服务和数据存储汇聚到网络的边缘，从而使计算更接近数据源。

边缘计算将原本在中心节点处理的大任务分解成几个可管理的小子任务，放置在数据源或用户服务终端附近运行，并在附近提供边缘智能服务，从而减少网络通信和服务交付的延迟，降低云压力，产生更快的网络服务响应，满足行业实时业务、智能应用、安全和隐私保护的关键需求。

2017年，加州大学伯克利分校的michaeli.jordan教授(美国科学院、美国工程院和美国艺术科学院院士)牵头发布了人工智能研究报告，指出边缘云融合是未来支持人工智能应用的九大关键技术之一。与传统云计算相比，边缘计算的优势主要体现在以下三个方面。

附近的实时计算。云计算需要将数据上传到中央节点进行处理。由于网络带宽的限制，将边缘设备产生的海量数据上传到云计算中心会造成巨大的网络负担，而物联网应用往往具有较高的实时性要求。例如，无人驾驶要求每一个动作都在10毫秒内完成，而云计算在数据传输过程中造成的巨大时延显然不能满足这样的实时性要求。相反，边缘计算可以将计算能力部署在离网络中每个操作逻辑(如移动蜂窝基站)最近的地方，从而确保自主车辆能够实时处理车辆感知数据。

本地化数据保护。物联网中的数据与用户的生活息息相关，将这些数据上传到云计算中心会增加泄露用户隐私数据的风险。边缘计算数据的收集和计算是在本地或边缘节点进行的，不需要上传到云端，重要敏感信息也不需要通过网络传输，有效避免了隐私泄露问题。数据中心和终端设备靠近用户，减少了网络传输的影响。同时，物联网设备容易受到网络攻击，而边缘计算的分布式架构自然能够抵御这种攻击，具有更高的可靠性和容错性。

减少云中的数据传输。随着网络设备越来越多，云数据中心的计算量和数据传输量也越来越大，网络传输压力也越来越大。在边缘计算模式下，利用边缘服务器提供的计算能力来计算存储的本地数据，减少了与云服务器交互的数据，显著减少了占用的网络带宽，从而降低了进入核心网络的流量消耗和云计算中心的计算能力损失，同时达到了降低能耗的目的。简而言之，边缘计算和云计算之间的特征和差异如表1所示。

边缘计算与云计算的主要特征比较

由于边缘计算潜在的巨大工业价值，世界上每个国家和地区都在大力推动边缘计算技术的研究和发展。2019年，欧盟委员会和欧盟的Horizon 2020研究和创新计划共同资助了边缘计算项目decenter的实施，该项目用于开发一个边缘计算平台，该平台可以无缝部署智能应用，同时提供可控的安全性和隐私保护。国家科学基金会(nsf)发布了2017-2019年CNS(计算机与网络系统)核心计划，重点支持边缘计算研究项目。

从2018年到2019年，中国国家重点研发计划“先进网络制造”、“物联网和智能城市”也将边缘计算列为重点课题。在工业领域，主要制造商和大公司也在部署边缘计算。at&。微软、亚马逊、阿里、腾讯等公司发布了边缘计算战略，华为、英特尔等厂商牵头建立了边缘计算产业联盟，欧洲电信标准化协会(etsi)发布了5g边缘计算白皮书。经过几年的技术积累，边缘计算正处于快速发展阶段。

边缘计算的主要应用领域及发展趋势

在物联网时代，边缘计算引领着社会发展的未来。边缘计算主要存在于以下应用领域。

智能家居。随着物联网的发展，家居环境变得更加智能化，市场上出现了越来越多的智能家居，如扫地机器人、智能灯、智能门窗等。[4]在云计算主导的时代，家庭感知产生的数据主要通过无线网络发送到云数据中心，一些耗时耗资源的任务由云统一处理。随着边缘计算的发展，家庭终端本身具有更强大的计算能力，更低的处理延迟使家庭更加智能化。

几乎所有的家庭都可以连接到物联网，清扫机器人可以独立地学习更复杂的家庭布局，这样整个家庭规划就不会错过清扫，并且由家庭生成的具有隐私性的数据，如门、窗和锁，可以在家庭内部处理，而无需传输到云中。边缘计算的引入提高了家庭的便利性、舒适性和安全性。

智能医学。随着医疗保健行业日益重要，人工智能辅助医疗平台和可穿戴设备有助于该行业的发展。个性化和便捷的医疗服务以及医疗数据的隐私性使得边缘计算在智能医疗行业发挥着越来越重要的作用。随着边缘计算的应用，偏远地区的人们可以更好地享受医疗资源，并通过更智能的可穿戴设备和人工智能医疗平台享受更个性化的医疗服务。医疗保健行业将迎来更加光明的未来。

智能交通。边缘计算在智能交通中的应用包括自动驾驶、智能联网车辆、交通管理等。生活中的各种交通工具都会产生大量的数据(包括文本、图像、视频等)。)，这需要实时处理。边缘计算技术可以大大提高交通秩序管理和运输的效率。例如，自动驾驶要求极高的任务响应时间，汽车上的各种传感器收集大量数据。使用边缘计算，可以在车辆附近处理数据，从而减少延迟。[5]

智慧教育。随着物联网和人工智能时代的到来，教育信息化正逐步从“互联网+”向“智能+”升级。在现代智能校园中，教学设备不断升级，如多媒体教学设备、交互式电子白板、智能监考监控、智能控制中心等。

教育应用也在不断发展，尤其是虚拟现实/增强现实、沉浸式教学等教育模式的出现，对边缘计算设备的数据分析能力和高效音视频处理能力提出了更高的要求。通过边缘计算与基础设施之间的交互和协作，有利于积极应对教育领域的各种挑战，如个人学习、数据分析、教学创新、校园安全等。

智能农业。农业物联网技术是实现智能农业和精准农业的有效手段。边缘计算可以解决偏远地区网络带宽资源不足的问题。通过物联网感知动物、植物和环境信息(如温度、湿度、土壤、光线和设备性能等)。)可以被全面地感知和相互关联，这可以服务于农业生产的各种情景，提高农业效率，并有助于数字和智能农业生产。

智能制造。边缘计算和工业制造之间有着密切的关系。随着“工业4.0”时代的到来，工业制造将走向智能化，对设备的组件化和专用化要求更高，生产过程中将产生更多的数据，生产制造的各个环节都需要实现数据互通和实时交互。通过边缘计算的应用，可以对设备进行本地升级，更好地监控设备的性能，满足生产过程中的实时性要求。通过边缘云合作，可以优化产业链和产业结构，真正走向智能制造。

公共安全。公共安全涉及社会的方方面面(如消防、旅游)，影响着人们的生活。自然灾害、交通事故、刑事犯罪和其他事件有许多不确定性。在预防和处理公共安全事件时，对实时性和准确性的要求非常高。许多传感器和摄像机安装在公共环境中，尤其是对于视频图像，在边缘处理可以降低网络带宽需求，实时数据分析和处理在许多公共安全事件的预防和处理中发挥着极其重要的作用。[6]

紧急救援。近年来，频繁发生的灾害给人民生命财产造成了严重损失，人们越来越重视应急救援机制和方案的研究。在应急救援现场，实时处理信息，保证救援人员的安全非常重要。将无人机技术应用于救援，可以获得更全面的信息，保障救援人员的人身安全。类似地，一些轻型救援机器人可以深入危险区域，通过边缘计算和云计算向应急人员提供紧急信息。这些应用与边缘计算的快速发展密不可分。

边缘计算的应用领域远远超出了上述场景，还可以应用到经济和社会的各个方面，如金融、新零售、能源等。

简而言之，边缘计算引领着物联网的未来；这也将是5g的核心功能之一，它将产生更多的数据，5g带来的高带宽和低延迟将进一步推动边缘计算的发展。[7]

边缘计算给智能城市带来的机遇和挑战

边缘计算技术具有广阔的发展潜力，将为智慧城市的建设带来巨大的机遇，可概括为技术层面和应用层面。

技术水平。

边缘计算通过采用集成网络、计算、存储和应用核心功能的开放平台，提供高效的近端服务。由于其应用是在边缘侧推出的，因此可以实现更快的网络服务响应，从技术层面上满足智能城市建设中实时业务、快速部署、高效运行、安全和隐私保护的基本需求。因为边缘计算离用户更近，所以它为智能城市应用程序提供了更快的响应，并解决了边缘的任务需求。通过采用边缘计算技术架构，许多控制将通过本地设备实现，而无需移交给云；处理过程也将在本地边缘计算层完成，这大大提高了处理效率并降低了云负载。

边缘计算还可以与云计算相结合，以克服不同计算模式的特定限制，并提供更高效的服务。在隐私保护方面，许多终端设备(如智能路灯和电子标签)没有足够的资源来支持端到端安全性。通过采用边缘计算模式，可以将安全管理任务从低性能终端设备转移到更强大的边缘设备，并通过使用边缘设备作为安全代理来管理终端设备的安全需求。

在实现中，边缘设备可以为每个终端设备创建安全配置文件，并且对终端设备的任何访问或发送到终端设备的指令将由边缘设备代表这些终端设备通过完整的安全审查机制来处理。例如，代理终端设备的边缘设备可以使用认证协议认证希望与终端设备通信的第三方设备。授权也可以由边缘设备管理，以决定哪些第三方设备可以访问终端设备收集的数据，或者向终端设备发送控制命令。[8]

应用程序级别。

边缘计算在智能城市中有着丰富的应用场景，从网络摄像机部署、智能传感系统平台建设到数据采集、传输和处理。许多研究和观察发现，边缘计算非常适合需要极短延迟的用户服务，例如沉浸式虚拟现实和增强现实应用。利用边缘计算，我们可以实现高清视频流的增强现实用例，支持智能城市旅游业的发展。无论用户如何移动，边缘计算都确保服务始终跟随用户，并始终从最近的边缘向用户提供服务。基于边缘计算的智能城市建筑有望智能化和人性化，建筑产生的数据能够得到很好的处理和利用。

无人驾驶服务以移动边缘计算为基础，以深度学习和大数据分析的自主驾驶技术为辅助，可以实现视线内隐形车辆的实时定位、城市区域协同风险预测和自主驾驶3D地图生成。基于边缘计算的多能源网络可以提高不同规模区域(如公园、岛屿、城镇等)能源系统的整体效率和效益。)，包括大型建筑。基于边缘计算技术的多能源网络可以整合智能电网、供热供气网络和网络流量，实现智能城市的统一能源管理。作为一种新技术，边缘计算的发展也将经历从无到有、从初始到成熟的过程，同时也会受到社会需求和传统规则的影响。

尽管边缘计算将从技术和应用两个层面为智慧城市的建设带来巨大机遇，但其发展过程也将面临技术、应用乃至法律和伦理层面的挑战。

边缘计算技术在智能城市应用中面临的主要挑战包括以下三个方面。

数据收集和存储挑战。

智能城市应用将产生大量的感知数据，这对边缘计算系统的存储和计算提出了挑战。根据研究报告，[9]一个拥有100万人口的城市每天将产生180pb的数据，这些数据来自公共安全、公共卫生、公共设施和公共交通。此外，当边缘计算应用于智能城市的建设时，将会出现数据所有权的法律问题。基于边缘计算，大量数据存储在边缘，并用于智能城市的各种应用。然而，数据生产者(或所有者)经常不知道他的数据(甚至私人数据)已经被其他人使用。如何从伦理或立法的角度明确边缘计算系统的数据所有权是智慧城市建设的一大挑战。

差异化和可扩展的服务挑战。

设计差异化、可扩展的边缘计算服务管理系统是智慧城市建设的重要要求之一。未来的智能城市建设预计将在网络边缘部署多种服务，这些服务将有不同的优先级。例如，一些关键服务，如公共安全和故障报警，应该比普通服务更早处理。与健康相关的服务，如跌倒检测或心力衰竭检测，也应该比娱乐等其他服务具有更高的优先级。[10]同时，在边缘计算系统中可能有多个应用程序共享同一数据源。一个应用程序的失败或无响应可能会导致使用同一数据源的其他应用程序同时失败。上述系统应用程序隔离带来的挑战可以通过引入部署或取消部署框架来解决。如果操作系统可以在安装应用程序之前检测到冲突，它可以警告用户并避免潜在的访问问题。此外，如何将用户的私有数据与第三方应用程序隔离也是隔离挑战之一。

数据隐私和安全挑战。

在网络的边缘，数据隐私保护是一项服务。利用边缘计算促进智慧城市建设，可以从感知使用数据中获取大量私人信息。随着可用数据的增加和边缘设备计算能力的提高，边缘设备也可能受到安全攻击。[11]例如，通过对电力消耗或水消耗的理解，很容易猜测公共住房是否是空的家。

解决数据安全和隐私问题仍然面临巨大挑战。以无线网络安全为例。在全球4.39亿使用无线连接的家庭中，49%的wifi网络不安全，而80%的家庭仍然将路由器设置为默认密码。对于公共wifi热点，89%属于不安全的利益相关者，包括服务提供商、系统和应用程序开发人员以及最终用户。应该认识到，处于网络边缘的用户的隐私会在没有被通知的情况下被破坏。用户或应用程序需要边缘服务器来提供计算资源，这将不可避免地在边缘临时存储数据。网络边缘高度动态的环境将使用户的隐私和数据安全面临更大的挑战。目前，没有有效的工具来保护网络边缘的数据隐私和安全。

边缘计算驱动的城市公共安全视频分析案例

作为视频数据的重要来源之一，视频捕捉相机在城市中随处可见。此外，摄像机数量正以每年20%的速度增长，伴随着视频大数据衍生的视频分析应用数量的快速增长，城市公共安全场景中的视频分析已经引起了学术界和产业界的关注。随着数据处理的快速发展，如何从视频中获取有用的信息已经成为智能城市发展的一个关键目标，而智能视频分析是实现这一目标的有效手段，它将决定整个智能城市的智能水平。

视频分析任务通常要求高精度和低延迟，以支持应用程序实时获得结果，这需要强大的计算性能。目前，商用摄像机的计算性能无法支持它们高效、实时地完成视频分析任务。针对这一问题，提出了一种视频源与云相结合的解决方案，将摄像机产生的视频流发送到计算性能强大的云中，然后在云中完成视频分析任务。然而，这带来了额外的网络资源消耗和网络延迟，这阻碍了要求高实时性的视频分析任务。为了追求更低的延迟，结合边缘计算的解决方案应运而生。如图1所示，视频分析系统可以通过在更靠近相机的边缘端完成部分或全部计算任务，以更低的带宽消耗和更低的延迟来完成视频分析任务。

不同的视频分析任务通常有不同的性能要求。一些视频分析任务是长期和连续的。例如，计算交通流量作为交通灯持续时间的参考，不需要很长的时间延迟；然而，一些视频分析任务需要在短时间内完成。例如，牌照应用需要高精度和时间延迟。同时，视频分析任务的性能会受到很多因素的影响，如计算资源(处理器类型、内存等)。)，视频流参数(分辨率等)。)，视频分析算法模型等。如果提供的资源不足，满足精度要求的视频分析算法可能无法运行，或者延迟太高，无法满足应用要求；如果提供的资源太多，就会造成浪费。

因此，对于视频分析系统来说，如何合理地调度任务和分配资源，使系统在满足视频分析任务要求的同时能够有效地利用资源，具有非常重要的研究意义。

从体系结构上看，现有的视频分析系统注重于如何确定不同层次和同一层次不同节点之间任务的执行位置，从而实现计算卸载，提高整个系统的性能。在现实中，有许多场景具有不同的系统架构和资源特性，因此一些工作提出了一种调度策略，将视频分析任务的特性与特定场景中的整体架构相结合，以提高系统性能。例如，对于多任务摄像机，由其生成的视频流通常用于执行许多不同的视频分析应用(包括交通流检测、失踪儿童搜索和逃逸车辆跟踪等)。)。

但是，这些视频分析过程的执行流程在某些步骤中是相同的，这意味着该功能可以用来节省资源开销。对同一台摄像机的视频流进行多任务目标检测，然后根据目标检测结果针对不同的应用进行不同的分析，必然会导致系统效率的下降。对于边缘计算驱动的城市公共安全视频分析，如何有效地结合任务需求，合理分配边缘计算资源是一个迫切的研究课题。

发展建议与展望

在边缘计算驱动的智能城市发展过程中，边缘计算的应用效率和安全水平可以从以下几个方面得到提高。巩固安全基础，完善边缘计算安全体系。智慧城市建设需要提高城市基础信息网络、核心关键信息和系统的安全性和可控性。智慧城市的建设涉及应用、平台、连接和终端等多个层面，各方面存在不同的安全风险。同时，随着智能城市授权过程中边缘计算的深入，应用级、平台级、网络级、数据级和终端级等各个级别的威胁和风险都是独特的，任何级别的安全防御突破都可能带来不可预知的损失。

在赋予智能城市边缘计算能力的过程中，需要不断完善安全体系和安全防护机制，根据不同层次的特点设计和制定个性化的安全规则，综合考虑安全技术、安全管理和安全运行等因素，为各级防御配置和部署定制化的安全防护机制，为赋予智能城市能力奠定坚实的安全基础。

坚持集成发展战略，发展边缘计算标准体系。在赋予智能城市边缘计算能力的过程中，要积极响应政府的领导，协调有关方面，为边缘计算技术在智能城市中的应用制定统一、科学、合理的标准体系，为各地智能城市建设的程度、水平和效益的评估提供依据，为有需要的地区建立区域扩展和定制的评估指标体系提供依据，为各地区智能城市规划建设的综合分析提供统一的维度。同时，针对不同技术和政策产生的异构海量数据、硬件设备、网络资源等异构信息，有必要推动构建一个开放、可扩展、可扩展的标准和规范体系，以适应城市各领域需求的动态变化，从而推动智慧城市建设向纵深发展。

围绕核心需求构建开放的边缘计算生态系统。智慧城市是高科技的载体，涵盖政务、园区、物流、交通、教育、医疗等应用场景，需要多种技术和产业的深度融合。在赋予智能城市边缘计算能力的过程中，需要创建一个开放的生态系统，整合边缘计算、大数据、云计算、区块链、人工智能等新技术，吸引优质合作伙伴，吸纳优质资源，聚焦智能城市核心需求，在市民、企业、城市管理等方面开展符合城市定位的有针对性、有特色的应用，从多个角度参与智能城市的联合建设。

建立和完善监管机制，形成智慧城市建设的良好闭环。在智能城市边缘计算赋权过程中，要遵循智能城市和边缘计算技术的发展规律，做好顶层设计，构建系统布局，探讨智能城市赋权过程中边缘计算技术的监管问题，同时开展相关政策法规研究，注意防范各种潜在风险。 建立科学合理的监管机制，为完善安全体系、优化标准体系、构建开放生态系统、形成良好闭环、促进边缘计算技术赋权提供科学指导。