—边缘智能—
相信眼尖的同学已经注意到了,前文中我们提到了数据清洗、边缘规则和边缘 AI,这正是我们接下来要讲的边缘智能能力。
数据清洗是指边缘侧对设备上报的数据进行过滤、去重、聚合等处理后上报云端,针对希望选择性上报数据至云端,降低上云带宽、云端存储计算要求的使用场景。
具体来说,过滤是指用户指定过滤条件,例如属性 A 大于 10,满足该条件的数据均会被过滤;用户可以同时指定多个条件,条件之间可以是“与”关系(满足全部条件的数据才会被过滤),也可以是“或”关系(满足任一条件就会被过滤)。去重是指当设备连续上报属性值重复的消息时,边缘节点仅会向云端上报第一条。聚合则是指用户可以指定一个时间窗(如一个小时),边缘节点会将这个时间窗内每个设备上报的数据聚合成一条数据上报,并且用户可指定数据中每个属性的聚合方法,例如取最大/最小值,求和,取平均值等。这三种清洗规则的优先级是过滤 > 去重 > 聚合,也就是用户同时设置了这三种清洗规则时,数据会先被过滤,再进行去重,最后聚合后上报。
边缘规则,就是指边缘侧的规则引擎。物联网平台支持将云端创建的设备联动规则下发至边缘侧执行,实现简单业务边缘快速闭环。关于规则引擎和设备联动规则,我们上一篇博文有详细介绍,感兴趣的同学可以去看下。
除了上述两种基于简单逻辑的边缘智能外,IoT 边缘服务还支持与华为云企业智能(EI)联动实现边缘侧人工智能。通过边缘侧上报的数据,EI 侧对 AI 进行训练,并将训练完成的 AI 模型下发至边缘侧执行,典型应用包括人脸识别、车辆识别等视觉系 AI 模型,实现边缘侧的高度智能化。
物联网边缘计算能解决哪些问题?
介绍完 IoT 边缘的功能后,相信各位已经想到了文章开头的那些问题要怎么解决了吧。其实,问题中的那两个场景(智慧园区和智慧城市)正是物联网边缘计算的主要应用场景。接下来,让我们再一起看下在这两个场景中边缘计算都能解决哪些问题,带来哪些价值。
首先来看下智慧园区场景。
园区里门禁、消防、监控等系统由不同的供应商提供,全部都采用了自己的行业协议,整个园区需要接入物联网平台的设备和子系统协议多达十几种,但物联网平台支持的设备接入协议就那几种,要怎么办?通过自建网关适配协议是一个可行的方案,但集成难度依然很高。但如果采用 IoT 边缘,边缘软件原生+第三方驱动形式可支持的协议类型可多达 30+种,且第三方驱动开发简单,可以大幅减低集成难度。
各个子系统各司其职,在自己的职责范围内快速响应,但是,一旦遇到了需要多系统联动的时态,由于中间环节的缺失,往往响应速度不够快,造成事件处理效率低下。IoT 边缘通过集成各个子系统,在边缘层上实现消防、门禁等业务跨系统联动,大幅提高事件处理效率。
设备直接上报数据量过大且涉及用户隐私,不能直接报给物联网平台,需要先在本地处理。若全部由设备自行处理,逻辑复杂且成本高,因此 IoT 边缘提供的数据清洗能力就成了一个很好的选择,数据经过过滤、去重和聚合后,不仅大大减少了上报数据量,还能保护用户隐私。
面部识别等视觉性 AI 的模型需要大量的数据进行训练,一般都会放在云端,但因为云端离设备较远,带宽需求和时延问题怎么都无法避免。但如果把云端训练好的模型下放到靠近设备的边缘侧,问题便迎刃而解,满足秒级时延体验,降低云边带宽需求。
物联网设备依赖云端进行业务管理,但若因为网络故障导致云端失联,如何保证业务连续性?IoT 边缘本地会保存已下发的规则和 AI 模型等,即使与云端断连也可独立运行,确保业务连续性。
然后是智慧交通场景。
在城市交通中,单个车辆能获取的路况信息只是很小一部分,想要做出最合适的判断,还需要结合监控视频、雷达数据、天气情况等信息,再通过智能化算法计算才能得出结果。但路况瞬息万变,若把这部分计算交由云端,对网速的要求调高。IoT 边缘服务支持将训练好的 AI 模型下发到边缘侧,实现实时路况计算,及时提供减速信息、碰撞告警等信息。
车路协同场景中,监控视频、雷达数据、车辆信息等数据均采用自己的行业协议进行传输,集成难度大。IoT 边缘支持多种行业协议,快速集成,数据融合。
智能交通除了需要关注局部,确保交通安全外,还需要放眼全局,提升整体交通效率。IoT 边缘可将交通数据清洗后,将有价值的数据上报云端,云端根据全局数据进行分析,为交通指挥者提供有效建议,提升道路通行效率,促进节能减排和便捷监管,支持向端云协同自动驾驶演进。
当物联网遇上边缘计算,很多传统直联方案的问题迎刃而解,物联网有了边,真正成为了一张大网,覆盖了越来越多的领域,为人们带来越来越智能的生活。
本文转载自华为云社区博客。
原文链接:https://bbs.huaweicloud.com/blogs/136224
评论