国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

★云南工商學院智能科學與工程學院 蘇為斌 

★中國醫學科學院阜外醫院結構性心臟病中心 王首正 

★云南斗蘭智能科技有限公司 董家瑞 

★昆明鼎邦科技股份有限公司 陳巍 

★中國電信股份有限公司云南分公司 楊捷 

★云南工商學院智能科學與工程學院 張錦盛 

摘要：智能汽車、無人機或工業智能化生產線，在邊緣計算提供的共享式傳感 網和共享式算力資源幫助下，能夠有效降低成本，擴大感知范圍。傳統的通信 網絡雖然實現了全球統一的廣域連接，但在動態更新局部域通信過程中，遠距 離的傳感器對于受控對象所處空間控制的意義并不大。為了提高區域通信的實 時響應，通信網絡需要隨著汽車、無人機或生產線物流的空間位置變化進行動 態局部組網。基于此，本文介紹了一種新型的邊緣計算分布式通信網絡，提出 了動態更新域標識架構，該架構內的各終端節點根據空間所處位置自動地構造 局域通信簇，并基于該簇進行動態輪詢訪問。該方法能夠實現近距共享傳感器 和人工智能算力，降低了單機智能化成本，對于人工智能項目落地和技術推廣 具有一定的促進意義。 

關鍵詞：邊緣計算；DDS；域標識；人工智能 

Abstract: With the help of shared sensor networks and shared computing resources provided by edge computing, intelligent driverless cars, unmanned aerial vehicles or industrial intelligent production lines can effectively reduce costs and expand the range of sensors perception. Although the traditional internet has realized the global unified wide area connection, in the process of dynamic network address for updating local area communication, the remote sensors are useless for controlling objects compared to local sensors. In order to improve the real-time response of regional communication about controllers and controlled object devices, the network needs dynamic local connecting with the spatial location changes of cars, unmanned aerial vehicles or production line logistics. Based on this, a new type of edge computing distributed communication network and a dynamically updated domain identity architecture have been proposed in this paper. Each endpoint node can automatically construct a local cluster according to its location in space for signal transfer, and dynamically polls and accesses the cluster based on the cluster. It can realize close sharing of sensors and AI computing power and reduce the cost of building a comprehensive  intelligent control system compare to traditional singlemachine AI systems. It has certain promotion significance for the implementation of AI comprehensive projects. 

Key words: Edge computing; DDS; Domain ID; AI

 1　引言 

隨著人工智能（Artificial Intelligence，AI）技 術的發展，社會對于智能化項目落地的需求越來越旺 盛。在AI技術研究中，國內學者更加關注算據、算力和 算法，并把它們定義為AI的三大核心要素[1]。然而，對 于承載AI運行的硬件網絡底層結構則研究較少。本文 從邊緣計算視角出發，將過往AI技術的網絡底層結構以 及經歷的發展階段定義為單機智能和云計算整合兩個階 段。近年來，新型的邊緣計算網絡也隨之出現，本文將 在介紹該網絡的同時，提出具有動態域標識的近距輪詢 方法。

 在單機智能階段，自動駕駛汽車或無人機安裝大 量傳感器和算力模塊，如激光雷達、毫米波雷達、定位 模塊、多目攝像頭及人工智能服務器等，雖然能夠提高 單機智能化水平[2]，但也增加了汽車或無人機的硬件成 本。在部分特殊場景，比如小型穿越型無人機領域，由 于負載有限，機載眾多傳感器導致自重增加，限制了無 人機的開發應用。在工業控制領域，單控制器與傳感器 和執行器的強耦合關系，導致自動化生產線功能單一， 缺少生產柔性度。

在 云 計 算 整 合 階 段 ， 物 聯 網 （ I n t e r n e t o f Things，IoT）和云計算中心通過構建一種類似于 MQTT（Message Queuing Telemetry Transport， 消息隊列遙測傳輸）的通信方式，其它類似方式還有 CoAP（Constrained Application Protocol, 受限制 應用協議）、XMPP（Extensible Messaging and Presence Protocol，可擴展通訊和表示協議）等[3]， 為AI提供了更加寬廣和強大的算據、算力和算法支持， 云中心機房的彈性計算和存儲達到了單機智能難以企及 的高度。然而AI技術構建于這些協議之上，需要中心 服務器固定的公用域名或網絡地址。而且，一旦宕機或 平臺遷移都會造成相應的麻煩，要么缺少中心建立通信 橋梁，使得系統癱瘓；要么需要重新配置域名或地址參 數，甚至更改代碼，對代碼的復用造成了阻礙。 

隨著技術的進步，承載AI的底層架構已逐步發展 到新的高度，筆者認為應當使用一種更加友好的通信協 議，支持邊緣計算的分布式結構。

 2　DDS數據分發服務介紹 

Data Distribution Service（DDS）數據分發服 務是一種中間件標準，支持分布式系統及設備間的通信 和數據交換[3]。它專為需要高性能、低延遲和實時數據 交換的應用而設計，例如自動駕駛汽車、工業自動化和 智慧城市等。在邊緣計算系統中，DDS介于操作系統和 應用程序之間，并從操作系統的網絡底層數據通信細節 中抽象而來。通過DDS，邊緣節點的各個組件能夠更容 易地通信和共享數據，簡化了分布式系統的開發，提高 了代碼的復用率，使程序員不用花費大量精力去研究和 實現應用程序與系統之間信息傳遞的通信過程。

 DDS標準有幾種開源實現，如表1所示。 

表1 DDS開源項目 

 從表1可以看出DDS適用于實時應用場景，與 HTTP、MQTT等協議不同，DDS不再依賴中心服務 器，所以程序員基于該中間件開發時，不必使用域名 或IP地址進行訪問。DDS目前的最大支持者是ROS2 （Robot Operating System 2）操作系統[4]，該系統源 自于美國斯坦福大學的開源機器人項目，是一款構建和 抽象于多操作系統或異構硬件平臺上的機器人“元操作 系統”（Meta Operating System）。ROS2采用DDS 通信協議，對于程序開發，其最大好處就是提高了代碼 的復用率，即在裝有DDS通信協議的任意一臺設備上均 可運行消息、服務和動作通信程序，而這些程序并不需 要更改任何參數和代碼。此外，從表1還可以看出DDS 已經被引入到了微控制器領域，這意味著通過DDS構建 邊緣計算實體，能夠實現從云端到終端、從大型服務器 到小型嵌入式、從虛擬化到實體間的完整包絡。

 域（Domain）是DDS通信中提供通信語境的虛擬 環境，它根據不同的關注點優化通信過程。DDS應用 程序在具有相同ID標識的通信域內發送和接收數據， 為參與通信的各方提供一個相互隔離的虛擬通信環境， 對動態優化共享傳感器以及算力資源非常有用。域標識 （Domain ID）是一個非負整數的整型數據，它的默 認取值范圍是[0，232]。只有使用相同域標識，域內的 參與者之間才能相互通信。因此在同一個網絡內，可以 使用多個DDS域進行隔離，從而縮小其作業空間。那 么，這就允許多個系統共享同一個物理網絡而不必擔心 因內部串擾而造成的通信風險。從數據安全方面考慮， DDS允許設定為公共的、專用的、受保護的三種數據流 模式。當因QoS（Quality of Service，服務質量）連 接失效，它還能夠快速切換網絡。

 3　DDS動態域標識結構描述 

域標識是一種端口映射規范，動態域標識則是本 研究的主要創新。在DDS中，端口號由域標識和參與 者總數兩個參數決定。DDS定義的端口映射用于單播 /多播，實際上仍受限于UDP/TCP端口取值范圍[0， 65535]。按照OMG的DDS-RTPS標準計算公式[5]，最大 域標識被限制為232，同一個域中的最大參與者數量為 120。在傳統應用中，域標識一旦被設定就以靜態常量 方式存在，一般不進行更改。但是在具有大范圍空間轉移流動的場景，比如汽車、無人機以及工業生產的物料 流轉移等，只要進行動態域標識轉換就能快速切換、接 管工業智能化生產線并組織生產。 

針對動態域標識設定有兩個層面，一是域間標識聚 類，二是域內參與者輪詢。

 3.1　域間標識聚類 

域間標識聚類是根據空間所處位置自動地構造局 域通信簇。如圖1所示，簇是基于域標識的臨時聚類， 將近距組成一個完整的分布式組合控制系統，包括傳感 器、算力單元和被控對象，在工業自動化控制中還應當 包括加工單元。需要注意的是傳感器、算力單元和加工 單元一般位置固定，而被控對象則會根據時間變換其空 間位置，具有時空演變特征，比如汽車、無人機或工業 生產產品的物料流移動等。

 圖1 基于域標識的通信簇聚合 

在圖1中，邊緣算力、傳感器、加工單元和被控對 象都是基于空間位置的近距聚合，云算力則是基于網絡 狀況和運算負載的動態組合。每個簇就是一個域標識， 為了滿足DDS-RTPS標準，每個簇內節點數量的最大值 為120。簇的形成標準需要達成簇內距離最小，而簇間 距離最大，同時數量須小于等于120。對于確定坐標位 置的邊緣計算節點，可采用K均值聚類方法[6]，而對于 云算力的聚類可以采用基于運算密度取反的最優通信延 時排序方法。 

3.2　域內主從問答輪詢 

當基于域標識的通信簇形成后，由邊緣控制器和被 控對象臨時組建的簇可以構成一個多主多從的問答式輪 詢網絡。主從問答輪詢是指在確定的時間段內只處理某個從站的某一條通信，比如在第1時間段執行1#從站a 通信，第2時間段執行1#從站b通信，第3時間段執行2# 從站a通信……當所有通信輪詢結束后，再從頭開始新 一輪循環[7]。主從問答輪詢的優點在于通信的時間點劃 分是確定和可控的，所以只要這個時間間隔能夠被系統 接受，那么它非常易于構成一個簡單的實時系統。 

主從問答輪詢的主要缺點體現在隨著節點數量 的增加，每一輪循環總耗時也會增加，假如該時間 是1秒，這就意味著一個域內節點需要每隔1秒才能 通信1次。所以在這種模式下，參與通信的節點不宜 太多，這剛好與DDS域節點數小于等于120的要求符 合。若按照5G通信低延時高可靠（uRLLC，Ultra Reliable Low Latency Communication）、低于 1ms的要求[8]，DDS域內最大120節點在120ms內則 可以完成1個周期的輪詢。 

關于域內多個主站與多個從站之間通信的問題，由 于在同一時間內只允許1個主站問，1個從站答，因此主 站可以賦予令牌，而從站則是賦予地址。主站是安裝有 傳感器的固定的邊緣計算節點，從站是位置變換、處于 運動狀態的被控對象節點。在自動駕駛領域，主站即是 具有5G通信能力及集成各類傳感器的微基站，從站就 是路上行駛的汽車。

 4　動態域標識網絡應用舉例 

動態域標識技術適用于動、靜結合的邊緣計算應 用場景，比如自動駕駛、無人機和工業智能化生產等。 由于無人機與自動駕駛相類似，本文羅列了其中兩項場 景。 

4.1　動態域標識在自動駕駛中的應用 

無人駕駛汽車是本文所述基于邊緣計算動態域的 一個應用場景，在其它領域通過更改網絡和傳感器類 型仍然適用。如圖2所示，位于左側的三輛汽車和位 于右側的四輛汽車根據地面傳感器、算力和通信站動 態地臨時組成簇1和簇2。依靠DDS動態地構建域標 識，在5G C-V2X（Cellular Vehicle-to-Everything， 蜂窩車聯技術）和DSRC（Dedicated Short Range Communication，專用短程通信技術）基礎之上增強 車輛與邊緣地面站之間的相互溝通能力[9]。 

圖2 面向無人駕駛汽車的動態域應用舉例 

5G微基站是一種新型的基礎設施，除了具備基本 的5G通信功能外，還應當增加自動駕駛所需的地面傳 感器、觸發感應裝置、定位裝置和近距通信模塊等。 激光雷達、毫米波雷達和多目攝像頭是AI感知和圖像 融合的重要傳感器。其中，由雷達構造的點云圖像雖 然具有精準的距離表示，但卻不能真實地展示感知對象 的顏色、材質、種類等有用信息；由多目攝像頭獲取的 二維圖像，雖然能夠分類和具有一定的景深，但又不能 精準地表示感知對象的距離要素。為了達成5G微基站 邊緣計算側的實時圖像處理效果，借助NPU（Neural network Processing Unit，神經網絡處理器），能 夠加速點云三維圖像與真實二維圖像間的融合成像計 算[10]。地感線圈是一種埋于路面淺表層的電磁線圈感 應裝置，當擁有較大表面積的金屬體移動通過時，可以 引起電容、電感振蕩頻率的變化，該變化可作為汽車經 過的證據，一方面可以觸發相關設備進入工作狀態， 另一方面通過計算感應開始時間和結束時間的間隔， 結合車輛速度還可以預測車身的總長度。RTK（Realtime Kinematic，實時動態定位）技術，可達厘米級 精度，適于定位和授時的規模化應用[11]，通常地面站配 置RTK基準站，為實時流動的車輛提供高精度服務。通 過DDS動態域標識通信能夠為簇內多車輛之間的前后方 向和左右兩側間隔的相對距離共享實時測量數據。RSU （Road Side Unit，路側單元）通過DSRC技術與OBU （On Board Unit，車載單元）進行通信，讀取ETC （Electronic Toll Collection，不停車收費系統） [12]， 控制門禁系統，也可作為車輛自動駕駛緊急通信冗余通 道，提高了無人駕駛技術的安全可靠性。此外根據運算 業務的實際需求，在邊緣計算微基站內，依靠DDS動態 域標識技術，在不用更改任何代碼的前提下，還可新增 和適配CPU、GPU、TPU等處理器，依靠“元”操作系 統思想就近增強算力[13]，提高了系統的實時響應性能。

 4.2　動態域標識在工業智能化生產線中的應用 

工業智能化應用場景，如圖3所示，除了與圖2擁 有類似的傳感模塊和算力模塊外，可以把工廠中那些大 型設備，比如加工中心等，定義為固定不移動的設備， 而其它的小型設備或可動態組合的設備則可以依靠AGV （Automated Guided Vehicle，自動導引運輸車）實 現。因此在工業智能化生產應用中，可以在各個獨立設 備中加裝邊緣計算節點，各節點間應當支持Wi-Fi 6[14]， 用于應對高密度無線接入和高容量的無線業務。

 圖3 工業智能化應用場景舉例 

柔性制造（Flexible Manufacturing，FM）是指 在加工對象變換的情況下，智能工廠能夠智能化地、快 速地和自適應地調整生產線的組合模式[15]。傳統模式 下，一旦做出生產線結構上的調整就必然需要對其重新 編程。基于DDS動態域標識網絡的智能工廠，由于預先 做出了各種生產模式組合，各AGV小車針對新任務調整 生產布局，提前應對不同產品的生產過程調試，所以在 面對新的任務時，可以不用更改程序和調試，而只須動 態變換域標識即可。隨著域標識的變換，不同節點運行 相對應的生產任務，便可柔性化地組織新的生產。 

5　總結與展望 

本研究依托云南省高校邊緣計算網絡工程研究中心 （隸屬于云南工商學院），提出基于邊緣計算DDS動態 域標識近距輪詢網絡，能夠在分布式邊緣計算架構下在 不用更改任何用戶程序和參數的前提下實現統一的平臺融合。目前本文所述方案已經聯合云南省阜外醫院進行 了應用技術攻關，針對無人機在醫療急救行業的邊緣計 算分布式應用進行了試點，得到了云南省科技廳重點研 發計劃基金支持，并與云南斗蘭智能科技有限公司、杭 州云秀科技有限公司開展了基于AGV小車的智能化應用 開發，與昆明鼎邦科技股份有限公司開展了基于冶金智 能化設備升級的前期合作與研究。

★基金項目：云南省第七批高校重點實驗室和 工程研究中心建設項目，云南省科技廳重點研發計劃 （202103AC100002）。 

作者簡介： 

蘇為斌（1983-），男，云南通海人，副教授，博士， 現就職于云南工商學院智能科學與工程學院，主要研究 方向為邊緣計算、工業自動化、人工智能等。 

王首正（1986-），男，山西大同人，副主任醫師，現就職于中國醫學科學院阜外醫院結構性心臟病中心，主 要研究方向為心血管外科，同時從事無人機在醫療急救 行業中邊緣計算分布式應用試點相關工作。 

董家瑞（1983-），男，云南通海人，工程師，學士， 現就職于云南斗蘭智能科技有限公司，主要研究方向為 通信工程、工業互聯網、智能制造。 

陳　巍（1983-），男，湖南新邵人，博士，現就職于 昆明鼎邦科技股份有限公司，主要研究方向為真空冶金 技術。 

楊　捷（1983-），男，云南昆明人，碩士，現就職于 中國電信股份有限公司云南分公司，主要研究方向為5G 通信技術、物聯網。 

張錦盛（1977-），男，云南昆明人，副教授，碩士， 現就職于云南工商學院智能科學與工程學院，主要研究 方向為軟件工程、計算機科學與技術、大數據技術等。

參考文獻：

 [1] 郭真, 李帥崢. 依托人工智能加速數字經濟發展的路徑思考[J]. 信息通信技術與政策, 2022 (06) : 69 - 74. 

[2] WARD E, FOLKESSON J. Vehicle localization with low cost radar sensors[J/OL]. IEEE Intelligent Vehicles Symposium, Proceedings, 2016 : 864 - 870. 

 [3] Seleznev S, Yakovlev V. Industrial Application Architecture IoT and protocols AMQP, MQTT, JMS, REST, CoAP, XMPP, DDS[J]. International Journal of Open Information Technologies, 2019, 7 (5) : 17 - 28. 

[4] 蘆倩, 李曉娟, 關永, 等. 面向數據流的ROS2數據分發服務形式建模與分析[J]. 軟件學報, 2021, 32 (6) : 12. 

[5] Sanchez-Monedero J, Povedano-Molina J, et al. Bloom filter-based discovery protocol for DDS middleware[J]. Journal of Parallel & Distributed Computing, 2011. 

[6] 季志民, 葛萬成. 網絡推薦系統中K-均值聚類算法的研究及優化簡[J]. 信息通信, 2017 (7) : 3. 

[7] 朱敏琛, 趙立. 主從式總線型工業局網實時性設計的改進[J]. 現代電子技術, 1998 (3) : 3. 

[8] Anand A , Veciana G D . Resource Allocation and HARQ Optimization for URLLC Traffic in 5G Wireless Networks[J]. IEEE Journal on Selected Areas in Communications, 2018. 

[9] Jin Y, Liu X, Zhu Q. DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios[J]. arXiv preprint arXiv: 2203. 12553, 2022. 

[10] 中科院寒武紀NPU擬流片商用[J]. 今日電子, 2017 (06) : 61. 

[11] 陳新海, 祖暉, 王博思, 張迪思, 吳超. 車路協同車載高精定位服務系統設計[J]. 激光雜志, 2019, 40 (11) : 109 - 113. 

[12] 陳軍. RSU在ETC中的應用研究[J]. 機電信息, 2019 (26) : 41 - 42. 

[13] 蘇為斌, 王依凱, 黃海軍, 董家瑞, 李智新, 陳巍, 雷小梅, 李吉成. 邊緣計算元操作系統研究: 以ICICOS計劃為例[J]. 自動化博覽, 2022, 39 (02) : 54 - 58. 

[14] 孟圓. 萬物互聯時代, Wi-Fi 6助力智能制造釋放“無線”潛能[J]. 智能制造, 2020 (04) : 34 - 36. 

[15] 面向個性化定制場景的邊緣側柔性制造一體化方案[J]. 自動化博覽, 2022, 39 (02) : 119 - 121.

摘自《自動化博覽》2023年第2期暨《邊緣計算2023專輯》