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(xué)院智能科學(xué)與工程學(xué)院 蘇為斌 

★中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院結(jié)構(gòu)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(guó)電信股份有限公司云南分公司 楊捷 

★云南工商學(xué)院智能科學(xué)與工程學(xué)院 張錦盛 

摘要：智能汽車、無人機(jī)或工業(yè)智能化生產(chǎn)線，在邊緣計(jì)算提供的共享式傳感 網(wǎng)和共享式算力資源幫助下，能夠有效降低成本，擴(kuò)大感知范圍。傳統(tǒng)的通信 網(wǎng)絡(luò)雖然實(shí)現(xiàn)了全球統(tǒng)一的廣域連接，但在動(dòng)態(tài)更新局部域通信過程中，遠(yuǎn)距 離的傳感器對(duì)于受控對(duì)象所處空間控制的意義并不大。為了提高區(qū)域通信的實(shí) 時(shí)響應(yīng)，通信網(wǎng)絡(luò)需要隨著汽車、無人機(jī)或生產(chǎn)線物流的空間位置變化進(jìn)行動(dòng) 態(tài)局部組網(wǎng)?；诖耍疚慕榻B了一種新型的邊緣計(jì)算分布式通信網(wǎng)絡(luò)，提出 了動(dòng)態(tài)更新域標(biāo)識(shí)架構(gòu)，該架構(gòu)內(nèi)的各終端節(jié)點(diǎn)根據(jù)空間所處位置自動(dòng)地構(gòu)造 局域通信簇，并基于該簇進(jìn)行動(dòng)態(tài)輪詢?cè)L問。該方法能夠?qū)崿F(xiàn)近距共享傳感器 和人工智能算力，降低了單機(jī)智能化成本，對(duì)于人工智能項(xiàng)目落地和技術(shù)推廣 具有一定的促進(jìn)意義。 

關(guān)鍵詞：邊緣計(jì)算；DDS；域標(biāo)識(shí)；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(shù)的發(fā)展，社會(huì)對(duì)于智能化項(xiàng)目落地的需求越來越旺 盛。在AI技術(shù)研究中，國(guó)內(nèi)學(xué)者更加關(guān)注算據(jù)、算力和 算法，并把它們定義為AI的三大核心要素[1]。然而，對(duì) 于承載AI運(yùn)行的硬件網(wǎng)絡(luò)底層結(jié)構(gòu)則研究較少。本文 從邊緣計(jì)算視角出發(fā)，將過往AI技術(shù)的網(wǎng)絡(luò)底層結(jié)構(gòu)以 及經(jīng)歷的發(fā)展階段定義為單機(jī)智能和云計(jì)算整合兩個(gè)階 段。近年來，新型的邊緣計(jì)算網(wǎng)絡(luò)也隨之出現(xiàn)，本文將 在介紹該網(wǎng)絡(luò)的同時(shí)，提出具有動(dòng)態(tài)域標(biāo)識(shí)的近距輪詢 方法。

 在單機(jī)智能階段，自動(dòng)駕駛汽車或無人機(jī)安裝大 量傳感器和算力模塊，如激光雷達(dá)、毫米波雷達(dá)、定位 模塊、多目攝像頭及人工智能服務(wù)器等，雖然能夠提高 單機(jī)智能化水平[2]，但也增加了汽車或無人機(jī)的硬件成 本。在部分特殊場(chǎng)景，比如小型穿越型無人機(jī)領(lǐng)域，由 于負(fù)載有限，機(jī)載眾多傳感器導(dǎo)致自重增加，限制了無 人機(jī)的開發(fā)應(yīng)用。在工業(yè)控制領(lǐng)域，單控制器與傳感器 和執(zhí)行器的強(qiáng)耦合關(guān)系，導(dǎo)致自動(dòng)化生產(chǎn)線功能單一， 缺少生產(chǎn)柔性度。

在 云 計(jì) 算 整 合 階 段 ， 物 聯(lián) 網(wǎng) （ I n t e r n e t o f Things，IoT）和云計(jì)算中心通過構(gòu)建一種類似于 MQTT（Message Queuing Telemetry Transport， 消息隊(duì)列遙測(cè)傳輸）的通信方式，其它類似方式還有 CoAP（Constrained Application Protocol, 受限制 應(yīng)用協(xié)議）、XMPP（Extensible Messaging and Presence Protocol，可擴(kuò)展通訊和表示協(xié)議）等[3]， 為AI提供了更加寬廣和強(qiáng)大的算據(jù)、算力和算法支持， 云中心機(jī)房的彈性計(jì)算和存儲(chǔ)達(dá)到了單機(jī)智能難以企及 的高度。然而AI技術(shù)構(gòu)建于這些協(xié)議之上，需要中心 服務(wù)器固定的公用域名或網(wǎng)絡(luò)地址。而且，一旦宕機(jī)或 平臺(tái)遷移都會(huì)造成相應(yīng)的麻煩，要么缺少中心建立通信 橋梁，使得系統(tǒng)癱瘓；要么需要重新配置域名或地址參 數(shù)，甚至更改代碼，對(duì)代碼的復(fù)用造成了阻礙。 

隨著技術(shù)的進(jìn)步，承載AI的底層架構(gòu)已逐步發(fā)展 到新的高度，筆者認(rèn)為應(yīng)當(dāng)使用一種更加友好的通信協(xié) 議，支持邊緣計(jì)算的分布式結(jié)構(gòu)。

 2　DDS數(shù)據(jù)分發(fā)服務(wù)介紹 

Data Distribution Service（DDS）數(shù)據(jù)分發(fā)服 務(wù)是一種中間件標(biāo)準(zhǔn)，支持分布式系統(tǒng)及設(shè)備間的通信 和數(shù)據(jù)交換[3]。它專為需要高性能、低延遲和實(shí)時(shí)數(shù)據(jù) 交換的應(yīng)用而設(shè)計(jì)，例如自動(dòng)駕駛汽車、工業(yè)自動(dòng)化和 智慧城市等。在邊緣計(jì)算系統(tǒng)中，DDS介于操作系統(tǒng)和 應(yīng)用程序之間，并從操作系統(tǒng)的網(wǎng)絡(luò)底層數(shù)據(jù)通信細(xì)節(jié) 中抽象而來。通過DDS，邊緣節(jié)點(diǎn)的各個(gè)組件能夠更容 易地通信和共享數(shù)據(jù)，簡(jiǎn)化了分布式系統(tǒng)的開發(fā)，提高 了代碼的復(fù)用率，使程序員不用花費(fèi)大量精力去研究和 實(shí)現(xiàn)應(yīng)用程序與系統(tǒng)之間信息傳遞的通信過程。

 DDS標(biāo)準(zhǔn)有幾種開源實(shí)現(xiàn)，如表1所示。 

表1 DDS開源項(xiàng)目 

 從表1可以看出DDS適用于實(shí)時(shí)應(yīng)用場(chǎng)景，與 HTTP、MQTT等協(xié)議不同，DDS不再依賴中心服務(wù) 器，所以程序員基于該中間件開發(fā)時(shí)，不必使用域名 或IP地址進(jìn)行訪問。DDS目前的最大支持者是ROS2 （Robot Operating System 2）操作系統(tǒng)[4]，該系統(tǒng)源 自于美國(guó)斯坦福大學(xué)的開源機(jī)器人項(xiàng)目，是一款構(gòu)建和 抽象于多操作系統(tǒng)或異構(gòu)硬件平臺(tái)上的機(jī)器人“元操作 系統(tǒng)”（Meta Operating System）。ROS2采用DDS 通信協(xié)議，對(duì)于程序開發(fā)，其最大好處就是提高了代碼 的復(fù)用率，即在裝有DDS通信協(xié)議的任意一臺(tái)設(shè)備上均 可運(yùn)行消息、服務(wù)和動(dòng)作通信程序，而這些程序并不需 要更改任何參數(shù)和代碼。此外，從表1還可以看出DDS 已經(jīng)被引入到了微控制器領(lǐng)域，這意味著通過DDS構(gòu)建 邊緣計(jì)算實(shí)體，能夠?qū)崿F(xiàn)從云端到終端、從大型服務(wù)器 到小型嵌入式、從虛擬化到實(shí)體間的完整包絡(luò)。

 域（Domain）是DDS通信中提供通信語境的虛擬 環(huán)境，它根據(jù)不同的關(guān)注點(diǎn)優(yōu)化通信過程。DDS應(yīng)用 程序在具有相同ID標(biāo)識(shí)的通信域內(nèi)發(fā)送和接收數(shù)據(jù)， 為參與通信的各方提供一個(gè)相互隔離的虛擬通信環(huán)境， 對(duì)動(dòng)態(tài)優(yōu)化共享傳感器以及算力資源非常有用。域標(biāo)識(shí) （Domain ID）是一個(gè)非負(fù)整數(shù)的整型數(shù)據(jù)，它的默 認(rèn)取值范圍是[0，232]。只有使用相同域標(biāo)識(shí)，域內(nèi)的 參與者之間才能相互通信。因此在同一個(gè)網(wǎng)絡(luò)內(nèi)，可以 使用多個(gè)DDS域進(jìn)行隔離，從而縮小其作業(yè)空間。那 么，這就允許多個(gè)系統(tǒng)共享同一個(gè)物理網(wǎng)絡(luò)而不必?fù)?dān)心 因內(nèi)部串?dāng)_而造成的通信風(fēng)險(xiǎn)。從數(shù)據(jù)安全方面考慮， DDS允許設(shè)定為公共的、專用的、受保護(hù)的三種數(shù)據(jù)流 模式。當(dāng)因QoS（Quality of Service，服務(wù)質(zhì)量）連 接失效，它還能夠快速切換網(wǎng)絡(luò)。

 3　DDS動(dòng)態(tài)域標(biāo)識(shí)結(jié)構(gòu)描述 

域標(biāo)識(shí)是一種端口映射規(guī)范，動(dòng)態(tài)域標(biāo)識(shí)則是本 研究的主要?jiǎng)?chuàng)新。在DDS中，端口號(hào)由域標(biāo)識(shí)和參與 者總數(shù)兩個(gè)參數(shù)決定。DDS定義的端口映射用于單播 /多播，實(shí)際上仍受限于UDP/TCP端口取值范圍[0， 65535]。按照OMG的DDS-RTPS標(biāo)準(zhǔn)計(jì)算公式[5]，最大 域標(biāo)識(shí)被限制為232，同一個(gè)域中的最大參與者數(shù)量為 120。在傳統(tǒng)應(yīng)用中，域標(biāo)識(shí)一旦被設(shè)定就以靜態(tài)常量 方式存在，一般不進(jìn)行更改。但是在具有大范圍空間轉(zhuǎn)移流動(dòng)的場(chǎng)景，比如汽車、無人機(jī)以及工業(yè)生產(chǎn)的物料 流轉(zhuǎn)移等，只要進(jìn)行動(dòng)態(tài)域標(biāo)識(shí)轉(zhuǎn)換就能快速切換、接 管工業(yè)智能化生產(chǎn)線并組織生產(chǎn)。 

針對(duì)動(dòng)態(tài)域標(biāo)識(shí)設(shè)定有兩個(gè)層面，一是域間標(biāo)識(shí)聚 類，二是域內(nèi)參與者輪詢。

 3.1　域間標(biāo)識(shí)聚類 

域間標(biāo)識(shí)聚類是根據(jù)空間所處位置自動(dòng)地構(gòu)造局 域通信簇。如圖1所示，簇是基于域標(biāo)識(shí)的臨時(shí)聚類， 將近距組成一個(gè)完整的分布式組合控制系統(tǒng)，包括傳感 器、算力單元和被控對(duì)象，在工業(yè)自動(dòng)化控制中還應(yīng)當(dāng) 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(duì)象則會(huì)根據(jù)時(shí)間變換其空 間位置，具有時(shí)空演變特征，比如汽車、無人機(jī)或工業(yè) 生產(chǎn)產(chǎn)品的物料流移動(dòng)等。

 圖1 基于域標(biāo)識(shí)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(duì) 象都是基于空間位置的近距聚合，云算力則是基于網(wǎng)絡(luò) 狀況和運(yùn)算負(fù)載的動(dòng)態(tài)組合。每個(gè)簇就是一個(gè)域標(biāo)識(shí)， 為了滿足DDS-RTPS標(biāo)準(zhǔn)，每個(gè)簇內(nèi)節(jié)點(diǎn)數(shù)量的最大值 為120。簇的形成標(biāo)準(zhǔn)需要達(dá)成簇內(nèi)距離最小，而簇間 距離最大，同時(shí)數(shù)量須小于等于120。對(duì)于確定坐標(biāo)位 置的邊緣計(jì)算節(jié)點(diǎn)，可采用K均值聚類方法[6]，而對(duì)于 云算力的聚類可以采用基于運(yùn)算密度取反的最優(yōu)通信延 時(shí)排序方法。 

3.2　域內(nèi)主從問答輪詢 

當(dāng)基于域標(biāo)識(shí)的通信簇形成后，由邊緣控制器和被 控對(duì)象臨時(shí)組建的簇可以構(gòu)成一個(gè)多主多從的問答式輪 詢網(wǎng)絡(luò)。主從問答輪詢是指在確定的時(shí)間段內(nèi)只處理某個(gè)從站的某一條通信，比如在第1時(shí)間段執(zhí)行1#從站a 通信，第2時(shí)間段執(zhí)行1#從站b通信，第3時(shí)間段執(zhí)行2# 從站a通信……當(dāng)所有通信輪詢結(jié)束后，再?gòu)念^開始新 一輪循環(huán)[7]。主從問答輪詢的優(yōu)點(diǎn)在于通信的時(shí)間點(diǎn)劃 分是確定和可控的，所以只要這個(gè)時(shí)間間隔能夠被系統(tǒng) 接受，那么它非常易于構(gòu)成一個(gè)簡(jiǎn)單的實(shí)時(shí)系統(tǒng)。 

主從問答輪詢的主要缺點(diǎn)體現(xiàn)在隨著節(jié)點(diǎn)數(shù)量 的增加，每一輪循環(huán)總耗時(shí)也會(huì)增加，假如該時(shí)間 是1秒，這就意味著一個(gè)域內(nèi)節(jié)點(diǎn)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(jié)點(diǎn)不宜 太多，這剛好與DDS域節(jié)點(diǎn)數(shù)小于等于120的要求符 合。若按照5G通信低延時(shí)高可靠（uRLLC，Ultra Reliable Low Latency Communication）、低于 1ms的要求[8]，DDS域內(nèi)最大120節(jié)點(diǎn)在120ms內(nèi)則 可以完成1個(gè)周期的輪詢。 

關(guān)于域內(nèi)多個(gè)主站與多個(gè)從站之間通信的問題，由 于在同一時(shí)間內(nèi)只允許1個(gè)主站問，1個(gè)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(jì)算節(jié)點(diǎn)，從站是位置變換、處于 運(yùn)動(dòng)狀態(tài)的被控對(duì)象節(jié)點(diǎn)。在自動(dòng)駕駛領(lǐng)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(dòng)態(tài)域標(biāo)識(shí)網(wǎng)絡(luò)應(yīng)用舉例 

動(dòng)態(tài)域標(biāo)識(shí)技術(shù)適用于動(dòng)、靜結(jié)合的邊緣計(jì)算應(yīng) 用場(chǎng)景，比如自動(dòng)駕駛、無人機(jī)和工業(yè)智能化生產(chǎn)等。 由于無人機(jī)與自動(dòng)駕駛相類似，本文羅列了其中兩項(xiàng)場(chǎng) 景。 

4.1　動(dòng)態(tài)域標(biāo)識(shí)在自動(dòng)駕駛中的應(yīng)用 

無人駕駛汽車是本文所述基于邊緣計(jì)算動(dòng)態(tài)域的 一個(gè)應(yīng)用場(chǎng)景，在其它領(lǐng)域通過更改網(wǎng)絡(luò)和傳感器類 型仍然適用。如圖2所示，位于左側(cè)的三輛汽車和位 于右側(cè)的四輛汽車根據(jù)地面?zhèn)鞲衅?、算力和通信站?dòng) 態(tài)地臨時(shí)組成簇1和簇2。依靠DDS動(dòng)態(tài)地構(gòu)建域標(biāo) 識(shí)，在5G C-V2X（Cellular Vehicle-to-Everything， 蜂窩車聯(lián)技術(shù)）和DSRC（Dedicated Short Range Communication，專用短程通信技術(shù)）基礎(chǔ)之上增強(qiáng) 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(dòng)態(tài)域應(yīng)用舉例 

5G微基站是一種新型的基礎(chǔ)設(shè)施，除了具備基本 的5G通信功能外，還應(yīng)當(dāng)增加自動(dòng)駕駛所需的地面?zhèn)?感器、觸發(fā)感應(yīng)裝置、定位裝置和近距通信模塊等。 激光雷達(dá)、毫米波雷達(dá)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(dá)構(gòu)造的點(diǎn)云圖像雖 然具有精準(zhǔn)的距離表示，但卻不能真實(shí)地展示感知對(duì)象 的顏色、材質(zhì)、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(zhǔn)地表示感知對(duì)象的距離要素。為了達(dá)成5G微基站 邊緣計(jì)算側(cè)的實(shí)時(shí)圖像處理效果，借助NPU（Neural network Processing Unit，神經(jīng)網(wǎng)絡(luò)處理器），能 夠加速點(diǎn)云三維圖像與真實(shí)二維圖像間的融合成像計(jì) 算[10]。地感線圈是一種埋于路面淺表層的電磁線圈感 應(yīng)裝置，當(dāng)擁有較大表面積的金屬體移動(dòng)通過時(shí)，可以 引起電容、電感振蕩頻率的變化，該變化可作為汽車經(jīng) 過的證據(jù)，一方面可以觸發(fā)相關(guān)設(shè)備進(jìn)入工作狀態(tài)， 另一方面通過計(jì)算感應(yīng)開始時(shí)間和結(jié)束時(shí)間的間隔， 結(jié)合車輛速度還可以預(yù)測(cè)車身的總長(zhǎng)度。RTK（Realtime Kinematic，實(shí)時(shí)動(dòng)態(tài)定位）技術(shù)，可達(dá)厘米級(jí) 精度，適于定位和授時(shí)的規(guī)模化應(yīng)用[11]，通常地面站配 置RTK基準(zhǔn)站，為實(shí)時(shí)流動(dòng)的車輛提供高精度服務(wù)。通 過DDS動(dòng)態(tài)域標(biāo)識(shí)通信能夠?yàn)榇貎?nèi)多車輛之間的前后方 向和左右兩側(cè)間隔的相對(duì)距離共享實(shí)時(shí)測(cè)量數(shù)據(jù)。RSU （Road Side Unit，路側(cè)單元）通過DSRC技術(shù)與OBU （On Board Unit，車載單元）進(jìn)行通信，讀取ETC （Electronic Toll Collection，不停車收費(fèi)系統(tǒng)） [12]， 控制門禁系統(tǒng)，也可作為車輛自動(dòng)駕駛緊急通信冗余通 道，提高了無人駕駛技術(shù)的安全可靠性。此外根據(jù)運(yùn)算 業(yè)務(wù)的實(shí)際需求，在邊緣計(jì)算微基站內(nèi)，依靠DDS動(dòng)態(tài) 域標(biāo)識(shí)技術(shù)，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(tǒng)思想就近增強(qiáng)算力[13]，提高了系統(tǒng)的實(shí)時(shí)響應(yīng)性能。

 4.2　動(dòng)態(tài)域標(biāo)識(shí)在工業(yè)智能化生產(chǎn)線中的應(yīng)用 

工業(yè)智能化應(yīng)用場(chǎng)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(shè)備，比如加工中心等，定義為固定不移動(dòng)的設(shè)備， 而其它的小型設(shè)備或可動(dòng)態(tài)組合的設(shè)備則可以依靠AGV （Automated Guided Vehicle，自動(dòng)導(dǎo)引運(yùn)輸車）實(shí) 現(xiàn)。因此在工業(yè)智能化生產(chǎn)應(yīng)用中，可以在各個(gè)獨(dú)立設(shè) 備中加裝邊緣計(jì)算節(jié)點(diǎn)，各節(jié)點(diǎn)間應(yīng)當(dāng)支持Wi-Fi 6[14]， 用于應(yīng)對(duì)高密度無線接入和高容量的無線業(yè)務(wù)。

 圖3 工業(yè)智能化應(yīng)用場(chǎng)景舉例 

柔性制造（Flexible Manufacturing，F(xiàn)M）是指 在加工對(duì)象變換的情況下，智能工廠能夠智能化地、快 速地和自適應(yīng)地調(diào)整生產(chǎn)線的組合模式[15]。傳統(tǒng)模式 下，一旦做出生產(chǎn)線結(jié)構(gòu)上的調(diào)整就必然需要對(duì)其重新 編程?；贒DS動(dòng)態(tài)域標(biāo)識(shí)網(wǎng)絡(luò)的智能工廠，由于預(yù)先 做出了各種生產(chǎn)模式組合，各AGV小車針對(duì)新任務(wù)調(diào)整 生產(chǎn)布局，提前應(yīng)對(duì)不同產(chǎn)品的生產(chǎn)過程調(diào)試，所以在 面對(duì)新的任務(wù)時(shí)，可以不用更改程序和調(diào)試，而只須動(dòng) 態(tài)變換域標(biāo)識(shí)即可。隨著域標(biāo)識(shí)的變換，不同節(jié)點(diǎn)運(yùn)行 相對(duì)應(yīng)的生產(chǎn)任務(wù)，便可柔性化地組織新的生產(chǎn)。 

5　總結(jié)與展望 

本研究依托云南省高校邊緣計(jì)算網(wǎng)絡(luò)工程研究中心 （隸屬于云南工商學(xué)院），提出基于邊緣計(jì)算DDS動(dòng)態(tài) 域標(biāo)識(shí)近距輪詢網(wǎng)絡(luò)，能夠在分布式邊緣計(jì)算架構(gòu)下在 不用更改任何用戶程序和參數(shù)的前提下實(shí)現(xiàn)統(tǒng)一的平臺(tái)融合。目前本文所述方案已經(jīng)聯(lián)合云南省阜外醫(yī)院進(jìn)行 了應(yīng)用技術(shù)攻關(guān)，針對(duì)無人機(jī)在醫(yī)療急救行業(yè)的邊緣計(jì) 算分布式應(yīng)用進(jìn)行了試點(diǎn)，得到了云南省科技廳重點(diǎn)研 發(fā)計(jì)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(yīng)用 開發(fā)，與昆明鼎邦科技股份有限公司開展了基于冶金智 能化設(shè)備升級(jí)的前期合作與研究。

★基金項(xiàng)目：云南省第七批高校重點(diǎn)實(shí)驗(yàn)室和 工程研究中心建設(shè)項(xiàng)目，云南省科技廳重點(diǎn)研發(fā)計(jì)劃 （202103AC100002）。 

作者簡(jiǎn)介： 

蘇為斌（1983-），男，云南通海人，副教授，博士， 現(xiàn)就職于云南工商學(xué)院智能科學(xué)與工程學(xué)院，主要研究 方向?yàn)檫吘売?jì)算、工業(yè)自動(dòng)化、人工智能等。 

王首正（1986-），男，山西大同人，副主任醫(yī)師，現(xiàn)就職于中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院結(jié)構(gòu)性心臟病中心，主 要研究方向?yàn)樾难芡饪?，同時(shí)從事無人機(jī)在醫(yī)療急救 行業(yè)中邊緣計(jì)算分布式應(yīng)用試點(diǎn)相關(guān)工作。 

董家瑞（1983-），男，云南通海人，工程師，學(xué)士， 現(xiàn)就職于云南斗蘭智能科技有限公司，主要研究方向?yàn)?通信工程、工業(yè)互聯(lián)網(wǎng)、智能制造。 

陳　?。?983-），男，湖南新邵人，博士，現(xiàn)就職于 昆明鼎邦科技股份有限公司，主要研究方向?yàn)檎婵找苯?技術(shù)。 

楊　捷（1983-），男，云南昆明人，碩士，現(xiàn)就職于 中國(guó)電信股份有限公司云南分公司，主要研究方向?yàn)?G 通信技術(shù)、物聯(lián)網(wǎng)。 

張錦盛（1977-），男，云南昆明人，副教授，碩士， 現(xiàn)就職于云南工商學(xué)院智能科學(xué)與工程學(xué)院，主要研究 方向?yàn)檐浖こ獭⒂?jì)算機(jī)科學(xué)與技術(shù)、大數(shù)據(jù)技術(shù)等。

參考文獻(xiàn)：

 [1] 郭真, 李帥崢. 依托人工智能加速數(shù)字經(jīng)濟(jì)發(fā)展的路徑思考[J]. 信息通信技術(shù)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(guān)永, 等. 面向數(shù)據(jù)流的ROS2數(shù)據(jù)分發(fā)服務(wù)形式建模與分析[J]. 軟件學(xué)報(bào), 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(wǎng)絡(luò)推薦系統(tǒng)中K-均值聚類算法的研究及優(yōu)化簡(jiǎn)[J]. 信息通信, 2017 (7) : 3. 

[7] 朱敏琛, 趙立. 主從式總線型工業(yè)局網(wǎng)實(shí)時(shí)性設(shè)計(jì)的改進(jìn)[J]. 現(xiàn)代電子技術(shù), 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(jì)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(xié)同車載高精定位服務(wù)系統(tǒng)設(shè)計(jì)[J]. 激光雜志, 2019, 40 (11) : 109 - 113. 

[12] 陳軍. RSU在ETC中的應(yīng)用研究[J]. 機(jī)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(jì)算元操作系統(tǒng)研究: 以ICICOS計(jì)劃為例[J]. 自動(dòng)化博覽, 2022, 39 (02) : 54 - 58. 

[14] 孟圓. 萬物互聯(lián)時(shí)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(gè)性化定制場(chǎng)景的邊緣側(cè)柔性制造一體化方案[J]. 自動(dòng)化博覽, 2022, 39 (02) : 119 - 121.

摘自《自動(dòng)化博覽》2023年第2期暨《邊緣計(jì)算2023專輯》