基于邊緣智能協(xié)同的新型智慧城市應用研究

劉沅杰 劉政

摘 ? 要：針對新型智慧城市高性能應用要求，突破物聯(lián)系統(tǒng)實時響應，研究了三層架構(gòu)的邊緣智能協(xié)同計算模型，構(gòu)建城市的新型信息基礎(chǔ)設(shè)施，實現(xiàn)物與物之間的協(xié)同計算和邊緣自治，就近提供邊緣智能服務，滿足了新型智慧城市應用的智能高效。

關(guān)鍵詞：邊緣計算 ?新型智慧城市 ?智慧交通

中圖分類號：T393.1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）01（a）-0143-05

Abstract： Aiming at the requirements of high-performance applications in new smart cities， breaking through the real-time response of the IoT system， researching the edge intelligent collaborative computing model of the three-tier architecture， constructing the city's new information infrastructure， achieving collaborative computing and edge autonomy between objects， near Provide edge intelligence services to meet the intelligence and efficiency of new smart city applications.

Key Words： Edge computing; New smart city; Smart traffic

我國城市在信息化進程中經(jīng)歷了數(shù)字化、網(wǎng)絡化、智能化三個階段：從紙質(zhì)存儲和傳輸轉(zhuǎn)變?yōu)橛嬎銠C存儲處理提高局部效率、再到各計算機聯(lián)網(wǎng)互通協(xié)同將信息流轉(zhuǎn)起來提升整體效能、對已有信息流進行人工智能分析找出規(guī)律以自動化智能化提升治理管控水平。隨著各類信息基礎(chǔ)設(shè)施建設(shè)的不斷完善，智慧城市理念不斷走向成熟，大數(shù)據(jù)、云計算、邊緣計算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、5G網(wǎng)絡、人工智能等新興的ICT技術(shù)迅猛發(fā)展，僅僅關(guān)注城市各部門的信息化建設(shè)顯然不足以滿足城市未來長遠、可持續(xù)發(fā)展的需求，在此背景下，在以往智慧城市理論和實踐基礎(chǔ)上，以為民服務全程全時、城市治理高效有序、數(shù)據(jù)開放共融共享、經(jīng)濟發(fā)展綠色開源、網(wǎng)絡空間安全清朗為主要目標，進一步提出建設(shè)新型智慧城市，從資源驅(qū)動到創(chuàng)新驅(qū)動模式的轉(zhuǎn)型，解決數(shù)據(jù)采集存儲、信息互聯(lián)互通，數(shù)據(jù)超算處理等基礎(chǔ)問題，而隨著物聯(lián)網(wǎng)技術(shù)發(fā)展和產(chǎn)業(yè)互聯(lián)網(wǎng)升級，高經(jīng)濟密度數(shù)據(jù)成為獨立的商業(yè)資本與經(jīng)濟生產(chǎn)要素，邊緣智能設(shè)備和節(jié)點產(chǎn)生的海量數(shù)據(jù)的連接和計算對智能應用的及時響應支撐需求變得越來越迫切，在云和端之間引入智能協(xié)同邊緣計算可實現(xiàn)連接和計算服務的高可用性，構(gòu)建新型智慧城市的大腦，提供智能服務。

1 ?新型智慧城市的需求

新型智慧城市是以“發(fā)展更科學，管理更高效，社會更和諧，生活更美好”為目標，整個城市具有較為完善的行為意識和調(diào)控能力，具有空天地多平臺協(xié)同能力、具有智能感知、情境感知與認知能力、具有成熟的信息-知識-智能轉(zhuǎn)換機制，一定的決策能力、具有一定的自我學習、自我成長和自我創(chuàng)新能力等，因此，也給信息基礎(chǔ)設(shè)施帶來新的需求。

數(shù)據(jù)存儲與共享需求：物聯(lián)網(wǎng)技術(shù)與5G網(wǎng)絡的快速發(fā)展，網(wǎng)絡邊緣設(shè)備以及產(chǎn)生的結(jié)構(gòu)化和非結(jié)構(gòu)數(shù)據(jù)每年成倍增長，高速增長的邊緣數(shù)據(jù)對邊緣存儲的容量、性能、功耗提出了新的需求，同時要滿足高速低延時的需求。通過邊緣存儲將高頻計算、高敏感度數(shù)據(jù)（如監(jiān)控視頻、可穿戴設(shè)備體檢數(shù)據(jù)）分散在與應用場景就近的邊緣存儲節(jié)點來支持邊緣計算的實時性，支持多源數(shù)據(jù)節(jié)點的存儲和共享協(xié)同。數(shù)據(jù)擁有者在地理上是分布的，但具有各自的物理位置和網(wǎng)絡結(jié)構(gòu)，類似于點對點的邊緣連接方式，在數(shù)據(jù)擁有者之間提供數(shù)據(jù)的共享，通過數(shù)據(jù)服務接口，多節(jié)點數(shù)據(jù)共享參與邊緣計算服務，保障數(shù)據(jù)的隱私和安全。另外，邊緣存儲支持數(shù)據(jù)合并、連接復用、動態(tài)智能路由、防盜鏈技術(shù)、Gzip壓縮、統(tǒng)計分析、Cache策略多樣化技術(shù)手段提供存儲和預緩存服務，克服對惡劣網(wǎng)絡環(huán)境的傳輸問題，與云存儲協(xié)同服務，緩解云數(shù)據(jù)中心的帶寬和存儲壓力，降低網(wǎng)絡安全攻擊風險。

智能計算需求：隨著芯片技術(shù)的快速發(fā)展，邊緣設(shè)備越來越智能化，其數(shù)據(jù)計算處理需要具備高實時性。邊緣計算是一種新型分布式計算模型，通過將傳統(tǒng)云計算架構(gòu)中的部門任務下沉到智能終端設(shè)備或者邊緣計算節(jié)點執(zhí)行，提供實時的數(shù)據(jù)計算服務，包括數(shù)據(jù)預處理和決策能力更接近數(shù)據(jù)源。如云端執(zhí)行工業(yè)物聯(lián)網(wǎng)計算的密集型神經(jīng)網(wǎng)絡模型算法，可將部分計算任務部署在邊緣，通過本地數(shù)據(jù)的高讀取速率和實時性計算處理功能將計算結(jié)果傳輸?shù)皆贫?，為工業(yè)提供持續(xù)穩(wěn)定的生產(chǎn)運行和監(jiān)控。

互聯(lián)協(xié)同需求：物聯(lián)網(wǎng)和5G帶來的網(wǎng)絡通信技術(shù)升級實現(xiàn)萬物互聯(lián)，特別是大規(guī)模的智能通信設(shè)備的應用，如智能家居、自動駕駛、工業(yè)控制、可穿戴設(shè)備等的廣覆蓋，在傳統(tǒng)的云計算模型采用的集中式管理模式下，物聯(lián)數(shù)據(jù)的互聯(lián)互通需要跨越地理位置和各層級網(wǎng)關(guān)，帶來了極大的數(shù)據(jù)延遲和網(wǎng)絡抖動導致服務質(zhì)量（QoS）不佳，難以滿足邊緣計算的互聯(lián)和智能協(xié)同性需求。

2 ?新型智慧城市建設(shè)范式

城市發(fā)展范式已經(jīng)歷了上個世紀的結(jié)構(gòu)-功能、理性規(guī)劃范式，進入多元合作溝通范式，對社會、經(jīng)濟、文化、制度等復雜要素提出了更高的精細化、彈性管理要求，傳統(tǒng)的智慧城市建設(shè)向新型智慧城市演進是一種必然的趨勢，新型智慧城市注重的是城市的技術(shù)融合、業(yè)務融合、數(shù)據(jù)融合，實現(xiàn)跨層級、跨地域、跨系統(tǒng)、跨部門、跨業(yè)務的協(xié)同管理和智能服務，以智能服務為中心，各行業(yè)時空協(xié)同實現(xiàn)“智能感知、深度挖掘、智能服務”的新型智慧城市發(fā)展范式，是新一輪信息技術(shù)變革和科技創(chuàng)新的進一步發(fā)展的必然選擇。

以智能服務為中心，各行業(yè)時空協(xié)同實現(xiàn)的“智能感知-深度挖掘-智能服務”的新型智慧城市模式，能夠靈活支持不斷涌現(xiàn)的網(wǎng)絡和業(yè)務新需求。

數(shù)據(jù)感知層：基于大數(shù)據(jù)思想實現(xiàn)網(wǎng)絡感知、分析、為上層計算提供數(shù)據(jù)采集、網(wǎng)絡智能調(diào)度、控制。

計算層：基于網(wǎng)絡邊緣計算思想，將網(wǎng)絡控制和網(wǎng)絡數(shù)據(jù)交換、計算相分離解決網(wǎng)絡復雜性和可擴展性，具有靈活構(gòu)建各類計算服務需求的協(xié)同網(wǎng)絡。

智能服務層：基于云架構(gòu)思想實現(xiàn)數(shù)據(jù)資源的智能有序調(diào)度，信息服務貼近智慧應用場景，解決網(wǎng)絡重復傳輸及信息安全等問題。

3 ?關(guān)鍵技術(shù)

3.1 邊緣存儲技術(shù)

伴隨著多元化物聯(lián)網(wǎng)感知數(shù)據(jù)的采集和邊緣智能設(shè)備的規(guī)模應用，每天城市中產(chǎn)生數(shù)億的海量物聯(lián)網(wǎng)記錄，邊緣資源的存儲是首要解決的問題，第一階段是傳統(tǒng)的數(shù)據(jù)存儲技術(shù)，用現(xiàn)有主流存儲設(shè)備產(chǎn)品、存儲單元解決數(shù)據(jù)分布式物理存儲，但邊緣計算引入的計算服務是一個新的技術(shù)需求，如人臉識別，設(shè)備會掃描人的面部并整理出他們的生物識別指標。而邊緣計算節(jié)點可即刻進行處理，并與邊緣存儲設(shè)備中的信息進行比對。另外，使用智能設(shè)備對數(shù)據(jù)進行采集、存儲、加工，并根據(jù)云計算中心下發(fā)的規(guī)則進行計算，將計算結(jié)果及關(guān)鍵信息根據(jù)相應的通信協(xié)議傳回云中心;而原始數(shù)據(jù)可短期保存在邊緣智能設(shè)備上，也可按需求在特定時間段保存到云存儲中心、還可保存多份數(shù)據(jù)到相關(guān)聯(lián)的同級邊緣存儲節(jié)點;這樣不僅能極大降低云中心的計算負載，還能憑借獨有的無限節(jié)點資源和強大分布式存儲技術(shù)，能夠有效提高存儲服務的穩(wěn)定性和安全性，打造的安全穩(wěn)定、海量、低成本的分布式存儲服務。

3.2 計算服務技術(shù)

云中心需要作為整個結(jié)構(gòu)的計算中心，還需要做為整個結(jié)構(gòu)的管理中心。它將通用任務下發(fā)到所有邊緣智能設(shè)備，為它們制定統(tǒng)一規(guī)則，指導邊緣智能設(shè)備完成特定任務，收集任務返回結(jié)果。云中心經(jīng)過大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享并進行算法模型的訓練和升級，得出新計算規(guī)則，然后將計算規(guī)則推送到邊緣智能設(shè)備進行更新和升級，形成自主學習的閉環(huán)。對于實時數(shù)據(jù)調(diào)取可通過網(wǎng)絡連接到特定的多個邊緣設(shè)備拉取，而對非實時數(shù)據(jù)則可到云存儲中心拉取。

3.3 智能協(xié)同技術(shù)

因大部分數(shù)據(jù)都有區(qū)域相關(guān)特性，邊緣智能設(shè)備可根據(jù)云中心定義的規(guī)則，和鄰近邊緣智能設(shè)備建立“自治區(qū)域”，在同區(qū)域中的智能設(shè)備可協(xié)同工作：數(shù)據(jù)相互備份、共享、并進行區(qū)域關(guān)聯(lián)分析。每個邊緣智能設(shè)備在向云中心注冊時，由云中心分配唯一ID（可類似于居民身份證），ID硬編碼了邊緣機器的各種特征信息;每個邊緣智能設(shè)備通過P2P的DHT（分布式哈希表）技術(shù)或云中心邊緣設(shè)備管理中心很容易就可組建一個智能協(xié)同的區(qū)域網(wǎng)。

通過上述關(guān)鍵技術(shù)，為新型智慧城市建設(shè)提供了一個新的架構(gòu)模型：在邊緣智能設(shè)備上以邊緣計算和P2P技術(shù)為基礎(chǔ)構(gòu)建它的“軀干”，以云中心構(gòu)建“大腦”，以網(wǎng)絡構(gòu)建“神經(jīng)元”。實現(xiàn)智能協(xié)同計算，構(gòu)建城市新型信息基礎(chǔ)設(shè)施。

4 ?應用場景分析

城市作為復雜系統(tǒng)的疊加，對管理的對象、內(nèi)容及管理的目標設(shè)定、過程設(shè)計等方面頁顯得異常復雜，同時，城市交通采集設(shè)備數(shù)據(jù)量不斷增加和源數(shù)據(jù)多樣化，對實際場景的實施性需求也在提高，集中采集后回傳到云端進行分析處理再將結(jié)果反饋給現(xiàn)場的方式將會出現(xiàn)帶寬資源浪費和延時等問題。若引入邊緣智能協(xié)調(diào)計算，便可根據(jù)道路交通的實時采集數(shù)據(jù)和可用資源，在邊緣進行協(xié)同計算實時作出相應判斷，為交通業(yè)務管理、領(lǐng)導決策和社會公眾提供信息支持與服務，從而最大程度發(fā)揮交通資源的效益。例如使用無線通信技術(shù)，車輛與交通信號系統(tǒng)和其他路邊基礎(chǔ)設(shè)施相互通信，車輛能夠?qū)㈥P(guān)于其定位、速度和方向的數(shù)據(jù)傳達給其他連接的車輛和基礎(chǔ)設(shè)施，通常以每秒10次的速率，以增加高質(zhì)量的交通和運輸信息的數(shù)量，數(shù)據(jù)可供司機和其他道路使用者使用。同時在邊緣節(jié)點實時視頻分析，系統(tǒng)會生成定向流量并針對異常流量模式發(fā)出警報。 我們正在確定危險的沖突模式，以盡量減少交通死亡。

我們可以將交通監(jiān)控系統(tǒng)進行簡單改造，變成一個高可用的智慧交通系統(tǒng)，可實現(xiàn)智能交通燈管理、交通事件分析、道路擁堵指數(shù)分析、事故追蹤等。以圖2為例，車輛流量監(jiān)控設(shè)備作為邊緣智能設(shè)備，監(jiān)控采集的視頻或圖片數(shù)據(jù)，在本地進行短期儲存，還可將備份數(shù)據(jù)分發(fā)到相鄰設(shè)備上，同時直接對視頻和圖片進行簡單分析：當前車流量、道路容量、行車速度、各路口等待車輛數(shù)、車輛車牌號等，這些信息可按統(tǒng)計數(shù)據(jù)直接傳到云中心，并可在本地建立相關(guān)數(shù)據(jù)的時序數(shù)據(jù)庫;而對于車輛異常行為分析數(shù)據(jù)和取證視頻或圖片都傳送到中心保存;因此不再需要將所有視頻數(shù)據(jù)或圖片傳到云中心進行分析和保存，能極大的減輕中心壓力，加快中心服務的響應;相鄰設(shè)備收到鄰居的數(shù)據(jù)后，先進行保存，并將元數(shù)據(jù)上報給云中心，方便云中心建立存儲索引，這樣數(shù)據(jù)就能防止被惡意篡改和丟失，還可將自身數(shù)據(jù)結(jié)合鄰居視頻或圖片數(shù)據(jù)進行聯(lián)合分析：車輛區(qū)間速度分析、車輛行駛異常分析等。云中心如需要實時調(diào)取或查找莫數(shù)據(jù)，可同時在多個設(shè)備上進行，并能很好的獲取所有的關(guān)聯(lián)數(shù)據(jù)。

而云中心根據(jù)車輛流量監(jiān)控設(shè)備的地理位置分配特定的ID，并為其劃定區(qū)域歸屬。云中心通過分析邊緣設(shè)備產(chǎn)生的統(tǒng)計數(shù)據(jù)，可進行道路交通量分析、路段運行情況分析、交叉路口狀況分析，這些數(shù)據(jù)分析結(jié)果可用于交通動態(tài)跳轉(zhuǎn)，交通阻塞報警、實時事件決策等。

以車輛車牌追蹤為例，車輛車牌已被邊緣設(shè)備處理為字符串（而非原始圖片）并上傳到云中心，因此通過云中心很容易就能知道車輛車牌被哪些路口邊緣設(shè)備監(jiān)控到，并且被查車輛對應原始數(shù)據(jù)位置可直接定位到區(qū)域內(nèi)具體設(shè)備，然后進行區(qū)域關(guān)聯(lián)分析，由區(qū)域內(nèi)多個設(shè)備同時查找和傳送相關(guān)數(shù)據(jù)，這樣，能快速將相關(guān)數(shù)據(jù)實時傳送到云中心，讓使用者能清晰地知道車輛在該區(qū)域內(nèi)的運行軌跡。

從上可以知道，使用新型架構(gòu)模型能充分發(fā)揮各設(shè)備優(yōu)勢：

實時或更快的數(shù)據(jù)處理和分析：數(shù)據(jù)處理更靠近源，而不是外部數(shù)據(jù)中心或云，這樣可以縮短延遲時間。

降低成本：企業(yè)在本地設(shè)備上的數(shù)據(jù)管理解決方案所花費的成本低于云和數(shù)據(jù)中心網(wǎng)絡。

減少網(wǎng)絡流量：隨著物聯(lián)網(wǎng)設(shè)備數(shù)量的增加，數(shù)據(jù)生成繼續(xù)以創(chuàng)紀錄的速度增長。 結(jié)果，網(wǎng)絡帶寬變得更加有限，壓倒了云，導致更大的數(shù)據(jù)瓶頸。

提高應用程序效率：通過降低延遲級別，應用程序可以更高效，更快速地運行。

另外，邊緣智能協(xié)同計算也可以減少單點故障，保障用戶數(shù)據(jù)的安全性和合規(guī)性，通過邊緣設(shè)備采集的本地數(shù)據(jù)并對其計算可避免向云端的敏感數(shù)據(jù)傳輸。可以通過協(xié)議轉(zhuǎn)換無縫高效的連接到車聯(lián)網(wǎng)相關(guān)平臺（如智能傳輸控制系統(tǒng)（ITS）），增加物聯(lián)的互操作性。

4.1 需求

目前，智慧交通行業(yè)的采集產(chǎn)品都已非常成熟，例如視頻監(jiān)控、電子警察、高速卡口設(shè)備、違規(guī)抓拍、天網(wǎng)監(jiān)控等;服務器性能也在不斷提高，同時價格在不斷下降。因此將邊緣計算應用到智慧交通系統(tǒng)得硬件條件已完全成熟。

智慧交通中數(shù)據(jù)的海量性、多樣性、異構(gòu)性都決定了處理的復雜性，簡單到交通設(shè)施及來往車輛數(shù)據(jù)的收集，復雜到交通事件的判定檢測，都需要對數(shù)據(jù)進行實時、準確的處理，而單純建立云平臺處理數(shù)據(jù)，已很難滿足改需求。

智能交通系統(tǒng)需要能使道路上的交通信息與交通相關(guān)信息盡量完整和實時;交通參與者、交通管理者、交通工具、道路管理設(shè)施之間的信息交換實時和高效;控制中心對執(zhí)行系統(tǒng)的控制更加高效;處理軟件系統(tǒng)具備自學習、自適應的能力。

4.2 系統(tǒng)設(shè)計

智慧交通基礎(chǔ)系統(tǒng)分為三層：數(shù)據(jù)采集層、邊緣計算節(jié)點和云計算中心。

數(shù)據(jù)采集層利用設(shè)備將采集的數(shù)據(jù)傳輸給邊緣節(jié)點，以計算標準流量特征，如平均速度[km/hr]、交通視頻、交通量（每小時車輛數(shù)量）[車輛/小時]、交通密度[車輛/公里]、車道占用率[%]、車輛長度[m]（用于車輛分類）、車輛駛向錯誤方向的情況等。

邊緣計算節(jié)點的主要功能模塊分為：區(qū)域peer管理、統(tǒng)計分析規(guī)則管理、數(shù)據(jù)存儲和管理、節(jié)點配置管理、異常數(shù)據(jù)處理引擎、數(shù)據(jù)搜索引擎、圖像處理識別、實時數(shù)據(jù)處理引擎等。

區(qū)域peer節(jié)點管理：管理“兄弟”邊緣計算節(jié)點路由信息、相關(guān)的存儲數(shù)據(jù)元信息、數(shù)據(jù)副本。

實時數(shù)據(jù)處理引擎：利用圖像處理技術(shù)結(jié)合AI分析規(guī)和統(tǒng)計分析規(guī)則、異常處理規(guī)則，對視頻數(shù)據(jù)進行實時處理，對交通量、交通密度、車輛平均速度等數(shù)據(jù)進行統(tǒng)計分析，并將統(tǒng)計數(shù)據(jù)上傳給云計算中心;而異常數(shù)據(jù)則進行截圖，并將異常原因和異常證據(jù)截圖。

數(shù)據(jù)搜索引擎：接收數(shù)據(jù)查詢請求，對本級數(shù)據(jù)進行快速查詢，并能對peer副本數(shù)據(jù)提供搜索。

數(shù)據(jù)存儲和管理：對視頻原始數(shù)據(jù)進行存儲，索引，對要求上傳的數(shù)據(jù)進行上傳（Flume）。

節(jié)點配置管理：根據(jù)節(jié)點的角色，定時獲取角色相關(guān)配置，并能與云計算中心及時更新AI分析規(guī)則、統(tǒng)計分析規(guī)則、異常處理規(guī)則等。

規(guī)則管理：對規(guī)則進行及時更新，并及時應用到各分析場景中。

而云計算中心的主要模塊分為：消息中心、頁面展示模塊、應用數(shù)據(jù)接口、異常數(shù)據(jù)存儲與管理、統(tǒng)計數(shù)據(jù)存儲和管理、AI學習引擎、規(guī)則管理。

消息中心：使用kafka作為消息中心，發(fā)布配置更新、發(fā)布規(guī)則更新、接收各類型的數(shù)據(jù)，其他模塊分別從kafka中讀取所需數(shù)據(jù)，而實時數(shù)據(jù)查詢也從kafka中發(fā)布任務，然后從kafka中讀取各節(jié)點的任務結(jié)果中心。

AI（智能）學習引擎：則通過對統(tǒng)計數(shù)據(jù)進行分析，形成異常數(shù)據(jù)和統(tǒng)計分析模塊的決策樹規(guī)則;相關(guān)模塊對形成的規(guī)則進行維護，并將數(shù)據(jù)下發(fā)到特定節(jié)點。

邊緣計算節(jié)點管理：對所有邊緣計算節(jié)點，進行注冊登記、管理、并監(jiān)控各節(jié)點的健康狀態(tài)等。

應用數(shù)據(jù)接口管理：對統(tǒng)計數(shù)據(jù)、異常數(shù)據(jù)提供統(tǒng)一的查詢接口，方便其他應用獲取數(shù)據(jù)。

數(shù)據(jù)搜索引擎：對數(shù)據(jù)搜索進行初步過濾和分類，需要邊緣計算節(jié)點搜索的請求，將請求下發(fā)到各邊緣節(jié)點，并對各節(jié)點搜索結(jié)果進行統(tǒng)一整理。

實時數(shù)據(jù)處理引擎：spark從kafka中讀取各類數(shù)據(jù)，并根據(jù)數(shù)據(jù)類型交給不同數(shù)據(jù)存儲模塊處理。

異常數(shù)據(jù)存儲與管理：從實時數(shù)據(jù)處理引擎接收異常標簽數(shù)據(jù)和視頻，為異常數(shù)據(jù)建立視頻和標簽的時空索引，方便異常數(shù)據(jù)快速查找。

統(tǒng)計數(shù)據(jù)存儲和管理：從實時數(shù)據(jù)處理引擎接收邊緣節(jié)點的統(tǒng)計數(shù)據(jù)，為AI學習引擎提供訓練數(shù)據(jù)，為交通網(wǎng)絡決策提供基礎(chǔ)數(shù)據(jù)，例如對POI數(shù)據(jù)、GPS數(shù)據(jù)、客流情況等智能交通數(shù)據(jù)進行分析，由數(shù)據(jù)的分析結(jié)果來了解城市的交通情況，為居民提供導航、定位、公告、交通引流等服務。

決策樹管理與維護：通過AI學習引擎和人工維護不斷對決策樹進行優(yōu)化，將決策樹變成異常處理規(guī)則與統(tǒng)計分析規(guī)則。

異常規(guī)則管理：對形成的異常規(guī)則進行及時更新，根據(jù)各邊緣節(jié)點角色的不同，下發(fā)角色相關(guān)的規(guī)則到各邊緣節(jié)點。

統(tǒng)計分析規(guī)則管理：對形成的統(tǒng)計分析規(guī)則進行及時更新，根據(jù)各邊緣節(jié)點角色的不同，下發(fā)角色相關(guān)的規(guī)則到各邊緣節(jié)點。

頁面展示：對數(shù)據(jù)進行展示，例如超出速度限制的每輛車的圖像，以及車牌的詳細照片，違規(guī)行為的日期，時間和地點。

4.3 結(jié)果分析

下圖為傳統(tǒng)架構(gòu)處理性能與云平臺+邊緣計算架構(gòu)下查找一天內(nèi)具體車牌數(shù)據(jù)處理性能對比，其中縱軸為時間，橫軸為視頻采集端個數(shù);

邊緣節(jié)點的服務器會收到超出速度限制的每輛車的圖像，以及車牌的詳細照片，文本形式的車牌號碼，以及違規(guī)行為的日期，時間和地點進行抓獲識別處理，將特征數(shù)據(jù)發(fā)送到云端生成和打印交通罰單系統(tǒng)。

5 ?結(jié)語

新型的智慧城市建設(shè)是一個系統(tǒng)化工程，除了本文論述的新型智慧城市發(fā)展范式和技術(shù)支撐，隨著5G的規(guī)模商用，當與5G無線通信網(wǎng)絡結(jié)合使用時，這些技術(shù)可以通過引入功能更強大的通信網(wǎng)絡來顯著減少數(shù)據(jù)共享和延遲，在計算處理方面利用AI和物聯(lián)網(wǎng)相關(guān)技術(shù)融合給城市的智能化賦能，借鑒國外發(fā)達城市的智慧化經(jīng)驗，結(jié)合實際國情和行業(yè)應用場景，創(chuàng)新體制機制，標準體系、運營模式等，保證新型智慧城市建設(shè)和運行的可持續(xù)升級發(fā)展。

參考文獻

[1] 施巍松，孫輝，曹杰，等.邊緣計算：萬物互聯(lián)時代新型計算模型[J].計算機研究與發(fā)展，2017，54（5）： 907-924.

[2] 吳大鵬， 張普寧， 王汝言.“端—邊—云”協(xié)同的智慧物聯(lián)網(wǎng)[J]. 物聯(lián)網(wǎng)學報， 2014，2（3）： 25-32.

[3] 王騰飛， 張瑞權(quán)， 李建宏. 基于邊緣計算的計算即服務模式[J]. 電子技術(shù)應用， 2019， 45（5）：80-83.

[4] 葛志誠， 徐恪， 陳靚. 一種移動內(nèi)容分發(fā)網(wǎng)絡的分層協(xié)同緩存機制[J].計算機學報， 2018， 41（12）：135-152.

[5] 張暉， 徐冬梅， 李建慧. 智慧城市實時應用的物聯(lián)網(wǎng)系統(tǒng)參考體系結(jié)構(gòu)[J].北京信息科技大學學報：自然科學版，2017（3） ：7-12.