基于EdgeX Foundry的新型智能家居架構(gòu)設(shè)計與實現(xiàn)

朱景寧

摘? 要： 為了降低云平臺智能家居系統(tǒng)時延并減少帶寬成本，提出了一種新型智能家居架構(gòu)?；贓dgeX Foundry框架實現(xiàn)新型智能家居系統(tǒng)的架構(gòu)，并在該架構(gòu)基礎(chǔ)上實現(xiàn)與智能設(shè)備通信的設(shè)備層，與控制界面通信的導出層，以及支持所有服務(wù)的服務(wù)支持層，分別實現(xiàn)Web端界面，iOS端界面和微信小程序端界面。對智能設(shè)備的控制進行了實驗，分析其控制的響應(yīng)時間和EdgeX Foundry框架下系統(tǒng)的穩(wěn)定性。實驗結(jié)果表明，該架構(gòu)能有效地降低智能家居系統(tǒng)的時延和帶寬。

關(guān)鍵詞： 智能家居; EdgeX Foundry; iOS; 邊緣計算

中圖分類號：TP319? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2020）04-41-04

Design and implementation of a new architecture for smart home

system with EdgeX Foundry framework

Zhu Jingning

（Faculty of Mechanical Engineering & Automation， Zhejiang Sci-Tech University， Hangzhou， Zhejiang 310018， China）

Abstact： In order to reduce the delay of cloud platform smart home system and reduce bandwidth cost， a new smart home architecture is proposed. The new architecture for smart home system is implemented under EdgeX Foundry framework， with the device layer that communicates with the smart devices， the export layer that communicates with the control interface， and the service support layer that supports all the services; and the web interface， iOS interface and WeChat applet interface are implemented respectively. The control to the smart devices is tested， and the response time of control and the stability of the system under EdgeX Foundry framework are analyzed. Experiment results show that the architecture can effectively reduce the delay and bandwidth of smart home systems.

Key words： smart home; EdgeX Foundry; iOS; edge calculation

0 引言

云計算[1]平臺，如Amazon EC2[2]、Microsoft Azure[3]和谷歌App Engine[4]，已經(jīng)成為跨不同用戶設(shè)備提供無處不在的服務(wù)訪問的流行方法。因為云計算平臺可靠、始終在線和健壯，第三方開發(fā)人員已經(jīng)基于此平臺為他們的最終用戶提供高質(zhì)量的服務(wù)[5]。Netflix和Dropbox就是流行的云服務(wù)的例子。云服務(wù)要求開發(fā)人員將服務(wù)、應(yīng)用程序和數(shù)據(jù)駐留在離線數(shù)據(jù)中心上。這意味著計算和存儲資源與終端用戶的設(shè)備在空間上是遙遠的。但是，越來越多的高質(zhì)量服務(wù)，比如低延遲，強響應(yīng)，低帶寬等，希望能在終端用戶的附近進行計算任務(wù)[6-7]。

邊緣計算，即是基于邊緣端進行的計算，即是在靠近智能設(shè)備或數(shù)據(jù)源頭的邊緣端實現(xiàn)存儲、計算等功能[8]。基于邊緣計算的應(yīng)用程序可以在邊緣側(cè)進行計算和響應(yīng)，能夠滿足行業(yè)對實時性、安全性和性價比等方面的基本需求[7]。邊緣計算一般處于物理實體和工業(yè)連接之間，它的興起實現(xiàn)了將智能服務(wù)如計算、存儲等降到邊緣端，滿足行業(yè)對低時延、低帶寬和安全性高等需求，為終端設(shè)備與云計算平臺的協(xié)作提供了重要支撐[9]。因此，在過去十年中，許多研究工作都支持創(chuàng)建邊緣計算服務(wù)的需求和好處，這些服務(wù)將計算功能分布在更接近客戶端設(shè)備的地方[10-11]。

本文提出了一種基于邊緣計算框架EdgeX Foundry[12]的智能家居架構(gòu)設(shè)計，它能實現(xiàn)在智能家居系統(tǒng)的基礎(chǔ)上加入了邊緣計算，讓一些更希望留在附近的數(shù)據(jù)不需要上傳到云端，能夠在邊緣端進行處理。

1 基于EdgeX Foundry的智能家居系統(tǒng)設(shè)計

1.1 基于邊緣計算的智能家居控制系統(tǒng)整體架構(gòu)

圖1為智能家居系統(tǒng)的系統(tǒng)架構(gòu)圖，主要分為云計算層，終端控制界面，導出服務(wù)層，核心服務(wù)層，設(shè)備服務(wù)層，支持服務(wù)層中的support-znet模塊和燈光等智能設(shè)備的控制器。

如圖2所示，基于邊緣計算的智能家居控制系統(tǒng)主要分為核心服務(wù)層部分：core-data，core-metdata，core-command部分，設(shè)備支持層部分：support-znet部分，設(shè)備服務(wù)層部分：zgb-insona部分，以及設(shè)備導出層部分：export-homebridge，home-auto-project部分?；谶吘売嬎愕闹悄芗揖涌刂葡到y(tǒng)主要將數(shù)據(jù)保存在邊緣端，可變的數(shù)值存儲在core-data中，不可變的數(shù)值存儲在core-metadata中，然后再將一些其他的數(shù)據(jù)與云平臺對接，存放在云平臺上，通過這樣的方式將一些重要的數(shù)據(jù)存在邊緣端，即自身所處的局域網(wǎng)當中，以減少與云平臺的信息交互。

如圖3所示為基于EdgeX Foundry的智能家居系統(tǒng)運行流程圖。首先，zgb-insona向EdgeX Foundry注冊自身微服務(wù)，同時，export-homebridge也向edgex foundry注冊自身，然后在zgb-insona中添加智能設(shè)備，并將其信息保存在核心服務(wù)層中，之后在控制界面中點擊允許入網(wǎng)，允許入網(wǎng)的命令報文通過zgb-insona轉(zhuǎn)發(fā)到support-znet端。在智能設(shè)備上進行入網(wǎng)操作，就可以實現(xiàn)智能設(shè)備成功入網(wǎng)。緊接著，export-homebridge從EdgeX Foundry獲取已添加的設(shè)備信息，進行解析生成config.json文件，homebridge-zmq讀取config.json文件內(nèi)容，運行之后即出現(xiàn)iOS端操控界面。

實際智能設(shè)備操控流程：iOS端界面點擊開燈，開燈的命令從homebridge-zmq發(fā)出，經(jīng)由export-

homebridge，通過zeromq協(xié)議發(fā)到EdgeX Foundry的command，然后命令經(jīng)由command通過http協(xié)議轉(zhuǎn)發(fā)到zgb-insona。zgb-insona再通過zeromq協(xié)議將信息轉(zhuǎn)發(fā)到support-znet中，support-znet對實際的智能設(shè)備進行操控，來實現(xiàn)智能設(shè)備的開關(guān)。

等到智能設(shè)備實際打開或關(guān)上之后，會將自身的狀態(tài)發(fā)送到support-znet，然后再經(jīng)由zgb-insona，core-command，export-homebridge以及homebridge-

zmq，將智能設(shè)備的狀態(tài)反饋到iOS界面端去。

1.2 控制終端設(shè)計

如圖4所示為iOS端的操控界面，其中到家和晚安為情景模式，配件中燈圖標的為燈光，名字為DT82TE的為窗簾設(shè)備。

2 系統(tǒng)測試與分析

2.1 測試概述

搭建基于EdgeX Foundry的智能家居管理系統(tǒng)，主要包括：New Marsboard A20主機模塊，esp8266網(wǎng)關(guān)模塊，普通pc機以及iOS設(shè)備。實驗設(shè)計主要包含：將調(diào)光燈從低亮度設(shè)置為高亮度，將窗簾從關(guān)閉狀態(tài)調(diào)到一定程度的打開，情景模式的控制以及系統(tǒng)穩(wěn)定性測試。

驗證前準備：將EdgeX Foundry的框架，以及自身實現(xiàn)的導出層，設(shè)備層和支持層都放到硬件系統(tǒng)中，然后通過web界面將實際的智能設(shè)備添加到局域網(wǎng)絡(luò)中，并進行設(shè)備入網(wǎng)的操作，等到所有設(shè)備成功入網(wǎng)后，開始進行單元測試，對系統(tǒng)進行性能測試并分析。

2.2 性能測試

系統(tǒng)性能測試的目的就是為了驗證智能家居系統(tǒng)的穩(wěn)定性和高效性，通過單元測試對智能家居管理和控制的響應(yīng)時間進行了暴力測試，對其響應(yīng)時間測試次數(shù)是50次，獲取測試平均值，結(jié)果如表1所示。系統(tǒng)性能測試結(jié)果表明，其響應(yīng)時間相較普通智能家居系統(tǒng)更快，系統(tǒng)穩(wěn)定性更強，基本符合基于邊緣計算智能家居系統(tǒng)的設(shè)計需求。

3 總結(jié)

為了有效改善智能家居系統(tǒng)高延遲，無法有效使用帶寬等問題，文章提出基于邊緣計算平臺的智能家居設(shè)計方案。在EdgeX Foundry邊緣計算框架的基礎(chǔ)上，實現(xiàn)了設(shè)備層，導出層和服務(wù)支持層，成功解決了普通智能家居系統(tǒng)的高延遲問題，對帶寬需求大和成本高的問題也有一定的幫助。邊緣計算最終的目的即是讓智能終端能夠?qū)崟r處理數(shù)據(jù)，能夠在低延時的狀態(tài)下對命令作出反饋，來滿足現(xiàn)今社會環(huán)境對智能設(shè)備的要求。

參考文獻（References）：

[1] 人工智能助推下.云生態(tài)是大勢所趨[J].電子元器件與信息技術(shù)，2018.2（5）：81-83

[2] 劉義穎.Amazon Web Service（AWS）云平臺可靠性技術(shù)研究[J].電腦知識與技術(shù)，2014：33

[3] 張光亞.基于Microsoft Azure的實驗室設(shè)備管理系統(tǒng)的設(shè)計與實現(xiàn)[J].電腦知識與技術(shù)，2017.15.

[4] 王家.基于google app engine的新聞發(fā)布系統(tǒng)設(shè)計[J].福建電腦，2017.33（11）：107

[5] Cook D J， Yongblood M， Heierman E O， et al. MavHome：an agent-based smart home[C].Proceedings of the First IEEE International Conference on Pervasive Computing and Communications，2003：521-524

[6] 楊堤.基于物聯(lián)網(wǎng)的智能家居控制系統(tǒng)設(shè)計與實現(xiàn)[J].電子世界，2012.21：16-17

[7] 楊健康.基于J2EE的國稅績效考核系統(tǒng)設(shè)計與實現(xiàn)[D].西安電子科技大學，2013.

[8] 楊幸.應(yīng)用于智能家居的物聯(lián)網(wǎng)控制系統(tǒng)設(shè)計[D].大連理工大學，2017.

[9] 閆哲，杜濤，左海利.智能家居控制系統(tǒng)的設(shè)計及實現(xiàn)[J].自動化技術(shù)與應(yīng)用，2010.2：93-95

[10] 杜唯揚，陳思仁.構(gòu)建面向5G的邊緣計算[J].電信工程技術(shù)與標準化，2018.31（4）：30-33

[11] Saito T， TomodaI， Takabatake Y， etal. Home gatewayarchitecture an ditsimple mentation[J].Consumer Electronics， IEEE Transactionson，2000.46（4）：1161-1166

[12] Papadopoulos? N， Meliones A，? Economou? D， etal.??Aconnected home platform and development framework for smart home control applications[C].Industrial Informatics，2009.INDIN 2009.7th IEEE International Conferenceon.IEEE，2009：402-409

[13] 李恩，周知，陳旭.邊緣智能：邊緣計算驅(qū)動的深度學習加速技術(shù)[J].邊緣計算，2019：48-52