2.4　行业应用

2.4.1　平安城市

平安城市是一个特大型、综合性的管理系统，该系统不仅需要满足治安管理、城市管理、交通管理、应急指挥等需求，而且还要兼顾灾难事故预警、安全生产监控等方面对图像监控的需求，同时还要考虑报警、门禁等配套系统的集成及与广播系统的联动[27]。

平安城市的建设着眼于社会的方方面面，如消防、出行、安防、自然灾害预警等，影响着广大民众的日常生活。以出行安全为例，随着共享经济的兴起，网约车、顺风车成为人们便捷出行的首选。但居民在享受经济和便捷出行的同时，大量公共安全事件不断发生。在过去的几年里，相关媒体关于各种骚扰刑事案件的报道很多。受安全事件的影响，各相关公司不得不下线相关业务并进行整改。为了保障司机和乘客的安全，乘客上车时就自动开启录音功能，但这仅仅减少了语言骚扰，对出行双方产生了一些震慑效果，能在一定程度上降低安全事件的发生数量。但如果想要进一步提升出行的安全性，还需要依靠视频技术，并通过人工智能分析当前司机和乘客是否处于安全状态，以及时向相关方发送危险警报。然而视频技术的使用必将会导致大量的带宽需求，使用人工智能分析并发送警报也对时延有一定的要求。按照Uber 2017年的使用情况（45 787次/min），假设将每次驾乘的视频发送至云端（每次20min），每天云端将新增9.23PB的视频数据[28]。这无疑会使网络产生严重的拥堵，而按照现在云计算的存储容量来说，将这些数据全部存储到云计算中心也是不现实的。

城市的安防监控也是平安城市建设中非常重要的部分，它可以实时监测城市各个角落，以确认是否发生交通事故、大型集会上是否发生踩踏事故、是否出现正在追缉的可疑人物及是否发生自然灾害等。为了实现对城市的安防监控，需要在城市中部署大量的传感器，安装固定IP摄像头，以及配备具有高清摄像头的无人机。通过对这些设备实时监控到的数据进行分析获得关键信息，再将重要的信息反馈给控制中心。但实际上，大部分前端设备都只具备单纯的感知和摄像功能，不具备前置的计算功能，需要将数据传输至数据中心进行处理，或者需要通过人工方式对数据进行筛选。目前，一个每秒25帧的4K视频监控一般要求带宽25Mbit/s，而且带宽不能有收敛。若多个摄像头同时应用，则需要高带宽网络支撑[29]。一个城市的所有摄像头每天所产生的数据如果都传输至云端，会给网络带来非常大的压力。而一些需要及时反馈的业务，如自然灾害预警，对时延有着相当高的要求。

边缘计算作为近数据源计算，具有低时延、高带宽、高吞吐的特性，恰好可以满足平安城市建设中用户的低时延需求，也可以大幅降低网络中的带宽占用率，以解决公共安全领域视频数据处理的问题。

下面以图2-4为例来阐述边缘计算在平安城市场景中的应用[19]。

视频分析与处理服务被部署在距感知设备较近的MEC平台中。通过IP摄像头、无人机、传感器等设备采集的数据和图像信息通过基站传输到MEC平台进行本地分析预处理，降低对核心网及骨干网带宽资源的占用，同时也将传送范围缩小至端到端。AI训练服务则被部署在云数据中心，依靠云计算强大的计算能力来对数据进行训练，得到更准确的训练模型。在本案例中云和边达到了完美协同，边缘计算利用其距离前端设备位置近的特点满足了应用的低时延需求，减少了网络中的数据流量，云计算则依靠其强大的计算能力，为应用提供了AI模型的在线训练，实现了本地决策的实时、准确响应。

2.4.2　远程医疗

远程医疗是指通过计算机技术、遥感、遥测、遥控技术，充分发挥大医院或专科医疗中心的医疗技术和医疗设备优势，对医疗条件较差的边远地区、海岛或舰船上的伤病员进行远距离诊断、治疗[30]。

在远程医疗中，术中远程实时指导是一个关键的应用。术中远程实时指导可以在有医疗协助需求的情况下，应用于医院总院和分院之间、不同地域的医院之间及国内医院和国外医院之间等。远程医疗指导需要高清视频对现场状况进行实时传输，还需要对其他医疗器械的数据结果进行传输，从而实现对手术情况的完全了解，实现双方指导专家的精密配合。由于手术中传输的数据量十分庞大，双方专家之间的交流也必须实时响应，因此术中远程实时指导对网络的传输时延和带宽有着严格的要求。

2020年春节前夕，武汉市暴发了新冠肺炎疫情，随着疫情的快速发展，武汉地区医患数量差距逐渐加大，全国各地专家、医疗队奔赴武汉。医护人员在治疗病人期间需要穿戴厚重的防护服，不断对自己进行消毒，即使是在这样具有高度风险规避意识的情况下，医护人员仍然会受到感染。当突发公共卫生安全事件，特别是疫情时远程医疗便凸显了它的重要性。首先，由于病毒具有超高的传染性，越是人群聚集就越容易引发大面积病毒感染，传染原本健康的医护人员或具有其他疾病的患者，带来更沉重的医疗负担；其次，当疫情突然发生时，患者人数骤增，医护人员不够，需要更多的自动化设备（如临床视频监护设备等）帮助减少工作人员的工作量；最后，面对未知的病毒还需要国内外专家协作，共同研究攻克病毒的方法，为了使双方能够更好地了解对方的情况，远程信息共享无疑是最佳的选择。

当然，远程医疗不仅包括上述提到的远程手术指导、临床视频监控，而且还包括远程检查、远程会诊、远程医疗教育等。但无论是哪一个方面，远程医疗对网络都有带宽和时延的要求，远程医疗所涉及的实时高清音视频回传、Cloud VR医疗实训要求带宽不小于200Mbit/s，实时诊疗时延不超过10ms[29]。

因此，在远程医疗场景下需要结合边缘计算技术，以降低端到端的传输时延，提供足够的带宽，为远程医疗提供更精准的服务。

下面以图2-5为例来阐述边缘计算在远程手术场景中的应用。

在远程手术场景中，可以将媒体处理和媒体分发应用部署在MEC应用平台上。手术现场和远程指导端的视频通过固网、无线网发送至边缘计算平台的媒体处理应用单元进行合成，合成后的视频再分发到现场和远程端，两端会看到相同的视频。由于手术现场和远程指导端通常距离较远，如不同城市之间的医院。在这种情况下，两端会分别连接到不同的边缘数据中心，两个数据中心之间需要建立隧道进行数据的互通，从而减少了数据在核心网的迂回，缩短端到端的传输时延，提高了用户体验。

2.4.3　智慧家庭

智慧家庭又可称为智慧家庭服务平台，其综合运用物联网、云计算、移动互联网和大数据技术，结合自动控制技术，将家庭设备智能控制、家庭环境感知、家人健康感知、家居安全感知及信息交流、消费服务等家居生活设备有效地结合起来，创造出健康、安全、舒适、低碳、便捷的个性化家居生活环境[31]。

智慧家庭包括家庭防盗监控系统、智能照明系统、背景音乐系统、家电控制系统等。家庭防盗监控系统通过家装摄像头对家中的情况进行实时监控，实时对画面中的状态进行分析，一旦检测到异常，便向用户的通信设备发送消息提醒。智能照明系统可以通过分析用户发出的声音指令或设备指令来对灯光的开关和明亮程度进行调节。背景音乐系统可以根据用户的指令、时间、喜好、状态选择播放适合的音乐，如入睡前播放睡眠歌曲，早晨播放大自然的声音。家电控制系统，如智能电饭煲、智能空调，可以根据用户回家的时间提前进行烹饪和对室内温度进行调节。

智慧家庭场景与其他场景的不同之处在于智慧家庭设备终端是人生活的一部分，通过收集人的活动信息、喜好、声音、视频画面来发出下一条指令，以提升家居安全性、便利性、舒适性。所以，智能终端会掌握用户最全面、最隐私的信息，因此智慧家庭场景对隐私的保护十分看重。如果将收集的用户信息都上传云端进行处理，尤其是一些视频数据，显然是不安全的。而利用边缘计算技术，则可以将家庭数据信息推送至家庭内部网关，从而减少家庭数据的外流，降低隐私泄露的可能性，让用户在使用智慧家庭设备时更加放心。

下面以图2-6为例阐述边缘计算在智慧家庭场景中的应用。

在家庭内部网关中，部署家庭信息处理应用，将室内智能音箱、智能手机、智能电灯及室外摄像头、门禁、车库等采集的数据在家庭内部网关中进行处理，保证数据不外泄。同时，对于需要传送到外界的信息，如医疗服务、物业服务等信息，则可以传送到云端进行综合处理，以实现对数据保护的同时与外界进行实时交互。

2.4.4　车联网

车联网的概念源于物联网，即车辆物联网，其以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与X（即车与车、人、路、服务平台）之间的网络连接，提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶体验与交通服务，同时提高交通运行效率，提升社会交通服务的智能化水平[32]。据公安部统计，截至2018年年底，我国汽车保有量已突破2.4亿辆，汽车驾驶人数达到3.69亿人，可想而知城市交通是一个庞大而复杂的难题。虽然众多城市推出机动车限行等各种措施，但路面情况依然不容乐观。因此，车联网将着眼点放在提高交通系统利用率和提升居民出行品质上。但如何从各种异构设备上收集信息，如何将海量信息进行及时处理和下发已经成为制约车联网发展的瓶颈。

在车联网场景中，车联网业务提出的首要需求就是交通安全，而为了确保交通安全，服务器对车辆、道路传感器所采集的信息处理必须要在毫秒级时间内完成，这对网络时延提出了极高的要求。此外，一辆自动驾驶车辆一天产生的数据大约为4TB，而汽车的数量以亿为单位，如果将这些数据全部上传至云端必然会造成网络的瘫痪，云数据中心的资源也无法负荷。车联网对网络提出了低时延和高带宽的需求。在车联网业务中，车内信息娱乐类应用（环境信息共享、车载娱乐）带宽范围应为10～100Mbit/s，时延不大于500ms；交通安全驾驶类应用（编队、防碰撞）带宽应小于1Mbit/s，时延范围为20～100ms；全自动驾驶类应用带宽应不低于100Mbit/s，时延范围为1～10ms[33]。

车联网要求的低时延、高带宽需求，是现有云计算技术所不能满足的，为满足车联网中各类应用的需求，可以将边缘计算与云计算进行结合，将需要信息实时交互的交通安全驾驶类应用、全自动驾驶类应用服务部署在距离车辆较近的边缘计算平台上，将音乐等娱乐类应用信息放在云计算中心处理，从而实现车辆信息及时交互，降低网络拥堵。

边缘计算在车联网中的应用如图2-7所示。

边缘计算中汽车云会扩展到高度分布的移动基站环境中。车联网应用程序可以部署在基站站点、小型站点或聚合站点的MEC服务器上运行，以提供路边功能。因此数据和应用程序可以靠近车辆，减少数据的往返时间，并实现核心网和互联网上应用程序的抽象层。

边缘应用直接从车载应用及道路传感器实时接收本地数据进行分析，并将结论（如危害报警信息）以极低的时延传送给临近区域内的其他联网车辆，整个过程可在毫秒级单位时间内完成，驾驶员可以及时做出决策。

道路的边缘应用可以向相邻的移动边缘计算节点通告事件，这样，边缘计算节点能够将危险警告传送给靠近受影响区域的汽车。道路的应用程序还可以将本地信息发送到汽车云上，以进行进一步的集中处理和报告。

2.4.5　工业智能制造

智能制造（Intelligent Manufacturing，IM）是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，如分析、推理、判断、构思和决策等。智能制造通过人与智能机器的合作共事，扩大、延伸和部分取代人类专家在制造过程中的脑力劳动，把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化[34]。

而工业智能制造就是将智能制造用在工业场景中。在工业制造领域，工厂可以通过安装温度、湿度等感应设备来对生产环境进行监测，一旦出现异常及时发出警报，并对环境进行调节。在生产环节，工业智能制造可以通过摄像头对设备状态、生产线状态、产品状态、质量追溯、生产调度、物料等全生产过程进行实时监控，以及时发现每个环节发生的故障，并记录存储用以后续的分析改进。随着人工智能的发展，智能机器人会更多地应用在生产制造中。西门子中央研究院在慕尼黑展示过双臂机器人的一部分，其借助人工智能的高度自动化技术，无须编程即可自主分工协作，用于产品制造，而传统的机器人无法理解这种CAD/CAM（计算机辅助设计和制造）模型。从某种意义上讲，这就好像机器人能够理解不同的语言，从而不必对其运动和工艺进行编程[35]。对于这种机器人的引入，员工只需要在监管层面上对其进行指导，重复而精细的工作可以由智能机器人自动完成，降低人工误差，减少员工的工作量。

在工业智能制造场景中，常见的环境监测、视频监测数据是企业重要的数据信息，涉及企业安全，因此对数据的隐私安全有很高的要求；并且智能机器人的一些精密的自动化操作需要误差在很小的范围内，对时延也有很高的要求。

因此可以在工业智能制造场景中引入边缘计算，这将带来多方面的好处：

（1）提升性能，在工业智能制造场景中，报警、控制等需要及时响应的服务更靠近数据源，这将减少端到端处理时延，提高业务处理效率。

（2）保证数据安全和隐私，将数据放置在离工业园区更近的边缘端处理，降低了将数据传送到远处云端可能出现的数据暴露风险。

边缘计算处于生产设备和工业连接设备之间，或处于生产设备的顶端。数据可以在边缘处进行处理，也可以在云端进行处理，云端仍然可以访问边缘计算的历史数据。随着人工智能的发展，各种联网设备越来越多，摄像头、传感器、智能机器人等将在工业制造中大量使用，边缘计算在工业智能制造中将会有非常广泛的应用空间。

下面以图2-8为例阐述边缘计算在工业智能制造场景中的应用。

MEC边缘云利用本地计算能力、存储能力，通过工业智能制造体系结构（包括功能、逻辑组件、技术体系结构）、系统模型和系统生命周期管理，识别并快速处理业务，即不需通过核心网而直接处理本地边缘业务，提升了工业制造业务并行协作、数据交换和开放网络对通信的反应能力和灵活性。

2.4.6　内容服务

内容服务行业，顾名思义是指提供内容服务的行业，其以信息资源的传播为特色，面向生活的方方面面，提供包括文字、图像、音频、视频等各种信息资源服务。互联网内容提供商可以通过网络让用户访问服务提供商的服务器，为用户提供其所需的信息资源服务。由于互联网的蓬勃发展，上网用户数不断刷新，对内容服务的需求日益增大，内容服务的表现形式也日趋繁多。但由于内容服务往往意味着大量的数据信息传递，因此行业的飞速发展和用户逐渐提高的服务要求对现有的网络提出了严峻的挑战，而单单将转变寄希望于提高现有网络基础设施是不现实的。

1. CDN/视频类业务

CDN作为内容服务的一员，其基本思路是在用户和服务器间设置一个“缓存”节点，从而尽量避免互联网上潜在的影响数据传输速度和稳定性的瓶颈和环节出现。CDN系统通过在靠近用户的网络“边缘”位置设置节点服务器，在现有网络基础之上构建了一张智能虚拟网，能够实时综合分析网络流量、网络拓扑、负载状况及到用户的距离、响应时间等信息，将用户请求重定向到最适合的服务节点上。这样，用户可以尽可能快地获得所需内容，避免流量在整张网上迂回产生网络拥挤，提高用户访问服务的响应速度。

但从目前来看，由于CDN运营方式的不灵活导致带宽资费设置不灵活，不能按需索取，致使CDN价格居高不下。而且CDN/视频业务本身的特性导致了大量网络资源带宽被占用，其快速增长对运营商的移动承载网络造成了很大的冲击。目前，移动网络的CDN系统一般部署在省级IDC机房，并非运行于移动网络内部，距离移动用户较远，仍然需要占用大量的移动回传带宽，因此并不能满足时延和带宽敏感类业务的需求。另外，OTT厂家已经规模部署了很多CDN节点，但CDN主要部署在固网内部，移动用户访问视频业务均需要通过核心网后端进行访问，这给运营商的网络资源传输带宽带来了很大的挑战。

在CDN/视频类业务中，高清视频直播的网络带宽要不低于50Mbit/s；当多路视频同时直播时，对下行带宽的要求可能超过200Mbit/s。

针对CDN/视频类业务目前存在的问题，需要将该类业务所需的计算能力和内容分发能力下沉。这既能减少网络传输和多级转发带来的带宽压力与时延损耗，又能帮助内容提供商降低成本，大幅度提升用户体验。

为了更好地阐述边缘计算在CDN/视频业务场景中的应用，下面以某厂商联合某内容服务提供商开发的一款在线视频系统为例进行介绍，如图2-9所示。

边缘CDN系统被部署在演进型基站（eNB）和演进分组核心网（Evolved Packet Core，EPC）之间的MEC平台上。将内容提供商的CDN由IDC机房下沉到接入机房后，数据传输距离减少，平均往返时延减少，下载速率得到明显提升。同时，基于MEC平台，内容提供商还可以利用MEC的计算、存储和网络功能，通过对用户视频请求数据包进行分析，为特定的高清付费用户提供充足带宽，以保证其观看体验。OTT在使用上述系统时，无须对自己的应用网络进行架构性变动，由此可以大幅降低使用成本，加速业务创新。

2. VR/AR类业务

虚拟现实（Virtual Reality，VR）技术是一种可以创建和体验虚拟世界的计算机仿真技术，它利用计算机生成一种模拟环境，使用户沉浸到该环境中。虚拟现实技术利用现实生活中的数据，通过计算机技术产生电子信号，将其与各种输出设备结合使其转化为能够让人们感受到的现象，这些现象可以是现实中的真实物体，也可以是我们肉眼所看不到的物质，通过三维模型表现出来[36]。

增强现实（AR）技术是促使真实世界和虚拟世界信息内容综合在一起的较新技术，其将原本在现实世界空间范围中比较难进行体验的实体信息在计算机等科学技术的基础上，进行模拟仿真处理、叠加，将虚拟信息内容在真实世界中加以有效应用，并且在这一过程中能够被人类感官所感知，从而实现超越现实的感官体验。真实环境和虚拟物体叠加之后，能够在同一个画面及空间中同时存在[37]。

无论是VR还是AR，它们都想使用户有身临其境的真实感，如果从用户改变动作到画面绘制在新的位置上使用太长的时间，画面就会产生偏移，造成拖影。因此，没有足够低的时延，就不能使用户拥有一个很好的服务体验。因此VR/AR类业务对网络的时延和带宽有着很高的要求。例如，沉浸式VR视频直播为获得舒适级体验（无眩晕感）需要网络带宽200Mbit/s起步，时延小于20ms；在多路直播情况下，网络带宽需求可能超过500Mbit/s；对于VR体验分享，还需要至少200Mbit/s的上行带宽。

如果仅依靠云服务来处理VR/AR类业务产生的数据，由于云计算固有的物理位置高的特性无法满足低时延需求，也会造成网络带宽的大量占用，引发网络严重拥堵等问题。因此可以通过边缘计算，将VR/AR任务卸载到边缘服务器，从根本上拉近用户和服务器的距离，从而降低平均处理时延，减少网络高处位置的拥塞。

下面以图2-10为例来阐述边缘计算在AR业务场景中的应用。

将AR应用部署在更靠近用户的MEC服务器上，MEC服务器通过网络数据计算用户的位置。用户发送的图像等实时信息可以经过基站传送至边缘处的AR服务器，由边缘处的AR服务器对用户端产生的数据进行实时处理。因此，当用户位置发生变化时，可根据实际情况更换部署AR应用的MEC服务器，从而为用户提供无卡顿、超现实的感官体验。

图2-11是北京世园会期间，某运营商5G+VR直播鸟瞰世园的解决方案。游客利用VR参观世园会，是边缘计算在VR场景的典型应用。

无人机配备360°摄像机进行世园会园区高清视频航拍，航拍数据通过用户终端设备（Customer Premise Equipment，CPE）被发送至MEC网络平台进行处理，处理后的图像实时返回游客的视频接收设备，如VR眼镜。该方案将VR图像渲染卸载到边缘服务器，并尝试重用用户之前的VR图像帧，以降低边缘服务器的计算和通信负担，使游客获得超强的观看体验，通过穿戴设备实现对整个园区的游览。