1.5.3　海计算

1. 基本概念

海计算（Sea Computing）是2009年8月18日，通用汽车金融服务公司董事长兼首席执行官Molina在2009技术创新大会上所提出的全新技术概念[39]，中国科学院江绵恒副院长于2010年4月12日在北京国谊宾馆召开的中国科学院战略高技术十二五规划研讨会上也提出了该概念[40]。海计算是一种新型物联网计算模型，通过在物理世界的物体中融入计算、存储、通信能力和智能算法，实现物物互联，通过多层次组网、多层次处理将原始信息尽量留在前端，提高信息处理的实时性，缓解网络和平台压力。

海计算为用户提供基于互联网的一站式服务，是一种最简单、可依赖的互联网需求交互模式。用户只要在海计算系统输入服务需求，系统就能明确识别这种需求，并将该需求分配给最优的应用（或内容资源）提供商进行处理，最终返回给用户相匹配的结果。

海计算模式下的物联网技术架构如图1-8所示。海计算通过在物理世界的物体中融入计算与通信设备及智能算法，让物物之间能够互联，在事先无法预知的场景中进行判断，实现物与物之间的交互。海计算一方面通过强化融入各物体的信息装置，实现物体与信息装置的紧密融合，有效地获取物质世界信息；另一方面，通过强化海量的独立个体之间的局部即时交互和分布式智能，使物体具备自组织、自计算、自反馈的海计算功能。海计算的本质是物物之间的智能交流，实现物物之间的交互。云计算是服务器端的计算模式，而海计算代表终端的大千世界，海计算是物理世界各物体之间的计算模式。

2. 特点及优势

与云计算的后端处理相比，海计算指的是智能设备的前端处理。海计算的每个“海水滴”就是全球的每个物体，它们具有智能，能够协助感知互动。亿万种物体组成物联网系统，就如同海水滴形成大海一样。简而言之，海计算模式倡导由多个融入了信息装置、具有一定自主性的物体，通过局部交互而形成具有群体智能的物联网系统。

1）特点

一是节能、高效。充分利用局部性原理，可以有效地缩短物联网的业务直径，即覆盖从感知、传输、处理与智能决策到控制的路径，从而降低能耗，提高效率。

二是通用结构。引入融入信息装置的“自主物体”，有利于产生通用的、可批量重用的物联网部件和技术，这是信息产业主流产品的必备特征。

三是分散式结构。海计算物联网强调分散式结构，较易消除单一控制点、单一瓶颈和单一故障点，扩展更加灵活。群体智能使得海计算物联网更能适应需求和环境变化。

海计算有效克服了前端采集设备处理、存储、传输等方面能力受限的天生缺陷，充分发挥了每个信息采集设备的能力，利用海量前端设备的个体智能化和群体智能化应对海量信息处理，为网络和平台提供了更大选择空间，为各类智慧应用的实现提供了更大可能。海计算改变了前端采集、中端传输、后端处理的传统模式，在成本、性能、网络、平台等方面均体现出明显优势，有利于提升业务实现效率和效果，延长系统寿命。

2）优势

一是成本。随着微电子技术和工艺的发展，前端采集设备的智能化并不会带来成本的显著增加，而海计算缓解了网络的传输压力及后端平台的处理、存储压力，减少了网络和平台投资，整体建设成本降低。

二是性能。海计算采用前端采集设备和后端平台相结合的层次处理模式，缩短了信息融合和反馈路径，提高了处理效率，降低了能耗，提高了业务实时性；通过分散式结构避免出现单一控制点、单一瓶颈、单一故障点，拓展性更好，鲁棒性更强。

三是网络。海计算通过前端个体智能处理、群体智能融合及存储本地化显著减少传输信息量，减轻网络负担。

四是平台。海计算通过智能前端设备对原始信息进行处理，得到特征信息或决策信息，并利用底层网络融合完成大部分信息融合处理，实现存储本地化，显著缓解平台的处理和存储压力。

3. 关键技术

海计算涉及自组网、时间同步、短距离通信、协同处理、信息安全等多个关键技术领域。

1）自组网

某些特殊安防场景（如战场监控等）下前端采集设备随机部署，无法进行现场或远程组网配置，影响海计算群体智能的实现，需要能够在设备部署完毕、新设备加入网络、设备退出网络等场景下进行自组网。

在所有设备首次部署完毕之后通过设备搜索、时间同步等技术实现设备间的网络互联，进行正常网络通信。当有新设备加入网络时，网络拓扑结构将发生变化。新设备通过向附近设备发出加入请求及信息交互实现新设备的加入。当有设备主动退出或因故障退出网络时，附近设备发现通过该退出设备的路由断掉，会通过与周围设备进行组网信息的交互实现重新组网。

2）时间同步

信息采集设备之间的时间同步是保证设备间协同处理有效实现的前提。时间同步受发送时间、介质访问时间、接收处理时间等多种因素的影响，不同场景对时间同步的算法复杂度、算法精度等要求各异。目前，针对信息采集设备的时间同步机制研究主要包括集中式同步和分布式同步两种机制：集中式同步机制由根设备生成拓扑树，拓扑树的各级设备与上一级设备同步，不能越级同步，单跳偏差逐跳累积，整个网络的拓扑性差，全网同步收敛速度慢；分布式同步机制无须由根设备生成树，设备之间采用分布式广播同步，通过相邻设备间的信息交互，使设备时间同步到一个虚拟时间上，收敛速度快，扩展性好，鲁棒性强，不会因为根设备失效而导致全网重新同步。

3）短距离通信

智能采集设备间距离较短，通常采用无线方式进行通信。传统的无线技术功耗较高、时延较大，无法满足频繁的设备交互需求。短距离通信技术包含物理层和链路层技术、无线通信技术两部分。物理层和链路层技术包括已有蓝牙（IEEE 802.15.1）、超宽带UWB（IEEE 802.15.3a）和低速低功耗通信（802.15.4）等一些技术。它们为无线通信的实现制定了底层规范，是无线通信有效实现的基础。

而无线通信技术包括ZigBee、ISA100和Wireless HART等技术。它们建立在物理层和链路层技术之上，实现了在短距离情况下智能采集设备间的无线通信和信息交互，为感知层网络的协同信息处理奠定了基础。短距离通信技术采用轻量级的通信协议，功耗、时延性能明显改善，是实现海计算模型下智能采集设备信息交互的关键。

4）协同处理

由于计算、通信、存储等能力受限，单个智能设备采集的原始信息和经过处理的特征或决策信息存在片面性和零散性，无法满足智慧安防对信息完整性的要求，需要通过设备间以及设备与平台间的协同处理实现群体智能，从而获取更完整、可靠的信息。协同处理的信息包括上传数据、下行数据、状态数据、控制数据和功能数据。

更为具体地，上传数据包含结果信息和过程反馈信息；下行数据包含任务说明和服务质量需求；状态数据包含设备性能、场景特征、状态更新等参数；控制数据包含状态控制信息、角色控制信息和任务控制信息；功能数据包含数据级信息、特征级信息和决策级信息。

5）信息安全

传统的互联网信息安全多关注提高算法鲁棒性，而降低算法复杂度的驱动力不强；物联网前端采集设备由于处理能力受限，需要轻量级的信息安全体系。为抵御拥塞攻击、耗尽攻击、黑洞攻击、泛洪攻击等常见攻击，海计算模型下的信息安全技术研究主要集中在密码算法、密钥管理、认证、安全路由、入侵检测、防DOS攻击和访问控制等方面。

理论上，参与信息处理的节点数目越多，融合信息越多，效果就越好，但同时产生的系统开销（包括通信资源、计算资源、能耗等）也越大；节点间交换的信息层次（原始信息层次最低，特征信息次之，决策信息层次最高）越低，包含的信息量越多，需要的通信带宽也越大。在满足系统性能要求的情况下尽量降低系统开销，是海计算有效落地面临的核心问题。

4. 应用案例

无人驾驶汽车就是一个典型的海计算应用，车与车之间、车与红绿灯之间、车与行人之间的情况需要通过即时感知和交互式智能来判定。基于泛在感知的智能化机械加工需要在机床中融入能够感知和处理诸如压力、温度、位置等信息的智能装置，将智能赋予机床，因此海计算应该是机械加工行业发展物联网的一个方向。协调管理家庭中各种设施的智能家居系统也是海计算模型的一个应用场景。一些典型的智能目标监测与识别应用，如战场环境监测、智能交通、入侵检测等，对系统的实时性、准确性具有较高的要求，很难通过“分布式信息采集→云计算平台→反馈控制”这种架构来构建系统；而借助海计算技术，则可以充分挖掘终端节点的计算资源，实现智能实时感知和精确控制。