隨著5G技術(shù)的不斷成熟,5G+MEC+智能應(yīng)用為各個(gè)行業(yè)的提質(zhì)升級(jí)提供強(qiáng)有力的技術(shù)支撐。5G的低時(shí)延、高帶寬特性和MEC對(duì)業(yè)務(wù)的就近處理的特點(diǎn),結(jié)合AR技術(shù)為實(shí)現(xiàn)遠(yuǎn)程協(xié)助/指導(dǎo)、預(yù)測(cè)性維護(hù)、視頻分析處理等應(yīng)用提供了有力的支撐。文章結(jié)合MEC邊緣云和智能AR技術(shù)的應(yīng)用,針對(duì)醫(yī)療、工業(yè)制造/維修、社區(qū)安防等行業(yè)提出了基于MEC邊緣云的智能AR平臺(tái)的解決方案,并提出邊緣智能AR系統(tǒng)的部署組網(wǎng)架構(gòu)和通過(guò)CDN加速的平臺(tái)優(yōu)化模式,實(shí)現(xiàn)了平臺(tái)計(jì)算能力和AR輔助類(lèi)應(yīng)用效率的提升和處理時(shí)延的降低。 

【文章來(lái)源】：信息通信技術(shù). 2020,14(04)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

智能AR平臺(tái)基本架構(gòu)

中心云提供計(jì)算和管理兩個(gè)功能，計(jì)算功能同樣采用云計(jì)算的三層架構(gòu)，提供較邊緣云更高級(jí)的處理能力，以處理邊緣云由于輕量級(jí)架構(gòu)可能不滿(mǎn)足的較高要求的計(jì)算能力。如PaaS層提供的高級(jí)AI訓(xùn)練、高階AR渲染等能力，由于對(duì)算力要求較高，可由中心云進(jìn)行處理。中心云的管理功能提供邊緣DC管理、邊緣IaaS管理、邊緣PaaS管理和邊緣應(yīng)用管理等能力，可對(duì)系統(tǒng)內(nèi)的多個(gè)邊緣云節(jié)點(diǎn)及其基礎(chǔ)設(shè)施、PaaS、應(yīng)用等進(jìn)行統(tǒng)籌納管�；贛EC邊緣云的智能AR平臺(tái)的邊緣云和中心云需要通過(guò)聯(lián)動(dòng)機(jī)制來(lái)實(shí)現(xiàn)協(xié)同。如圖3所示，基于MEC邊緣云的智能AR平臺(tái)的邊緣采集設(shè)備會(huì)采集到大量的數(shù)據(jù)，數(shù)據(jù)都會(huì)上傳至邊緣云端進(jìn)行處理，邊緣云可以負(fù)責(zé)一定范圍內(nèi)的AR和AI處理和存儲(chǔ)的工作，結(jié)合AI的智能分析處理技術(shù)，面向AR圖像渲染、圖像整合、視頻監(jiān)控、人臉識(shí)別等業(yè)務(wù)場(chǎng)景，以低時(shí)延、大帶寬、快速響應(yīng)等特性彌補(bǔ)當(dāng)前時(shí)延大、用戶(hù)體驗(yàn)較差的問(wèn)題，實(shí)現(xiàn)本地分析、快速處理、實(shí)時(shí)響應(yīng)。同時(shí)，終端設(shè)備采集到的數(shù)據(jù)大多數(shù)可以作為大數(shù)據(jù)處理的數(shù)據(jù)源，因此數(shù)據(jù)在經(jīng)過(guò)邊緣云處理后仍需要上傳至中心云或由采集設(shè)備直接上傳至中心云。數(shù)據(jù)可在中心云進(jìn)行大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時(shí)進(jìn)行AI算法模型的訓(xùn)練和升級(jí)，升級(jí)后的AI算法可推送到邊緣云及邊緣設(shè)備，對(duì)邊緣云和設(shè)備進(jìn)行更新和升級(jí)，形成中心云執(zhí)行AI訓(xùn)練、邊緣云執(zhí)行AI推理的協(xié)同機(jī)制和自主學(xué)習(xí)閉環(huán)[6]。同時(shí)，中心云還可以為數(shù)據(jù)提供集中存儲(chǔ)備份的功能，如果邊緣云處理過(guò)程中出現(xiàn)故障或損壞等情況，存儲(chǔ)在中心云的數(shù)據(jù)不會(huì)丟失。

基于MEC邊緣云的智能AR平臺(tái)的邊緣云和中心云需要通過(guò)聯(lián)動(dòng)機(jī)制來(lái)實(shí)現(xiàn)協(xié)同。如圖3所示，基于MEC邊緣云的智能AR平臺(tái)的邊緣采集設(shè)備會(huì)采集到大量的數(shù)據(jù)，數(shù)據(jù)都會(huì)上傳至邊緣云端進(jìn)行處理，邊緣云可以負(fù)責(zé)一定范圍內(nèi)的AR和AI處理和存儲(chǔ)的工作，結(jié)合AI的智能分析處理技術(shù)，面向AR圖像渲染、圖像整合、視頻監(jiān)控、人臉識(shí)別等業(yè)務(wù)場(chǎng)景，以低時(shí)延、大帶寬、快速響應(yīng)等特性彌補(bǔ)當(dāng)前時(shí)延大、用戶(hù)體驗(yàn)較差的問(wèn)題，實(shí)現(xiàn)本地分析、快速處理、實(shí)時(shí)響應(yīng)。同時(shí)，終端設(shè)備采集到的數(shù)據(jù)大多數(shù)可以作為大數(shù)據(jù)處理的數(shù)據(jù)源，因此數(shù)據(jù)在經(jīng)過(guò)邊緣云處理后仍需要上傳至中心云或由采集設(shè)備直接上傳至中心云。數(shù)據(jù)可在中心云進(jìn)行大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時(shí)進(jìn)行AI算法模型的訓(xùn)練和升級(jí)，升級(jí)后的AI算法可推送到邊緣云及邊緣設(shè)備，對(duì)邊緣云和設(shè)備進(jìn)行更新和升級(jí)，形成中心云執(zhí)行AI訓(xùn)練、邊緣云執(zhí)行AI推理的協(xié)同機(jī)制和自主學(xué)習(xí)閉環(huán)[6]。同時(shí)，中心云還可以為數(shù)據(jù)提供集中存儲(chǔ)備份的功能，如果邊緣云處理過(guò)程中出現(xiàn)故障或損壞等情況，存儲(chǔ)在中心云的數(shù)據(jù)不會(huì)丟失。3.2 組網(wǎng)架構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]面向5G MEC邊緣云的CDN下沉方案[J]. 呂華章,王友祥,唐雄燕.  移動(dòng)通信. 2019(01)



本文編號(hào)：3535013