边缘计算是一种具有前瞻性的新兴计算范式，将对我国城镇化进程中的经济社会发展产生深远影响，带来巨大变革。本文从边缘计算的基本概念入手，探究技术应用背后系统的本质属性，展望边缘计算的关键应用领域和发展趋势。边缘计算可为智慧城市建设提供高效的网络计算架构，构建集网络、计算、存储、应用核心能力为一体的边缘开放平台，提供高效、低时延的近端用户服务。面对随之而来的机遇与挑战，提出了边缘计算驱动智慧城市发展的建议，描绘了未来智慧城市的蓝图。边缘计算的基本概念近年来，物联网和无线网络的广泛普及，带动了万物互联的应用需求不断发展。万物互联不仅包括人与人、人与物、物与物的连接，还包括人、物、数据、流程、场景等的有机融合，具有情境感知、更强的计算能力和感知能力能力，让互联网更有价值。万物互联涉及范围广泛的边缘设备。传感器、智能家电、智能手机，甚至可穿戴设备都将成为万物互联的一部分。因此，互联网边缘的终端设备数量及其产生的数据量将急剧增长。据国际数据公司统计[1]，到2025年，全球将有1500亿台终端设备接入网络，超过70%的数据将在网络边缘进行处理。思科预测，全球设备产生的数据量将从2016年的218ZB增长到2021年的847ZB。随着边缘设备产生数据量的增加和计算需求的增加，网络延迟过大和带宽不足逐渐成为传统云计算的瓶颈。然而，仅靠增加网络带宽并不能满足海量物联网设备和应用的需求。由于时延要求，计算任务必须卸载到靠近数据源的边缘设备上，从而减少数据传输，提高响应速度。[2]针对云计算面临的困难，边缘计算作为一种新的计算范式被提出，并逐渐成为满足万物互联应用需求的新兴计算模式。边缘计算模型中的边缘设备具有计算和分析能力，通过在网络边缘进行计算，为应用开发商和服务提供商提供计算能力支持[3]。边缘计算采用分布式计算架构，将主要应用、服务和数据存储下沉到网络边缘侧，让计算更接近数据源头。边缘计算将原本在中心节点处理的大型任务分解为多个更小、更易于管理的子任务，将其放置在靠近数据源或用户服务终端的地方，就近运行和提供边缘智能服务，从而减少网络通信和服务交付的成本。延迟减轻云端压力，产生更快的网络服务响应，满足业界在实时业务、智能应用、安全和隐私保护等方面的关键需求。2017年，美国加州大学MichaelI.Jordan教授，伯克利（美国国家科学院院士、美国国家工程院院士、美国艺术与科学院院士）牵头发布人工智能研究报告，指出边云融合是支撑未来人工智能的九大关键情报应用技术之一。与传统云计算相比，边缘计算的优势主要体现在以下三个方面。近实时计算。云计算需要将数据上传到中心节点进行处理。由于网络带宽的限制，将边缘设备产生的海量数据上传到云计算中心会造成巨大的网络负担，而物联网应用往往对实时性要求很高，比如无线人驾驶需要每一个动作都在10毫秒，而云计算在传输数据过程中造成的巨大延迟显然不能满足这样的实时性要求。相反，边缘计算可以将计算能力部署在网络中最接近每个运行逻辑的地方（例如移动蜂窝基站），从而确保自动驾驶汽车能够实时处理车辆感知数据。本地化数据保护。物联网中的数据与用户的生活息息相关，将这些数据上传到云计算中心会增加用户隐私数据泄露的风险。边缘计算数据的采集和计算在本地或边缘节点进行，无需上传至云端，重要敏感信息无需通过网络传输，有效避免了隐私泄露问题。数据中心和终端设备靠近用户，减少了网络传输的影响。同时，物联网设备容易受到网络攻击，而边缘计算的分布式架构天然具有抵抗此类攻击的特性，具有更高的可靠性和容错性。减少云数据传输。随着越来越多的设备接入互联网，云数据中心的计算量和数据传输量越来越大，网络传输的压力也越来越大。边缘计算模式下，边缘服务器提供计算能力对存储的本地数据进行计算，减少与云服务器交互的数据，显着减少占用的网络带宽，从而减少进入核心网和云计算的流量消耗.中心的算力损耗也达到了降低能耗的目的。总之，边缘计算和云计算的特点和区别如表1所示。表1边缘计算和云计算的主要特点对比由于边缘计算潜在的巨大产业价值，世界各国和地区都在大力发展推动边缘计算技术研发。2019年，欧盟委员会与欧盟“地平线2020”（Horizo??n2020）研究与创新计划共同资助实施边缘计算项目DECENTER，用于开发边缘计算平台，可以无缝部署智能应用，同时提供可控的安全和隐私保护。美国国家科学基金会（NSF）发布了2017-2019年CNS（计算机和网络系统）核心计划，重点支持边缘计算研究项目。2018-2019年，我国国家重点研发计划“先进网络制造”和“物联网与智慧城市”专项也将边缘计算列为重点课题。在工业界，主要制造商和巨头公司也在部署边缘计算。AT&T、微软、亚马逊、阿里巴巴、腾讯等公司纷纷发布边缘计算战略。华为、英特尔等厂商率先建立了边缘计算产业联盟。欧洲电信标准协会（ETSI）发布了一份关于5G边缘计算的白皮书。经过几年的技术积累，边缘计算目前正处于高速发展阶段。边缘计算的主要应用领域及发展趋势万物互联时代，边缘计算引领着社会发展的未来。边缘计算主要存在于以下应用领域。智能家居。物联网的发展让家居环境更加智能化，越来越多的智能家居出现在市场上，比如扫地机器人、智能照明、智能门窗等。[4]在物联网主导的时代云计算，家庭感知到的数据主要通过无线网络发送到云端数据中心，一些耗时耗资源的任务由云端统一处理。随着边缘计算的发展，家庭终端本身拥有更强大的计算能力，更低的处理时延让家庭变得更智能。几乎所有的家居都可以连接到物联网。扫地机器人可以自主学习更复杂的家居布局，让全屋规划不漏扫。门窗、锁具等住户产生的私密数据无需传输至云端，在家范围内即可处理。边缘计算的引入提高了家庭的便利性、舒适性和安全性。智慧医疗。随着医疗保健行业的重要性日益提高，人工智能辅助医疗平台和可穿戴设备正在助力行业发展。个性化、便捷化的医疗服务和医疗数据的隐私安全问题，使得边缘计算在智慧医疗行业发挥着越来越重要的作用。边缘计算的应用使偏远地区的人们能够更好地享受医疗资源，通过更智能的可穿戴设备和人工智能医疗平台享受更加个性化的医疗服务。医疗保健行业将迎来更美好、更光明的未来。智能交通。边缘计算在智能交通中的应用包括自动驾驶、智能网联汽车、交通管理等。生活中的各种交通工具会产生大量的数据（包括文本、图像、视频等），需要实时处理.边缘计算技术可以大大提高交通秩序管理和运输效率。例如，自动驾驶对任务响应时间的要求非常高。汽车上的各种传感器收集了大量数据。使用边缘计算，可以在更靠近车辆的地方处理数据，从而减少延迟。[5]智慧教育．随着物联网和人工智能时代的到来，教育信息化正逐步从“互联网+”向“智能+”升级。在现代智慧校园中，教学设备不断升级，如多媒体教学设备、交互式电子白板、智能监考、智能控制中心等，教育应用也在不断进化，尤其是VR/VR等教育模式的出现。AR和沉浸式教学，对边缘计算设备的数据分析能力和高效的音视频处理能力提出了更高的要求。通过边缘计算与基础设施的交互协同，有利于积极应对教育领域的各种挑战，如个人学习、数据分析、教学创新、校园安全等，构建智慧农业。农业物联网技术是实现智慧农业、精准农业的有效手段。边缘计算可以很好地解决偏远地区网络带宽资源不足的问题。通过物联网的感知，将动植物和环境信息（如温度、湿度、土壤、光照和设备性能等）的全面感知和互联互通，服务于农业生产的各个场景，提高农业增效，助力农业生产数字化、智能化。智能制造。边缘计算与工业制造密切相关。随着“工业4.0”时代的到来，工业制造将更加智能化，对设备的组件化、专用化提出更高要求，生产过程中将产生更多数据。实时互动。边缘计算的应用使得设备可以在本地进行升级，更好地监控设备的性能，满足生产过程中的实时性要求。通过边云协同，优化产业链和产业结构，让产业真正走向智能制造。公共安全。公共安全涉及社会的方方面面（如消防、出行），影响着人们的生活。自然灾害、交通事故、刑事犯罪等各种事件都存在很多不确定性。在预防和处置公共安全事件时，对实时性和准确性的要求非常高。许多传感器和摄像头安装在公共环境中，尤其是视频图像。在边缘处理可以降低网络带宽要求。实时数据分析处理在众多公共安全事件的预防和处置中发挥着极其重要的作用。[6]紧急救援。近年来，灾害频发，给人民生命财产造成严重损失，人们越来越重视应急救援机制和方案的研究。在紧急救援场景中，信息的实时处理和救援人员的安全极为重要。将无人机技术应用于救援，可以获得更全面的信息，保障救援人员的人身安全。同样，一些轻型救援机器人可以深入危险区域，通过边缘计算和云计算为急救人员提供紧急情况的相关信息。这些应用都离不开边缘计算的快速发展。边缘计算的应用领域远不止上述场景，还可以应用到经济社会的方方面面，比如金融、新零售、能源等。总之，边缘计算正在引领未来物联网;这也将是5G的核心功能之一。5G时代将产生更多的数据，5G带来的高带宽和低时延将进一步推动边缘计算的发展。[7]边缘计算给智慧城市带来的机遇与挑战边缘计算技术具有广阔的发展潜力，将为智慧城市建设带来巨大机遇，可概括为技术层面和应用层面。技术水平。边缘计算通过融合网络、计算、存储、应用核心能力的开放平台，提供高效的近端服务。由于其应用在边缘侧上线，可以实现更快的网络服务响应，从技术层面满足智慧城市建设中业务实时性、快速部署、高效运营、安全和隐私保护等基本需求。边缘计算因为更贴近用户，为智慧城市应用提供更快的响应，在边缘解决任务需求。采用边缘计算技术架构，许多控制将通过本地设备实现，无需交给云端；处理过程也将在本地边缘计算层完成，大大提高了处理效率，降低了云端负载。边缘计算还可以与云计算相结合，克服不同计算模型的特定局限性，提供更高效的服务。在隐私保护方面，很多终端设备（如智慧路灯、电子标签）没有足够的资源来支持端到端的安全。通过采用边缘计算模型，可以将安全管理任务从低性能的终端设备转移到更强大的终端设备上。在边缘设备上，通过将边缘设备作为安全代理来管理终端设备的安全需求。在实施过程中，边缘设备可以为每个终端设备创建一个安全配置文件，任何对终端设备的访问或发送给终端设备的指令都将由边缘设备代表这些终端设备通过完整的安全审查机制进行处理。.例如，代理终端设备的边缘设备可以利用认证协议来认证希望与终端设备通信的第三方设备。授权也可以由边缘设备管理，决定哪些第三方设备可以访问终端设备收集的数据，或者可以向终端设备发送控制命令。[8]应用层面。边缘计算在智慧城市中有着丰富的应用场景，从网络摄像机部署、智能感知系统平台搭建到数据采集、传输和处理。大量研究和观察发现，边缘计算非常适合需要超低延迟的用户服务，例如沉浸式虚拟现实和增强现实应用。利用边缘计算，可以实现高清视频流的增强现实用例，以支持智慧城市旅游业的发展。无论用户如何移动，边缘计算都能确保服务始终跟随用户，始终从最近的边缘提供服务。基于边缘计算，智慧城市建筑有望实现智能化、人性化，建筑产生的数据能够得到很好的处理和利用。基于深度学习和大数据分析辅助的移动边缘计算和自动驾驶技术，无人驾驶服务可以实现视线内隐形车辆的实时定位、城市区域协同危险预测和自动驾驶3D地图生成。基于边缘计算的多能源网络可以提高能源系统在不同规模区域（如公园、岛屿、城镇等），包括大型建筑的整体效率和有效性。基于边缘计算技术的多能源网络可以整合智能电网、供热供气网络和网络交通，实现智慧城市的统一能源管理。边缘计算作为一项新兴技术，也会经历一个从无到有、从萌芽到成熟的过程，也会受到社会需求和传统规则的影响。尽管边缘计算将从技术和应用层面为智慧城市建设带来巨大机遇，但其发展过程也将面临技术、应用乃至法律、伦理等方面的挑战。边缘计算技术在智慧城市应用中面临的主要挑战包括以下三个方面。数据收集和存储挑战。智慧城市应用会产生大量的感知数据，这对边缘计算系统的存储和计算提出了挑战。研究报告显示，[9]一个拥有100万人口的城市每天会产生180PB的数据，这些数据来自公共安全、公共卫生、公共设施、公共交通等方面。此外，边缘计算在智慧城市建设中的应用也会遇到数据所有权的法律问题。基于边缘计算，大量数据存储在边缘，并在智慧城市的各种应用中得到利用。然而，在很多情况下，数据生成者（或拥有者）并不知道自己的数据（甚至私人数据）正在被他人使用。如何从伦理或立法的角度明确边缘计算系统的数据归属，是智慧城市建设的一大挑战。差异化和可扩展的服务挑战。差异化、可扩展的边缘计算服务管理系统设计是智慧城市建设的重要需求之一。未来的智慧城市建设有望在网络边缘部署多种服务，这些服务会有不同的优先级。例如，一些关键业务，如公共安全、故障告警等，应该比普通业务更早处理。跌倒检测或心力衰竭检测等健康相关服务也应比娱乐等其他服务获得更高的优先级。[10]同时，边缘计算系统中可能有多个应用共享同一个数据源。一个应用程序失败或变得无响应可能会导致使用同一数据源的其他应用程序同时失败。上面提到的系统应用隔离带来的挑战，可以通过引入部署或卸载框架来解决。如果操作系统可以在安装应用程序之前检测到冲突，则可以警告用户并避免潜在的访问问题。此外，如何将用户隐私数据与第三方应用隔离也是隔离挑战之一。数据隐私和安全挑战。在网络边缘，数据隐私安全保护是最重要的服务。利用边缘计算推动智慧城市建设，可以从感知的使用数据中获取大量隐私信息。随着越来越多的数据和计算能力在边缘设备上可用，边缘设备也容易受到安全攻击。[11]例如，通过了解用电量或用水量，很容易推断出市民的房屋是否空置。解决边缘数据安全和使用隐私问题仍然存在巨大挑战。以WiFi网络安全为例。在全球使用无线连接的4.39亿家庭中，49%的WiFi网络不安全，而80%的家庭仍然将路由器设置为默认密码。对于公共WiFi热点，89%属于不安全的利益相关者，包括服务提供商、系统和应用程序开发人员以及最终用户。请注意，在网络边缘，用户隐私可能会在不通知的情况下受到损害。用户或应用需要边缘服务器提供计算资源，这必然会将数据临时存储在边缘。网络边缘高度动态的环境将对用户隐私和数据安全带来更大挑战。目前还缺乏有效的工具来保护网络边缘的数据隐私和安全。边缘计算驱动城市公共安全视频分析案例作为视频数据的重要来源之一，视频抓拍摄像机在城市的各个角落随处可见。不仅如此，摄像机数量以每年20%的速度持续扩张，伴随而来的是视频大数据衍生的视频分析应用数量的快速增长，城市公安场景中的视频分析也备受关注学者。世界和行业的关注。在数据处理量快速增加的背景下，如何从视频中获取有用信息成为智慧城市发展的重点目标，而智能视频分析是实现这一目标的有效手段，这将决定城市的智能化程度。整个智慧城市度。视频分析任务往往需要高精度和低延迟来支持应用实时获取结果，这需要强大的计算性能。当前商用摄像机的计算性能无法有效支持其实时完成视频分析任务。针对这一问题，提出了视频源与云端相结合的解决方案，将摄像头产生的视频流发送到具有强大计算性能的云端，然后在云端完成视频分析任务。但是，这带来了额外的网络资源消耗和网络延迟，极大地阻碍了对实时性要求高的视频分析任务。为了追求更低的时延，结合边缘计算的解决方案应运而生。如图1所示，通过在靠近摄像头的边缘完成部分或全部计算任务，视频分析系统消耗更少的带宽并实现更低的延迟来完成视频分析任务。图1边缘计算驱动的视频分析示意图不同的视频分析任务往往有不同的性能需求。一些视频分析任务是长期连续的，比如统计车流量作为红绿灯持续时间的参考，对时延的要求不是很高；而一些视频分析任务需要在短时间内完成，比如车牌应用，对准确率和时延要求很高。同时，视频分析任务的性能会受到计算资源（处理器类型、内存等）、视频流参数（分辨率等）、视频分析算法模型等诸多因素的影响。.如果提供的资源不足，可能无法运行满足精度要求的视频分析算法，或者延迟过高，无法满足应用要求；如果提供的资源太大，就会造成浪费。因此，对于视频分析系统，如何合理调度任务和分配资源，使系统在满足视频分析任务要求的同时，能够有效利用资源，具有十分重要的研究意义。从架构上看，现有的视频分析系统主要关注如何确定任务在不同层之间、同一层不同节点之间的执行位置，从而实现计算卸载，提高整个系统的性能。由于现实中存在许多不同系统架构和资源特性的场景，一些工作提出了在特定场景下结合视频分析任务特性和整体架构特性的调度策略，以提高系统性能。例如，对于一个多任务摄像头，其产生的视频流往往被用于执行多个不同的视频分析应用（包括交通检测、失踪儿童搜索和逃逸车辆跟踪等）。但是，这些视频分析过程的执行流程在某些步骤上是相同的，这意味着可以使用此功能来节省资源开销。多任务对同一台摄像机的视频流进行目标检测，然后根据目标检测结果根据不同的应用进行不同的分析，这必然会导致系统效率的下降。对于边缘计算驱动的城市公安视频分析，如何高效结合任务需求，合理分配边缘计算资源是亟待解决的研究课题。发展建议与展望在边缘计算驱动智慧城市发展的过程中，可以从以下路径提升边缘计算的应用效率和安全水平。夯实安全基础，完善边缘计算安全体系。智慧城市建设需要提高城市基础信息网络、核心关键信息和系统的安全可控性。智慧城市建设涉及应用、平台、连接、终端等多个层面，各个环节存在不同的安全隐患。同时，随着边缘计算在为智慧城市赋能的过程中不断深入，应用层、平台层、网络层、数据层、终端层等各个层面的威胁和风险都有其独特性.突破可能带来不可预知的损失。在边缘计算赋能智慧城市的过程中，需要不断完善安全保障体系和安全防护机制。根据不同层级的特点，综合考虑安全技术、安全管理、安全运营等因素，设计制定个性化的安全规则，配置定制化的各级防御安全防护机制，为赋能智慧城市打下坚实的安全基础.坚持融合发展战略，构建边缘计算标准规范体系。在边缘计算赋能智慧城市的过程中，要积极响应政府的引领，协调相关各方制定统一、科学、合理的边缘计算技术在智慧城市的应用标准体系，提高边缘计算的度、各地智慧城市建设水平和质量。效益评价等为部分有需要的地区建立区域拓展和定制化评价指标体系提供依据，为各地智慧城市规划建设综合分析提供统一维度。同时，针对不同技术和政策产生的异构海量数据、硬件设备、网络资源等异构信息，需要推动构建一个开放的、可扩展的、可扩展的、适应环境动态变化的标准。城市各领域需求标准化体系，推动智慧城市建设发展向更深层次发展。围绕核心需求打造开放的边缘计算生态系统。智慧城市是高新技术的载体，涵盖政务、园区、物流、交通、教育、医疗等应用场景，需要多种技术和产业的深度融合。在边缘计算赋能智慧城市的过程中，需要打造一个充分开放的生态系统，能够融合边缘计算、大数据、云计算、区块链、人工智能等新技术，吸引优质合作伙伴，吸纳高新技术。优质资源，聚焦智慧城市核心需求，在市民、企业、城市管理等方面，开展符合城市定位的针对性、特色化应用，参与智慧城市共建多方和观点。建立健全监管机制，形成智慧城市建设的良好闭环。在边缘计算赋能智慧城市的过程中，要遵循智慧城市和边缘计算技术的发展规律，做好顶层设计，构建系统布局，探讨边缘计算技术在我国的监管问题。在智慧城市赋能过程中，同步开展相关政策法规研究，注重防范各类风险隐患，构建科学合理的监管机制，为完善保障体系、优化标准体系提供科学指导，构建开放生态，形成良好闭环，推动边缘计算技术赋能。智慧城市的可持续发展。
