★中國鐵塔股份有限公司閆亞旗，冉沛，張闊，劉文睿，唐琳

關(guān)鍵詞：邊緣計算；視頻監控；邊緣智能網(wǎng)關(guān)；云邊協(xié)同

1　引言

隨著(zhù)5G、大數據、人工智能、產(chǎn)業(yè)互聯(lián)網(wǎng)及數字經(jīng)濟的發(fā)展，以云計算為核心的傳統處理模式越來(lái)越難以為繼，而以邊緣計算為代表的算力下沉成為新的發(fā)展趨勢。邊緣計算是指在網(wǎng)絡(luò )邊緣執行計算任務(wù)和數據處理的一種分布式計算模式，它將原本集中在云端的數據處理任務(wù)下沉到靠近數據產(chǎn)生源的網(wǎng)絡(luò )邊緣，通過(guò)邊緣節點(diǎn)就近提供計算服務(wù)，有效降低了數據傳輸的延遲和帶寬消耗，同時(shí)減輕了云端的計算和存儲壓力。

近年來(lái)，人們對于個(gè)人和社會(huì )安全的關(guān)注度不斷提升，視頻監控作為一種有效的安全防范手段，其市場(chǎng)需求迅速增長(cháng)。特別是在疫情期間，公共場(chǎng)所、交通樞紐、醫療機構等關(guān)鍵區域對視頻監控的需求更加迫切，視頻監控業(yè)務(wù)飛速發(fā)展。然而，大量攝像頭終端的接入及其產(chǎn)生的海量數據以及數據隱私泄露風(fēng)險，對傳統以云計算為核心的視頻監控系統提出了極大的挑戰，因此基于邊緣計算的視頻監控系統成為當下業(yè)界研究的熱門(mén)。邊緣計算其本質(zhì)上是云計算的擴展和延伸，邊和云各有所長(cháng)，在邊云協(xié)同的工作架構中，邊緣節點(diǎn)和云端各自扮演著(zhù)重要角色，云端負責統籌管理各個(gè)邊緣節點(diǎn)，確保它們能夠高效地協(xié)同工作，包括任務(wù)的分配、資源的調度以及節點(diǎn)的狀態(tài)監控等，同時(shí)利用大數據和人工智能技術(shù)對邊緣上報的數據進(jìn)行有價(jià)值的洞察，并利用這些數據對算法模型進(jìn)行持續的迭代優(yōu)化，提升識別和預測的精準度。邊緣節點(diǎn)對視頻監控數據進(jìn)行預處理操作，剔除冗余和無(wú)效的視頻幀，并在云端的統籌下執行部分或全部的計算任務(wù)，并將計算結果及其他關(guān)鍵數據上報給云端。

2　基于邊緣計算的視頻監控系統

傳統視頻監控系統通常采用云端架構，前端攝像機實(shí)時(shí)采集視頻流，通過(guò)有線(xiàn)或無(wú)線(xiàn)網(wǎng)絡(luò )接入中心云平臺，實(shí)現視頻信息的存儲、分發(fā)、智能分析、業(yè)務(wù)應用及管理等，為用戶(hù)提供了多樣化的視頻應用?；谶吘売嬎愕囊曨l監控系統，在前端攝像機和中心云平臺之間增加了具有智能計算能力的邊緣層，形成了彈性更強的端邊云協(xié)同架構。該架構從邏輯功能上分為終端層、邊緣層、平臺層和應用層，如圖1所示。

圖1 基于邊緣計算的視頻監控系統架構

終端層是整個(gè)系統的神經(jīng)末梢，負責現場(chǎng)數據的采集。實(shí)際應用中，視頻往往需要與物聯(lián)網(wǎng)配合實(shí)現聯(lián)合檢測和反饋控制（如水質(zhì)監測、燈具控制等）。除攝像機外，接入終端形態(tài)還包括各類(lèi)傳感器、控制器等物聯(lián)網(wǎng)設備。

邊緣層收斂匯聚現場(chǎng)終端送來(lái)的非結構化視頻數據和物聯(lián)網(wǎng)數據，按需加載AI算法，就近進(jìn)行邊緣智能分析，按既定規則觸發(fā)動(dòng)作響應，同時(shí)將處理結果及關(guān)鍵數據上報給云端。邊緣層可按需部署一個(gè)或多個(gè)AI算法，對不同的數據流進(jìn)行相應的智能計算處理。

平臺層由設備管理、視頻管理、算法管理等模塊構成，主要負責全局信息的處理、存儲和管理，承擔邊緣層無(wú)法執行的計算任務(wù)，并向邊緣層下發(fā)業(yè)務(wù)規則和AI算法模型，以及為各類(lèi)應用的開(kāi)放對接提供標準的API。根據業(yè)務(wù)量和管理需要，平臺層可設置若干個(gè)區域下沉節點(diǎn)，以減少跨地域的數據傳輸和相應的時(shí)延及成本。

應用層利用平臺層分析處理的結構化/半結構化數據，結合特定的業(yè)務(wù)需求和應用模型，為用戶(hù)提供具體的垂直應用服務(wù)。

3　邊緣智能網(wǎng)關(guān)產(chǎn)品設計

3.1　邊緣智能網(wǎng)關(guān)主要功能

邊緣智能網(wǎng)關(guān)是邊緣網(wǎng)關(guān)形態(tài)的邊緣計算。邊緣智能網(wǎng)關(guān)具備設備接入、通信、計算、存儲、管理等關(guān)鍵能力，為AI算法和智能應用的部署運行提供了通用開(kāi)放的軟硬件環(huán)境。邊緣智能網(wǎng)關(guān)主要由接口單元、網(wǎng)絡(luò )通信、邊緣計算、運行環(huán)境及設備管理等功能模塊組成，如圖2所示。

圖2 邊緣智能網(wǎng)關(guān)功能架構

接口單元模塊主要為邊緣智能網(wǎng)關(guān)的組網(wǎng)連接提供物理通道，包括用于各類(lèi)終端接入的RJ45網(wǎng)口（LAN）、RS232/RS485串口、DI/DO開(kāi)關(guān)量接口，用于將數據上傳云端的RJ45網(wǎng)口（WAN）、4G/5G以及Wi-Fi無(wú)線(xiàn)接口，以及USB、HDMI、外置天線(xiàn)等其他接口。接口的類(lèi)型和數量可視實(shí)際業(yè)務(wù)需要來(lái)選擇。

網(wǎng)絡(luò )通信功能模塊是邊緣智能網(wǎng)關(guān)實(shí)現網(wǎng)絡(luò )接入、組網(wǎng)通信以及數據交換、轉發(fā)、路由的主要部件，它包括有線(xiàn)網(wǎng)卡通信模組、4G/5G無(wú)線(xiàn)通信模組、Wi-Fi無(wú)線(xiàn)通信模組，以及路由模組。通常情況下，一款邊緣智能網(wǎng)關(guān)僅需具備一或兩種類(lèi)型的通信模組即可，避免造成資源閑置浪費。

邊緣計算功能模塊主要負責數據的智能分析處理，包括對視頻流的GB/T28181、ONVIF、RTSP協(xié)議解析，對物聯(lián)網(wǎng)數據的MQTT協(xié)議適配，對各類(lèi)接入終端的設備注冊、參數配置、狀態(tài)監測和資源調度，對AI算法的加載、關(guān)聯(lián)、啟停和統計監測，對視頻流的抽幀、編解碼、質(zhì)量檢測等，以及對煙火、人員、車(chē)輛、行為及異常事件的智能分析識別等操作。

運行環(huán)境模塊主要為視頻網(wǎng)關(guān)運行提供必要的軟硬件環(huán)境，包括CPU/GPU/DSP等核心處理單元（SoC）、Linux操作系統、Docker容器，以及TF卡、EMMC、內置/外掛硬盤(pán)等存儲空間。

設備管理功能模塊主要保障視頻網(wǎng)關(guān)可用、可管、可控、可靠，包括對網(wǎng)絡(luò )、存儲、容器等資源的管理調度，對微服務(wù)、電源、告警、日志、安全認證等的管理，以及固件的在線(xiàn)升級等。

3.2　智能分析流程

智能分析是邊緣智能網(wǎng)關(guān)邊緣計算功能的核心部分，它從技術(shù)實(shí)現上通常包括視頻取流、解碼、抽幀、預處理、推理、后處理以及編碼輸出等主要環(huán)節，如圖3所示。

圖3 智能分析流程

（1）視頻取流

視頻取流是指從攝像機獲取實(shí)時(shí)視頻數據的過(guò)程，通常情況下前端攝像機默認支持GB/T28181國標協(xié)議和ONVIF協(xié)議，并以RTSP格式將視頻流傳遞給邊緣智能網(wǎng)關(guān)進(jìn)行處理分析。

（2）視頻解碼

在視頻傳輸過(guò)程中，為了提升傳輸效率，通常會(huì )對視頻數據進(jìn)行編碼。視頻編碼的主要作用是將視頻像素數據壓縮成為視頻碼流，從而降低視頻的數據量，以便于網(wǎng)絡(luò )傳輸和存儲。目前視頻業(yè)務(wù)中常用的視頻編碼方案為H.264和H.265。解碼與編碼相對應，邊緣智能網(wǎng)關(guān)在獲得視頻流后，需對其解碼重構，通過(guò)對數據協(xié)議（HTTP、RTSP等）、封裝格式（MP4、FLV等）、碼流格式（H.264、H.265等）、顏色空間（YUV、RGB等）進(jìn)行逆向操作，還原成未經(jīng)壓縮的視頻圖像流。邊緣智能網(wǎng)關(guān)既可以采用GPU或CPU硬件解碼，也可以選擇利用FFmpeg等工具進(jìn)行軟件解碼。解碼的同時(shí)，還可以根據需要進(jìn)行不同圖像分辨率、碼率、編碼格式、比特深度、顏色空間等之間的格式轉換。

（3）抽幀

視頻流從嚴格意義上講就是逐幀播放的單幅畫(huà)面，其主要是利用眼睛的視覺(jué)暫留特性，從而產(chǎn)生連續動(dòng)畫(huà)的錯覺(jué)。抽幀就是從這些畫(huà)面中抽出單幅畫(huà)面，通常存在關(guān)鍵幀（IPB幀）抽取、均勻間隔抽幀、特定時(shí)刻幀抽取等操作模式。不同業(yè)務(wù)對及時(shí)性的要求直觀(guān)反映在抽幀頻率上，時(shí)延敏感型業(yè)務(wù)需要采用較高的抽幀頻率，如25fps甚至30fps，而實(shí)時(shí)性要求不高的業(yè)務(wù)可選擇較低的抽幀頻率，如每1秒、5秒甚至更長(cháng)時(shí)間才抽取1幀。為提高系統資源效率，系統應對視頻流進(jìn)行統一抽幀，并將抽幀后的圖片文件按視頻通道、時(shí)間戳等信息存入幀池（公共文件夾）中，供不同的算法共用。同時(shí)，要盡量減少抽幀圖片在CPU和GPU之間往返數據拷貝，降低抽幀時(shí)延和內存帶寬占用。

（4）預處理

為提高數據質(zhì)量、提升AI算法推理效果和運行效率、加速收斂、防止梯度爆炸和塌陷，在進(jìn)入神經(jīng)網(wǎng)絡(luò )前，需對待分析的圖像進(jìn)行必要的預處理操作。最基本的處理內容包括圖像縮放、平移、旋轉、透視變換、顏色空間及灰度變換、類(lèi)型格式轉換、邊緣檢測、二值化操作、平滑處理等，實(shí)現數據標準化、歸一化和增強，適應神經(jīng)網(wǎng)絡(luò )結構和處理要求。同時(shí)，對樣本數據進(jìn)行提純，消除圖像中無(wú)關(guān)的信息，恢復有用的真實(shí)信息，降低數據處理體積，改進(jìn)特征提取、圖像分割、匹配和識別的可靠性。

（5）智能推理

AI算法模型從構建到實(shí)際應用會(huì )經(jīng)過(guò)訓練（Training）和推理（Inference）兩個(gè)階段。訓練就是用大量標記過(guò)的數據來(lái)學(xué)習、調優(yōu)和擬合相應的神經(jīng)網(wǎng)絡(luò )模型，使之可以適應特定的功能；推理則是指利用訓練好的模型，使用新數據預測或推斷出各種結論。邊緣智能網(wǎng)關(guān)的智能分析（推理）效果高低與否，根源在于算法選擇和訓練的好壞，也取決于算法部署和軟硬件適配情況。算法正常加載后，就可以從輸入的抽幀圖片中選取可能包含目標對象的感興趣區域（ROI），并進(jìn)行特征提取和檢測分類(lèi)，計算出目標對象的類(lèi)別和置信度。

（6）后處理

后處理就是對算法預測的結果進(jìn)行后期處理，改善輸出效果并進(jìn)行可視化，如增加識別標簽、標注對象邊界框、分類(lèi)以及添加用戶(hù)自定義的參數等。

（7）編碼輸出

實(shí)際應用中，有時(shí)要直接在視頻畫(huà)面顯示分析結果，就需要進(jìn)行編碼操作，通過(guò)時(shí)間戳、圖片ID等將原始視頻流或抽幀圖片與識別的結構化數據進(jìn)行關(guān)聯(lián)，并按照平臺接口規范重新編碼和輸出顯示。

3.3　定制化設計要點(diǎn)

3.3.1　軟硬件解耦

邊緣智能網(wǎng)關(guān)融合了網(wǎng)絡(luò )、計算、存儲等基礎能力，并為智能算法及應用提供了基礎的運行環(huán)境。為適應不同業(yè)務(wù)場(chǎng)景的應用需求，邊緣智能網(wǎng)關(guān)須較強的業(yè)務(wù)適應性，支持智能算法、業(yè)務(wù)應用及規則的靈活加載與應用部署?；谲浻布怦畹睦砟?，邊緣智能網(wǎng)關(guān)采用容器化方式對AI算法及應用進(jìn)行部署和管理。與物理機和虛擬機相比，Docker容器運行環(huán)境更輕量高效、可移植性強，更適合邊緣節點(diǎn)部署。

在A(yíng)I算法部署方面，邊緣智能網(wǎng)關(guān)支持基礎鏡像、完整鏡像和獨立進(jìn)程等多種算法部署模式，并支持本地磁盤(pán)導入、遠程下載導入及云端算法倉遠程下發(fā)等導入方式，可結合不同場(chǎng)景的需要靈活加載不同的算法模型，滿(mǎn)足了不同場(chǎng)景的業(yè)務(wù)需求。（1）基礎鏡像：系統內置默認鏡像，提供算法運行所需的通用基礎依賴(lài)環(huán)境，僅需提供算法App可執行程序包，通過(guò)基礎鏡像創(chuàng )建容器，將App程序包放入容器中運行?；A鏡像模式，算法App文件包較小，但對基礎鏡像的依賴(lài)程度比較高。（2）完整鏡像：提供完整算法鏡像，并通過(guò)導入的鏡像創(chuàng )建容器運行算法。相較于基礎鏡像，完整鏡像文件較大，但對系統環(huán)境依賴(lài)度較小。

（3）獨立進(jìn)程：算法應用直接在宿主機上運行，不通過(guò)docker容器。該模式讓算法應用兼容性更強、更靈活。

3.3.2　外觀(guān)結構統一

在外觀(guān)接口配置方面，結合使用需求和成本考慮，邊緣智能網(wǎng)關(guān)上行通信支持有線(xiàn)和4G/5G無(wú)線(xiàn)，可滿(mǎn)足多路視頻流實(shí)時(shí)回傳和遠程調閱的需要。攝像頭可以通過(guò)以太網(wǎng)口直連邊緣智能網(wǎng)關(guān)，也可以通過(guò)匯聚交換機轉接。在部分場(chǎng)景中，攝像頭還存在遠端供電需求，因此LAN口要保留吉比特、百兆以太網(wǎng)口和POE端口等多種類(lèi)型。為了方便物聯(lián)網(wǎng)終端的接入，邊緣智能網(wǎng)關(guān)還配置了一定數量的RS485、RS232、CAN、DI/DO等行業(yè)應用場(chǎng)景常用的接口。

定制邊緣智能網(wǎng)關(guān)外觀(guān)結構和接口布局完全統一，如圖4所示，其兼容不同廠(chǎng)商AI芯片（CPU+GPU/NPU）。外觀(guān)結構的統一，有利于降低一線(xiàn)安裝維護人員面對異廠(chǎng)商不同形態(tài)設備時(shí)的學(xué)習成本，大幅簡(jiǎn)化了安裝部署實(shí)施過(guò)程中的操作復雜度。

圖4 定制邊緣智能網(wǎng)關(guān)外觀(guān)結構

3.3.3　模塊化設計

為進(jìn)一步提升邊緣智能網(wǎng)關(guān)產(chǎn)品的業(yè)務(wù)場(chǎng)景適應性，定制邊緣智能網(wǎng)關(guān)采用模塊化的設計理念，即“核心板+主板+通用接口”的設計模式。其中核心板為包含AI芯片模組的主控制板，由CPU、GPU/NPU、內存單元、圖像處理單元、編解碼處理單元等組成；主板用于布局通用功能單元的母板/系統板，主要包括電源模塊、4G/5G無(wú)線(xiàn)模塊、路由模塊、存儲單元、POE供電模塊等；底板通過(guò)260pin的連接器與核心板進(jìn)行連接，如圖5所示。

圖5 結構爆炸圖

邊緣智能網(wǎng)關(guān)各主要部件采用模塊化設計，包括4G/5G通信模組、硬盤(pán)、TF/SD卡、算力擴展卡等，可按需增減配，形成多種差異分級的產(chǎn)品規格，有利于提高產(chǎn)品性?xún)r(jià)比和競爭力，如圖6所示。

圖6 邊緣智能網(wǎng)關(guān)產(chǎn)品規格

3.3.4　軟件功能架構設計

在軟件功能設計方面，邊緣智能網(wǎng)關(guān)以分層架構和模塊化設計為核心，不僅降低了各模塊間的依賴(lài)，還實(shí)現了功能的靈活配置與動(dòng)態(tài)加載，可輕松應對多樣業(yè)務(wù)場(chǎng)景。各功能模塊之間采用標準化的接口設計，為后續功能的快速更新與擴展提供了極大便利。更重要的是，它能與北向云平臺、上層智能應用軟件以及智能算法應用無(wú)縫對接，確保了高效的數據傳輸與處理。其架構設計如圖7所示。

圖7 軟件功能架構

邊緣智能網(wǎng)關(guān)軟件功能架構總體分為五層，分別為硬件層、驅動(dòng)層、系統層、業(yè)務(wù)能力層和用戶(hù)層，各層協(xié)同工作，確保各項功能的高效穩定運行。硬件層是整個(gè)架構的基礎，包括設備CPU、內存、網(wǎng)卡等關(guān)鍵部件，以及供電單元和硬件接口，為網(wǎng)關(guān)提供穩定的硬件支持。驅動(dòng)層則包含操作系統對硬件的驅動(dòng)文件，確保設備能夠被正確識別并順暢運行。系統層作為程序運行的基礎環(huán)境，承載著(zhù)進(jìn)程調度、內存管理等重要功能。同時(shí)，它還提供了基本維護工具軟件、標準系統調用庫以及應用軟件通用依賴(lài)庫，如NPU固件庫、音視頻編解碼和圖形處理等，為上層應用提供豐富的功能支持。業(yè)務(wù)能力層是邊緣智能網(wǎng)關(guān)的核心，由核心基礎業(yè)務(wù)服務(wù)與擴展業(yè)務(wù)服務(wù)構成。核心基礎業(yè)務(wù)服務(wù)提供諸如系統管理、網(wǎng)絡(luò )管理、視頻通道管理等基礎服務(wù)，為上層應用奠定堅實(shí)的業(yè)務(wù)能力基礎。而擴展業(yè)務(wù)服務(wù)層則針對實(shí)際業(yè)務(wù)場(chǎng)景需求和平臺建設情況，實(shí)現算法應用的安裝部署、云平臺協(xié)議對接、數據交互和設備控制等高級功能。用戶(hù)層則服務(wù)于操作使用邊緣智能網(wǎng)關(guān)本地管理系統的用戶(hù)，以及對接邊緣智能網(wǎng)關(guān)的外部平臺，確保用戶(hù)能夠便捷地管理和使用網(wǎng)關(guān)。

4　基于邊緣計算的典型場(chǎng)景與應用實(shí)踐

4.1　森林防火

森林火災對自然環(huán)境、人身財產(chǎn)安全的危害性極大，每年全球各地類(lèi)似事件時(shí)有發(fā)生。由于森林環(huán)境的復雜性和廣闊性，傳統的防火方法往往難以及時(shí)、準確地發(fā)現火源，從而錯失最佳的滅火時(shí)機?；谶吘売嬎愕纳址阑饳z測系統，如圖8所示，直接在監測點(diǎn)與匯聚點(diǎn)部署邊緣智能網(wǎng)關(guān)產(chǎn)品，攝像機數據就近接入邊緣智能網(wǎng)關(guān)，并在本地進(jìn)行直接智能分析識別，可快速發(fā)現火情并及時(shí)將相關(guān)告警信息上報云端通知給相關(guān)處理人。相比于傳統集中式的方案，基于邊緣計算的方案在算法靈活性、業(yè)務(wù)響應實(shí)時(shí)性、網(wǎng)絡(luò )帶寬成本等方面有著(zhù)較為明顯的優(yōu)勢，根據數據監測統計可以得出其實(shí)際的數據流量支出不到原來(lái)的10%。由于采用了邊緣智能算法分析，其原有的存儲視頻變成了視頻片段和圖片，存儲空間的使用也是快速下降，按照統計計算只有原有存儲支出的8%左右，在提升服務(wù)響應的同時(shí)，大大降低了服務(wù)成本，取得了較好的應用效果。

圖8 基于邊緣計算的森林防火解決方案

4.2　智慧加油站

加油站屬于?；沸袠I(yè)，如何在日常加油卸油作業(yè)過(guò)程中保障人員、財產(chǎn)安全是重中之重。目前，國內加油站日常管理主要依靠人為管控、監控攝像頭監督及人工巡檢等方式，管控手段存在低效性和滯后性，迫切需要將人工智能、邊緣計算等技術(shù)應用到日常監管工作中，由“人工監督”升級為“智能監控”，強化加油站安全風(fēng)險管控?；谶吘売嬎愕闹腔奂佑驼窘鉀Q方案，如圖9所示，借助部署了AI算法的邊緣智能網(wǎng)關(guān)，對加油站人員抽煙打電話(huà)等危險行為、加油站工作人員著(zhù)裝規范、卸油工作流程等實(shí)時(shí)監測，同時(shí)將AI自動(dòng)判定識別的危險源、危險行為、違規操作等，進(jìn)行實(shí)時(shí)告警，并將信息推送至監管中心，從而提高了現場(chǎng)安全生產(chǎn)作業(yè)的監控效率，降低了危險事件發(fā)生的概率。

圖9 基于邊緣計算的智慧加油站解決方案

4.3　智能運維

智能運維是通過(guò)數智化手段實(shí)現鐵塔站址資源運維生產(chǎn)的自動(dòng)化、無(wú)人化和智能化，包括巡檢作業(yè)、資源管理、出入站管理、電費管理、發(fā)電管理、故障管理等功能的智能化實(shí)現。邊緣智能網(wǎng)關(guān)是智能運維系統中的重要邊緣節點(diǎn)，它作為站點(diǎn)智慧大腦，可對機房及設備運行狀態(tài)進(jìn)行實(shí)時(shí)監測和智能識別，從而實(shí)現智能巡檢、智能出入站、智能資管等業(yè)務(wù)功能。

（1）智能巡檢

通過(guò)攝像頭及AI算法對基站進(jìn)行遠程周期自動(dòng)巡檢和事件觸發(fā)巡檢，逐步替代傳統上站巡檢，減少人工上站，提升生產(chǎn)效率。

（2）智能出入站

應用電子圍欄、人形檢測、人臉識別等AI算法，結合智能門(mén)禁系統，對出入站的6個(gè)關(guān)鍵環(huán)節實(shí)現智能化管理。

（3）智能資管

定期自動(dòng)拍照，AI識別變動(dòng)，發(fā)現設備差異自動(dòng)派單核查，保證資源資產(chǎn)數據的真實(shí)性和準確性，同時(shí)實(shí)現資源管理的3D展示。

基于邊緣計算的智能運維解決方案如圖10所示。

圖10 基于邊緣計算的智能運維解決方案

經(jīng)天津、遼寧、河南三個(gè)省市智能維護試點(diǎn)驗證，基于邊緣計算的智能運維解決方案可大幅降低數據傳輸成本、快速發(fā)現異常事件、提升維護效率效益。其具體優(yōu)勢如下：

（1）提升組網(wǎng)兼容性，實(shí)現機房?jì)榷鄠€(gè)攝像機統一管理，對國標、onvif、?？荡笕A私協(xié)等各類(lèi)主流的攝像機協(xié)議進(jìn)行適配并轉換為符合鐵塔標準的統一協(xié)議回傳平臺。

（2）提升邊緣AI能力，實(shí)現AI計算能力下沉和攝像機的智能升級，有效減少平臺側AI計算能力要求，降低攝像機終端成本。

（3）僅將告警相關(guān)信息進(jìn)行回傳，避免攝像機視頻流全量回傳，節約網(wǎng)絡(luò )回傳成本（回傳數據量?jì)H占全部本地視頻錄制文件數據量的不足1%）

（4）提升設備管理效率，支持攝像機控制功能前置，簡(jiǎn)化攝像機控制信令及業(yè)務(wù)數據鏈路，提升拍照、拉流成功率。

（5）提升安裝調參效率，通過(guò)邊緣網(wǎng)關(guān)自適應完成碼流、網(wǎng)絡(luò )端口等大多數參數設置，簡(jiǎn)化一線(xiàn)施工人員對攝像機及邊緣網(wǎng)關(guān)參數配置，有效提升安裝及維護調參效率。

4.4　市場(chǎng)推廣情況

目前邊緣智能網(wǎng)關(guān)產(chǎn)品已廣泛應用于鐵塔視聯(lián)、智能維護、加油站施工安全監測等業(yè)務(wù)場(chǎng)景。面向鐵塔視聯(lián)業(yè)務(wù)，在智慧水利、漁業(yè)禁捕、森林防火/秸稈禁燒、鐵路護路、鄉鎮綜治、智慧社區、智慧工地等業(yè)務(wù)場(chǎng)景進(jìn)行試點(diǎn)，并分別在河南、云南、福建等地智慧加油站、邊防監控、地鐵隧道等場(chǎng)景進(jìn)行商業(yè)落地。在智能維護方面，我們協(xié)同運營(yíng)維護部推進(jìn)智能維護前期試點(diǎn)及深化試點(diǎn)工作，在15省市部署邊緣智能網(wǎng)關(guān)6.3萬(wàn)臺，助力了公司運維專(zhuān)業(yè)化和數智化能力提升。針對通信發(fā)展部基站施工安全監測業(yè)務(wù)場(chǎng)景，我們打造基于邊緣智能網(wǎng)關(guān)產(chǎn)品的場(chǎng)景化解決方案，完成了端到端業(yè)務(wù)流程的測試拉通，并在雄安、四川、江蘇、上海、重慶、鄭州6省市進(jìn)行試點(diǎn)應用，進(jìn)一步加強了施工現場(chǎng)的安全質(zhì)量生產(chǎn)管理，提升了安全風(fēng)險防控能力。截至2024年6月，我們對外提供服務(wù)落地合同額達3000余萬(wàn)元。

5　結束語(yǔ)

算力下沉至邊緣已成為確定性趨勢，在摩爾定律已經(jīng)失效而量子計算遠未成熟之前，智能泛在的邊緣計算將是未來(lái)算力網(wǎng)絡(luò )的關(guān)鍵基礎。隨著(zhù)技術(shù)的不斷成熟和應用場(chǎng)景的拓展，基于邊緣計算的視頻監控系統將在更多領(lǐng)域發(fā)揮重要作用，并具有廣闊的應用前景。

作者簡(jiǎn)介：

閆亞旗（1988-），男，河南許昌人，高級工程師，碩士，現就職于中國鐵塔股份有限公司，研究方向為物聯(lián)網(wǎng)、邊緣計算、算力網(wǎng)絡(luò )相關(guān)技術(shù)及產(chǎn)品創(chuàng )新。

冉　沛（1981-），男，湖南人，高級工程師，學(xué)士，現就職于中國鐵塔股份有限公司，研究方向為物聯(lián)網(wǎng)及邊緣計算。

張　闊（1988-），男，遼寧鞍山人，高級工程師，碩士，現就職于中國鐵塔股份有限公司，研究方向為通信電子和人工智能。

劉文睿（1996-），男，山東曲阜人，工程師，碩士，現就職于中國鐵塔股份有限公司，研究方向為邊緣計算及算力網(wǎng)絡(luò )技術(shù)。

唐　琳（1998-），女，河北滄州人，碩士，現就職于中國鐵塔股份有限公司，研究方向為算力網(wǎng)絡(luò )及邊緣計算。

參考文獻：

[1]周科,楊淑娟,徐雷,吳慶勛.智能城市中的邊緣計算:一項全面調查[J].IEEE物聯(lián)網(wǎng)雜志,2020,7(1):1.

[2]史文,曹靜,張強,李艷明,徐雷.邊緣計算:視野與挑戰[J].IEEE物聯(lián)網(wǎng)雜志,2016,3(5):637-646.

[3]左丹,李雷,鐘勝明,楊陽(yáng),賀瓊林.基于深度邊緣計算的視頻監控系統綜述[J].IEEE工業(yè)信息學(xué)報,2021,17(3):2025-2036.

[4]Satyanarayanan,M.邊緣計算的興起[J].計算機,2017,50(1):30-39.

[5]王強,任穎,張云,胡林.邊緣計算系統綜述[J].IEEE會(huì )議記錄,2020,108(8):1518-1538.

[6]葛暢,白光偉,沈航,等.基于邊緣計算的視頻監控框架[J].計算機工程與設計,2019,40(1):32-39.

[7]潘三明,袁明強.基于邊緣計算的視頻監控系統及應用[J].電信科學(xué),2020,36(6):6.

摘自《自動(dòng)化博覽》2024年12月刊