中電信智能網(wǎng)絡(luò )科技有限公司焦建鋒，龐勇，謝谷陽(yáng)

1　引言

隨著(zhù)數字化浪潮席卷各行業(yè)，重載鐵路的數字化轉型已成為提升綜合競爭力、滿(mǎn)足日益增長(cháng)運輸需求的核心路徑。在這一轉型進(jìn)程中，云計算與邊緣計算的協(xié)同應用嶄露頭角，成為推動(dòng)重載鐵路技術(shù)革新的關(guān)鍵力量。

重載鐵路的運營(yíng)環(huán)境極為復雜，涵蓋長(cháng)距離線(xiàn)路、多樣地形地貌以及大量分散的設備設施。車(chē)地通信、機車(chē)通信和地面通信等各類(lèi)業(yè)務(wù)不僅數據量龐大，而且對實(shí)時(shí)性、可靠性要求近乎苛刻。傳統的網(wǎng)絡(luò )架構與計算模式在處理這些復雜業(yè)務(wù)時(shí)，逐漸暴露出響應遲緩、數據傳輸壓力大等弊端，難以滿(mǎn)足重載鐵路高效、安全運營(yíng)的需求[1]。

云計算憑借強大的計算能力、海量存儲和靈活的資源調配優(yōu)勢，能夠對重載鐵路產(chǎn)生的海量數據進(jìn)行深度分析和處理，為運輸調度、設備維護等提供精準決策支持。邊緣計算則靠近數據源和用戶(hù)終端[2]，具備低時(shí)延、高帶寬的特性，可在本地快速處理設備數據，減少數據傳輸負擔，保障實(shí)時(shí)性業(yè)務(wù)的高效運行。將二者協(xié)同應用于重載鐵路領(lǐng)域，能實(shí)現優(yōu)勢互補，構建更為智能、高效的鐵路運輸體系[3]。

以朔黃鐵路為代表，其率先開(kāi)展的相關(guān)實(shí)踐已取得顯著(zhù)成效。深入剖析朔黃鐵路中云計算與邊緣計算的協(xié)同應用案例，不僅能為朔黃鐵路自身的持續優(yōu)化升級提供有力依據，還能為其他重載鐵路的數字化轉型提供寶貴的借鑒經(jīng)驗，助力整個(gè)重載鐵路行業(yè)在智能化發(fā)展道路上邁出堅實(shí)步伐。

2　重載鐵路的5G場(chǎng)景業(yè)務(wù)需求

常見(jiàn)的重載鐵路沿線(xiàn)的應用場(chǎng)景對通信的需求可見(jiàn)表1。

表1 常見(jiàn)重載鐵路典型業(yè)務(wù)需求表

未來(lái)的鐵路通信應提供更可靠的無(wú)線(xiàn)覆蓋，包括沿鐵路線(xiàn)的連續廣域覆蓋、鐵路場(chǎng)站和熱點(diǎn)區域的覆蓋、鐵路地面基礎設施的監控，以及為智能列車(chē)提供的寬帶智能應用。重載鐵路沿線(xiàn)存在橋梁、山區、隧道等復雜場(chǎng)景，不同場(chǎng)景導致無(wú)線(xiàn)通信的信道特性差異很大，這給5G通信的性能帶來(lái)了新的挑戰。

從業(yè)務(wù)需求角度出發(fā)，信號覆蓋、熱點(diǎn)增強及帶寬滿(mǎn)足是重載鐵路5G通信建設的關(guān)鍵步驟，而這背后都離不開(kāi)高效的數據處理與傳輸技術(shù)支持。5G通信與云計算、移動(dòng)邊緣計算（MobileEdgeComputing，MEC）的結合正是應對這些挑戰的重要技術(shù)手段。

3　重載鐵路MEC邊緣計算應用場(chǎng)景

如圖1所示，重載鐵路場(chǎng)景的MEC自下而上地從承載網(wǎng)、核心網(wǎng)、運維平臺、生產(chǎn)場(chǎng)景應用等四個(gè)層次來(lái)構建完整的邊緣計算服務(wù)。

圖1 重載鐵路MEC邊緣計算應用場(chǎng)景示意圖

3.1　MEC助力承載網(wǎng)高效傳輸

基于電信“骨干+省內”兩級承載網(wǎng)，合理利用4G傳輸資源，構建“總部+各省”的星形網(wǎng)絡(luò )，通過(guò)MPLS-VPN、IPRAN專(zhuān)線(xiàn)，實(shí)現用戶(hù)信令及業(yè)務(wù)數據高安全、高隔離、高可靠的傳輸，同步實(shí)現業(yè)務(wù)的差異化調度。

圖2 以朔黃鐵路為例的跨省5G專(zhuān)網(wǎng)承載網(wǎng)建設示意圖

圖2以朔黃鐵路為例，其充分利用朔黃自有承載網(wǎng)，在四省與電信STN分別對接，各省市地區的自有5GC遵照就近原則接入大網(wǎng)5GC和基站，從而提高傳輸效率緩解承載網(wǎng)輸送負荷[4]，實(shí)現業(yè)務(wù)低時(shí)延傳輸，業(yè)務(wù)數據靈活本地分流。承載網(wǎng)中通過(guò)RAN和EPC兩個(gè)VPN對業(yè)務(wù)流量和信令進(jìn)行邏輯隔離，保證客戶(hù)數據安全性。同時(shí)流量和信令均匯聚在總部全量5GC上，由總部進(jìn)行統一管理和簽約。

3.2　MEC賦能核心網(wǎng)架構優(yōu)化

針對跨省市的組網(wǎng)問(wèn)題，我們提出“總部集約管理、分省就近接入、高度自主運營(yíng)、多級可靠保障”的一張統一5G專(zhuān)網(wǎng)核心網(wǎng)。該核心網(wǎng)采用5GC全下沉式的高隔離專(zhuān)享網(wǎng)絡(luò )，而并非僅僅將UPF網(wǎng)元下沉，在保證了業(yè)務(wù)高可靠、高穩定性的同時(shí)，支持向未來(lái)5G-R網(wǎng)絡(luò )私有頻率運營(yíng)平滑演進(jìn)。

5GC全下沉模式的業(yè)務(wù)控制面部署在專(zhuān)網(wǎng)而非大網(wǎng)，可以根據業(yè)務(wù)需求在專(zhuān)網(wǎng)進(jìn)行定制化功能研發(fā)，高效支持創(chuàng )新業(yè)務(wù)研發(fā)。從安全的角度上考慮，它與5G公網(wǎng)完全物理隔離，自帶專(zhuān)網(wǎng)安全產(chǎn)品，不需要邊界安全設備，同時(shí)具備異地容災能力，業(yè)務(wù)可靠性極高。

圖3 以朔黃鐵路為例的跨省5G專(zhuān)網(wǎng)核心網(wǎng)建設示意圖

如圖3所示，以朔黃鐵路為例，其采取“總部+分省”的分布式架構。該架構在河北總部下沉全量5GC網(wǎng)元（包含UDM、PCF、AUSF）[5]，實(shí)現用戶(hù)開(kāi)卡、用戶(hù)鑒權、策略控制的總部集約式管理；在天津、山東、山西各省下沉輕量化5GC，將業(yè)務(wù)數據就近接入，在本地靈活分流，以此來(lái)保證業(yè)務(wù)傳輸的低時(shí)延。省與省之間實(shí)現業(yè)務(wù)跨省無(wú)縫漫游，確保了業(yè)務(wù)的連續性，在保障核心功能的同時(shí)，實(shí)現輕量化、低成本以及本地簡(jiǎn)化運維。

核心網(wǎng)側能夠提供較快的計算和存儲能力，但如果依賴(lài)核心網(wǎng)側處理大量的業(yè)務(wù)數據，會(huì )直接影響到時(shí)延敏感性業(yè)務(wù)的傳輸質(zhì)量。僅僅下沉計算資源的方式，在一定程度上解放了通信網(wǎng)絡(luò )資源，但依然存在迂回路由，無(wú)法有效降低時(shí)延，浪費回傳帶寬。將部分業(yè)務(wù)功能部署在本地MEC上，可以實(shí)現區域化的數據實(shí)時(shí)采集、存儲和分析，保障時(shí)延敏感性業(yè)務(wù)就近接入[6]。

3.3　MEC協(xié)同云計算的全云化定制網(wǎng)

更進(jìn)一步地，通過(guò)如圖4所示的統一云網(wǎng)底座的全云化定制網(wǎng)，將計算資源與網(wǎng)絡(luò )能力協(xié)同下沉，使得邊緣計算與云計算協(xié)同合作，實(shí)現更快的數據分析處理，時(shí)延敏感應用數據直接在本地實(shí)現閉環(huán)處理。

圖4 基于統一云網(wǎng)底座的全云化定制網(wǎng)架構示意圖

基于輕量級云網(wǎng)底座，將MEC邊緣計算與云化網(wǎng)元協(xié)同部署，同時(shí)開(kāi)放本地化運維與管理功能。通過(guò)服務(wù)門(mén)戶(hù)，鐵路運維人員能夠便捷地對服務(wù)器、交換機和防火墻等設備進(jìn)行管理，對虛擬機的生命周期進(jìn)行操作，對各類(lèi)資源進(jìn)行合理編排。性能監控中心則實(shí)現對鐵路沿線(xiàn)物理設備的全面納管，包括對軌道監測設備、供電設備等的狀態(tài)監測。同時(shí)，向運維人員提供鐵路終端設備納管、鐵路系統運行監控、系統通告警及智能巡檢等功能，確保及時(shí)發(fā)現并處理設備故障、網(wǎng)絡(luò )異常等問(wèn)題，保障重載鐵路的穩定運行。

3.4　MEC統籌智能管控數字化平臺

為支持重載鐵路沿線(xiàn)各省市的5G專(zhuān)網(wǎng)統一管理，實(shí)現網(wǎng)絡(luò )“可管、可視、可運維”，本方案提供一套網(wǎng)絡(luò )與業(yè)務(wù)深度融合、業(yè)務(wù)智能決策的網(wǎng)絡(luò )數字化平臺。

融合MEC的數字化平臺具備網(wǎng)絡(luò )智能管理、業(yè)務(wù)智能分析、終端統一納管等功能，同時(shí)兼顧了邊緣算力的靈活拓展。網(wǎng)絡(luò )管理模塊不僅支持5G網(wǎng)絡(luò )，還支持PON（無(wú)源光網(wǎng)絡(luò )）以及Wi-Fi等多種不同類(lèi)型的網(wǎng)絡(luò )的接入，實(shí)現對這些多樣化網(wǎng)絡(luò )的集中調控、實(shí)時(shí)監測以及配置優(yōu)化。

圖5 以朔黃鐵路為例的跨省5G專(zhuān)網(wǎng)數字化平臺結構示意圖

數字化平臺基于主流架構方案，采用分層架構、微服務(wù)架構、事件驅動(dòng)架構，將系統劃分為不同的層次，以實(shí)現關(guān)注點(diǎn)分離并降低模塊之間的耦合度。該平臺基于自研智能采控引擎，支持多種網(wǎng)絡(luò )通信協(xié)議接口，兼容多廠(chǎng)商網(wǎng)管平臺、網(wǎng)絡(luò )設備及智能終端，實(shí)現設備數據的自動(dòng)化采集，提供跨廠(chǎng)商資源數據的標準化、多層級網(wǎng)絡(luò )系統的統一化管理；其基于實(shí)時(shí)、離線(xiàn)數據處理方式，通過(guò)指標構建、多維分析的方式，對數據進(jìn)行清洗處理，配套智慧大屏進(jìn)行數字化監控展示；其采用任務(wù)調度、實(shí)時(shí)指令下發(fā)的方式，對設備與網(wǎng)絡(luò )進(jìn)行定期維護、實(shí)時(shí)調控。同時(shí)，該平臺以邊緣探針、CPESDK、性能指標測量、告警故障分析等輔助手段，關(guān)聯(lián)業(yè)務(wù)報文解析、隧道報文解析和用戶(hù)面信令面的數據，實(shí)現連接級的路徑還原，并輔助業(yè)務(wù)流識別，從而實(shí)現鐵路故障定位定界，便于鐵路管理人員及時(shí)發(fā)現排查相關(guān)風(fēng)險。

3.5　MEC集成通用接口能力

MEC平臺除了提供輕量的能力承載基礎設施和穩定靈活的網(wǎng)絡(luò )接入能力之外，如圖6所示，還提供統一的北向服務(wù)接口標準，助力朔黃輕松引入新應用、新服務(wù)，無(wú)需對現有系統進(jìn)行大規模修改，可以支持更靈活的業(yè)務(wù)加載和更復雜的生產(chǎn)場(chǎng)景覆蓋[17]，為重載鐵路提供了全面的數字化轉型解決方案。

圖6 MEC集成通用接口能力示意圖

例如，充分統籌物聯(lián)網(wǎng)、邊緣計算、人工智能、機器學(xué)習等先進(jìn)技術(shù)，該平臺構建了可實(shí)現智能化推演、小型化組裝、模塊化增減、集成化管理及應用的機車(chē)車(chē)輛關(guān)鍵部件健康狀態(tài)檢測系統。車(chē)載檢測系統和部件應用北斗、5G、星閃等現代先進(jìn)通信技術(shù)，實(shí)現傳感層、數據層、應用層數據高效無(wú)線(xiàn)通信。該系統應用人工智能和機器學(xué)習技術(shù)，嵌入底層算法，實(shí)現關(guān)鍵部件及系統故障檢測和壽命預警，精準指導機車(chē)車(chē)輛檢修運維。該系統面向影響重載貨車(chē)運營(yíng)的痛點(diǎn)、難點(diǎn)問(wèn)題，挖潛影響安全及運輸效率的關(guān)鍵因素進(jìn)行實(shí)時(shí)監測，實(shí)時(shí)掌握機車(chē)車(chē)輛健康狀態(tài)，實(shí)現影響安全故障實(shí)時(shí)報警、實(shí)時(shí)研判、實(shí)時(shí)處理，保障了重載運輸安全，實(shí)現關(guān)鍵部件壽命預測、檢修研判、計劃處理，提高了重載運輸效率。

4　結語(yǔ)

在重載鐵路數字化轉型進(jìn)程中，云計算與邊緣計算的協(xié)同應用成為提升鐵路運輸效率、保障運輸安全的核心驅動(dòng)力。本文以朔黃鐵路為切入點(diǎn)，深度剖析二者協(xié)同在重載鐵路場(chǎng)景下的創(chuàng )新實(shí)踐。

面對重載鐵路復雜多樣的業(yè)務(wù)需求，如車(chē)地通信、機車(chē)通信及地面通信等，云計算與邊緣計算緊密協(xié)作。

在核心網(wǎng)架構方面，采用“總部集約管理、分省就近接入”的5GC全下沉式架構，邊緣計算實(shí)現區域化數據實(shí)時(shí)處理，減少業(yè)務(wù)時(shí)延；云計算則負責集中式管理與資源調配，保障核心網(wǎng)穩定運行，支持業(yè)務(wù)創(chuàng )新研發(fā)。統一云網(wǎng)底座實(shí)現云邊協(xié)同計算，基于輕量級云網(wǎng)底座，邊緣計算設備實(shí)時(shí)采集處理鐵路沿線(xiàn)設備數據，如軌道監測數據、列車(chē)運行數據等，云計算提供大規模存儲與深度數據分析能力，二者協(xié)同完成對海量數據的高效處理，保障鐵路系統穩定運行。

在承載網(wǎng)建設上，通過(guò)構建“總部+各省”的星形網(wǎng)絡(luò )，利用電信兩級承載網(wǎng)和朔黃自有承載網(wǎng)，邊緣計算負責本地數據分流與傳輸優(yōu)化，云計算則保障數據在廣域網(wǎng)絡(luò )中的可靠傳輸與統一管理。融合MEC的智能管控數字化平臺，借助云計算的強大存儲和計算能力實(shí)現數據的深度分析與挖掘，通過(guò)邊緣計算實(shí)現對各類(lèi)網(wǎng)絡(luò )設備和終端的實(shí)時(shí)管理與控制，達成網(wǎng)絡(luò )“可管、可視、可運維”。

未來(lái)，隨著(zhù)技術(shù)的持續發(fā)展，云計算與邊緣計算在重載鐵路領(lǐng)域的協(xié)同應用將不斷深化。一方面，二者的協(xié)同將助力打造更多“5G+產(chǎn)業(yè)深度融合”的創(chuàng )新應用，推動(dòng)重載鐵路智能化發(fā)展；另一方面，針對車(chē)地數據傳輸等關(guān)鍵業(yè)務(wù)，二者將進(jìn)一步優(yōu)化數據傳輸性能，研究提高數據傳輸完整性、穩定性和可靠性的技術(shù)，滿(mǎn)足重載鐵路日益增長(cháng)的數字化需求，為鐵路運輸行業(yè)的變革注入持久動(dòng)力。

作者簡(jiǎn)介：

焦建鋒（1981-），男，北京人，高級工程師，現就職于中電信智能網(wǎng)絡(luò )科技有限公司，研究方向為邊緣計算，包含工業(yè)互聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)等。

龐　勇（1984-），男，江蘇南京人，系統分析師，現就職于中電信智能網(wǎng)絡(luò )科技有限公司，研發(fā)方向為5G網(wǎng)絡(luò )、云網(wǎng)融合。

謝谷陽(yáng)（1998-），男，江蘇南京人，研發(fā)工程師，現就職于中電信智能網(wǎng)絡(luò )科技有限公司，研發(fā)方向為5G網(wǎng)絡(luò )、DPI技術(shù)。

參考文獻：

[1] Ai B, Molisch A F, Rupp M, et al. 5G key technologies for smart railways[J]. Proceedings of the IEEE, 2020, 108 (6) : 856 - 893.

[2] 韓曉非, 宋青蕓, 韓瑞寅, 等. 移動(dòng)邊緣計算卸載技術(shù)綜述[J]. 電訊技術(shù), 2022, 62 (9).

[3] 劉佳佳, 吳昊, 李盼盼. 鐵路5G移動(dòng)通信系統邊緣計算安全研究[J]. 計算機工程與應用, 2021, (12).

[4] Zhang L. Key management scheme for secure channel establishment in fog computing[J]. IEEE Transactions on Cloud Computing, 2021, 9 (3) : 1117 - 1128.

[5] 葛偉濤. 鐵路5G網(wǎng)絡(luò )邊緣計算技術(shù)研究[J]. 鐵路通信信號工程技術(shù), 2023, 20 (2).

[6] 王同軍. 中國智能高速鐵路2.0的內涵特征、體系架構與實(shí)施路徑[J]. 鐵路計算機應用, 2022, 31 (7).

[7] 谷曉會(huì ), 章國安. 移動(dòng)邊緣計算在車(chē)載網(wǎng)中的應用綜述[J]. 計算機應用研究, 2020, (6).

[8] 李毅, 董根才, 藺偉, 等. 邊緣計算技術(shù)在鐵路5G移動(dòng)通信中的應用研究[J]. 中國鐵路, 2020, (11).

[9] 楊興磊, 魯玉龍, 張俊堯, 等. 基于邊緣計算的智慧鐵路工地生產(chǎn)管理系統[J]. 鐵路計算機應用, 2020, (10).

[10] 武繼剛, 劉同來(lái), 李境一, 等. 移動(dòng)邊緣計算中的區塊鏈技術(shù)研究進(jìn)展[J]. 計算機工程, 2020, (8).

[11] 艾渤, 馬國玉, 鐘章隊. 智能高鐵中的5G技術(shù)及應用[J]. 中興通訊技術(shù), 2019, (6).

[12] Liu J, Mao Y Y, Zhang J, et al. Delay-optimal computation task scheduling for mobile-edge computing systems[C]// Proceedings of 2016 IEEE International Symposium on Information Theory, 10-15 July, 2016, Barcelona, Spain. New York, USA: IEEE, 2016 : 1451 - 1455.

[13] Mao Y Y, Zhang J, Letaief K B. Dynamic computation offloading for mobile-edge computing with energy harvesting devices[J]. IEEE Journal on Selected Areas in Communications, 2016, 34 (12) : 3590 - 3605.

[14] 張維真, 石平剛, 任爽. 移動(dòng)邊緣計算在鐵路行業(yè)的應用[J]. 鐵路計算機應用, 2024, 33 (3) : 19 - 25.

[15] 郜城城, 周旭, 范鵬飛, 等. 移動(dòng)邊緣計算技術(shù)在高鐵通信網(wǎng)絡(luò )中的應用[J]. 計算機系統應用, 2018, 27 (8) : 56 - 62.

[16] 劉語(yǔ)馨, 陳姝, 鐘章隊. 邊緣云技術(shù)在智能鐵路中的應用[J]. 鐵道通信信號, 2019, 55 (S1) : 7 - 12.

[17] 張心宇, 王喆, 郭歌, 等. 鐵路信息系統云邊協(xié)同體系架構研究[J]. 鐵路計算機應用, 2022, 31(10).

摘自《自動(dòng)化博覽》2025年2月刊