应用于轨道交通中的AIoT边缘计算平台解决方案设计研究①

樊玉明 刘琦 李欣旭

(中车工业研究院有限公司 北京 100070)

新型基础设施主要包括信息基础设施、融合基础设施、创新基础设施[1]。其中，以5G、物联网、工业互联网、人工智能、云计算、区块链为代表的信息基础设施，和深度应用互联网、大数据、人工智能等技术，支撑传统基础设施转型升级，进而形成的融合基础设施都是“新基建”的发展重点所在。对于轨道交通智能升级的需求来讲，“新基建”正是极好的机遇。随着数字化程度提高，轨道交通如何链接海量接入的各种信息，以实时收集关键数据，改善运营效率，提高安全性，进而提升轨道交通竞争力，是近年来轨道交通行业亟需突破的瓶颈。AIoT（AI+IoT，即物联网加人工智能）是人工智能技术与物联网在实际应用中的落地融合，AIoT可以感知物理世界，实现主动智能，是轨道交通智能升级的最佳通道。

1 AIoT与边缘计算

IoT（物联网）的终极目标是实现万物智联，目前的物联网技术主要针对物物联网的实现，将设备、传感器、终端等加入信息共享，产生海量的信息，而用户最终需要的是信息利用和决策参考，是分析过的信息，仅实现联网意义甚小。为了解决具体场景的实际应用，需要赋予物联网一个“大脑”，来实现真正的万物智联，发挥物联网更大的价值。物联网产生的庞杂数据需要分析处理，而AI技术恰恰是信息有效处理的最佳选择，AI的数据只有IoT能够源源不断的提供，IoT提供的海量数据可以让AI快速的获取知识，AI通过对历史和实时数据的学习研判，能够更准确的进行逻辑判断，根据需求做出决策参考，甚至代替人主动智能执行多种任务，赋予物联网更大的能量[2]。

图1 边缘计算节点

图2 AIoT系统参考架构

表1 Jetson模块性能规格

常规模式的物联网，随着设备的迅速增加，网络边缘侧所产生的数据量级将非常巨大。这些数据如果都交由云端的管理平台来处理，将会导致网络压力大，协同工作难，数据安全风险升高。边缘计算是将部分数据处理放到网络边缘侧来执行，是物联网的有力补充，是AIoT的直接应用。从结构上来讲，边缘计算连接云和端，节点角色如图1所示，通过分布式和低延时的计算，聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行，提高效率，更加智能。可见，边缘计算是AIoT的重要一环，是实现AIoT的关键技术。

轨道交通特点是具有庞大的网络和众多的设备，有车、地、站、线、运用、维保等丰富的场景，需要收集、参考、分析的数据众多，数据量巨大。AIoT在轨道交通行业有极大的应用前景，尤其是边缘计算更有极强大的需求。

图3 边缘计算平台架构

图4 集成平台

2 边缘计算技术在轨道交通行业的应用切入点

在智能轨道交通应用环境设计中，云计算相当于智能设备的大脑，处理相对复杂的进程；而边缘计算相当于智能设备的神经末梢，进行一些“下意识”、“直接”的反应。在主动安全方面，驾驶行为监控与分析、乘客区域安全监控与分析、安全事件监测与响应都需要敏捷反应和多系统协作与资源共享；在数据运用方面，车辆运行信息采集分析、实时车况分析与健康状态管理、预测性维护与维修、需要对大量的原始现场数据进行初步分析、过滤、清洗、聚合，产生有效数据供使用。以往的系统中，数据需要从末端收集到计算中心，进行运算之后将决策分析信息反映到相关决策机构，再进行决策，这样对系统网络的实时性、容量都有很高的要求，大量未经处理的原始数据对数据计算中心的性能也有很高要求，而且数据量越大，网络和计算中心的开支就越高，越不容易实现高实时性的事件处理，系统不容易扩展。边缘计算在主动安全领域和数据处理领域的引入可以很好的解决上述问题。数据采集或者执行机构末端有一定的计算能力之后，可以第一时间处理现场问题，使网络对系统性能的影响大大降低；同时边缘计算这种分布式计算的架构，可以在本地进行数据预处理，并根据规则将处理后的有效数据转发云端或其他节点，这种模式在资源数据共享方面有先天的优势，很方便进行系统间协作的布置；边缘计算使系统的接入能力大大提升，可以有更多的数据和执行机构接入系统，以更低的成本实现以前难以实现的精细化控制、管理、监测的功能。

如果说云计算使智能交通系统的大脑“更聪明”，那么边缘计算就使智能交通系统的末梢神经“更灵敏”。这两者在提高系统运行效率，提升其经济性上的作用是同样重要的。随着芯片技术、SoC技术发展，芯片算力越来越高，集成性越来越好，技术越来越成熟，“边缘计算”概念的运用会越来越广泛深入，对我国轨道交通智能升级发展来说机遇大于挑战。目前看来，轨道交通行业边缘计算的发展还面临着一些困难亟待解决。第一，边缘计算设备常常要面临高温、高寒、高湿等复杂环境，如何在这样的环境下保持设备的长久运行是一个非常重要的问题；第二，边缘计算设备的缓存及运算能力是根据其任务有选择进行的[3]，这就需要根据实际需求进行“量身定制”；最后，边缘计算设备要应用在轨道交通系统的各个环节，涉及的厂家众多，如何统一这些这设备的生产标准，这有待于行业、领域重要企业牵头制定标准。这都是我们需要进一步深入研究的课题，本文中也提出了行业边缘计算平台的参考架构和一种解决方案。

3 包含边缘计算的AIoT系统参考架构设计

2016年，华为、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力作为创始成员，联合发起边缘计算产业联盟（Edge Computing Consortium，ECC），ECC在2018年提出《边缘计算参考架构3.0》[4]，将其针对轨道交通应用进行适配优化，得到如图2所示的AIoT系统参考架构[5]。

整个系统分为云、边、端（现场设备）三层，边缘计算位于云、端之间，边缘层向下支持现场各种设备（传感器、执行器等）的接入，向上可以互联并与云端对接。边缘层包括边缘节点和边缘管理器两部分，边缘节点是硬件实体，是承载边缘计算业务的核心，包括以数据传输协议处理和转换为重点的边缘网关，以实时闭环控制为重点的边缘控制器，以规模数据处理为重点的边缘云，以低功耗信息采集处理为重点的边缘传感器。边缘管理器是以软件形态介于云边之间的一种接口，运行于云、边之上，对边缘节点进行互联和管理。边缘计算节点需要具备计算、网络和存储资源，系统（云边、边边）通过边缘管理器对资源可以直接调用（一次资源）或者以封装的业务形式组合调用（二次资源）。

4 一种边缘计算平台参考解决方案设计

基于轨道交通行业边缘计算的应用需求和架构设计，边缘计算平台应该具有一定算力[6]，并且具有高度集成性和可靠性，适应多种环境，应该具有网络接口、设备接口、存储资源，有通用软、硬件扩展能力。在此，我们选用NVIDIA的Jetson平台作为核心处理设备。Jetson系列模块是一个完备的模块化系统(SOM)，采用NVIDIA的Tegra Soc，ARM架构核心，具备 CPU、GPU、PMIC、DRAM 和闪存，IO接口资源丰富，具有PCIe、USB、I2C、SPI总线可以灵活扩展外设，其性能规格如表1[7]。

并且Jetson平台有完善的Linux开发环境和平台资源，具有GPU加速，集成CUDA环境和深度学习框架，可以更好的执行计算任务。

在Jetson模组基础上可以进行各方向的扩展：网络接入能力，现场总线，数据存储和人机接口，进而扩展感知、处理、控制能力。扩展模式和框图如图3。

集成后的通用平台解决方案如图4所示，再根据应用场景进行相应的裁剪和封装，灌入开发好的算法程序，就可以直接应用到现场。后期的程序维护升级可以直接通过网络进行，灵活性高，维护简单，实际应用验证证明可以有效提升边缘的能力。