铁路物联网系统中的边缘计算技术研究

摘要：物联网技术的出现，加速实现了铁路运输智能化，它将不同种类的传感器、摄像头、执行器等通过有线或无线网络联系在一起，实现了多源异构信息的采集和控制，并将采集来的信息加以处理和存储。但是随着铁路智能化水平的不断提高，现有物联网也面临诸多挑战，尤其体现在数据计算方面，如何利用边缘计算技术解决这一难题，成为一个研究热点。本文主要研究了边缘技术任务在铁路物联网中的应用意义和价值，并提出了实现方法。

关键词：物联网、铁路、计算资源、边缘计算

1绪论

当前我国铁路运输行业飞速发展，铁路重载运输的优点包括效率高、运能大、运输成本低等，因而在世界各国引起了的广泛关注，大宗货物的运输也因重载铁路的出现而更加经济便利。随着全球新一轮产业革命及科技革命的兴起，智慧化重载铁路已经成为未来发展的一个方向。计算机技术、通信技术和传感器技术的不断进步，带动了铁路运输逐步走向智能化。铁路沿线和站点分布了越来越多的摄像头智能传感器等。随着这些信息采集设备的增加，控制要求、通信要求也在不断提升。物联网技术的出现，则加速实现了铁路运输智能化的水平，它将不同种类的传感器、摄像头、执行器等通过有线或无线网络联系在一起，实现了多源异构信息的采集和控制，并对采集的信息进行处理和存储。但是随着铁路智能化水平的不断提高，现有物联网也面临诸多挑战，需要结合铁路实际情况加以优化改进。

物联网概念已有接近20年的历史，但是在物联网概念出现的这些年中，物联网并没有被火热的应用到各个行业中。从一个概念被提出直到被应用于某个领域，它需要技术支持、长期实验验证和完善。在产品成型后，用户对其成本与功能的性价比的认同程度都需要一定时间来检验。虽然现阶段物联网领域尚未形成大的应用市场，但与之密切相关的边缘计算已经在某些领域被应用。

物联网通过采集了大量信息，提取数据中有用的信息反馈给用户，这是物联网以应用为目的的体现。云计算技术主要负责存储物联网采集到的大量数据、分析数据得到有用信息和合理使用计算资源，这些是物联网的核心支撑技术。利用云计算分析这些数据，可以充分挖掘物联网的潜在价值。云计算就是利用“云”服务器将庞大的数据计算处理程序分割成无数个小程序，然后，使用多服务器系统对这些小程序进行处理分析，并将得到的结果返回给用户。数据存储在“云”服务器中，当人们进行网络服务时，直接从服务器中下载数据，但是可能因为时间与地理环境的限制，在某个时间段A区域的用户进行网络服务时，该区域的“云”服务器中缺少用户所需数据，需要从B区域的“云”服务器下载所需数据，那么这个过程就会导致高时延;如果A区域的很多用户在同一时间段一起下载这个所需数据包，那么对于“云”服务器来说也是一个很大的负担。随着5G时代的到来以及移动设备的爆炸式增长，云计算越发不能满足实时数据处理的需求。边缘计算是对云计算的一种补充和优化，可以满足用户对于实时性的要求和源头端数据处理，边缘计算可以在物联网中实现高度的实时性和可靠性。

2铁路物联网边缘计算

2.1边缘计算的特点

边缘计算是指将网络、计算、存储和应用的核心能力集成到靠近对象或数据源的网络边缘，提供边缘计算服务，满足行业数字化在敏捷连接、实时服务、数据优化、应用智能化、安全性和隐私性等方面的需求。将网络比作存储数据和应用程序的云，而用户围绕在这朵云旁边，那么网络边缘就是距离用户最近的位置，也就是用户获取网络服务时接入的首个基站。数据将不会被存储在远程云服务器，而是在边缘节点上。如果人们需要从服务器下载数据，就不会再去千里迢迢的去远程云服务器上下载，而是从距离自己最近的边缘节点上就可以快速、安全的下载下来。云朵在最高端，中间层是雾，而人们在最下面，想要访问云首先要通过雾，边缘计算可以认为是云计算的一个分仓，因此边缘计算又被称为“雾”计算。“雾计算”概念最初由思科提出。2015 年，戴尔、英特尔等公司联合成立开放雾联盟，目的是进一步解决物联网中存在的各种问题。现阶段应用边缘计算的领域主要包括满足应用智能、进行安全与隐私保护的数据传输、处理实时业务。

边缘计算最经常使用在工业互联网，用于连接工业实体与远程平台，下面主要介绍几个明显的特征：

（1）分布式。边缘计算属于分布式计算。

（2）用户满意度高。边缘计算是的最大优点就是靠近客户端，有效的减少了将数据送往远程云服务器的时延，大大增加了用户满意度。

（3）缓解远程服务器流量压力。通过将任务卸载道边缘节点，云服务器的通讯压力大大降低。在与远程云通讯前，将一些简单的计算工作放在边缘云处理，能有效降低了远程中心云服务器流量压力。

（4）安全系数高。边缘节点与距离用户本地更近，数据传输距离短，这使得数据被入侵的风险大大降低，且基站获得数据之后，可对数据先加密再发送给用户。

2.2铁路物联网边缘计算的必要性

铁路重载运输产业链条长、运输量大，同步操控难度大、业务繁忙。铁路重载运输系统是一个连续性强、跨多种运输方式、联动紧密的复杂系统，结合世界重载铁路的相关技术发展概况可知，重载铁路的发展对于客户服务的关注、运输效率的提升、设备设施的维修以及运输安全性的保障等方面存在一定需求。不同的计算节点可以将数据从处理中心卸载到就近节点，从而降低网络时延。邊缘计算有着以下基本特征和优势：一是节省带宽，使用业务分流来降低高并发任务环境下的网络延迟，提高了网关的利用率;二是通过在源头端数据处理来降低时延，通过减少数据传输率和在边缘设备进行数据处理，使通信网络可以适应时延敏感任务以及高算力需求的实时型业务;三是实现了大规模设备互连，在数据采集端通过边缘计算进行一定的数据预处理，可以有效减少对云计算和网络地址资源的占用，满足5G时代海量设备互联;四是支持跨平台移植;五是实现高度规格化的管理;六是提高网络安全性，使用边缘计算使安全部件与数据源更接近，从而增加网络层数提高安全性。随着物联网的发展，数据的存储任务和计算任务也被下沉到了边缘设备，那么如何把云中心的计算任务或任务资源调度到这些边缘设备是我们所要考虑的问题，下面对铁路物联网边缘计算技术的必要性进行简要分析：（1）边缘计算技术使铁路运输系统的建设成本大大降低;（2）加强视频监控及相关系统的实时分析能力;（3）提高铁路沿线传感器的终端计算能力;（4）减少铁路通信网络带宽限制;（5）降低系统网络的传输时延;（6）加强了铁路运输系统的安全性;（6）提高了运系统的工作效率。

3铁路物联网边缘计算实施方法

3.1任务调度的基本概念

通常来说，任务的概念是设定好的程序指令，通过利用系统中的各种资源完成所需要工作的计算任务。系统具有海量多源、开源数据，任务所需计算、存储资源非比寻常。所以，实现这些资源的合理使用，可以使任务的处理更加具有效率，更大程度的满足用户的需求。

物联网中海量数据的源头来自于感知层，由于感知层处于最底层，可以产生并收集巨大的数据量，一般需要采用分布式计算来处理，数据通常以任务流的形式分发给调度器。普通模型中，只有1个中心调度器。所有的数据都会流经中心调度器，这些任务集合通过中心调度器处理之后，在通过网络分发到边缘设备上。当处理的任务过多时，经由中心调度器之后，上传到网络，网络负担加重，此时传输的网络带宽被占用，产生大量时延从而降低用户体验。当任务过少时，中心调度器和网络的资源就被浪费了。合理的分配任务离不开整个系统的协调工作，所以研究任务的调度模型，能够使读者理解任务的分配模式。

3.2铁路任务的分类

为了完成用户的需求，响应外界的触发事件，铁路任务也具有多种形式。

（1）周期任务。任务触发存在规律间隔，任务触发后，按照固定间隔执行。任务完成时，整体所占用的资源将被释放。下一个任务周期开始当前任务即结束。

（2）非周期任务与偶发任务。前者不存在固定时间间隔，即任务发生无规律、随机，其任务截止期不可预测。对于很少重复发生的任务，称作偶发任务。

（3）优先级任务。将任务划分为不同的优先级别，允许任务抢占计算资源，优先级别高的就先执行该任务，低级别的就往后排。

（4）实时任务。指在时间上存在约束的任务，超时任务指未能如期完成的任务。根据任务截止时间，也可分为硬实时任务和软实时任务。前者必须在截止时间前完成，否则将会产生不可预测的后果。后者则允许超过最后截止时间，产生的后果对系统可以忽略不计。

（5）独立任务。独立任务是指与其他任务无关的任务，在满足自身约束后，可以按照任意顺序进行调度。

（6）关联任务。关联任务是复杂的任务类型之一，因为任务相互关联，所以一个任务的操作与其他任务密切相关。任务的处理也会影响其他任务的处理。

3.3任务的分解

任务的分解，不只是任务决策管理中的一项技术，还是中心调度处理器负责完成的一项主要任务，分布任务时它通过把一个任务划分为多个子任务，每个子任务可以在相同的边缘设备或不同的边缘设备上运行，运行结果可以合并。任务分解时，任务必须独立，没有关联。由于任务是通过划分处理，任务的数量会有一定幅度的增加，中心调度处理器对任务进行分配时会面临更大的挑战，但是这些挑战是可以通过一些合理地分配计算资源去解决的。

一般在物联网系统中，有一些任务计算量很大，如果直接处理会很麻烦，通常的解决方法是通过分解处理去解决，在任务分解时把任务分解到多个处理节点上分布处理，在提高任务效率的同时还能提高容错。当处理同时具有通信关联性质和偏序关联性质的任务时，在处理过程中把这些任务当成一个个独立的个体分解到各个节点去处理，提高了这些节点的资源利用率。首先需要满足具有通信关联或偏序关联的约束条件，接着保证算法的约束条件，基于上述约束的条件下通过分配策略把任务部署到边缘设备上。

当处理周期任务时，也可以实现分解操作，例如读取感知层任务和显示任务就是一个典型的分解周期任务的过程。在物联网中，由于数据是海量的且多样化，不好处理。如果能在分配任务前细分计算单元，计算资源就可以得到合理的利用，可以通过把周期任务的各个周期划分为各个子任务去处理，当子任务完成时，任务的周期也随之结束。这样，每个子任务之间都有排序和次序，也有时间限制关系。遇到严格顺序执行的任务，还需要一定数据量来保证时序。

3.4边缘计算

用户对于数据传输速率和服务质量要求越来越高，尽管CPU处理能力也越来越强，也无法在短时间处理大量资源和数据。同时CPU对于电能的高消耗使用户在移动设备上接受服务时受到了很大的限制，这些原因都对边缘计算的发展起到了一定的推动作用。借助远程云服务器可以通过将应用上传到云服务器来处理，云服务器在将任务卸载到边缘设备，减轻了移动设备的负担从而延长设备的寿命;为用户提供复杂的计算能力;还可以为用户提供强大的数据存储能力。移动边缘计算不仅有低延迟的计算特点还可以采用完全分布的方式进行任务部署，大大提高了任务的处理效率。

移动边缘计算如今在实现物联网的过程中已经是不可或缺的一环，该领域的研究人员对MEC进行了一系列的研究，其中包括系统分析和网络建模、多用户资源分配、最优控制、实施和标准化。

3.5有待解决的问题

边缘计算在铁路应用领域具有非常广阔的前景，甚至已经应用于一些具体场景，但是并没有大范围推广，现阶段的边缘计算虽然有很多优势，但也还有很多待解决的问题，根据边缘计算的特点，本文认为边缘计算有以下几个问题待解决：

边缘计算因其具有低时延的特点在许多领域有广泛的应用，然而一些特定地理位置现阶段4G网络的速度不能满足其要求，即使使用边缘计算技术，也仍达不到理想的效果。随着5G网络的发展，相信边缘计算配合5G网络的超快速度在不久的将来将会在更多的领域中开花结果。

基站是网络的边缘节点，边缘计算的应用与边缘节点息息相关，而边缘节点的地理位置也有一部分问题要解决。在不同地理位置下，计算任务的卸载方式也不同，而边缘节点的位置选取既要能够满足网络服务的低时延，高效率，并且同时还要能够节省能量，如何选择边缘节点的位置使其发挥出边缘计算的可靠性也是待解决的问题之一。

边缘计算除了具有低时延高效率等特点，它还承担了一部分的计算功能，因此边缘计算应用是否足够智能也是待解决的一个问题。在不同的场景，这些应用需要做出不同的判断，从实时监测，数据分析，到下达判断时所做的决定是否足够准确需要大量的实验与时间去验证，以现阶段的人工智能技术，边缘计算的发展仍有一条很长的路要走。不过随着近年来AI的迅猛发展，AI与边缘计算的结合将会更加可靠，边缘计算的广泛应用未来可期。

4结束语

为了适应高速发展的铁路运输业，将数字化、信息智能化等先进技术，有效融入智能铁路，全面提升铁路运输水平，物联网技术成为必不可少的手段。随着物联网的不断发展和壮大，其包含的信息化节点也呈现数量多、种类多的特点。逐步增加的物联网节点给通信带宽，可靠性传输带来极大挑战。 在这种情景下，应用于铁路物联网中的边缘计算技术应运而生。边缘计算主要是使用网络边缘设备来处理、分析数据，即在产生数据的源头和云服务器之间，构建一个具有计算能力、网络传输和数据存储能力的结点，通过分析、计算数据，减少数据上传至云服务器来减少网络流量和响应时间。边缘计算将数据计算或存储的功能由原本的云服务器迁移到交付数据的用户附近的边缘设备。本文详细分析了边缘计算技术在智能运输中的应用需求和发展前景，以及铁路物联网中计算任务的种类、优先级等，提出了针对铁路物联网的边缘计算策略，为铁路物联网的建设发展提供技术保障。

参考文献

[1]张海波，李虎，陈善学，等. 超密集网络中基于移动边缘计算的任务卸载和资源优化[J].电子与信息学报，2019，41（05）：183-190.

[2]董浩，張海平，李忠金，刘辉. 移动边缘计算环境下服务工作流的计算卸载[J].计算机工程与应用，2019，55（2）.

[3]林涛，秦冬阳，马同宽，董栅. 基于博弈论的移动边缘计算任务调度研究[J].计算机仿真，2018.

[4]李栋. 基于经济原则的网格调度系统研究[D].北京化工大学，2012.

[5]周业茂，李忠金，葛季栋，等. 移动云计算中基于延时传输的多目标工作流调度[J].软件学报，2018，29（11）：72-91.

基金项目

神华新朔铁路有限责任公司科技创新项目----基于智能可穿戴设备的铁路人员主动安全防护技术研究。

作者简介

谢青龙（1981-），男，汉族，广西北流人，本科，工程师，主要研究方向为铁路信息。