基于边缘计算的5G业务

熊小敏

（中国电信集团，北京 100010）

0 引言

5G具有高速、低延迟和大连接的特点，是实现万物互联的网络新基建基础设施，也将加速数字化转型升级，为各行各业的发展带来新的动力。为满足流量、时延、安全等垂直行业应用场景的业务需求，5G将计算/存储能力和业务服务能力迁移到网络边缘，实现应用、服务、内容的快速本地化、近距离转化和分布式部署，这就是5G采用的关键技术之一——边缘计算。典型的边缘计算业务场景与边缘计算的四个主要特征密切相关，包括本地卸载、本地计算、边云协同和能力开放。5G作为赋能产业的核心能力，正在与云计算、人工智能、XR等新兴数字技术融合。边缘计算技术在提供智慧城市、智慧生产、智慧生活等应用场景解决方案，提升用户使用体验的同时，也将带来业务模式的颠覆性创新。

1 边缘计算通用业务架构，三种落地形态及边云协同关系

参考ETSI的边缘计算通用业务架构，边缘计算系统位于无线网和核心网之间，由边缘云和边缘计算服务器构成。其中，边缘计算服务器负责对边缘云相关设施进行管理，而边缘云既可以提供本地化的公有云服务，也可连接企业云实现混合云。同时，边缘计算系统提供基于云的虚拟化环境，支持部署运行第三方应用。根据边缘计算产业联盟（ECC）发布的边缘计算2.0定义：边缘计算本质是云计算在数据中心之外的汇聚节点的延伸，主要包括云边缘、边缘云和边缘网关三类落地形态；以“边云协同”和“边缘智能”为核心能力发展方向；软件平台需要考虑云架构及相关云技术，提供端到端实时、协同式智能等能力；硬件平台需要考虑异构计算能力。可以看到边缘计算其实由边缘网关、边缘云、云边缘三种落地形态组成[1]。三者之间关系如图1所示。

图1 边缘网关、边缘云、云边缘

（1）边缘网关：云化形态的网关边缘计算，以云化技术重构嵌入式网关系统，在边缘侧提供接口及协议转换、边缘计算等能力，部署在云端的控制器提供节点资源调度、应用管理与业务编排等能力。

（2）边缘云：边缘云形态的边缘计算，是在边缘侧构建中小规模云服务能力，服务能力主要由边缘云提供，集中式数据中心侧主要提供边缘云的管理调度能力，如多接入边缘计算（MEC）、CDN等属于此类。

（3）云边缘：云边缘形态的边缘计算，是云服务在边缘侧的延伸，逻辑上仍是云服务，主要的能力提供依赖于云服务或需要与云服务紧密协同，如视频智能接入解决方案就属于此类。

2 边缘计算典型应用场景方案

典型的边缘计算业务场景与边缘计算的四大特征密切相关（本地分流、本地计算、边云协同和能力开放），通过将计算、存储与业务服务能力向边缘下沉迁移，使应用、服务和内容可以实现本地化、近距离和分布式部署，在一定程度解决5G三大应用场景的业务需求。同时，边缘计算通过对移动网络数据的感知分析，以能力开放的形式开放给第三方应用，一方面提升新业务开发速度及便捷部署能力，另一方面也提升网络智能化水平。边缘计算在政府、企业、家庭、公众客户的众多使用场景如下。

2.1 企业移动虚拟专网

基于MEC构建企业移动虚拟专网（如图2所示），是具有运营商特色并且当前已有商用案例的MEC边缘计算典型应用。适用于无线干扰较多（Wi-Fi建设及覆盖）、有移动实时互联需求的大型工厂、园区等企业客户。结合基站补强+室分增强以及部署MEC提供本地分流，满足客户安全、实时的移动上网需求。优势包括：充分利用运营商频段和基础设施，基站/室分按企业客户需求增强覆盖和容量，普通终端无须专网终端即可接入，实际仍然是运营商网络，企业无须维护。适用场景包括：基于企业APN实现网络隔离及用户访问管理，通过用户号码/IMSI实现用户访问管理，基于访问企业服务器地址实现本地分流。

图2 企业移动虚拟专网

2.2 CND业务

CDN（Content Delivery Network）内容分发网络是构建在网络之上的内容分发网络，依靠部署在各地的边缘服务器，通过中心平台的调度以及负载均衡、内容分发策略等，使用户就近、快速地获取所需内容，降低网络拥塞。CDN关键技术主要有内容存储和分发技术。基本原理是广泛采用各种缓存服务，将这些缓存服务分布到用户访问相对集中的地区或网络中，在用户访问相关内容时，利用全局负载技术将用户的访问指向距离最近的工作正常的缓存服务上，由缓存服务直接响应用户请求[2]。

CDN缓存节点下沉到网络边缘DC（如图3所示），可以降低网络回传成本及中心节点压力，以及降低时延，提升用户体验。目前，固网CDN普遍下沉到各城域核心，随着大视频业务发展，有进一步下沉需求。同时当前移动网流量普遍需要通过移动核心网省中心出口到IDC，相对时延较大，有下沉需求。当然并非越下沉越好，下沉增加边缘节点成本，需要综合分析体验、成本、收益。

图3 边缘云助力CDN加速

2.3 工业物联网

智能时代的工业制造业通过工业物联网、OICT融合等实现工业数据的采集、传输、存储、分析，以实现对生产过程的品质、能耗、维护等的优化，提升整体效率。工厂智能在边缘实现，通过边缘云或边缘网关即可进行本地决策，实时响应，同时敏感数据本地边缘存储，满足数据安全治理需求（如图4所示）。以工业制造中智能化机器视觉质检为例，基于生产线上摄像头拍摄的产品图像实时分析，对产品缺陷检测并实时调整控制机械臂等生成参数，提高质检效率和生产优品率。在上述例子中，边缘计算与云计算协同：中心云负责需要大量算力的AI模型训练，工厂边缘侧对训练后的AI模型执行本地推理，现场数据无须都上中心云，提升计算处理效率。

图4 智能工业制造云边协同

2.4 数字治理-社会治理之公共安全应用场景中的实时数据处理

公共安全从治安管理、城市管理、交通管理、应急消防、事故预警、安全生产等方方面面影响着人民群众的生活。

近些年随着各城市社会治安综合治理业务和雪亮工程业务的上马建设，大量视频摄像头被安装到城市的各个角落，使得视频监控总量暴增。得益于这些业务的建设，对预防犯罪起到威慑和警示作用，对事后追踪线索及安检侦破也可提供证据帮助，同时为交通管理疏导、事故责任排查以及为各类人员密集场所提供人流量监控预警、走失人员查找等提供有效帮助。上述城市虽然部署了大量网络摄像机，但大部分摄像机不具备视频处理、分析和预计算能力，仍需将视频数据统一传输至中心平台进行分析处理，或很大一部分系统仍需使用人工识别的方法进行检查和比对，此类系统带来的是人工处理工作量巨大，同时对于中心平台系统处理负荷压力巨大，各路视屏上送带宽要求也很高。基于5G的边缘计算视频有用性检测系统可以对摄像机前方或视频源附近的视频内容进行预判断和处理，不仅可以检测摄像机故障，还可以根据内容动态预处理内容错误和视频质量，后续往中心平台上送预处理后的格式化数据，既节省带宽，也可降低中心平台处理负荷，提升处理速度。

总体来讲，视频安防行业正在向着高清化、智能化、普及化发展，对网络、计算、存储均提出更高要求，传统的云+端架构难以高效支持大规模的安防智能化发展。摄像头智能化、云端智能化是当前视频安防智能化的主要方式，摄像头智能化存在改造成本高、难以算法升级和管理的问题，云端智能化存在网络传输成本高、中心计算压力大的问题；目前的发展演进趋势是智能在端+边缘+云更合理的分布，达到性能、成本、运维的最优。诸如人脸识别、人流统计、险情识别、行为分析等（如图5所示）从云端下沉至边缘计算平台并提供边缘存储，提升识别速率，降低摄像头智能化要求和中心集中化的大规模分析处理要求，结构化后的视频上传至中心存储，节省回传带宽。

图5 视频安防业务

2.5 数字治理-交通治理之智能网联车和自动驾驶

随着机器视觉、深度学习等人工智能技术、大数据技术、5G等与汽车产业的深度融合，电动汽车、智能网联车等新产品不断被推出，也催生出了一系列新的应用场景，例如自动驾驶、车联网以及智能交通。V2X（Vehicle to X）普遍被认为是未来智能交通运输系统的关键技术，C-V2X （Cellular Vehicle-to-Everything）是特指无线蜂窝网络为车辆提供的通信服务，MEC助力自动驾驶从单车智能向真正的全路网智能驾驶演进。当前以百度等为代表的无人车以毫米波雷达/激光雷达等单车感知分析为主，业界发展趋势是向支持V2X的车网协同智能发展演进。单车本身除成本高外，有很大的环境感知瓶颈，这也是现阶段自动驾驶虽然陆续在港口、矿区、物流园区、高速公路等封闭和半封闭场景落地，但是在城市场景却实现困难的原因。分析相关原因主要有两个方面影响：一是道路开放，结构复杂，机非混行，密度大，行为差异显著，对环境感知的要求更高；二是自动驾驶车载核心传感器感知距离有限，且为视距的类人感知，无法满足超远距离以及交叉口、遮挡区等非视距环境的感知需求（如图6所示）。而利用路口高清摄像头、V2X路边单元等多种传感器实时回传到MEC，MEC实时分析处理，分析处理结果通过V2X通信实时共享给路口的车辆和道路单元，可最大限度消除危险隐患。基于边云协同的典型的车路协同网络架构如图7所示。

图6 自动驾驶车载核心传感器感知无法满足的情况

图7 基于边云协同的典型的车路协同网络架构

2.6 智慧城市

根据IBM“智慧城市”的定义：利用信息通信技术感知、分析和整合城市运营平台的各种关键信息，包括民生、环保、公共安全、城市服务、工业和商业活动等。智能响应城市的各种需求，本质是利用先进的信息技术，实现城市的智能化管理和运营，从而为城市人民创造更美好的生活，促进城市的和谐可持续发展[3]。智慧城市应用涉及的方方面面数据具有来源多样、系统异构等特点，同时对隐私和安全也提出了很高的要求，结合边缘结算的特点，应用边缘计算模型，将数据在网络边缘处理是一个很好的解决方案。

边缘计算在智慧城市中有丰富的应用场景。总的来说，智慧城市涉及的单元包含城市单元、社区单元、小区单元、家庭单元等多个层次。每一单元层次都有对应的应用和服务，比如家庭单元涉及有智能安防、智能家居、智慧家庭娱乐系统、环境监控等；小区单元有物业服务、车辆管理、人员管理、视频监控、楼宇门禁等；社区单元有社区政务、社区服务、社区医疗、社区商场、社区培训等；城市有智能交通、智能物流、市政服务、智能电网、医疗卫生服务等。智慧化智能化服务可以提供检测空气质量、光照强度、噪音水平等环境数据；可以收集电梯载客人数、运行时间、统计分析优化电梯运营、排查故障等；可以帮助物业运营管理车位，帮助业主及司机获知停车位信息，合理调度可缓解高峰期停车难；可以帮助建筑实现智能化、人性化、低碳化运行；可以帮助高效管理电网、供热管网、燃气管网等运行，实现能源统一管理等。边缘计算将在智能城市的各个单元层次之间提供分层管理和服务功能，相互协调发展。未来基于边云协同的数字孪生底座叠加海量IoT鲜活数据将为使得城市应用更加智慧（如图8所示）。

图8 天翼云承载国产化数字BIM/CIM软件映射海量物联感知实现智慧孪生应用

2.7 VR/AR

虚拟现实（VR）和增强现实（AR）技术的发展改变了客户与虚幻世界的交互技术，典型性行业应用如图9所示。为确保客户体验，VR/AR的照片3D渲染必须具备较强的实用性。研究表明，将VR/AR的计算任务卸载到边缘服务器或移动终端设备，可以降低处理时延。在边缘服务器上布署支持多客户的VR程序服务框架，将VR图像3D渲染卸载到边缘服务器，并试着复用客户以前的VR图像帧，以降低边缘服务器的估算和通信压力。

图9 VR/AR的典型应用

目前VR仍处于早期发展阶段，对终端/头盔的计算力、网络带宽和时延均有较高要求，包括减少VR眩晕感的20毫秒MTP（Motion To Photons）体验要求极低的网络时延，导致VR实时互动类业务如VR多人游戏难以提供（目前VR游戏以单机离线版为主），而边缘云提供低时延保障以及VR渲染等计算处理，促进低时延的实时互动类VR业务体验，并降低VR终端计算成本，有利于VR业务的丰富及推广。

目前的AR以终端本地渲染和图像识别为主+云端识别为辅，随着AR的发展，采用基于视觉定位导航处理等技术的AR服务对带宽和时延有进一步的需求，包括边缘云提供AR识别、内容本地缓存及计算处理能力，相比原有云端处理，可降低业务时延，提升用户体验。

2.8 智能家居

智能家居系统运用很多的物联网技术设备（如温湿度传感器、安防监控系统、灯光控制系统）实时监控家居内部情况，接受外界控制指令并最终实现对家居环境的管控，以提高家居安全系数、便捷性和舒适度。

目前智能家居主要通过云平台来连接和控制家中的智能设备，很多家庭局域网内的设备互动也通过云平台来实现。但设备过度依赖云平台会带来很多问题，例如，家里出现网络故障，设备很难进行控制。另外，通过云平台控制家中设备，有时响应速度慢，会带来很强的延迟感，并且随着智能家居单品品类的增加这种不良体验会越来越频繁。

在智能家居中，边缘计算的应用越来越广泛。智能家居网关是家居智能化的心脏，通过它实现系统信息的采集、信息输入、信息输出、集中控制、远程控制、联动控制等功能，它是边缘计算的重要载体（如图10所示）。

图10 智能家居网关是家居智能化的心脏

一方面，智能家居网关有了边缘计算的支持，对智能家居设备的控制，可以直接通过边缘计算进行。对于在同一网关内的智能组件，网关可以处理这些组件收到的信息并根据用户设置或者习惯做出决策，控制执行组件执行相应动作。对于能够实现边缘计算的智能家居组件，在用户外网断开的时候，可以不受影响，这就避免了在用户断网时候造成的智能家居系统瘫痪问题。

另一方面，在智能家居不同产品的互动场景中，边缘计算也将充当网管或中控系统，通过云计算与边缘计算的协同，来实现设备之间的互联互通、场景控制等功能。

智能家居网关对内连接家庭内丰富的家居及传感器，对外连接云平台，提供计算、存储、网络、虚拟化等基础设施资源，同时提供设备自身配置、监控、维护、优化等生命周期API。

3 结束语

虽然基于边缘计算的5G业务日益丰富，但是未来仍然需要大量工作推动其发展和应用：从技术发展上完善边缘计算的最佳部署模式，解决云/边缘计算以及更广义的5G网络相关的高能耗成本问题；从市场发展上促进产业协同下沉，拓展边缘计算与垂直行业间的探讨；在政策法规上，考虑到边缘技术部署的独特性质和挑战，建议建立清晰明确的产业政策。总之，边缘计算作为5G的关键技术之一，不但为网络演进增加了新的技术，而且也提供了新的市场机遇。越来越多的相关企业（通信运营商、云计算服务商、设备提供商、互联网企业等），也希望通过提供边缘技术（硬件、软件和平台）为用户提供边缘服务和应用，从而创造新的收入。