边缘计算网关关键技术及其应用

李文豪，陈仲生

（湖南工业大学 电气与信息工程学院，湖南 株洲 412007）

0 引言

随着计算机网络技术的蓬勃发展，连接互联网的设备数量呈现出日益增长的态势，如何高效处理这些设备所产生的数据信息已成为一个亟待解决问题。云计算是传统中心计算模型的典型代表，其主要特征为在云平台一侧集中进行数据计算和存储，具有强大的处理分析能力，不仅方便人们进行资源信息共享，还能够协助提高企业的信息管理能力［1］。然而在这万物皆可联网的时代，设备所产生的数据量在爆发式地增长。2000年全球互联网生成的数据总量为2 EB；但从2011年开始，每天生成的互联网数据量约为2 EB，到2020年，全球互联网数据总量已经达到了约40 000 EB［2］；云中心所承受的工作强度越来越大，其处理数据的速度也越来越慢。为了减少网络时延对数据上传互联网的影响，网络传输带宽被提出了更高的要求。

边缘计算不同于传统的云计算，其能在靠近接入设备的一端对数据进行处理和存储，极大地降低了接入设备数据传输对网络带宽的要求。在互联网接入设备中采用边缘计算技术，将云中心的一部分工作下沉到本地任务中，以减轻云中心的工作压力，提高数据处理的效率。为了更好地实现云中心对数据进行实时、短周期地处理，边缘计算网关技术被提出，其将边缘计算技术与网关技术相结合，能够在靠近接入设备侧进行数据的计算、存储以及通信。数据经边缘计算网关处理后再上传至云平台，这样不仅避免了大量数据扎堆涌入云中心现象的发生，还能提高云中心处理数据的效率［3］。因此，在物联网时代，边缘计算网关凭借其诸多优点得到了迅速的发展和广泛的应用，已成为物联网系统中一个不可或缺的部分。本文对边缘计算网关从发展历程、标准评估、结构搭建、关键技术以及应用进展等方面进行了介绍，并对其未来发展进行了展望。

1 边缘计算网关发展历程

随着终端设备数据计算能力的不断提升，数据计算的任务重心逐渐从云中心转移到物联网（internet of things，IoT）架构中接近网络边缘（用户）的一侧，边缘计算逐渐取代云计算，并形成了一种IoT网关，即边缘计算网关。边缘计算网关作为连接终端设备和云中心的关键部件，其能够分担云中心的计算负载，并且能够协调分布在网络边缘侧的多个终端设备，从而实现自组网、远程通信、数据汇聚、边缘计算以及数据存储等功能。

2016年之前，边缘计算一直处于技术储备阶段且没有明确的定义，彼时云计算是人们研究的热点。2016年5月，边缘计算首次被赋予了定义：边缘计算是指允许在网络边缘使能云服务的下行数据以及IoT服务的上行数据的技术［4］。“边缘”一词可被抽象地理解为在数据源和云中心之间的计算资源或网络资源，边缘计算的基本原理是发生在数据源附近的数据处理。边缘计算与雾计算可以互换，边缘计算侧重于IoT方面，而雾计算则侧重于架构体系方面。文献［4］从可编程性、安全性、数据处理、服务管理等技术方面提出了有关边缘计算的机遇和挑战以及值得未来研究的优化指标。同年，一种基于人工智能（artificial intelligence，AI）的IoT 边缘计算网关上的人员重识别微服务技术被提出［5］。该微服务使用重识别（re‐identification，Re‐ID）算法，不仅提高了传统人工智能IoT的计算效率，还缩短了WiFi 接入网络的延迟并减少了上传互联网所需的数据量，为AI边缘计算网关的应用奠定了基础。

2016 年之后，随着万物互联时代的到来，云计算的弊端越发显露，边缘计算作为对云计算的改进，吸引了大量来自学术界和工业界相关人员的密切关注，由此边缘计算网关技术进入了快速发展阶段。2017 年，相关研究人员发现，在众多IoT 设备和边缘计算技术需要实现互联的这种新环境下，网络边缘生成了大量需要管理、处理和存储的数据［6］。通过比较分析当下方法与多接入边缘计算（multi‐access edge computing，MEC）框架下的性能参数，如系统性能、网络性能、部署开销和系统迁移开销，并衡量不同方法的有效程度，从而肯定MEC是实现延迟最小化目标的一种方法，同时提出了几种新的MEC架构来减少延迟。

图1示出边缘计算网关的发展历程。1998年~2014年为边缘计算网关技术储备期，期间人们利用边缘计算技术改进了云计算的不足。2015年~2017年，为了满足万物互联的需求，边缘计算与IoT网关相结合，边缘计算网关由此诞生。2018 年至今，边缘计算网关进入稳健发展期并被广泛应用于多个领域；随着人工智能（AI）技术的发展，基于AI的边缘计算网关技术正逐步兴起。

图1 边缘计算网关技术的发展历程Fig.1 Development history of edge computing gateway technology

2 边缘计算网关功能选择及标准评估

为制定合适的边缘解决方案并更好地搭建边缘计算网关的架构，需根据相应的应用场景对边缘计算网关功能进行标准评估。边缘计算网关的功能选择及其标准评估主要涉及以下4个方面［7］：

（1）网关设备连接，包括网络标准化和协议、连接设备的配置。

网络标准化和协议，意在提供标准化工具，将来自连接设备的各种协议标准化为支持发送到云的协议，该服务内容包含数据格式化和消息代理。

连接设备的配置，该功能用于将已连接的设备与已识别的自定义用户组的工具进行配置，这对边缘计算网关的架构而言有着更好的可见性。

（2）数据预处理，包括数据过滤和数据整合。

数据过滤是提供不同算法的工具，其允许对传入数据应用不同类型的过滤方式，而不会丢失数据的信息价值。

数据整合为提供基于主题的入站数据聚合的工具，包含数据融合和分组。

（3）数据分析，包括数据预处理、本地数据库、数据压缩和数据加密。

数据预处理主要是提供机器学习算法的工具，对网关中的实时数据进行分析，并在这些数据中进行特征收集，原理类似于预测性维护。

本地数据库用于数据的本地存储。该数据库可以作为本地机器学习的源数据库，或者在数据连接断开时作为备份，在恢复后将存储的数据将发送到云端。

数据压缩为允许在收集到足够多的数据后通过合适的方法保存和压缩数据的工具。

数据加密为提供进一步数据加密功能的工具。

（4）特殊硬件要求包括高计算能力、高续航自供电能力和互联网连接备份。

高计算能力指处理器需具有计算大量数据的强大能力。

高续航自供电是指需具备无需外部电源亦可长期运行的电池电源。

互联网连接备份指如果网关连接云端失败，则其需要提供进一步重新连接Internet的机会；如果连接不断失败，则发送紧急报告。

这组标准已由专家就实施的有用性和复杂性进行了评估［7］。有用性评估时应考虑解决方案对功能的整体影响，而复杂性评估时则考虑实施难度、预计实施时长、运行服务成本以及对边缘计算网关最终成本的影响。专家根据权重评估所有标准后，第j个标准的有用性平均值和复杂度平均值的计算如下：

式中：uri——有用性评估值；dri——复杂度评估值；n——评估专家的数量。

第j标准的初始权重wj计算如下：

如果得到的标准权重是一个负值，则意味着该标准很难被实施，其对整体解决方案的影响很小。因此，第j个标准最终必须遵循如下要求：

第j个标准的最终归一化权重nj计算如下：

式中：s——标准的数量。

这些标准的归一化权重如表1 所示。其从整个边缘计算网关解决方案的有用性和实施难度的角度对每个标准进行评估，同时还考虑了财务难度、预计实施时长、运行服务时长以及对边缘计算网关最终成本的影响等因素。从这些评估中，作者根据式（4）计算了归一化权重，并从这些权重中确定了给定标准的重要性（数值越小，代表此功能越重要）。

表1 具有指定权重和重要性的识别标准Tab.1 Identification criteria with assigned weights and importance

通过这种方式，专家建立了一个建议系统，用于创建边缘计算网关。该系统在设计边缘计算网关时能够参考专家对网关功能的标准评估，从而有助于正确地设计边缘计算网关的功能和结构，并且表1 中这11 个标准适用于任何场景下的边缘计算网关。对于需要在特殊环境下使用的网关，这些标准可能不是最好的。在这种情况下，可以在相关领域专家的帮助下重新评估系统。这样某些标准可能会发生改变，因此可以酌情添加或删除标准。

3 边缘计算网关的关键技术

边缘计算网关的关键技术包括功能缓存、低延时位置感知、实时数据处理、安全管理服务、多微控制单元（micro‐controller unit，MCU）扩展技术、无损压缩技术、网关检测管理、云边协同技术及IoT网关技术等。

3.1 功能缓存

边缘计算的概念最早出现于1998年，当时Akamai公司为解决因网络带宽不足而导致的数据堵塞和用户访问响应时间长等问题，提出了CDN 技术，其主要包括内容路由、内容分发、内容存储以及内容管理等功能［8‐10］。边缘计算网关可利用CDN 通过复制、缓存的手段把从原本云平台上的数据分发到位于网络边缘侧、靠近用户的其他缓存云平台，使各网络节点的负载达到均衡的水平，从而最大化网络带宽，为用户提供快速、可靠的应用程序和Web服务。由此可见，CDN的应用展示出边缘计算网关具有功能缓存的功能。

3.2 低延迟位置感知

2007 年，为提高终端设备的计算能力，IBM 公司和Google 公司共同研究并提出了一种名为云计算的方法。当时的云计算是分布式计算的一种，它是指边缘计算网关依靠云端网络将整个数据计算程序划分为多个部分的小程序来运行，并通过多个云平台将结果反馈给用户［11‐13］。但受当时网络技术和经济水平的限制，该方法存在网络性能不稳定、数据安全性差以及传输成本高等问题。为此，2009 年，Satyanarayanan M 和Bahl P 等人对Cloudlet 的概念进行了研究。Cloudlet 是一种可靠性高且有着丰富计算资源的计算机或计算机集群，其可与互联网进行安全、可靠的连接，供附近的移动设备使用。边缘计算网关可利用附近的Cloudlet来获得云计算的资源，不仅不会造成网络延迟和抖动，还能降低网络传输的成本［14］。在此期间，刚兴起的互联网部署浪潮促使人们开始对具有移动性的低延迟位置感知技术进行探索。2011年，思科公司的Bonomi F，Milito R 等人首次提出了雾计算的概念［15］。雾计算又称本地云计算，其主要包括网络管理和资源调度两项内容［16‐17］，它可在靠近网络边缘的边缘计算网关和传统的云中心模型之间提供数据计算、存储等服务，弥补了云计算没有位置感知功能和高延迟的不足。

3.3 实时数据处理

3.4 多MCU扩展技术

2018 年，Chen Ching Han，LIN M Y 等人［19］从边缘侧物联网网关的性能、可扩展性、计算和通信效率的角度研究发现，单个MCU的边缘计算设备无法满足物联网在异构网络通信和管理以及大数据采集等方面的服务要求。因此，一种MCU边缘计算网关框架被创新性地提出，其结合基于FPGA（现场可编程门阵列）的硬件桥和多个可扩展MCU的边缘计算网关设备，组成一种可以实现智能传感器现场总线网络的边缘计算网关。通过该网关的分布式协同计算，可以有效提高网络管理、嵌入式数据采集和网络通信在现场总线控制下的执行效率。与传统的工业物联网的解决方案相比，此方案有效降低了边缘计算网关的工作实时功耗，并提高了其可扩展性。此外，它还提供了数据报表及其操作界面，从而能够从IoT 所管理的子系统连接到感知层中的多个智能传感器网络。

3.5 安全管理服务

边缘计算作为一种新兴的计算方式，它能将计算能力分配到网络的边缘侧，以便在部署的传感器和执行器的环境附近进行计算。在网络边缘，需要基于足够的计算资源才能向Internet 提供解决异构通信的方案。然而，在网络边缘处，设备的计算能力和网络资源有限；基于受限资源，利用边缘计算来提供安全服务是一项挑战。因此，为了实现私有网络中IoT 设备的安全服务，文献［20］提出了一种基于安全微服务的边缘计算网关；同时，为了保护来自本地网络的服务，一种安全子网关被部署在边缘计算网关中，以提供身份验证和授权管理等功能，确保了多个微服务在专用环境中的安全。在安全网关的实施过程中，安全管理模块按基于EdgeX Foundry（一种边缘计算微服务框架）的EdgeX 框架标准［21］进行配置。实验测试结果表明，基于此框架的安全网关所提供微服务的通信延迟非常小，而且安全等级也很高。因此，可以认为边缘计算网关的安全管理服务是可行的，并且适用于本地网络中的实时通信。

3.6 无损压缩技术

在边缘计算网关上进行数据压缩是必要的，因为其可显著减少网络传输的数据量，有助于减小传输延迟和增加网络带宽。特别是在像医疗、金融等领域对时间要求严格且数据敏感的IoT 应用中，采用无损数据压缩技术是最合适且必不可少的，因为无损压缩技术可以对IoT中的重要信息进行防丢失保护。然而，为边缘计算网关选择合适的无损数据压缩算法并非易事，因为每种无损数据压缩的方法都有其优点和缺点。因此，文献［22］对可以在边缘计算网关上运行的几种无损数据压缩算法进行了分析，总结了几种应用比较广泛的无损压缩方法，如LZO、LZW、LZ4、霍夫曼编码及Zstandard 算法，并在边缘计算网关上进行了实验。结果表明，LZO、LZ4 及Zstandard 算法的优势更加显著，其具有高效率和低延迟的压缩性能，更适用于对时间要求严格和数据敏感的物联网应用中。

3.7 网关监控管理

随着IoT 相关技术的不断发展和改进，其技术难题越来越多，如设备的通信方式或协议复杂多样、数据传输效率低、网络负载大、时延长等。针对这些问题，Han K、Duan Y等人使用开源的EdgeX Foundry框架和Docker 虚拟化容器技术首次实现了将EdgeX Foundry的边缘计算理论应用到IoT 网关中［23］，并用此方法验证了在边缘计算网关中丢包率和时延具有良好的稳定性。因此可以构建具有温、湿度监控报警，数据周期性采集以及任务统一调度管理等功能的边缘计算网关；同时，为将计算任务从云端转移到边缘端，还可通过双阈值方式来避免控制过程中的抖动，以实现边缘计算的功能。该方法可有效减小数据在传输和处理过程中的延迟，为工厂设备的数据采集和设备控制提供了新的思路。

3.8 云边协同技术

为解决当前电力物联网架构中普遍采用烟囱式独立接入服务所带来的网络资源冗余和过载问题，文献［24］提出了一种应用于电力物联网的云边协同的边缘计算网关模型。在这种工作模式下，边缘计算的任务主要是执行本地即时性的数据处理工作，并将噪声数据过滤后的剩余的有用信息传输至云端；而云计算则通过大数据分析，负责非即时性的数据处理，将数据优化后再输出数据模型返回至边缘端。该模型结合了云计算的集中性和边缘计算的分散性，满足大数据计算和本地数据实时分析的要求，能够适应电力物联网复杂的网络和数据访问和管理要求。然而，边缘计算网关设备的广泛安装不仅会增加系统的建设、运行和维护的成本，同时在平台层、应用层和边缘计算网络之间的计算任务协调、资源调度和管理协作等方面也存在一些问题。如何解决这些问题，实现云计算、边缘计算和传感设备的全局视图管理和灵活调度，这是下一步的研究方向。

3.9 物联网网关技术

2005年11月，国际电信联盟（ITU）在发布《ITU 互联网报告2005：物联网》报告中首次全面透彻地分析了IoT的概念。2009年8月，中国移动总经理王建宙在台湾公开演讲中也提到了IoT 这个概念。当时在国内IoT作为一种新的概念，没有明确的定义，只是被大家公认为是一种各类传感器和现有的“互联网”相互衔接的一种新技术。2017年，Gl´oria A，Cercas F等人指出，IoT 网关是用于将用户接入网络的纽带，其允许在短距离通信协议与传统通信网络之间转换数据［25］。网关支持不同类型的传感器节点、多种无线和有线通信协议，并为应用程序或用户提供一组统一的信息，使之只用于数据处理［26］。基于IoT的概念，创建IoT网关的主要挑战是缺乏标准，因为每个传感器节点都可以与不同的协议进行通信，而这些协议与其他协议的兼容性要求使得通用网关的开发成为一项复杂的任务，从而解释了为什么具有特定功能的IoT网关是常见现象。

2017 年以后，基于IoT 在传感控制领域中的广泛应用以及边缘计算技术的快速发展，人们将边缘计算技术应用在带有传感器的嵌入式设备中，再通过某种通信方式接入IoT 网关，从而形成了能够进行传感控制的边缘计算网关［27］。边缘计算网关自诞生以来就一直受到研究人员的关注，经过人们的不断探索得以被应用到多个行业领域当中。边缘计算网关主要关键技术的大体架构如图2所示。图中，可移动嵌入式设备通过低延迟位置感知采集多个传感器数据并经实时处理生成用于边缘计算的程序，该程序经边缘计算网关利用分布式计算技术可分解为多个小程序进行处理。处理后的程序可通过Zigbee、蓝牙、RS485总线等通信方式上传至物联网网关。最后，IoT网关利用功能缓存技术将得到的数据信息分发到多个缓存云平台中，用户可调用到来自不同缓存云平台的数据信息来对传感器数据进行实时监测。

图2 边缘计算物联网网关架构示意Fig.2 Framework of edge computing gateway

4 边缘计算网关的应用进展

通过对国内外有关边缘计算网关文献的调研，本文按照第一产业、第二产业、第三产业进行归类，对边缘计算网关的相关应用及进展进行总结和归纳。

4.1 第一产业领域的应用

在过去的十年，低功耗广域网（low‐power wide‐area network，LPWAN）、远距离无线电（long range radio，LoRa）及 窄 带 物 联 网（narrow band internet of things，NB‐IoT）等技术的蓬勃发展提高了以农业为主的国家及地区的经济水平，为农业发展提供了相对经济的基础发展设施。然而，这类技术存在着低带宽传输的缺点。对此，可以采用边缘计算与其他新兴技术的集成来进行改善。文献［28］通过在LPWAN本地网络层和Edge AI中集成AI技术，提出了一种基于边缘人工智能的农业物联网系统架构；同时还实现了一种由传感器节点、边缘计算网关、LoRa 中继器、雾网关、云服务器以及用户终端应用程序所组成的边缘层系统。在边缘计算网关中，采用基于卷积神经网络（convolutional neural network，CNN）的图像压缩方法将网关范围内发送的有关的数百或数千个传感器节点的数据信息压缩至总量的67%水平，并且解压误差最低可达5%，最大限度地减少了LPWAN链路负载传输和存储在云服务器中的数据量，从而弥补了农业物联网中LPWAN的不足之处。

结果显示，护理职业性别刻板印象与专业认同呈负相关r=-0.214，P＜0.01。即男护生对护理职业性别刻板印象得分越高，其对护理专业的认同度越低。

目前，设施农业已成为农业互联网的一种重要场景，其主流方式之一是通过远程服务器对农业温室进行智能控制。但是，随着农业温室规模的不断扩大以及管理作业精细化程度的提升，服务器需要处理的环境数据信息量越来越大，由此会带来服务器负载大、数据传输延时大、带宽费用高等问题。而边缘计算技术的应用，一定程度上能满足农业资源精确控制和高效利用的农业数字化发展目标要求。吉林农业大学的欧阳航所在团队［29］设计了一种带有LoRaWAN模块的边缘计算网关，以实现与温室监测数据的交互；同时其在已有控制算法基础上提出了一种基于麻雀搜索算法的优化模糊控制算法，并将该算法植入边缘计算网关中。实验结果显示，该网关控制的果蔬温室的土壤水分实际值与设定目标值的误差维持在3.6%左右，这证明了该系统的稳定性和可靠性能满足精准农业资源控制的需求。

4.2 第二产业领域的应用

本文以工业制造、能源、电力等领域为例介绍边缘计算网关技术在第二产业领域的应用进展。

4.2.1 工业制造领域

随着我国工业制造步伐的加快，海量的工业数据使得工业设备对数据计算的实时性、可靠性以及安全性比传统的泛在物联网有了更高的要求。于是，边缘计算技术被广泛地应用到工业物联网中，以优化工业设备的控制方法，提高数据处理的效率，保障生产数据的安全性。例如，万向集团研究院联合中国联通网络技术研究院开创了一种基于边缘计算网关的工厂生产数据采集方法，其利用蜂窝网和边缘网关在本地设备上实现了数据分析、数据打包和数据处理等功能，具有延时短、安全性高、带宽高等特点［30］；同时，生产数据通过边缘计算网关实现了分流处理，即重要数据被存储在边缘侧，非重要数据存储在中心侧，优化了用户对生产数据的分析和管理方式，降低了云中心的工作负荷，提高了数据处理的效率。

随着工业互联网的飞速发展，接入IPv6（internet protocol version 6，IPv6）工业互联网的设备数量越来越多，海量工业设备或终端设备的并发运行会给边缘计算网关带来巨大的压力。对此，一种基于IPv6 的边缘计算网关［31］被设计出，其使工业互联网具备了支持异构设备数据采集以及支持终端访问的功能；通过对IPv6 边缘网关的资源适配功能进行改进，得到了一种结合动态线程和基于过期时间排序的优先级队列管理的IPv6边缘计算网关的自适应资源分配方法，进一步提高了边缘计算网关在IPv6 工业互联网中并发运行多个异构设备的能力。

4.2.2 能源、电力领域

随着5G 技术的发展，基于5G 的边缘计算数据处理效率得到了大幅提升。智能电网变电站复杂、海量的数据不仅降低了数据处理速度，而且还浪费大量的电力资源。对此，衷宇清团队提出一种将5G 边缘计算网关应用于电网的方案［32］。其首先将电网的业务需求进行了划分，并结合5G边缘计算的特点将各业务产生的数据分别通过一个边缘计算网关进行汇聚和处理；然后根据电网业务需求进一步地将数据上传至控制子站或主站，从而避免了来自不同业务的大量数据扎堆涌入控制中心的现象。该方案的应用提高了电网的数据传输效率，实现了对电网业务的合理分配以及对流量数据的合理分流，对于推动5G边缘计算网关的发展具有重要意义。

当今，人们对于能源的使用需求量越来越大，如何合理地节约和利用能源已成为社会可持续发展研究的一项重点课题。对此，一种智慧能源网关［33］被提出。其由边缘计算和人工智能技术所定义，能够通过多种通信方式来采集能源利用信息，该信息数据经“边-管-云”功能结构的边缘计算网关处理后用于实时监测能源使用情况，实现能源的合理应用，提高能源利用率。此外，边缘计算网关在能源开采的安全性方面也发挥着重要的作用。由于能源设备绝大多数是在偏远地区使用，如果出现如油管过热、天然气压力过大或者矿井氧气不足等异常情况，若没有及时采取补救措施，就可能会发生比较严重的事故。为了避免此类事故的发生，人们在边缘计算网关中利用AI 技术对能源所处的环境信息进行监测分析，并利用5G技术将分析后的数据快速上传至互联网［34］，减小了边缘计算网关在偏远地区受网络波动的影响。

4.3 第三产业领域的应用

本文以通信、金融、交通和医疗等领域为例介绍边缘计算网关技术在第三产业领域的应用进展。

4.3.1 通信领域

卫星边缘计算受益于增强的机载处理能力和高速卫星-地面链路，被认为是一种具有应用前途的技术。通过在卫星站和网关站之间部署边缘计算服务器，可提升卫星通信网络（satellite communication network，SCN）执行计算密集型应用程序的性能。SCN通常以增加资源管理的维度和复杂性为代价来提高边缘计算的能力。对此，一种考虑了不同场景的卫星边缘计算网关执行方案被提出［35］，并实现了计算密集型应用程序的最简化及延迟最小化。此外，SCN 的联合计算和通信资源分配问题被描述为一个混合整数规划问题，且一种基于博弈论和多对一的匹配理论方案（JCCRA‐GM）被提出以获得近似最优解。该方案具有较低的复杂度，可以实现与蛮力法几乎相同的权重和延迟，从而能够大大提高卫星网络的通信性能。

4.3.2 金融领域

近年来，受物联网开放性因素的影响，位于终端设备侧的金融支付业务对用户的隐私信息保护、支付数据的安全传输以及支付过程的时延提出了严格的要求。为此，中国银联电子支付研究院的祖立军、翟孟东等人提出了一种具有金融支付服务功能的边缘计算网关，其适用于多种支付场景［36］。该研究团队在边缘计算网关中运用了物联网GmSS安全芯片和可信启动架构来对用户支付数据的安全性进行加固，并借助新能源汽车的无感支付功能对该金融支付网关进行了验证。结果表明，在金融支付系统中，运用了此技术的边缘计算网关在安全性提高的基础上降低了系统受理支付信息的延迟时间，从而为用户提供了高质量的金融支付服务。

4.3.3 交通领域

无人驾驶作为一种新兴技术，虽已应用于许多品牌汽车中，但还存在诸多的不足。例如，在自动驾驶过程中，汽车的决策和反应易受网络时延的影响，不仅降低了用户的体验感，还可能会造成因自动驾驶汽车操作失误而导致的交通事故。为此，一种适应5G 网络条件下的无人驾驶技术被提出［37］。其利用5G 联网以及MEC边缘协同技术将自动驾驶汽车传感器（如空气流量计、节气门位置传感器、车速传感器和倒车雷达等）所采集的数据高效地传输给向汽车下达指令的边缘计算网关。边缘计算网关就近处理传感器采集的数据，结合MEC边缘协同技术，可以极大地降低自动驾驶汽车的反应时间，减少错误驾驶现象的发生；同时，将AI技术［38］与无人驾驶技术相结合，可以全面、准确地模仿驾驶员的驾驶行为和习惯，从而保障自动驾驶汽车的安全性能。

4.3.4 生活服务领域

目前，国内外很多研究都集中在边缘计算资源的分配和部署上。然而，在当今的大部分网络中，网关设备具有高度的可移动性，如果采用传统的集群部署方式，一旦网关的位置发生变化，那么算法每次都要计算网关到各个聚类中心的距离，这样每次的计算量都很大。为此，一种基于微服务架构的边缘计算网关的部署方案被提出［39］，其基于高斯混合模型，并引入贝叶斯准则［40］作为选择高斯分量数量的依据，以确保高斯模型分量迭代后的最佳数量。该方法结合了边缘网关设备自身移动性特点，采用软集群的方法来定位和部署网关，从而使网关的部署和定位更加准确。同时，该部署方法不仅可以实现网关设备数量的优化，同时还保证了各网关设备负载均衡，在生活中具有很高的应用价值。

现如今，智能家居已成为物联网的一个重要应用场景，其中家庭服务型机器人作为家庭网关的产物能够感知周边的环境和事物并进行信息采集和处理，而现有的家庭网关大多采用云计算的方式进行数据处理，存在着功能单一、可扩展性差、网络延迟高等问题［41］。为此，一种基于边缘计算网关的家庭看护系统被提出。该系统以边缘计算EdgeX Foundtry为基础，边缘计算网关作为数据处理和控制中心，不仅能实时地实现健康监测、环境监测、无障碍跟随及智能控制等功能，还可通过搭配Freeboard插件的WedUI客户端实现对监控采集数据的可视化显示，极大改善了传统家庭网关性能的不足。

4.3.5 医疗领域

2020 年以来，新冠病毒在全球流行，威胁着人类的健康。为了避免病毒携带者将疾病传染给更多的人，许多公共场合被安排了专职人员进行体温监测。但是，由于新冠病毒的传染性极强，这种近距离测体温的方式很有可能会把病毒传染给医护人员。其次，长时间、高强度的工作也会导致医护人员的体力不支从而可能会对医护人员的身体产生其他的危害。为此，根据Akmandor A O，Jha N K 等人［42］对边缘计算技术在医疗领域的应用展望，可采用人工智能技术，利用机器人代替人工的方式进行体温监测，以避免病毒对医护人员的危害。一方面，采用边缘计算网关的机器人可以凭借自身强大的算力对体温数据进行计算分析，自动判断流动人员的健康概况并将数据传输至云平台供医护人员进行远程实时监测；另一方面，机器人凭借人工智能技术的多种算法还可以实现虹膜、指纹及语音等身份识别，使人们可以在戴口罩的情况下被识别出身份，从而极大地提高了在特殊时期人流量大的情况下进行身体健康状况监测的效率。

综上所述，边缘计算网关凭借其诸多功能已经可以被应用于各大产业当中，对这些产业或领域的发展都起到了优化和推动作用。

5 边缘计算网关的未来展望

边缘计算已经受到学术界、工业界以及政府部门极大关注，基于边缘计算的人工智能技术目前正处于逐步发展阶段。不仅有很多关于边缘计算的论文已被发表，而且工业界成立了多个联盟组织，相关的政府部门也发布了一系列有关边缘计算的重大研究计划，AI标准化机构也将边缘计算列为AI的重要组成部分，基于AI的边缘计算技术将得到进一步的发展和推广。

边缘计算和边缘计算网关是当今以及未来智能物联网时代下的近端数据解决方案的基础技术和基础设施。随着5G基站的广泛布局，5G技术的商业应用进一步扩大，其相关应用对低时延、海量信息接入提出了更高的要求；AR/VR、物联网、智能家居等海量数据给云存储数据带来了更高的挑战，边缘计算网关未来市场规模必将呈现扩大的趋势，同时将带动软、硬件设备提供商和电信运营商等共同发展。

此外，随着相关数字化经济和智能化产业的发展，5G技术带来的AR/VR、车联网等领域对边缘计算网关的发展产生了刚性的需求，新的应用场景将进一步推动边缘计算网关产业链整体发展。随着物联网终端设备数量的激增以及对数据的实时性和安全性需求的日益增长，在很多行业的应用场景下，边缘计算网关将变得至关重要，例如，智慧交通的道路管理和自动驾驶、智能制造的质量检测和设备监控、智慧医疗的疾病监控和辅助诊断等等。边缘计算网关在中国还处在早期发展阶段，未来具有极大的发展潜力，尤其是边缘定制服务器，预计在未来五年，其将迎来高速增长的趋势。由此看来，边缘计算网关市场发展前景广阔，多场景的应用将助推边缘计算网关及其相关产业链的协同发展。

6 结语

本文对边缘计算网关的功能选择和评估以及关键技术进行了原理性的介绍，对其发展历程按照时间顺序进行了描述。同时，本文对边缘计算网关的应用进展按照各产业类别下的不同领域进行了划分。其中，集成了AI 技术的边缘计算网关正逐渐发展起来。但是，边缘计算网关采用的传统无线传输方式在数字化经济发展和智能化产业发展的背景下已经无法满足数据处理对实时、短周期的要求。因此，如何在5G通信时代下采取合适的措施来提高边缘计算网关的工作效率，是人们亟待解决的一个重要问题。