云边协同部署架构在铁塔高空监控中的应用

陈鸿凯

（中国铁塔股份有限公司福建省分公司，福建 福州 350300）

1 绪论

铁塔高空监控利用通信铁塔等高空场所的优势，通过在其上安装监控或物联网设备，对周边广阔的环境进行视频、图像以及其他数据的采集和传输。这种监控方式可以将视频摄像头的监控性能发挥至极致，其监控范围以铁塔自身为中心，可以覆盖方圆数百米甚至数公里，提高监控效率和质量，并能为视频算法提供更为场景复杂和丰富多样的样本数据；在5G、AI、大数据等前沿技术的驱动下，铁塔高空监控可以实现视频数据的实时传输、智能分析、预警派单等功能，提升监控智能化和精准化水平，在电信、消防、交通、安防、环保等领域都有广泛的应用，可以实现自然资源保护、油气水电管理、环境污染防治、交通安全监管等多种场景和需求进行全方位的监控和管理，为国计民生和社会信息化提供有力支撑。在铁塔高空监控领域中，充分利用现有通信铁塔资源共享，降低项目建设成本，加快网络搭建速度，将通信塔转变为数字塔，实现一塔多用、跨界共享的价值创造，是当下最为火热的应用研究方向和最有前景的发展方向。

随着工业互联网和5G 的发展，视频数据的规模和种类由此产生了指数型的增长，尤其是在铁塔高空智能监控领域，存在不确定性因素极高的视频场景和难预期的突发情况，例如一座挂载在沿海的船只监控，除了需要对一天不同时间段内的光线建模，还需要分析不同天气对视频数据的影响，这都需要大量视频数据的支撑。为了解决海量数据在云端存储、处理和传输开销大的弊端，国内外各领域的科学家通过分布式存储技术、数据压缩技术、网络流量优化技术、分布式计算技术、流处理技术等方式对数据进行优化，提高数据处理性能，减少了数据从端到端传输的时间。但目前这些方案均基于云端技术。这些技术方案需要将视频数据在云端和边端进行来回传输，每次数据往返于边端和云端通常需要花费数秒时间，并且大量的视频数据严重占用传输带宽，极大增加了网络成本和时间成本。同时云端方案存在数据安全性风险和系统可靠性风险，前者是由于用户数据在传输和转移的过程中，会存在数据泄露和用户隐私问题；后者是由于云服务提供商的服务器和网络基础设施，如果出现故障或者网络中断，可能会导致应用程序无法正常运行。此外，云计算需要大量的服务器和数据中心来支持，这需要大量的能源消耗。而边缘网关的出现，补偿了云端方案的弊端，其使用边缘计算模式，在物理及地理上靠近数据源处的网络边缘，就近为应用提供边缘智能服务，减少了传输成本，提高了响应速度，保证了部署架构的稳定性，减少了不必要的能源开销，并可以根据用户需求定制化保证私有数据的安全性。文章针对烟火的监控场景提出了一种基于云边协同的铁塔高空监控部署架构，通过在视频服务终端部署边缘计算网关，并搭载烟火算法，将视频数据的智能分析固化在边端机房中，仅将告警数据上传至云端，实验证明在保证告警准确度的情况下，可以大幅减少传输数据量，提高传输效率。

2 边缘网关理论基础

2.1 边缘计算技术

边缘网关系统正是运用边缘计算模式，该模式在物理上靠近数据源处的网络边缘，融合计算-存储-通信能力，就近提供边缘智能服务的开放平台。在边缘网关系统中，边缘网关作为大规模的分布式设备的接入节点，具备数据采集、设备管理、协议解析、边缘计算、数据传输和接入云平台的功能。考虑到物联网的发展正在向边缘延伸，边缘设备上可用的资源量越来越多，功能也越来越全面，这种可行性越来越高。目前，比设备本身更有价值的是数据分析，而在接近前端智能的边缘计算侧，实时数据的价值能够被最大化地发挥出来。边缘设备被工业设备或传感器用作装卸它们的数据，是支持资源密集型程序的一种有效方式。基于工业制造的边缘网关系统势必会给工业制造领域带来新的技术革新。

2.2 云边协同解决方案

云计算与边缘计算并不是相互替代或竞争的关系，而是相互补充或协作的关系，它们紧密结合才能更好地适应各种场景。目前存在几种常见的协同模式，如云边协同、边缘联邦、边缘网格等。云边协同是指将部分功能从云端下沉到边缘端，在两者之间实现任务划分、资源分配、状态同步等协作机制。这种模式可以利用云端的强大计算能力和存储容量以及边缘端的低延迟和高实时性，在保证服务质量的同时降低成本。例如，在智能交通领域，可以将实时视频流处理放在边缘端进行车牌识别、车流统计等操作，将历史视频存储放在云端进行大数据分析、优化调度等操作。边缘联邦是指将多个边缘节点组织成一个联盟，在保持各自自治性的同时实现数据共享、协同学习、联合推理等协作机制。这种模式可以利用边缘节点的分布式特性和多样性，提高数据的覆盖率和质量，增强学习和推理的效果，同时保护数据的隐私和安全。例如，在智能医疗领域，可以将不同医院的边缘节点组成一个边缘联邦，在不泄露患者数据的情况下，通过协同学习构建一个更准确地医疗诊断模型，并在各自的边缘节点上进行联合推理。边缘网格是指将多个边缘节点连接成一个网状结构，在无需中心化协调的情况下实现资源共享、负载均衡、容错恢复等协作机制。这种模式可以利用边缘节点的自组织能力和弹性，提高资源的利用率和可靠性，增强服务的可用性和持续性。例如，在智能家居领域，可以将不同家庭的边缘节点连接成一个边缘网格，在遇到网络中断或设备故障时，通过资源共享和负载均衡保证智能家居服务的正常运行。

3 云边协同铁塔高空监控方案设计与实现

3.1 系统概述

福建省山多林广，森林覆盖率为 66.80%，所以加强森林防火工作，切实保护好森林资源，才能保障人民的生命及财产安全，促进福建生态环境的持续健康发展和经济的繁荣发展。云边协同方案基于泉州官桥镇现有6 路铁塔高空森林防火视频点位进行利旧建设，将基于普通摄像头监管+人工干预判别的传统监控方案升级改造成边缘网关建设烟火算法+云端告警展示及工单派发智能化的方案。实现对森林防火区24小时实时不间断监测，快速取证快速预警，高效处理闭环一体联动处理机制。

3.2 整体设计

文章所述的云边协同铁塔高空烟火监控方案如图1 所示。其中系统方案的硬件部分由6 路2K 高空监控摄像头、原摄像头接入官桥镇的用户NVR 节点、福建铁塔平台云端服务器和与用户NVR 节点处于同一网段的视频边缘网关组成。其中视频边缘网关与用户NVR 节点通过交换机进行数据交互，属于局域网连接。摄像头终端、云端和边缘端用公网进行连接。

图1 云边协同的铁塔高空烟火监控方案

3.3 传输结构

摄像头通过公网与用户NVR 节点进行通信，将各个终端数据汇聚在本地NVR 内。NVR 内的数据在可供用户本地进行调用展示的同时，可将数据传输给视频边缘网关进行处理。视频边缘网关搭载烟火识别算法，通过轮询调度对12 路视频数据进行抽帧解析，让CPU 在固定的时间间隔（称为时间片或量子）后转移到下一个进程，形成一个循环。这样可以保证所有进程都能公平地获得CPU 时间，避免优先级倒置的问题。轮询调度算法是一种简单而有效的算法，适用于数据集约、数据同治的数据实时处理场景，可以极大地提升边缘网关对多路并发视频监控处理的速度。当视频边缘网关处理完一批有效告警后，仅需将告警视频和告警数据上传至云端，而无需云端主动获取全量视频流，这样极大地节约了网络开销。

4 方案测试指标及结果

云边协同铁塔高空烟火监控方案的测试通过视频边缘网关通过不断拉取已部署在公网的6 路2K 摄像头视频数据，并进行AI 分析后，生成告警图片及10 s 告警视频，同时将告警图片及视频推送至云端平台汇总，告警效果如图2 所示。此外在空余流量时间上传当天所有视频数据至云端，进行传输效率分析。

图2 铁塔高空烟火识别告警效果

4.1 准确率

文章的准确率定义为告警上报的烟火图片及视频经过人工研判为真告警的数量与所有告警数量之比，其衡量的是搭载在边缘网关上算法精准度的基础指标。

4.2 传输效率

文章的传输效率定义为可直接用于云端统计的有效告警视频数据与冗余视频传输数据开方比并取对数，又可以成为有效数据传输比。在无法实时监测边缘网关的吞吐流量时，传输效率是判断边缘网关数据传输性能的一个关键指标。传输效率定义可表示为：

4.3 平均告警速度

告警速度其定义为发现单次识别出告警至分析告警最后发出告警整个流程所花费的计算时间。该时间的计算法方法通过软件打点的方式进行分析。而平均告警速度则一系列告警所花费的时间均值，是衡量边端计算算力和开销调度能力的重要指标。

4.4 实验结果

本方案进行边缘网关数据采集周期为2022 年7月至2022 年9 月及2022 年10 月至2022 年12 月共6 个月两个阶段，第一阶段采集到告警数量28 280条，经过人工二次研判，准确的告警数量为20 078条，误告量为8 202 条，准确率为71.00%。经过云端算法调优后，将更新的模型发包至边缘网关计算，第二阶段采集到告警为21 328 条，准确告警数量为19 863 条，误告量为1 465 条，准确率为93.13%。经过云端处理、对比得到云边协同及纯云方案的准确率、传输效率及平均告警速度指标如表1。

表1 云边协同及纯云方案性能对比

实验结果表明，云边协同方案相比纯云方案，在能保证告警精准度的情况下，数据传输效率有显著的提升，并可以提高告警速度，能够有效解决铁塔高点烟火监控实时性告警和传输成本问题。

5 结论

文章针对铁塔高点烟火监控数据传输问题，提出了一种基于云边协同方案的解决方法。云边协同将云计算与边缘计算紧密地结合起来，通过合理地分配云计算与边缘计算的任务，实现了云计算的下沉，将云计算、云分析扩展到边缘端。这样可以提高有效数据传输效率、提高告警速度等性能。为了能强化云边协同方案的优势，云端算法精准迭代和边缘网关开销调度下一阶段重要的研究方向。此外为了增强云边协同的应用场景优势，可以在边端接入丰富的传感器数据进行辅助决策。云边协同方案快速迭代和快速场景复制的突破，将会带来工业互联网、车路协同、光雷联防等前沿领域的解决方案的飞跃式变革。