边缘计算赋能的智能物联网管理信息化低时延优化策略

随着智能物联网技术在工业制造,智慧城市,智慧医疗等领域的深入应用,海量终端设备产生的实时数据对管理信息化系统的时延性能提出了严格要求.传统依靠云端集中处理的物联网架构,因为数据传输距离远,网络容易拥堵等问题,难以满足高实时性业务的需求.边缘计算作为一种将计算能力转移到网络边缘侧的新型计算模式,能通过在近距离处理物联网终端数据,有效缩短数据传输和处理的链路.本文首先明确边缘计算的概念和关键技术特征,其次分析它在提升智能物联网数据实时处理效率,降低网络带宽占用,增强业务运行可靠性等方面的核心价值,最后从边缘节点资源调度,数据本地预处理,边缘—云端通信协议适配,边缘节点部署位置四个角度,提出边缘计算助力智能物联网管理信息化低时延的具体优化策略,为相关领域的技术应用和系统优化提供理论参考.

边缘计算在工业互联网平台建设中的应用探讨

我国船舶行业智能化程度不高,在工业互联网平台应用中引入边缘计算服务,能够降低平台计算中心的计算负载,减缓网络带宽的压力,推进物联网建设,快速实现产业优化和转型.本文结合船舶产业工业互联网平台船海智云建设的现状,打造边缘计算与优化测试环境,提供边缘计算与物联网应用,该研究体现了边缘计算技术具有一定的推广价值,是工业互联网平台建设的重要内容之一.

边缘计算:平台、应用与挑战

随着万物联网的趋势不断加深,智能手机,智能眼镜等端设备的数量不断增加,使数据的增长速度远远超过了网络带宽的增速;同时,增强现实,无人驾驶等众多新应用的出现对延迟提出了更高的要求.边缘计算将网络边缘上的计算,网络与存储资源组成统一的平台为用户提供服务,使数据在源头附近就能得到及时有效的处理.这种模式不同于云计算要将所有数据传输到数据中心,绕过了网络带宽与延迟的瓶颈,引起了广泛的关注.首先介绍边缘计算的概念,并给出边缘计算的定义;随后,比较了当前比较有代表性的3个边缘计算平台,并通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势;最后阐述了当前边缘计算面临的挑战.

物联网智能边缘计算研究及应用

物联网的发展促进了物理空间和信息空间的融合,越来越多的人,机,物被接入信息空间,在此过程中产生了海量的数据,对传输带宽和时效性等方面提出了更高的要求.边缘计算模式将计算任务在靠近数据源的算力资源上进行处理,可以有效地减少系统时延,减少数据传输带宽,提高系统的可靠性,保护数据安全和隐私.重点阐述了物联网智能边缘计算的系统框架,智能算法以及在智能养老领域的应用,并从软件环境和智能算法两个角度对物联网智能边缘计算技术未来可能的发展方向进行了论述.

基于物联网边缘计算的智能配网故障定位与自愈控制研究

随着分布式新能源大规模并网,用户侧负荷多元化发展,智能配电网对故障处理的"实时性""可靠性"需求显著提升.传统依赖云端集中计算的配网故障定位与自愈控制模式,存在数据传输时延高,带宽占用大,极端工况下可靠性不足等问题.本文提出一种融合物联网IoT 与边缘计算EC 的智能配网故障处理方案:通过物联网感知层部署多类型终端实现故障数据多源采集;利用边缘节点本地化执行数据预处理,故障定位算法与自愈控制策略,减少云端交互时延;构建"感知-边缘计算-协同控制"三层架构,明确各层级功能与数据交互机制.基于IEEE 33 节点配网模型搭建仿真平台,对比传统云端模式与本文方案的性能差异.

适用于工业物联网网关的智能边缘计算

In the process of industrial equipment accessing the network to realize production automation, the data volume increases rapidly, while the resources of the edge layer equipment are limited and cannot complete all task requests. For the problem of reasonably and efficiently processing end device task requests by edge devices, an Internet of Things edge gateway ( IoTEG) framework based on multi-hop computing offload method is proposed. The framework requires data to be processed preferentially on the gateway side to reduce latency and protect privacy. First of all, the task flow is divided into time-sensitive and non-timesensitive by the framework according to the characteristics of end device tasks. Secondly, the task rotation scheduling processing mechanism is designed to process the task flow according to the delay requirement. Finally, an optimal joint computing offloading strategy based on real-time network resources, real-time local resources and task types is designed. The experimental results show that the IoTEG framework can effectively improve the success rate of task offloading and can efficiently handle different types of tasks.