CN109286508A - 一种雾节点部署方法及系统 - Google Patents
一种雾节点部署方法及系统 Download PDFInfo
- Publication number
- CN109286508A CN109286508A CN201710590842.0A CN201710590842A CN109286508A CN 109286508 A CN109286508 A CN 109286508A CN 201710590842 A CN201710590842 A CN 201710590842A CN 109286508 A CN109286508 A CN 109286508A
- Authority
- CN
- China
- Prior art keywords
- mist
- data
- mist node
- node
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003595 mist Substances 0.000 title claims abstract description 366
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 49
- 239000000203 mixture Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 28
- 230000005611 electricity Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 11
- 238000013480 data collection Methods 0.000 description 11
- 238000007405 data analysis Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种雾节点部署方法及系统，涉及边缘计算领域，所述方法包括：由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制。本发明实施例实现雾节点的多种部署方式和功能应用。
Description
技术领域
本发明涉及边缘计算领域，特别涉及一种雾节点部署方法及系统。
背景技术
开放雾联网联盟(OpenFog)旨在通过开发开放式架构、分布式计算、联网和存储等核心技术以及实现物联网全部潜力所需的领导力，加快雾技术的部署。OpenFog的使命是驱动工业和学术机构在雾计算架构、测试开发、交互性操作、可组装线的研究，使得从边缘到云的架构无缝连接，从而使端到端的物联网(IOT)场景变成现实。OpenFog的参考架构是一个垂直的、系统级别的架构，将计算、存储、通讯、控制、网络功能分布到更靠近用户的地方，其参考架构代表了从传统封闭系统和依赖于仅云部署模型的转变，这种转变聚焦于一个新的计算模型，即将计算从云端移动到靠近边缘的地方，甚至是物联网传感器和执行器上。新模型的计算、网络、存储和加速单元都可以成为雾节点。雾节点组成的分层架构中的每一层都会提供垂直应用在该层的附加处理、存储、网络能力。
OpenFog提出的雾节点有从硬件到软件完整的功能，在其发布的参考架构中给出了多种雾节点的应用场景，但是雾节点如何部署，以及不同量级的雾节点具体执行何种功能没有说明。
发明内容
根据本发明实施例提供的一种雾节点部署方法及系统，解决OpenFog没有对雾节点的功能定义以及部署方式给出明确定义和说明的问题。
根据本发明实施例提供的一种雾节点部署方法，包括：
由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制。
根据本发明实施例提供的存储介质，其存储用于实现上述雾节点部署方法的程序。
根据本发明实施例提供的一种雾节点部署系统，由至少一层雾节点组成的雾网络，用于从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制。
本发明实施例提供的技术方案具有如下有益效果：
本发明实施例通过对雾节点进行功能定义和部署，能够实现将南北方向的物/人-边缘计算-云计算连通起来；实现东西向的人和人，人和物，物和物之间自由的，动态的连接和通信；以及计算资源，存储资源等的动态共享，加速本地运算速度，提高效率。
附图说明
图1是本发明实施例提供的雾节点部署方法流程图；
图2是本发明实施例提供的单一雾节点部署方式示意图；
图3是本发明实施例提供的多层雾节点部署方式示意图；
图4是本发明实施例提供的单一雾节点的数据上报流程图；
图5是本发明实施例提供的单一雾节点的命令下发流程图；
图6是本发明实施例提供的多层雾节点的数据上报流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例适用于智慧城市等场景，例如管理和控制城市中某幢建筑、小区、区域、全市的用电情况。具体应用时，雾网络根据对建筑/小区/区域/全市的收集类设备采集的电力数据进行机器学习的结果，控制建筑/小区/区域/全市的执行类设备。
图1是本发明实施例提供的雾节点部署方法流程图，如图1所示，步骤包括：
步骤S101：由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息。
所述雾节点可以按照以下四种方式部署：
1.所述雾网络可以仅包括一层雾节点，即边缘层雾节点，该边缘层雾节点通过接入网络连接设备，并集数据收集、处理、机器学习、通信、设备控制等功能为一体，是集中式雾节点。
对于仅包括一层雾节点的雾网络，步骤S101包括：边缘层雾节点对对收集类设备的数据进行获取和机器学习，得到边缘层的数据规律信息。进一步地，边缘层雾节点还可以将所述边缘层的数据规律信息发送至云平台。
2.所述雾网络可以包括二层雾节点，即边缘层雾节点和高层雾节点。其中，边缘层雾节点通过接入网络连接设备，其可以仅具有数据收集、预处理和通信功能，也可以具有机器学习和设备控制功能；高层雾节点连接边缘层雾节点，具有数据处理、机器学习、通信和设备控制等功能，还具有雾节点管理功能。
对于包括二层雾节点的雾网络，步骤S101包括：边缘层雾节点从收集类设备获取数据，并发送至高层雾节点，或者，所述边缘层雾节点对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述高层雾节点；高层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到高层的数据规律信息。进一步地，高层雾节点将所述高层的数据规律信息发送至云平台。
3.所述雾网络可以包括三层雾节点，即边缘层雾节点、中层雾节点和高层雾节点。其中，边缘层雾节点通过接入网络连接设备，其可以仅具有数据收集、预处理和通信功能，也可以具有机器学习和设备控制功能；中层雾节点连接边缘层雾节点，具有数据收集、处理、机器学习和设备控制功能；高层雾节点连接中层雾节点，具有数据处理、机器学习、通信和设备控制等功能，还具有雾节点管理功能。
对于包括三层雾节点的所述雾网络，步骤S101包括：边缘层雾节点从收集类设备获取数据，并发送至中层雾节点，或者，所述边缘层雾节点对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述中层雾节点；中层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到中层的数据规律信息，发送至高层雾节点；高层雾节点对所述中层的数据规律信息进行机器学习，得到高层的数据规律信息。进一步地，高层雾节点将所述高层的数据规律信息发送至云平台。
4.所述雾网络包括多层雾节点，具体地说，在由边缘层雾节点、中层雾节点和高层雾节点形成的雾网络的基础上，边缘层雾节点、中层雾节点、高层雾节点中的至少一个包括二层或以上雾节点，形成实际上包含三层以上雾节点的雾网络。换句话说，三层雾节点中的每一层都可以有二层或以上雾节点，从而得到多层雾节点。
步骤S102：所述雾网络根据所述数据规律信息，对接入的执行类设备进行控制。
1.对于仅包括一层雾节点的所述雾网络，步骤S102包括：边缘层雾节点根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至执行类设备，实现对执行类设备的边缘层控制。进一步地，边缘层雾节点还可以将所述云平台根据所述边缘层的数据规律信息生成并下发的云控制命令传递至执行类设备，实现对执行类设备的云控制。
2.对于包括二层雾节点的所述雾网络，步骤S102包括：高层雾节点根据所述高层的数据规律信息，生成高层控制命令，通过所述边缘层雾节点发送至执行类设备，实现对执行类设备的高层控制。步骤S102还可以包括：所述边缘层雾节点根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至执行类设备，实现对执行类设备的边缘层控制。进一步地，高层雾节点通过所述边缘层雾节点，将所述云平台根据所述高层的数据规律信息生成并下发的云控制命令传递至执行类设备，实现对执行类设备的云控制。
3.对于包括三层雾节点的所述雾网络，步骤S102包括：中层雾节点根据所述中层的数据规律信息，生成中层控制命令，通过所述边缘层雾节点发送至执行类设备，实现对执行类设备的中层控制；高层雾节点根据所述高层的数据规律信息，生成高层控制命令，依次通过所述中层雾节点和所述边缘层雾节点发送至执行类设备，实现对执行类设备的高层控制。步骤S102还可以包括：边缘层雾节点根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至执行类设备，实现对执行类设备的边缘层控制。进一步地，高层雾节点依次通过所述中层雾节点和边缘层雾节点，将所述云平台根据所述高层的数据规律信息生成并下发的云控制命令传递至执行类设备，实现对执行类设备的云控制。
三层以上雾节点的处理方式可以参考三层雾节点，在此不再赘述。
其中，上述收集类设备和执行类设备可以是同一类设备，也可以是不同类设备，即收集类设备和执行类设备在物理实体上可以是一个，也可以是分开的。
其中，上述设备可以是物联网设备，例如传感器、物理标签、电器等，也可以是终端设备，例如手机、计算机等。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，该程序在执行时，包括步骤S101至步骤S102。进一步说，本发明实施例还可以提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时至少实现步骤S101至步骤S102。其中，所述的存储介质可以包括ROM/RAM、磁碟、光盘、U盘。
本发明实施例还提供一种雾节点部署系统，包括：由至少一层雾节点组成的雾网络，用于从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，然后根据所述数据规律信息，对接入的执行类进行控制。
所述雾网络可以仅包括一层雾节点，即边缘层雾节点，用于对所述收集类设备的数据进行获取和机器学习，得到边缘层的数据规律信息，并根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至所述执行类设备，实现对所述执行类设备的边缘层控制。
所述雾网络可以包括两层雾节点，即边缘层雾节点和高层雾节点。边缘层雾节点从所述收集类设备获取数据，并发送至所述高层雾节点，或者，对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述高层雾节点。高层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
所述雾网络可以包括三层雾节点，即边缘层雾节点、中层雾节点和高层雾节点。边缘层雾节点从所述收集类设备获取数据，并发送至中层雾节点，或者，对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述中层雾节点。中层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到中层的数据规律信息，发送至高层雾节点，并根据所述中层的数据规律信息，生成中层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的中层控制。高层雾节点对所述中层的数据规律信息进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，依次通过所述中层雾节点和所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
所述雾网络可以包括三层以上雾节点，即所述边缘层雾节点、中层雾节点、高层雾节点中的至少一个包括二层或以上雾节点，形成三层以上雾节点。三层以上雾节点的处理方式可以参考三层雾节点，在此不再赘述。
进一步地，所述雾网络还用于将所述数据规律信息发送至云平台，并将所述云平台根据所述数据规律信息生成并下发的云控制命令传递至所述执行类设备，实现对所述执行类设备的云控制。具体地说，所述雾网络可以如图2所示通过部署单一雾节点得到，可以通过部署二层雾节点得到，也可以如图3所示通过部署三层雾节点得到，还可以通过部署大于三层雾节点得到。
在一个由雾节点组成的网络中，所有的雾节点不可能执行相同的功能，也不需要具有相同的能力，根据应用场景不同，需要存在各种类型和功能的雾节点。根据用途，雾节点的功能可定义为以下几种，参见图3。
1.边缘/轻量雾节点：仅仅用于数据收集和通信。其主要功能包括：
(1)传感器数据的获取和收集，如周期性或事件触发性的获取物理器件的数据；
(2)数据格式的处理；
(3)向上层雾节点或云传递数据；
(4)控制传感器和执行器，向传感器和执行器发布上层节点的命令。
2.中层雾节点：主要用于数据收集，处理和通信。具体如下：
(1)数据收集：收集来自各边缘雾节点的数据；
(2)数据过滤，压缩，合并，格式转换，简单数据分析等，例如根据一定的规则对各种实时数据进行包过滤，剔除无效信息等；
(3)南北向雾/云节点间和东西向雾节点间的通信：a.上传下达，收集边缘雾节点的数据和信息，进行必要的处理后，向上层雾节点/云端进行传递；同时将上层雾节点/云的控制命令等传递给边缘雾节点；b.左右雾节点之间必要的数据传递，信息共享等，例如链路质量，路由信息，和负荷信息等；
(4)机器学习：对长期收集的固定区域的或用户的数据进行分析，从时间、空间等维度进行机器学习，找出模型或规律，给用户提供有效信息帮助策略制定。
3.高层雾节点：不进行数据收集；主要功能包括：
(1)数据处理；
(2)网络管理，如雾节点管理；
(3)大数据分析，机器学习；
(4)通信信息的传递，如节点和节点之间的通信，节点和云之间的通信。
根据上述雾节点的功能划分，在雾节点部署时可以根据实际情况灵活部署，即针对具体的应用场景，可以将某两种雾节点功能进行合并，例如边缘雾节点和中层雾节点合并，或者中层雾节点和高层雾节点进行合并。
雾节点的典型部署方式有以下几种：
1.一层雾节点
使用一层雾节点部署，也可认为是瘦型部署，或集中式部署，其部署方式如图2。该部署方式中传感器和执行器通过无线方式(如LTE/5G/WIFI等)或有线方式(如以太网)接入到网络中，一个集中的雾节点支持传感器和执行器接入到网络中，并且对接入到网络中的传感器和执行器进行数据收集，数据分析，机器学习和控制。在此方式中边缘雾节点，中层雾节点和高层雾节点的功能合并，即一个雾节点完成所有的数据收集，数据处理和数据分析。
这种部署方式应用于小型的、区域性场景，该场景中传感器和执行器数量较少，上报的数据和需要的数据量较少，实时性低，一个雾节点可以完成数据存储和处理。
2.两层雾节点
如图3所示，是由边缘节点和高层节点构成的部署方式。在此方式中传感器和执行器通过无线方式(如LTE/5G/WIFI等)或有线方式(如以太网)接入到网络中，边缘雾节点负责完成原始数据的收集和简单处理，对于实时性要求高和需要大带宽传输的数据，边缘雾节点完成数据分析后，对传感器和执行器发出执行命令，然后边缘雾节点将分析结果备份并周期性或事件触发性的发送给高层雾节点，高层雾节点只需要知道处理结果和进行大数据分析的有效数据即可。在此部署方式中，边缘雾节点实际完成了上述定义的边缘雾节点和中层雾节点的功能。
该部署场景应用于传感器和执行器数量较多且分布分散，接入方式种类(有线或/无线)较多，实时性较高，本地数据量大的场景。
3.三层雾节点
如图3所示，是由边缘节点，中层节点和高层节点构成的部署方式。在此方式中传感器和执行器通过无线方式(如LTE/5G/WIFI等)或有线方式(如以太网)接入到网络中，边缘雾节点负责完成原始数据的收集和数据格式的处理，如果收集的数据实时性高，并且需要大带宽传输，则边缘雾节点还需要完成本地分析，将执行命令发送给传感器和执行器；将分析结果北向发送给中层雾节点。中层雾节点进行多个边缘雾节点的数据汇聚，并且对数据进行进一步的分析，在东西向或北向进行数据转发；当边缘雾节点发生故障时，中层雾节点可以直接将故障雾节点的情况进行示警，并且备份雾节点数据。高层雾节点对中层雾节点进行管理，并且协调各中层雾节点的负荷，对中层雾节点传回的数据进行分析，给出智能化结果，发送给中层雾节点、边缘雾节点进行执行。
上述部署方式中，三层雾节点部署方式可以扩展为多层雾节点部署，根据实际应用场景需求，可以在边缘雾节点和中层雾节点之间或者中层雾节点和高层雾节点之间再增加中层雾节点，从而衍生为多层雾节点部署方式。一般情况下，两层雾节点部署和三层雾节点部署是较常见和典型的部署方式。
下面以图2所示一层雾节点部署方式为例进行说明，具体如下：
对一幢大楼的空调系统进行智能管理，该大楼部署一个雾节点，该雾节点完成以下功能：
1.支持IOT设备和网关设备接入。
例如，支持窄带物联网(NB-IOT)、长期演进(LTE)、长距离覆盖(Lora)等多种接入技术。本实施例中采用LTE的室内部署Qcell为例说明，电信运营商在大楼室内部署Qcell基站，保证整个大楼的无线覆盖，即图2中的接入网络是Qcell。
2.雾节点支持IOT设备(传感器和执行器)的数据采集。
按照周期方式或事件触发方式采集数据。本实施例中，数据收集的IOT设备是大楼内用户的手持终端(例如手机)，用户的手机接入到Qcell的网络中，周期性的向Qcell基站上报信息，例如可以是上行功率信息，该数据上报格式是3GPP Qcell定义的方式。Qcell基站把测量上报信息直接传到雾节点，Qcell分流出的数据格式是IP数据包或UDP数据包。
3.雾节点支持采集数据的边缘计算，即数据过滤，分析，机器学习出相关时间维度或人流维度的模型。
本实施例中，雾节点根据手机上报的信息，进行机器学习，分析出各楼层和各房间的人流分布情况，以及人流分布与时间(例如7天，每天24小时)的关系，即得到“人流-楼层/房间-时间”关系的模型。得到该模型后，反过来可以根据人流情况，在不同的时间段，对各楼层/房间的空调温度进行动态调整，从而达到节能的目的。具体地说，当人流量大时，调低空调温度；当人流量小时，调高空调温度，或者关闭空调。即雾节点根据机器学习结果对接入的IOT设备进行控制，此处执行命令的IOT设备是大楼的空调控制器。
4.雾节点支持边缘应用(APP)。
本实施例中，边缘应用是空调节能，实际上雾节点可以部署多种应用和服务，例如楼宇节能(照明，电力等)，定位服务等。
5.雾节点可以连接到云端，实现云雾结合的应用(APP)。
本实施例中，该大楼部署的雾节点也可以连接到应用部署提供商的云平台，雾节点只需要定期(周期性或事件触发性)的将分析结果传递给云平台保存或在云平台进行进一步的数据分析即可。另外，云平台可以下发命令，也可以由雾节点直接下达命令。
本实施例中，图4是本发明实施例提供的单一雾节点的数据上报流程图，如图4所示，步骤包括：
步骤501和502：IOT设备(传感器，或终端)将产生的数据通过3GPP标准接口，将数据上报给Qcell基站。
步骤503至505：Qcell基站将收集的收据进行分流，以IP包的格式传递给雾节点，雾节点完成数据分析。雾节点可以根据分析结果直接给IOT设备下达命令，同时雾节点将分析结果上传到云平台，以供云平台收集到数据后，可以根据收到的多个雾节点数据进行进一步的分析，机器学习，生成命令。
在此实施例中，图5是本发明实施例提供的单一雾节点的命令下发流程图，如图5所示，步骤包括：
步骤601：云平台将生成的命令，下发给相应的雾节点。
步骤602至604：雾节点将云的命令传递给Qcell基站，在传递命令时，雾节点进行必要的数据格式转换。
步骤605：Qcell基站向IOT设备(执行器)传递命令。
步骤606：IOT设备(执行器)接收并执行命令。
下面以图3所示三层雾节点部署方式为例进行说明，如图3所示，具体如下：IOT设备(传感器，执行器)，接入网络，边缘节点，中层节点和高层节点组成的网络。以城市A的电力系统为例进行说明。各模块部署如下：
1.IOT设备是城市A中各大楼的电表上的读卡芯片；
2.接入网络是城市A部署的NB-IOT网络；
3.边缘节点是城市A各大楼的雾节点；
4.中层节点是城市A各区部署的雾节点；
5.高层节点是城市A部署的城市雾节点。
整个系统的工作方式如下：
(1)各大楼的IOT设备通过NB-IOT网络接入到无线网络中，各IOT设备读取电表的数据，周期性的上报给NB-IOT基站，NB-IOT基站将数据分流给各大楼的边缘雾节点，具体方式可参见前述实施例。
(2)边缘雾节点完成以下主要功能：a)通过机器学习，完成整座大楼的用电分布特点分析，产生用电量与时间的对应特性曲线。b)边缘雾节点可以根据IOT设备的工作情况，生成命令。例如：当某个IOT设备产生故障时，雾节点可以给维护人员产生示警，提醒故障产生需要进行维修；更进一步的，雾节点可以调用故障IOT设备相邻的设备来接替故障设备的任务。c)边缘雾节点将特性曲线上传给区域中层雾节点，同时接收中层雾节点的命令。
(3)中层雾节点完成以下主要功能：a)收到各边缘雾节点的数据后，对整个区域内的大楼用电情况进行机器学习，生成区域内用电情况分布的热力图和区域用电量和时间的对应曲线，从而对整个区域内供电量产生建议，以及在相同供电量情况下不同时间段用电量的动态调整。b)对区域内边缘雾节点进行管理，当有新的边缘雾节点加入时，能够更新边缘雾节点网络的拓扑结构；当边缘雾节点放生故障时，能够及时备份数据，产生示警，更进一步的可以让相邻备份边缘雾节点接替故障边缘雾节点工作；c)将分析结果上传到高层雾节点，同时接收高层雾节点的命令。
(4)高层雾节点完成以下主要功能：a)将收集到的中层雾节点的数据进行机器学习，生成城市内各个行政区用电量的热力图，以及各个区用电量与时间的对应曲线，对整个城市的用电情况产生建议。例如：中心城区白天是用电高峰，晚上是用电低峰；相反的，中心城区的郊区白天是用电低峰，而晚上是用电高峰，则在整个城市供电总量一定的情况下，可以根据白天和晚上的用电情况，动态调整各区域的供电量，从而做到节能。b)对中层雾节点下达命令，例如在某个时段使用多少电量等。c)能够将数据上传到云平台，同时能够执行和下达云平台的命令。
本实施例中，图6是本发明实施例提供的多层雾节点的数据上报流程图，如图6所示，步骤包括：
步骤701至702：IOT设备(传感器或终端)将产生的数据通过3GPP标准接口，将数据上报给NB-IOT基站。
步骤703至705：NB-IOT基站将收集的收据进行分流，以IP包的格式传递给边缘雾节点，边缘雾节点完成数据提取和分析。
步骤706：边缘雾节点将处理后的数据上报中层雾节点。
步骤707至708：中层雾节点进行数据分析，将分析结果上传到高层雾节点。
步骤709至710：高层雾节点将收集到的中层雾节点的数据进行机器学习，将分析结果上传到云平台。
相反地，各级雾节点可以自行产生命令或者接收来自上一级节点的命令，通过下一级节点下发到传感器/执行器。
尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。
Claims (10)
1.一种雾节点部署方法，其特征在于，包括：
由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制。
2.根据权利要求1所述的方法，其特征在于，所述雾网络包括边缘层雾节点，所述由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制包括：
所述边缘层雾节点对所述收集类设备的数据进行获取和机器学习，得到边缘层的数据规律信息，并根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至所述执行类设备，实现对所述执行类设备的边缘层控制。
3.根据权利要求1所述的方法，其特征在于，所述雾网络包括边缘层雾节点和高层雾节点，所述由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制包括：
所述边缘层雾节点从所述收集类设备获取数据，并发送至所述高层雾节点，或者，所述边缘层雾节点对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述高层雾节点；
所述高层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
4.根据权利要求1所述的方法，其特征在于，所述雾网络包括边缘层雾节点、中层雾节点和高层雾节点，所述由至少一层雾节点组成的雾网络从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制包括：
所述边缘层雾节点从所述收集类设备获取数据，并发送至中层雾节点，或者，所述边缘层雾节点对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述中层雾节点；
所述中层雾节点对所述边缘层雾节点发送的数据进行机器学习，得到中层的数据规律信息，发送至高层雾节点，并根据所述中层的数据规律信息，生成中层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的中层控制；
所述高层雾节点对所述中层的数据规律信息进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，依次通过所述中层雾节点和所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
5.根据权利要求4所述的方法，其特征在于，所述边缘层雾节点、中层雾节点、高层雾节点中的至少一个包括二层或以上雾节点。
6.一种雾节点部署系统，其特征在于，包括：
由至少一层雾节点组成的雾网络，用于从接入的收集类设备获取数据，并对所述数据进行机器学习，得到数据规律信息，根据所述数据规律信息，对接入的执行类设备进行控制。
7.根据权利要求6所述的系统，其特征在于，所述雾网络包括：
边缘层雾节点，用于对所述收集类设备的数据进行获取和机器学习，得到边缘层的数据规律信息，并根据所述边缘层的数据规律信息，生成边缘层控制命令，发送至所述执行类设备，实现对所述执行类设备的边缘层控制。
8.根据权利要求6所述的系统，其特征在于，所述雾网络包括：
边缘层雾节点，用于从所述收集类设备获取数据，并发送至所述高层雾节点，或者，对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述高层雾节点；
高层雾节点，用于对所述边缘层雾节点发送的数据进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
9.根据权利要求6所述的系统，其特征在于，所述雾网络包括：
边缘层雾节点，用于从所述收集类设备获取数据，并发送至中层雾节点，或者，对所述收集类设备获取的数据进行机器学习，得到边缘层的数据规律信息，发送至所述中层雾节点；
中层雾节点，用于对所述边缘层雾节点发送的数据进行机器学习，得到中层的数据规律信息，发送至高层雾节点，并根据所述中层的数据规律信息，生成中层控制命令，通过所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的中层控制；
高层雾节点，用于对所述中层的数据规律信息进行机器学习，得到高层的数据规律信息，并根据所述高层的数据规律信息，生成高层控制命令，依次通过所述中层雾节点和所述边缘层雾节点发送至所述执行类设备，实现对所述执行类设备的高层控制。
10.根据权利要求9所述的系统，其特征在于，所述边缘层雾节点、中层雾节点、高层雾节点中的至少一个包括二层或以上雾节点。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710590842.0A CN109286508A (zh) | 2017-07-19 | 2017-07-19 | 一种雾节点部署方法及系统 |
| PCT/CN2018/096165 WO2019015615A1 (zh) | 2017-07-19 | 2018-07-18 | 雾节点部署方法及雾网络系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710590842.0A CN109286508A (zh) | 2017-07-19 | 2017-07-19 | 一种雾节点部署方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109286508A true CN109286508A (zh) | 2019-01-29 |
Family
ID=65015683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710590842.0A Pending CN109286508A (zh) | 2017-07-19 | 2017-07-19 | 一种雾节点部署方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109286508A (zh) |
| WO (1) | WO2019015615A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109884587A (zh) * | 2019-03-05 | 2019-06-14 | 北京工业大学 | 一种用于雾计算环境的无线传感器网络定位方法 |
| CN109981753A (zh) * | 2019-03-07 | 2019-07-05 | 中南大学 | 一种面向物联网的软件定义的边缘计算的系统及资源分配方法 |
| CN111897536A (zh) * | 2020-06-29 | 2020-11-06 | 飞诺门阵(北京)科技有限公司 | 一种应用部署方法、装置及电子设备 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2578918B (en) * | 2018-11-14 | 2021-07-07 | F Secure Corp | Threat control method and system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105122775A (zh) * | 2013-03-08 | 2015-12-02 | 瑞典爱立信有限公司 | 雾网络 |
| CN106413024A (zh) * | 2016-08-29 | 2017-02-15 | 华侨大学 | 一种基于雾计算的传感云数据传输算法 |
| US20170048308A1 (en) * | 2015-08-13 | 2017-02-16 | Saad Bin Qaisar | System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization |
| CN106851746A (zh) * | 2016-12-26 | 2017-06-13 | 上海交通大学 | 基于雾计算实现无线传感网络中软件定义QoS配置的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106452919B (zh) * | 2016-11-24 | 2019-10-25 | 浪潮集团有限公司 | 一种基于模糊理论的雾节点优化方法 |
| CN106911762A (zh) * | 2017-01-16 | 2017-06-30 | 西安电子科技大学 | 一种在sdn中基于雾计算的架构及其处理方法 |
-
2017
- 2017-07-19 CN CN201710590842.0A patent/CN109286508A/zh active Pending
-
2018
- 2018-07-18 WO PCT/CN2018/096165 patent/WO2019015615A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105122775A (zh) * | 2013-03-08 | 2015-12-02 | 瑞典爱立信有限公司 | 雾网络 |
| US20170048308A1 (en) * | 2015-08-13 | 2017-02-16 | Saad Bin Qaisar | System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization |
| CN106413024A (zh) * | 2016-08-29 | 2017-02-15 | 华侨大学 | 一种基于雾计算的传感云数据传输算法 |
| CN106851746A (zh) * | 2016-12-26 | 2017-06-13 | 上海交通大学 | 基于雾计算实现无线传感网络中软件定义QoS配置的方法 |
Non-Patent Citations (1)
| Title |
|---|
| OPENFOG CONSORTIUM ARCHITECTURE WORKING GROUP: "OpenFog Reference Architecture for Fog Computing", 《2017 OPENFOG CONSORTIUM》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109884587A (zh) * | 2019-03-05 | 2019-06-14 | 北京工业大学 | 一种用于雾计算环境的无线传感器网络定位方法 |
| CN109981753A (zh) * | 2019-03-07 | 2019-07-05 | 中南大学 | 一种面向物联网的软件定义的边缘计算的系统及资源分配方法 |
| CN109981753B (zh) * | 2019-03-07 | 2021-04-27 | 中南大学 | 一种面向物联网的软件定义的边缘计算的系统及资源分配方法 |
| CN111897536A (zh) * | 2020-06-29 | 2020-11-06 | 飞诺门阵(北京)科技有限公司 | 一种应用部署方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019015615A1 (zh) | 2019-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Intelligent edge computing for IoT-based energy management in smart cities | |
| Fiandrino et al. | Crowdsensim: a simulation platform for mobile crowdsensing in realistic urban environments | |
| Sikder et al. | IoT-enabled smart lighting systems for smart cities | |
| Rani et al. | Smart city ecosystem: Concept, sustainability, design principles, and technologies | |
| CN109286508A (zh) | 一种雾节点部署方法及系统 | |
| CN109314716A (zh) | 用于物联网的认知边缘处理 | |
| Degada et al. | Smart village: An iot based digital transformation | |
| CN108900576A (zh) | 一种基于5g的智慧社区应用服务系统 | |
| CN106993059A (zh) | 一种基于NB‑IoT的农情监控系统 | |
| Chang et al. | Campus edge computing network based on IoT street lighting nodes | |
| CN105704230A (zh) | 基于物联网和云计算的智能建筑集成系统及控制方法 | |
| CN102984265A (zh) | 一种基于物联网的水环境监测方法 | |
| US20200372412A1 (en) | System and methods to share machine learning functionality between cloud and an iot network | |
| CN105825462A (zh) | 基于物联网和云计算的智慧城市信息系统 | |
| CN107490136B (zh) | 一种集中式温湿度智能控制系统 | |
| CN112728727A (zh) | 一种基于边缘计算的室内环境舒适度的智能调节系统 | |
| CN103701931A (zh) | 一种基于云平台的远程环境数据管理监控系统 | |
| Khanna et al. | IoT architecture for preventive energy conservation of smart buildings | |
| Khan et al. | A context-aware smart home control system based on ZigBee sensor network | |
| Pilloni et al. | Consensus-based resource allocation among objects in the internet of things | |
| Khan | Introduction to IoT systems | |
| Metwally et al. | Development of an IoT assessment method: An interdisciplinary framework for energy efficient buildings | |
| Damodaram et al. | A study on’LPWAN’technologies for a drone assisted smart energy meter system in 5g-smart city Iot-cloud environment | |
| Shi et al. | Edge computing and the internet of things on agricultural green productivity | |
| Shen et al. | In-network self-learning algorithms for BEMS through a collaborative fog platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190129 |
|
| RJ01 | Rejection of invention patent application after publication |