CN109347926B - 面向遗址保护的边缘计算智能感知系统搭建方法 - Google Patents

Abstract

一种面向明长城遗址保护的边缘计算智能感知系统搭建方法。通过使用基于cloudlet开源技术构建了基于终端‑边缘‑云三层架构的边缘计算智能感知系统，解决了现有明长城遗址保护中的1）监测设备计算能力弱；2）文物保护响应延迟高；野外网络稳定性难以保障的问题，达到了较好的效果，为野外土遗址保护起到了示范作用。

Description

面向遗址保护的边缘计算智能感知系统搭建方法

技术领域

本发明属于计算机信息系统领域，涉及一种面向明长城遗址保护的边缘计算智能感知系统搭建方法，具体涉及面向明长城遗址的终端-边缘-云三层架构边缘计算文物遗产保护验证环境平台构建方法。

背景技术

文物遗产保护作为国家文化领域的重点方向收到学者的广泛关注。目前针对现有的野外大型文物遗址监测感知通常依靠单纯的人力测量，代价成本高并且缺乏实时性、可持续性；依靠GIS感知的通常存在感知粒度粗、全面精确感知不足的问题。进而造成了对于文物遗址状态突变和文物遗址风险预警的能力低下。同时对于大规模跨省的特点缺乏相似情景关联分析及风险数据共享，造成状态感知和风险预警方法的借鉴性差的问题。此外，野外气象环境复杂多变，网络基础设施建设维护难，造成大量感知数据传输难、海量高速数据处理弱的问题，无法实现有效文物遗址保护。

同时受制于技术的发展，应用人工智能与物联网技术的文物遗产保护仍存在1）监测设备计算能力弱；2）文物保护响应延迟高；3）严重受网络稳定性的制约与要求。边缘计算作为解决云端计算迁移与终端大计算量需求的计算模式被广泛应用。

卡内基梅隆大学和英特尔、IBM 等公司组成的研究团队提出了基于 Cloud-Cloudlet-Client 的三层结构模型。与 Cloud –Client 两层结构不同的是在 Cloud 和Client 之间增加了 Cloudlet(朵云)端，朵云端具有完整的云计算能力并部署在与智能设备客户端同一个局域网络中，通过将云端计算任务前置，朵云端与云端、客户端的协同，最大限度地发挥云端的处理能力，此同时又能使客户端与朵云端的网络延迟控制在一跳范围内，并在云端不可用的情况下继续为客户端提供服务。

拟聚焦于当前野外明长城本体及风险源头感知面临终端感知信息多源异构、长城本体状态高效实时感知难、长城风险长效精确预警难的问题，目前，在长城遗址感知中，不同规格长城温湿度传感器、基于不同深度的盐分传感器、酸雨雨量传感器、风向等级集成传感器、视频监测传感器等纷繁海量的感知数据对于长城遗址的本体及风险感知提出了更大的挑战。传统依赖于人工实地测量对于专业工作者的专业要求以及提出了很高的要求。大部分专业工作者仅依靠经验，这使得对于风险感知结果的准确性、时效性方面都存在着很大的局限性，长城风险感知是目前野外大型文物保护领域的重大挑战之一，实时、全面、精确、持效的本体及风险源头结合高效智能的实时分析、长效预警将会给文物遗产的保护带来极大帮助。

发明内容

本发明的目的是提供一种面向明长城遗址保护的边缘计算智能感知系统搭建方法，如图1，结合开源Cloudlet边缘计算技术提出的一种构建文物遗产智能保护验证方法。基于边缘计算技术的文化遗产保护验证系统技术框架，包括1）物理环境层；2）平台技术层；3）应用环境层。其中物理环境层包含文物遗产领域中的大量专用传感监测设备及通用的网络设备以及终端设备、边缘端设备、云端设备；平台技术层包括基于物理环境层的基础上，实现了面向文物遗产保护的边缘计算模式下的文物监测资源感知、文物资源协同预配置、文物监测任务分解与迁移的技术；应用环境层包括基于平台技术层的应用功能实现，主要为：文物状态的实时监测与文物破坏风险的长效预警功能。

基于此，拟结合相关研究成果以及云计算平台，主动防御策略的多层级安全网络平台构建工具、野外大规模异构互联平台为基础，实现明长城风险感知信息的高效采集和智能分析，以及风险实时分析与预警，实现了大型野外线性遗址从被动型保护到预控保护的转变，对于大遗址保护的信息技术应用具有示范作用。

为了实现上述目的，本发明采用的技术方案是：

一种面向明长城遗址保护的边缘计算智能感知系统搭建方法，包括以下步骤：

1）构建验证环境平台，平台包括物理平台、技术平台与应用功能三部分组成；

2）使用cloudlet技术作为边缘计算模式的基础技术；以Cloudlet框架构建物理平台环境，为了满足明长城遗址本体状态全区域全面监测、局部重点监测需求，利用无人机、固定摄像头、温湿度、盐分等功能传感器构建数据感知层；为了满足多模异构数据实时传输需求，利用物联网网关、SDN技术结合5G通信技术、北斗通信卫星建立明长城感知数据传输共享网络；为了满足明长城长效感知的信息存储需求，利用时序数据库技术建立数据库存储边缘服务器；为了满足明长城本体状态监测数据采集需求，利用高性能服务器设备与VMware Vcloud小云技术按需构建边缘服务器层；为了满足明长城遗址科学运算、统计分析需求，利用Apache Spark技术建立与阿里云服务构建云服务计算层，最终形成面向明长城遗址智能感知的边缘计算物理环境平台；

2）基于clouldlet构建物理环境平台，具体将明长城监测设备结合小云、微云技术实现物理环境平台构建；来构建结合Cloudlet中关键技术平台：

a、为了满足明长城本体状态监测资源感知需求，通过使用Cloudlet模型中资源发现技术，在终端层设备节点上中安装资源发现客户端，完成跨平台的资源感知发现；在Cloudlet边缘服务器层中构建Cloudlet资源注册数据库，融合异构感知数据，同时建立区域分层存储数据库，形成文物感知数据的分级关联存储，最终实现面向明长城遗址感知的高可用数据精准画像技术；

b、为了满足明长城遗址区域监测信息跨域快速共享需求，在边缘服务层中利用Cloudlet中动态VM合成技术，面向服务请求与资源虚拟建立一对一的快速虚拟资源，实现请求与资源的按需调度的基础。同时在边缘层与云端计算服务层利用Cloudlet中全局与局部资源发现技术中的资源发现接口与资源请求接口的使用，建立局部与全局资源发现数据库、资源使用数据库，将终端计算节点与节点链路的通信状况进行描述存储，将其中数据输入递归深度神经网络建立资源预测模型，将其结果作为链路选择、资源部署的决策输入，输出决策结果，利用资源切换技术来瞬态定制Cloudlet上的软件服务，最终实现资源的按需调度技术；

c、为了满足明长城遗址本体风险实时分析、精确预警任务迁移需求，通过云端服务层建立目录服务器存储全局节点的网络距离、计算资源描述及计算所需数据量化描述，利用其中数据建立CLoudlet全局任务分解模型以及执行框架，使用基于终端的VM动态切换技术，实现终端计算资源的虚拟机配置，同时依据边缘服务层构建的目录服务存储的资源描述数据，使用虚拟资源切换技术实现边缘端任务迁移，采用基于云端的VM动态切换技术，实现终端资源与边缘端资源的虚拟机配置，同时依据云端服务层的目录服务器数据及虚拟资源切换技术实现边缘端任务的迁移；

3）基于clouldlet构建技术平台，具体将明长城监测设备结合虚拟机动态合成的朵云机制构建技术平台，来构建应用验证环境：

a、为了满足明长城遗址分区域自适应精确高效感知的需求，利用低延迟高可用精准画像技术，实时感知明长城遗址不同区域的状态信息以及所处的情景状态信息，采取不同感知策略自适应感知长城本体状态及风险预警，为了应对长城遗址相对脆弱区域遗址本体状态的突变，对其进行快速高效的精确感知；对长城整体大范围时间跨度长的遗址风险预警的需求，进行全面精确的感知，并根据感知需求，将相关信息融合传送到附近的边缘服务器；

b、为了满足明长城遗址监测数据跨区域协作的需求，结合所提的低负载高能效按需调度技术，实现将风险级别高的感知信息根据文物保护需求，进行边缘的动态存储和风险分级管理，同时基于云端网络持效互联技术，将相似区域长城建模分析数据流自主组织预先转发到保护区域边缘域或者云平台；并根据情境选择合适的传输手段，充分利用北斗、4G等野外较为稳定的信号，将感知数据分块多方式融合传输；

c、为了满足明长城遗址单区域本体状态实时分析、全区域风险精准预警策略的需求，利用所提多层次细粒度的任务动态迁移技术，基于所感知的长城本体状态信息，实现对多终端设备感知的融合数据进行高效准确分析、计算任务无缝迁移；通过将单区域文物实时分析任务迁移到边缘进行同时将多区域长城监测任务及预测任务数据放置于云平台上进行离线学习，将学习到的计算决策提前放置到不同区域不同监测区域的边缘域上，作为长城本体监测预警的决策初始值，结合实时感知到的长城本体信息在边缘域上对其进行在线分析，对危及遗址安全的变化及时预警与干预，并根据文物风险级别将边缘域自适应上传数据至云端实现，对预警模型的精调和重点监护数据的存储；

4）基于物理环境平台与技术平台实现明长城遗址的监测设备管理、监测数据实时与跨域共享、遗址的长效预警与实时监测。

所述的在物理验证平台基础上构建相应的关键技术，针对资源发现需求，构建满足资源的智能发现技术；针对资源资源组织需求，构建满足动态灵活进行资源预部署技术；针对文物保护模型智能计算需求，构建满足计算任务的自适应分解建模与迁移技术，所述的智能发现技术、资源预部署技术、计算任务的自适应分解建模与迁移技术，其特征在于采用现有的Cloudlet开源框架技术中的虚拟机动态合成的朵云机制构建技术平台。

所述的应用功能，在技术验证平台基础上构建相应的应用功能：针对文物保护发现需求，构建满足文物资源的智能发现功能；针对监测资源组织需求，构建满足动态灵活进行文物监测资源动态预部署功能；针对文物感知保护需求，构建满足文物风险预警与实时监测功能。

本发明的有益效果是：

1）通过使用Cloudlet模型构建边缘计算物理环境，实现遗址状态的全面精确感知，完成基于Cloudlet的边缘计算明长城遗址智能感知物理环境构建；

2）通过低延迟高可用精准画像技术、低负载高能效资源按需调度技术及计算的动态迁移技术，实现野外跨省线性长城的跨区域的协同分析，将相似区域的长城遗址进行关联分析，提高长城本体状态的有效感知；并通过利用资源的自组织将数据、传输、能耗等资源按需提供给需要的区域，提高分析的下沉深度，达到高效的预警；

3）通过面向云端融合的边缘计算实现遗址保护的云端互联，合理调配资源，满足野外大型古遗址的严格要求，从而带动整个文物保护的智能管理水平，有助于形成跨域协同的文物监测全方位感知服务，促进形成科学有效的明长城古遗址智能感知系统。

附图说明

图1 基于边缘计算的长城遗址保护系统技术框架图。

图2基于Cloudlet模型的明长城智能感知系统图。

图3 基于边缘计算的明长城智能感知系统技术实施框架图。

具体实施方式

以下结合附图对本发明进一步叙述。

如图1所示，一种面向明长城遗址保护的边缘计算智能感知系统搭建方法，包括以下步骤：

1）构建验证环境平台，平台包括物理平台、技术平台与应用功能三部分组成；

2）使用cloudlet技术作为边缘计算模式的基础技术；以Cloudlet框架构建物理平台环境，为了满足明长城遗址本体状态全区域全面监测、局部重点监测需求，利用无人机、固定摄像头、温湿度、盐分等功能传感器构建数据感知层；为了满足多模异构数据实时传输需求，利用物联网网关、SDN技术结合5G通信技术、北斗通信卫星建立明长城感知数据传输共享网络；为了满足明长城长效感知的信息存储需求，利用时序数据库技术建立数据库存储边缘服务器；为了满足明长城本体状态监测数据采集需求，利用高性能服务器设备与VMware Vcloud小云技术按需构建边缘服务器层；为了满足明长城遗址科学运算、统计分析需求，利用Apache Spark技术建立与阿里云服务构建云服务计算层，最终形成面向明长城遗址智能感知的边缘计算物理环境平台；

2）如图3，基于clouldlet构建物理环境平台，具体将明长城监测设备结合小云、微云技术实现物理环境平台构建；来构建结合Cloudlet中关键技术平台：

a、为了满足明长城本体状态监测资源感知需求，通过使用Cloudlet模型中资源发现技术，在终端层设备节点上中安装资源发现客户端，完成跨平台的资源感知发现；在Cloudlet边缘服务器层中构建Cloudlet资源注册数据库，融合异构感知数据，同时建立区域分层存储数据库，形成文物感知数据的分级关联存储，最终实现面向明长城遗址感知的高可用数据精准画像技术；

b、为了满足明长城遗址区域监测信息跨域快速共享需求，在边缘服务层中利用Cloudlet中动态VM合成技术，面向服务请求与资源虚拟建立一对一的快速虚拟资源，实现请求与资源的按需调度的基础。同时在边缘层与云端计算服务层利用Cloudlet中全局与局部资源发现技术中的资源发现接口与资源请求接口的使用，建立局部与全局资源发现数据库、资源使用数据库，将终端计算节点与节点链路的通信状况进行描述存储，将其中数据输入递归深度神经网络建立资源预测模型，将其结果作为链路选择、资源部署的决策输入，输出决策结果，利用资源切换技术来瞬态定制Cloudlet上的软件服务，最终实现资源的按需调度技术；

c、为了满足明长城遗址本体风险实时分析、精确预警任务迁移需求，通过云端服务层建立目录服务器存储全局节点的网络距离、计算资源描述及计算所需数据量化描述，利用其中数据建立CLoudlet全局任务分解模型以及执行框架，使用基于终端的VM动态切换技术，实现终端计算资源的虚拟机配置，同时依据边缘服务层构建的目录服务存储的资源描述数据，使用虚拟资源切换技术实现边缘端任务迁移，采用基于云端的VM动态切换技术，实现终端资源与边缘端资源的虚拟机配置，同时依据云端服务层的目录服务器数据及虚拟资源切换技术实现边缘端任务的迁移；

3）如图2，基于clouldlet构建技术平台，具体将明长城监测设备结合虚拟机动态合成的朵云机制构建技术平台，来构建应用验证环境：

a、为了满足明长城遗址分区域自适应精确高效感知的需求，利用低延迟高可用精准画像技术，实时感知明长城遗址不同区域的状态信息以及所处的情景状态信息，采取不同感知策略自适应感知长城本体状态及风险预警，为了应对长城遗址相对脆弱区域遗址本体状态的突变，对其进行快速高效的精确感知；对长城整体大范围时间跨度长的遗址风险预警的需求，进行全面精确的感知，并根据感知需求，将相关信息融合传送到附近的边缘服务器；

b、为了满足明长城遗址监测数据跨区域协作的需求，结合所提的低负载高能效按需调度技术，实现将风险级别高的感知信息根据文物保护需求，进行边缘的动态存储和风险分级管理，同时基于云端网络持效互联技术，将相似区域长城建模分析数据流自主组织预先转发到保护区域边缘域或者云平台；并根据情境选择合适的传输手段，充分利用北斗、4G等野外较为稳定的信号，将感知数据分块多方式融合传输；

c、为了满足明长城遗址单区域本体状态实时分析、全区域风险精准预警策略的需求，利用所提多层次细粒度的任务动态迁移技术，基于所感知的长城本体状态信息，实现对多终端设备感知的融合数据进行高效准确分析、计算任务无缝迁移；通过将单区域文物实时分析任务迁移到边缘进行同时将多区域长城监测任务及预测任务数据放置于云平台上进行离线学习，将学习到的计算决策提前放置到不同区域不同监测区域的边缘域上，作为长城本体监测预警的决策初始值，结合实时感知到的长城本体信息在边缘域上对其进行在线分析，对危及遗址安全的变化及时预警与干预，并根据文物风险级别将边缘域自适应上传数据至云端实现，对预警模型的精调和重点监护数据的存储；

4）基于物理环境平台与技术平台实现明长城遗址的监测设备管理、监测数据实时与跨域共享、遗址的长效预警与实时监测。

所述的在物理验证平台基础上构建相应的关键技术，针对资源发现需求，构建满足资源的智能发现技术；针对资源资源组织需求，构建满足动态灵活进行资源预部署技术；针对文物保护模型智能计算需求，构建满足计算任务的自适应分解建模与迁移技术，所述的智能发现技术、资源预部署技术、计算任务的自适应分解建模与迁移技术，其特征在于采用现有的Cloudlet开源框架技术中的虚拟机动态合成的朵云机制构建技术平台。

所述的应用功能，在技术验证平台基础上构建相应的应用功能：针对文物保护发现需求，构建满足文物资源的智能发现功能；针对监测资源组织需求，构建满足动态灵活进行文物监测资源动态预部署功能；针对文物感知保护需求，构建满足文物风险预警与实时监测功能。

Claims (3)

1.一种面向遗址保护的边缘计算智能感知系统搭建方法，其特征在于，包括以下步骤：

1）构建验证环境平台，平台包括物理平台、技术平台与应用功能三部分组成；

2）使用cloudlet技术作为边缘计算模式的基础技术；以Cloudlet框架构建物理平台环境，为了满足遗址本体状态全区域全面监测、局部重点监测需求，利用无人机、固定摄像头、温湿度、盐分功能传感器构建数据感知层；为了满足多模异构数据实时传输需求，利用物联网网关、SDN技术结合5G通信技术、北斗通信卫星建立感知数据传输共享网络；为了满足长效感知的信息存储需求，利用时序数据库技术建立数据库存储边缘服务器；为了满足本体状态监测数据采集需求，利用高性能服务器设备与VMware Vcloud小云技术按需构建边缘服务器层；为了满足遗址科学运算、统计分析需求，利用Apache Spark技术与阿里云服务构建云服务计算层，最终形成面向遗址智能感知的边缘计算物理环境平台；

3）基于cloudlet构建物理环境平台，具体将监测设备结合小云、微云技术实现物理环境平台构建；构建结合Cloudlet中关键技术的平台：

a、为了满足本体状态监测资源感知需求，通过使用Cloudlet模型中资源发现技术，在终端层设备节点上中安装资源发现客户端，完成跨平台的资源感知发现；在Cloudlet边缘服务器层中构建Cloudlet资源注册数据库，融合异构感知数据，同时建立区域分层存储数据库，形成文物感知数据的分级关联存储，最终实现面向遗址感知的高可用数据精准画像技术；

b、为了满足遗址区域监测信息跨域快速共享需求，在边缘服务层中利用Cloudlet中动态VM合成技术，面向服务请求与资源虚拟建立一对一的快速虚拟资源，实现请求与资源的按需调度的基础，同时在边缘层与云端计算服务层利用Cloudlet中全局与局部资源发现技术中的资源发现接口与资源请求接口的使用，建立局部与全局资源发现数据库、资源使用数据库，将终端计算节点与节点链路的通信状况进行描述存储，将其中数据输入递归深度神经网络建立资源预测模型，将其结果作为链路选择、资源部署的决策输入，输出决策结果，利用资源切换技术来瞬态定制Cloudlet上的软件服务，最终实现资源的按需调度技术；

c、为了满足遗址本体风险实时分析、精确预警任务迁移需求，通过云端服务层建立目录服务器存储全局节点的网络距离、计算资源描述及计算所需数据量化描述，利用其中数据建立CLoudlet全局任务分解模型以及执行框架，使用基于终端的VM动态切换技术，实现终端计算资源的虚拟机配置，同时依据边缘服务层构建的目录服务器存储的计算资源描述数据，使用虚拟资源切换技术实现边缘端任务迁移，采用基于云端的VM动态切换技术，实现终端资源与边缘端资源的虚拟机配置，同时依据云端服务层的目录服务器数据及虚拟资源切换技术实现边缘端任务的迁移；

4）基于cloudlet构建技术平台，具体将监测设备结合虚拟机动态合成的朵云机制构建技术平台，来构建应用验证环境：

a、为了满足遗址分区域自适应精确高效感知的需求，利用低延迟高可用精准画像技术，实时感知遗址不同区域的状态信息以及所处的情景状态信息，采取不同感知策略自适应感知遗址本体状态及风险预警，为了应对遗址相对脆弱区域遗址本体状态的突变，对其进行快速高效的精确感知；对遗址整体大范围时间跨度长的遗址风险预警的需求，进行全面精确的感知，并根据感知需求，将相关信息融合传送到附近的边缘服务器；

b、为了满足遗址监测数据跨区域协作的需求，结合低负载高能效按需调度技术，实现将风险级别高的感知信息根据文物保护需求，进行边缘的动态存储和风险分级管理，同时基于云端网络持效互联技术，将相似区域遗址建模分析数据流自主组织预先转发到保护区域边缘域或者云平台；并根据情境选择合适的传输手段，充分利用北斗、4G野外较为稳定的信号，将感知数据分块多方式融合传输；

c、为了满足遗址单区域本体状态实时分析、全区域风险精准预警策略的需求，利用多层次细粒度的任务动态迁移技术，基于所感知的遗址本体状态信息，实现对多终端设备感知的融合数据进行高效准确分析、计算任务无缝迁移；通过将单区域文物实时分析任务迁移到边缘进行，同时将多区域遗址监测任务及预测任务数据放置于云平台上进行离线学习，将学习到的计算决策提前放置到不同区域不同监测区域的边缘域上，作为遗址本体监测预警的决策初始值，结合实时感知到的遗址本体信息在边缘域上对其进行在线分析，对危及遗址安全的变化及时预警与干预，并根据文物风险级别将边缘域自适应数据上传至云端，实现对预警模型的精调和重点监护数据的存储；

5）基于物理环境平台与技术平台实现遗址的监测设备管理、监测数据实时与跨域共享、遗址的长效预警与实时监测。

2.根据权利要求1所述的一种面向遗址保护的边缘计算智能感知系统搭建方法，其特征在于，在物理验证平台基础上构建相应的关键技术，针对资源发现需求，构建满足资源的智能发现技术；针对资源组织需求，构建动态灵活的资源预部署技术；针对文物保护模型智能计算需求，构建满足计算任务的自适应分解建模与迁移技术，所述的智能发现技术、资源预部署技术、计算任务的自适应分解建模与迁移技术，其特征在于采用现有的Cloudlet开源框架技术中的虚拟机动态合成的朵云机制构建技术平台。

3.根据权利要求1所述的一种面向遗址保护的边缘计算智能感知系统搭建方法，其特征在于，所述的应用功能，在技术验证平台基础上构建相应的应用功能：针对文物保护发现需求，构建满足文物资源的智能发现功能；针对监测资源组织需求，构建动态灵活地进行文物监测的资源动态预部署功能；针对文物感知保护需求，构建文物风险预警与实时监测功能。

Images