CN117873537B - 一种边缘计算ota升级方法、装置及系统 - Google Patents

Abstract

本发明涉及边缘计算技术领域，尤指一种边缘计算OTA升级方法、装置及系统，通过实时监控边缘设备的电磁干扰水平，生成变化曲线，以选定最适宜的OTA升级日期。收集设备的在线时间数据，运用时间序列分析预测电源稳定时间段，为升级任务提供最佳时机。利用线性回归模型预测设备在不同负载下的升级速度，并综合考虑各升级任务的时间需求，实现高效任务分配。进一步，通过比对校验后的升级包与当前固件版本，确保升级的兼容性与准确性。综上所述，本发明提供了一种综合考量环境与设备状态的高效、稳定的边缘计算OTA升级方案，显著提升升级过程的成功率，确保设备运行的稳定性。

Description

一种边缘计算OTA升级方法、装置及系统

技术领域

本发明涉及边缘计算技术领域，尤指一种边缘计算OTA升级方法、装置及系统。

背景技术

在边缘计算领域，随着技术的不断发展和应用场景的广泛扩散，边缘设备的有效管理与维护变得越来越重要。特别是在固件升级（OTA升级）过程中，确保升级的高效性和安全性成为了一个关键问题。传统的固件升级方法通常依赖于中心化的管理系统，这在一定程度上限制了升级过程的灵活性和适应性。

随着物联网（IoT）设备数量的激增，在工业环境中，这些设备往往分布在不同的地理位置，面临着各种各样的环境因素，如电磁干扰、电源稳定性等问题。这些因素可能会对固件升级的成功率造成显著影响。例如，强电磁干扰可能导致升级过程中的数据传输错误，而电源不稳定可能导致升级过程中断，从而影响设备的正常运行。

传统的固件升级方法很难考虑这些外部环境因素，导致升级过程中出现失败的风险。此外，这些传统方法通常没有考虑到每个设备的实际运行状态和负载情况，如CPU和内存的使用率，这可能会导致升级过程中设备性能下降，甚至系统崩溃。

发明内容

为解决上述问题，本发明提供一种边缘计算OTA升级方法、装置及系统。

为实现上述目的，本发明采用的技术方案是：

一种边缘计算OTA升级方法，包括以下步骤：

实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配；

所述边缘计算任务包括：

根据固件版本的URL下载升级包；

对升级包进行版本校验；

对校验后的升级包与当前固件版本进行解析比对，通过比对提取升级数据；

基于升级数据对待升级边缘设备进行升级。

进一步地，所述根据电磁干扰变化曲线选择OTA升级日期包括以下步骤：

以一周为时间分割点，计算每天低于预设电磁干扰值的电磁干扰变化曲线总长，并生成电磁干扰分值，所述电磁干扰分值与所述低于预设电磁干扰值的电磁干扰变化曲线总长呈负相关；

对电磁干扰分值低于预设阈值的日期进行以周为单位的规律分析，确定OTA升级日期。

进一步地，所述对边缘设备的在线时间数据进行时间序列分析包括以下步骤：

收集边缘设备的在线时间数据，包括设备开机、运行和休眠的时间点；

根据在线时间数据进行时间序列分析，生成边缘设备的运行周期；

根据若干个边缘设备的运行周期预测电源稳定时间段。

进一步地，所述根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段包括以下步骤：

在OTA升级日期中，计算电磁干扰变化曲线低于预设电磁干扰值的线段与电源稳定时间段的重叠时间段；

对低于预设时间长度的重叠时间段进行筛除，生成若干个OTA升级时间段。

进一步地，所述边缘设备负载的计算方式包括以下步骤：

收集与边缘设备运行相关的负载数据，包括CPU使用率、内存使用量、网络带宽占用；

将收集到的负载数据加权平均，得到边缘设备负载。

进一步地，所述计算根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配包括：

基于线性回归模型，通过每个边缘设备的负载数据预测其完成OTA升级任务的速度；

对不同的边缘计算任务进行时间需求分析，确定边缘设备的负载环境下每个任务的预计完成时间；

根据预计完成时间将边缘计算任务在OTA升级时间段分配至边缘设备。

进一步地，所述对校验后的升级包与当前固件版本进行解析比对包括比对校验后的升级包与当前固件版本的功能数据和配置数据。

一种边缘计算OTA升级系统，包括电磁干扰分析模块、电源稳定时间计算模块、升级时间模块和任务分配模块；

所述电磁干扰分析模块用于实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

所述电源稳定时间计算模块用于获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

所述升级时间模块用于根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

所述任务分配模块用于根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配。

一种边缘计算OTA升级装置，包括：

负载数据模块，用于监测CPU使用率、内存使用量、网络带宽占用；

信息收发模块，用于在可覆盖信号范围中与边缘设备建立数据连接；

数据处理模块，用于根据接收的边缘计算任务进行数据处理。

本发明的有益效果在于：本发明通过实时收集边缘设备所处环境的电磁干扰数据，生成详细的电磁干扰变化曲线，有效预测和规避可能影响升级成功率的环境因素。对边缘设备的在线时间数据进行深入的时间序列分析，预测电源的稳定时间段。这一步骤确保升级过程在电源稳定时进行，从而降低因电源问题导致的升级失败风险。根据电磁干扰数据和电源稳定性分析结果，智能生成若干个适宜的OTA升级时间段，从而在确保升级效率的同时减少外部因素的干扰。还通过将每个边缘设备的实际负载情况纳入考量，以便更有效地分配升级任务。通过收集设备负载数据（如CPU使用率、内存使用量），本方案能够更准确地预测设备完成升级任务的速度，从而实现任务的合理分配。在升级过程中，根据设备负载和升级时间段的长短特性，动态调整升级任务的分配，确保升级任务既能在最适宜的时间进行，又不会过度影响设备的正常运行。通过这些创新步骤，本发明能够智能地适应各种环境变化，为边缘设备提供更高效、更安全的OTA升级解决方案。与传统的固件升级方法相比，本方案在考虑外部环境因素和设备实际运行状态的基础上，实现了升级过程的优化，从而显著提高了升级的成功率和设备的运行稳定性。

附图说明

图1 是本发明中一种边缘计算OTA升级方法的步骤流程图。

图2 是本发明中计算根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配的步骤流程图。

具体实施方式

请参阅图1-2所示，本发明关于一种边缘计算OTA升级方法，其特征在于，包括以下步骤：

实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配；

所述边缘计算任务包括：

根据固件版本的URL下载升级包；

对升级包进行版本校验；

对校验后的升级包与当前固件版本进行解析比对，通过比对提取升级数据；

基于升级数据对待升级边缘设备进行升级。

在一些实施例中，首先，该方法通过实时监测边缘设备所处环境的电磁干扰水平，获取关键的环境数据。例如，对于位于工业环境中的边缘设备，该步骤会实时记录设备周围可能存在的电磁干扰强度，如由附近运行的重型机械或电子设备引起的干扰。接着，基于这些数据，系统会生成一系列电磁干扰变化曲线，每条曲线代表一周内的电磁干扰水平变化。这些曲线能够帮助识别电磁干扰的模式和趋势，例如，在特定的日间或夜间时段，电磁干扰水平可能会有显著的上升或下降。接下来，系统将收集边缘设备的在线时间数据，包括设备的开机、运行和休眠时间点。通过对这些在线时间数据进行时间序列分析，系统能够预测出电源稳定的时间段。例如，对于某个经常在夜间运行的设备，分析可能显示，在夜间其电源更稳定，适合进行升级操作。结合这两类数据，本发明接着根据所选的OTA升级日期、电磁干扰变化曲线和电源稳定时间段来生成若干个OTA升级时间段。这些时间段是在考虑到最小化电磁干扰和最大化电源稳定性的前提下确定的，以确保升级过程的顺利和设备的安全。最后，本发明会根据每个边缘设备在所分配的OTA升级时间段的长短特性和设备负载情况进行升级任务的分配。例如，对于一个通常负载较高但在深夜负载降低的设备，系统可能会安排在深夜时段进行边缘计算升级，以减少对正常运行的干扰。具体升级任务包括从指定URL下载固件升级包、对下载的升级包进行版本校验、将升级包与当前固件版本进行比对，并从中提取必要的升级数据。然后，系统会基于这些数据对边缘设备进行实际的升级操作。

所述根据电磁干扰变化曲线选择OTA升级日期包括以下步骤：

以一周为时间分割点，计算每天低于预设电磁干扰值的电磁干扰变化曲线总长，并生成电磁干扰分值，所述电磁干扰分值与所述低于预设电磁干扰值的电磁干扰变化曲线总长呈负相关；

对电磁干扰分值低于预设阈值的日期进行以周为单位的规律分析，确定OTA升级日期。

在一些实施例中，首先，系统会以一周为基本的时间单位，对每天的电磁干扰水平进行细致的记录和计算。这包括测量和累计每天电磁干扰水平低于预设阈值时段的总时长，这些时段被视为对升级过程影响较小的时段。接着，系统会对这些累计的时长数据进行进一步的分析，生成一个电磁干扰分值。这个分值是电磁干扰对升级过程可能影响的量化表示，其计算方式是将每天低于预设阈值的电磁干扰时长总和转化为一个数值。值得注意的是，电磁干扰分值与实际的电磁干扰时长总和呈现负相关关系，即电磁干扰时长越短，分值越高，表明那一天的电磁干扰对升级的潜在影响越大。在此基础上，系统会对这些电磁干扰分值进行进一步的分析，特别是对分值低于预设阈值的日期进行重点考虑。通过分析这些日期的电磁干扰分值和其出现的规律，系统可以识别出一周内哪些日子最适合进行OTA升级。例如，如果发现每周的某些特定日子（如周末）的电磁干扰分值持续较低，这意味着这些日子的电磁干扰水平较低，更适合进行固件升级操作。综合这些分析结果，系统最终会确定一个或多个最佳的OTA升级日期。这些日期被选定是因为在这些日子里，电磁干扰对升级过程的潜在干扰最小，从而有利于提高升级过程的成功率和安全性。通过这种方法，本发明能够有效地规避高电磁干扰和优化边缘设备的固件升级计划，确保升级过程在最佳条件下进行。

进一步地，所述对边缘设备的在线时间数据进行时间序列分析包括以下步骤：

收集边缘设备的在线时间数据，包括设备开机、运行和休眠的时间点；

根据在线时间数据进行时间序列分析，生成边缘设备的运行周期；

根据若干个边缘设备的运行周期预测电源稳定时间段。

需要说明的是，对边缘设备的在线时间数据进行时间序列分析是为了准确预测电源稳定时间段，进而确保OTA升级的有效执行。这一过程首先涉及到对边缘设备的在线时间数据的收集。具体来说，系统将记录每台设备的开机、运行以及休眠时间点，这些时间点反映了设备的活动模式和使用习惯。例如，某个边缘设备可能每天早上8点开机，晚上10点进入休眠状态，而另一台设备则可能在夜间活跃。收集到的在线时间数据将被用于进行深入的时间序列分析。这一分析旨在识别出设备的运行周期，即设备的活动和休眠模式随时间变化的规律。通过应用先进的时间序列分析技术，如自回归模型（AR）或季节性差分自回归移动平均模型（SARIMA），可以从这些数据中提取出明显的模式和趋势。例如，如果一个边缘设备在工作日的白天高频运行，而在周末则大部分时间处于休眠状态，这样的模式就会在时间序列分析中被捕捉到。进一步地，系统将基于这些识别出的运行周期来预测电源稳定的时间段。电源稳定时间段是指设备在此期间内电源供应稳定，不太可能因外部因素（如电网波动）而中断。通过分析多个边缘设备的运行周期，系统可以确定哪些时间段通常见识设备运行较少，从而电源更加稳定。例如，如果大多数设备在深夜时分处于休眠状态，那么这一时段的电源稳定性将被认为更高，适合安排升级操作。通过精确分析边缘设备的在线时间数据并预测电源稳定时间段，使得OTA升级过程可以在最佳时间执行，减少因电源不稳定而导致的升级失败风险，从而提高了整体升级过程的效率和可靠性。

进一步地，所述根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段包括以下步骤：

在OTA升级日期中，计算电磁干扰变化曲线低于预设电磁干扰值的线段与电源稳定时间段的重叠时间段；

对低于预设时间长度的重叠时间段进行筛除，生成若干个OTA升级时间段。

需要说明的是，这一部分涉及到电磁干扰和电源稳定性两个关键因素的综合考量。具体来说，这一过程首先在选定的OTA升级日期内，对电磁干扰变化曲线中低于预设电磁干扰阈值的线段进行识别和计算。这意味着系统会检查在每个可能的升级日期内，电磁干扰水平何时降至相对较低的水平，从而不太可能对升级过程产生负面影响。例如，如果系统检测到在某个特定日期的夜间时段，电磁干扰水平持续处于较低状态，那么这一时段就会被识别为潜在的升级时间段。

接下来，进一步对这些低电磁干扰时段与预测的电源稳定时间段进行交叉比较，以识别两者的重叠时间段。这一步骤的目的是找到既电磁干扰低又电源稳定的时段，从而确保OTA升级可以在最佳条件下进行。在这个过程中，任何不满足预设时间长度要求的重叠时间段都将被筛除。例如，如果某一晚上的电磁干扰低和电源稳定的时间段只有短短几分钟，这样的时间段就会被认为不适合进行升级，因为它可能无法提供足够的时间来完成整个升级过程。

进一步地，所述边缘设备负载的计算方式包括以下步骤：

收集与边缘设备运行相关的负载数据，包括CPU使用率、内存使用量、网络带宽占用；

将收集到的负载数据加权平均，得到边缘设备负载。

需要说明的是，这一过程涉及到对边缘设备运行过程中产生的关键性能指标数据的收集。具体来说，系统会实时监测并记录每个边缘设备的CPU使用率、内存使用量以及网络带宽占用等参数。例如，对于一个在工厂环境中运行的边缘设备，系统会实时追踪其CPU的负载情况，如是否经常运行在高负载状态，内存的使用情况是否接近上限，以及网络带宽是否经常饱和。随后，收集到的这些负载数据将被用于计算每个设备的整体负载水平。为了得到一个综合性的负载评估，本发明采用了加权平均的方法来处理收集到的各类数据。在这个过程中，不同类型的负载数据可能被赋予不同的权重，以反映它们对设备性能和升级过程的影响程度。例如，对于一个内存敏感的应用，内存使用量可能被赋予较高的权重；而对于一个网络密集型的应用，则可能更加重视网络带宽的占用情况。通过这种加权平均的方法，可以综合考虑各种性能指标，得到一个更为全面和准确的设备负载评估结果。最终，这个加权平均后的负载评估值为每个边缘设备提供了一个量化的负载水平指标，这将直接影响到升级任务的分配和调度。例如，对于负载较低的设备，可能会被分配更多的升级任务或在较短的升级时间段内完成升级；而对于负载较高的设备，则可能采取更为谨慎的升级策略，以避免在升级过程中对设备正常运行造成干扰。通过这种方式，本发明能够根据每个设备的实际运行状态智能地规划升级过程，从而提高整个升级任务的效率和成功率。

进一步地，所述计算根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配包括：

S1、基于线性回归模型，通过每个边缘设备的负载数据预测其完成OTA升级任务的速度；

具体地，系统首先会收集边缘设备在正常运行期间的负载数据，这些数据包括但不限于CPU使用率、内存占用以及网络流量等关键性能指标。例如，对于一个在智能制造环境中部署的边缘设备，系统可能会监测其处理实时数据时的CPU和内存负载，以及在与云平台交互时的网络流量。接着，这些负载数据将被用作线性回归模型的输入。线性回归模型是一种统计方法，用于分析输入变量（如设备负载数据）与目标变量（如完成特定任务的时间）之间的关系。在本发明中，该模型会被训练以识别负载数据与升级任务完成时间之间的关联模式。例如，模型可能发现当CPU使用率较高时，设备完成升级任务的速度会减慢。通过这种方式，线性回归模型能够为每个边缘设备提供一个预测的升级速度，这个速度是基于设备的实际负载情况计算得出的。这一预测结果对于整个升级过程的规划至关重要。例如，对于预测升级速度较慢的设备，系统可能会安排更长的升级时间段或选择在负载较低的时段进行升级，以确保升级过程的顺利完成。

S2、对不同的边缘计算任务进行时间需求分析，确定边缘设备的负载环境下每个任务的预计完成时间；

首先，系统会详细列举并分析OTA升级过程中涉及的所有任务，这些任务可能包括下载升级包、进行版本校验、解析和比对升级包与当前固件版本等。每项任务都有其独特的特性和需求，例如，下载升级包可能主要受网络带宽的影响，而版本校验则可能更依赖于CPU的处理速度。随后，对于每项任务，系统将根据边缘设备的实际运行和负载数据来评估其预计完成时间。例如，如果一个边缘设备在特定时段内网络带宽使用较高，那么在该时段下载升级包的时间可能会相应增长。同样，如果另一台设备在执行其他高优先级任务时CPU负载较重，那么进行版本校验的时间可能会比空闲时长。这种时间需求分析不仅考虑了每项任务本身的特性，还结合了边缘设备在不同时间段的负载情况。通过这种方式，可以为每个设备的每项升级任务提供一个更为准确的时间估算，从而确保在分配升级任务时能够考虑到设备的实际运行情况。例如，如果分析结果显示在工作日白天时间下载升级包所需时间较长，那么系统可能会选择在夜间或周末进行下载任务，以减少时间成本。同样，如果某个任务在特定设备上通常耗时较短，那么该任务可以被安排在较短的升级时间段内完成。

S3、根据预计完成时间将边缘计算任务在OTA升级时间段分配至边缘设备。

在此步骤中，系统首先将基于前两个步骤（S1和S2）所得到的信息：即每个边缘设备在其负载条件下完成各升级任务的预测速度，以及每项任务的预计完成时间。这些信息为系统提供了一个全面的视图，关于在特定负载环境下，每个边缘设备执行不同升级任务所需的时间。然后，系统将根据这些数据，进行升级任务的智能分配。这一分配过程考虑到了每个设备在不同时间段的电源稳定性和电磁干扰情况，以及设备的负载状况。例如，如果某个设备在夜间时段负载较低，且电源更加稳定，那么系统可能会将需要较长时间或较高资源消耗的任务，如固件下载和安装，安排在这些时段进行。此外，系统还会考虑到不同任务之间的依赖关系和优先级。例如，版本校验通常需要在下载升级包之后进行，而数据提取则需要在校验完成之后执行。这样的任务逻辑将被纳入分配策略中，以确保整个升级流程的逻辑连贯性和效率。最后，每个边缘设备将收到一个具体的升级任务计划，包括何时开始每项任务，以及各任务的执行顺序。这种动态和个性化的任务分配方法使得整个OTA升级过程更加高效和稳定，同时降低了因负载或环境问题导致的升级失败风险。

进一步地，所述对校验后的升级包与当前固件版本进行解析比对包括比对校验后的升级包与当前固件版本的功能数据和配置数据。

首先，此步骤开始于对下载的升级包进行严格的版本校验，以验证其完整性和可靠性。一旦升级包通过校验，系统便开始深入分析升级包中的内容。这包括提取升级包中的关键信息，如新固件的版本号、更新的功能列表、改进的性能参数以及可能包含的新配置设置。接着，系统会获取并解析边缘设备当前运行的固件版本信息，包括其功能特性、配置参数和其他相关数据。例如，如果当前固件支持特定的通信协议或具有特定的数据处理能力，这些信息都将被详细记录。随后，进行解析比对的核心步骤是对升级包中的新固件与当前固件的功能数据和配置数据进行详细比较。这一比较过程的目的是识别出新固件与现有固件之间的任何差异，包括新增的功能、改进的性能以及配置上的变更。例如，如果新固件增加了对某种高级加密技术的支持，或优化了数据处理流程以提高效率，这些变化都会在比对过程中被识别出来。通过这种细致的比对和分析，本发明能够确保所提供的固件更新既包含了所需的功能改进，又能够与边缘设备现有的固件和配置充分兼容，从而确保升级过程的顺利进行，避免由于不兼容引起的设备故障或性能下降。这一步骤在整个OTA升级流程中起着至关重要的作用，为边缘设备的稳定运行和持续性能提升提供了坚实保障。

本发明还包括一种边缘计算OTA升级系统，包括电磁干扰分析模块、电源稳定时间计算模块、升级时间模块和任务分配模块；

所述电磁干扰分析模块用于实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

所述电源稳定时间计算模块用于获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

所述升级时间模块用于根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

所述任务分配模块用于根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配。

本发明还包括一种边缘计算OTA升级装置，包括：

负载数据模块，用于监测CPU使用率、内存使用量、网络带宽占用；

信息收发模块，用于在可覆盖信号范围中与边缘设备建立数据连接；

数据处理模块，用于根据接收的边缘计算任务进行数据处理。

以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (6)

1.一种边缘计算OTA升级方法，其特征在于，包括以下步骤：

实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配；

所述边缘计算任务包括：

根据固件版本的URL下载升级包；

对升级包进行版本校验；

对校验后的升级包与当前固件版本进行解析比对，通过比对提取升级数据；

基于升级数据对待升级边缘设备进行升级；

所述根据电磁干扰变化曲线选择OTA升级日期包括以下步骤：

以一周为时间分割点，计算每天低于预设电磁干扰值的电磁干扰变化曲线总长，并生成电磁干扰分值，所述电磁干扰分值与所述低于预设电磁干扰值的电磁干扰变化曲线总长呈负相关；

对电磁干扰分值低于预设阈值的日期进行以周为单位的规律分析，确定OTA升级日期；

所述边缘设备负载的计算方式包括以下步骤：

收集与边缘设备运行相关的负载数据，包括CPU使用率、内存使用量、网络带宽占用；

将收集到的负载数据加权平均，得到边缘设备负载；

所述计算根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配包括：

基于线性回归模型，通过每个边缘设备的负载数据预测其完成OTA升级任务的速度；

对不同的边缘计算任务进行时间需求分析，确定边缘设备的负载环境下每个任务的预计完成时间；

根据预计完成时间将边缘计算任务在OTA升级时间段分配至边缘设备。

2.根据权利要求1所述的一种边缘计算OTA升级方法，其特征在于，所述对边缘设备的在线时间数据进行时间序列分析包括以下步骤：

收集边缘设备的在线时间数据，包括设备开机、运行和休眠的时间点；

根据在线时间数据进行时间序列分析，生成边缘设备的运行周期；

根据若干个边缘设备的运行周期预测电源稳定时间段。

3.根据权利要求1所述的一种边缘计算OTA升级方法，其特征在于，所述根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段包括以下步骤：

在OTA升级日期中，计算电磁干扰变化曲线低于预设电磁干扰值的线段与电源稳定时间段的重叠时间段；

对低于预设时间长度的重叠时间段进行筛除，生成若干个OTA升级时间段。

4.根据权利要求1所述的一种边缘计算OTA升级方法，其特征在于，所述对校验后的升级包与当前固件版本进行解析比对包括比对校验后的升级包与当前固件版本的功能数据和配置数据。

5.一种边缘计算OTA升级系统，应用于权利要求1-4任一项所述的一种边缘计算OTA升级方法，其特征在于，包括电磁干扰分析模块、电源稳定时间计算模块、升级时间模块和任务分配模块；

所述电磁干扰分析模块用于实时获取边缘设备所处环境的电磁干扰水平，根据电磁干扰水平生成若干个以一周为单位的电磁干扰变化曲线，根据电磁干扰变化曲线选择OTA升级日期；

所述电源稳定时间计算模块用于获取边缘设备的在线时间数据，对边缘设备的在线时间数据进行时间序列分析，预测电源稳定时间段；

所述升级时间模块用于根据OTA升级日期、电磁干扰变化曲线和电源稳定时间段生成若干个OTA升级时间段；

所述任务分配模块用于根据OTA升级时间段的长短特性和边缘设备负载对边缘设备的升级进行边缘计算任务的分配。

6.一种边缘计算OTA升级装置，应用于权利要求1-4任一项所述的一种边缘计算OTA升级方法，其特征在于，包括：

负载数据模块，用于监测CPU使用率、内存使用量、网络带宽占用；

信息收发模块，用于在可覆盖信号范围中与边缘设备建立数据连接；

数据处理模块，用于根据接收的边缘计算任务进行数据处理。