【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及云邊協(xié)同，具體涉及一種云邊協(xié)同控制方法。
技術(shù)介紹
1、隨著物聯(lián)網(wǎng)、邊緣計(jì)算和云計(jì)算技術(shù)的快速發(fā)展，各類(lèi)分布式系統(tǒng)(如智能交通、工業(yè)物聯(lián)網(wǎng)和智能家居等應(yīng)用場(chǎng)景)中，逐漸呈現(xiàn)出大量設(shè)備數(shù)據(jù)實(shí)時(shí)采集、處理和決策的需求。傳統(tǒng)的集中式云計(jì)算架構(gòu)依賴(lài)云端進(jìn)行數(shù)據(jù)處理、存儲(chǔ)和分析，盡管具備強(qiáng)大的計(jì)算和存儲(chǔ)能力，但由于大量數(shù)據(jù)需要從邊緣設(shè)備傳輸?shù)皆贫耍瑢?dǎo)致系統(tǒng)存在較高的網(wǎng)絡(luò)帶寬壓力、數(shù)據(jù)傳輸延遲以及實(shí)時(shí)性無(wú)法滿(mǎn)足的問(wèn)題。此外，云端對(duì)海量數(shù)據(jù)進(jìn)行集中的分析和處理，無(wú)法充分利用邊緣節(jié)點(diǎn)的計(jì)算資源，造成資源利用率低，處理任務(wù)的效率難以提升因此。
2、現(xiàn)有方法中，邊緣設(shè)備產(chǎn)生的實(shí)時(shí)數(shù)據(jù)(監(jiān)控視頻流、傳感器報(bào)警信息等等)通常需要先傳輸至云端，再由云端進(jìn)行集中處理，這種集中處理模式導(dǎo)致傳輸鏈路長(zhǎng)、延遲高，難以滿(mǎn)足實(shí)時(shí)數(shù)據(jù)的處理需求，特別是在交通、工業(yè)生產(chǎn)等需要快速響應(yīng)的應(yīng)用場(chǎng)景中，傳輸延遲會(huì)對(duì)系統(tǒng)的整體性能和應(yīng)用效果造成較大影響，導(dǎo)致無(wú)法快速對(duì)突發(fā)事件或高優(yōu)先級(jí)任務(wù)做出響應(yīng)。
3、在云-邊架構(gòu)中，由于邊緣設(shè)備持續(xù)不斷地產(chǎn)生大量數(shù)據(jù)，傳統(tǒng)的傳輸方式通常直接將原始數(shù)據(jù)或簡(jiǎn)單壓縮后的數(shù)據(jù)上傳至云端，這種方式不僅占用大量帶寬資源，且容易造成網(wǎng)絡(luò)擁堵與傳輸瓶頸，無(wú)法適應(yīng)網(wǎng)絡(luò)狀況的變化。同時(shí)，現(xiàn)有技術(shù)難以針對(duì)不同數(shù)據(jù)類(lèi)型(例如視頻、音頻、傳感器讀數(shù))靈活選擇壓縮策略與參數(shù)，無(wú)法在保持?jǐn)?shù)據(jù)質(zhì)量和滿(mǎn)足實(shí)時(shí)性的同時(shí)最大化降低傳輸數(shù)據(jù)量，使得數(shù)據(jù)傳輸效率不高，帶寬利用率無(wú)法得到充分優(yōu)化。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)存在的不足，本專(zhuān)利技術(shù)提供一種云邊協(xié)同控制方法，通過(guò)智能壓縮、優(yōu)化負(fù)載均衡、實(shí)時(shí)性能預(yù)測(cè)與反饋調(diào)整，實(shí)現(xiàn)了高效的數(shù)據(jù)傳輸、靈活的任務(wù)調(diào)度和自適應(yīng)的資源管理，全面提升系統(tǒng)在復(fù)雜多變環(huán)境下的性能表現(xiàn)。
2、本專(zhuān)利技術(shù)解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種云邊協(xié)同控制方法，包括以下步驟：
3、建立云邊協(xié)同架構(gòu)，在云端、邊緣節(jié)點(diǎn)及協(xié)同控制層之間進(jìn)行分布式部署，所述云端負(fù)責(zé)全局計(jì)算資源的管理與復(fù)雜任務(wù)處理，在云端進(jìn)行對(duì)象模型定義與配置；所述邊緣節(jié)點(diǎn)負(fù)責(zé)數(shù)據(jù)的實(shí)時(shí)采集、預(yù)處理與壓縮，所述協(xié)同控制層負(fù)責(zé)云-邊之間的資源分配、任務(wù)調(diào)度與數(shù)據(jù)傳輸優(yōu)化，實(shí)現(xiàn)云-邊架構(gòu)的協(xié)同控制；
4、所述邊緣節(jié)點(diǎn)采集數(shù)據(jù)，實(shí)時(shí)進(jìn)行數(shù)據(jù)特征分析與分類(lèi)，選擇對(duì)應(yīng)的數(shù)據(jù)壓縮策略對(duì)數(shù)據(jù)進(jìn)行壓縮；并根據(jù)所述對(duì)象模型實(shí)現(xiàn)數(shù)據(jù)對(duì)象化，并根據(jù)屬性邏輯完成對(duì)象屬性值的計(jì)算與賦值，生成邊-云協(xié)同上傳數(shù)據(jù)流；
5、所述協(xié)同控制層基于實(shí)時(shí)監(jiān)測(cè)到的云-邊節(jié)點(diǎn)狀態(tài)、任務(wù)特性及網(wǎng)絡(luò)狀況，執(zhí)行自適應(yīng)負(fù)載均衡，實(shí)現(xiàn)云-邊之間的任務(wù)分配與調(diào)度；
6、所述云端接收邊緣節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)流，依據(jù)元數(shù)據(jù)信息對(duì)壓縮數(shù)據(jù)進(jìn)行解壓和處理，完成任務(wù)并反饋執(zhí)行結(jié)果；
7、利用系統(tǒng)狀態(tài)監(jiān)測(cè)信息，構(gòu)建節(jié)點(diǎn)性能預(yù)測(cè)模型，依據(jù)預(yù)測(cè)結(jié)果對(duì)任務(wù)分配策略、資源分配與數(shù)據(jù)壓縮策略進(jìn)行實(shí)時(shí)調(diào)整，實(shí)現(xiàn)云-邊協(xié)同優(yōu)化。
8、進(jìn)一步的，所述數(shù)據(jù)特征分析與分類(lèi)包括：
9、所述邊緣節(jié)點(diǎn)通過(guò)數(shù)據(jù)識(shí)別模塊對(duì)采集的數(shù)據(jù)進(jìn)行特征提取，識(shí)別出數(shù)據(jù)類(lèi)型、重要性和實(shí)時(shí)性需求；
10、基于所識(shí)別出的數(shù)據(jù)特征，將數(shù)據(jù)劃分為高優(yōu)先級(jí)數(shù)據(jù)、普通數(shù)據(jù)和低優(yōu)先級(jí)數(shù)據(jù)，并依據(jù)實(shí)時(shí)性和重要性將數(shù)據(jù)分類(lèi)為實(shí)時(shí)數(shù)據(jù)和非實(shí)時(shí)數(shù)據(jù)。
11、進(jìn)一步的，所述數(shù)據(jù)壓縮策略的選擇包括：
12、在所述邊緣節(jié)點(diǎn)設(shè)置數(shù)據(jù)壓縮策略庫(kù)，所述數(shù)據(jù)壓縮策略庫(kù)包含多種針對(duì)不同數(shù)據(jù)類(lèi)型的壓縮算法；依據(jù)數(shù)據(jù)類(lèi)型選擇最優(yōu)的壓縮算法，并通過(guò)調(diào)整壓縮參數(shù)，確保數(shù)據(jù)在壓縮后滿(mǎn)足網(wǎng)絡(luò)傳輸?shù)膶?shí)時(shí)性和帶寬要求。
13、進(jìn)一步的，數(shù)據(jù)傳輸優(yōu)化包括：
14、依據(jù)傳輸網(wǎng)絡(luò)狀況、任務(wù)優(yōu)先級(jí)和數(shù)據(jù)類(lèi)型來(lái)動(dòng)態(tài)調(diào)整數(shù)據(jù)的壓縮級(jí)別，選擇高效的壓縮比率和數(shù)據(jù)采樣方式；對(duì)實(shí)時(shí)性要求不高的數(shù)據(jù)采取批量壓縮與傳輸策略，以降低傳輸頻率和帶寬占用。
15、進(jìn)一步的，數(shù)據(jù)解壓過(guò)程包括：
16、在所述邊緣節(jié)點(diǎn)壓縮數(shù)據(jù)時(shí)，將壓縮參數(shù)和壓縮算法信息附加在數(shù)據(jù)包頭部，并傳輸至云端；所述云端依據(jù)附帶的壓縮參數(shù)與壓縮算法信息對(duì)接收的數(shù)據(jù)進(jìn)行解壓，解壓后對(duì)數(shù)據(jù)完整性和準(zhǔn)確性進(jìn)行校驗(yàn)。
17、進(jìn)一步的，所述節(jié)點(diǎn)性能預(yù)測(cè)模型包括：
18、在所述邊緣節(jié)點(diǎn)與云端部署性能監(jiān)測(cè)模塊，實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的負(fù)載情況、cpu與內(nèi)存使用率、網(wǎng)絡(luò)帶寬及任務(wù)隊(duì)列長(zhǎng)度；基于所監(jiān)測(cè)到的系統(tǒng)狀態(tài)，利用時(shí)間序列預(yù)測(cè)模型或長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)對(duì)系統(tǒng)的未來(lái)狀態(tài)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
19、進(jìn)一步的，所述任務(wù)分配與調(diào)度包括：
20、基于任務(wù)特性、節(jié)點(diǎn)狀態(tài)和預(yù)測(cè)結(jié)果，按優(yōu)先級(jí)分配實(shí)時(shí)任務(wù)至延遲低的邊緣節(jié)點(diǎn)，分配計(jì)算密集型任務(wù)至云端；所述協(xié)同控制層利用調(diào)度算法平衡云-邊節(jié)點(diǎn)負(fù)載，確保高優(yōu)先級(jí)任務(wù)的及時(shí)完成和低優(yōu)先級(jí)任務(wù)的順序執(zhí)行。
21、進(jìn)一步的，所述自適應(yīng)負(fù)載均衡包括：在協(xié)同控制層構(gòu)建強(qiáng)化學(xué)習(xí)模型，以系統(tǒng)狀態(tài)和任務(wù)隊(duì)列為輸入特征，以系統(tǒng)性能指標(biāo)為獎(jiǎng)勵(lì)函數(shù)，來(lái)訓(xùn)練強(qiáng)化學(xué)習(xí)模型；利用訓(xùn)練好的強(qiáng)化學(xué)習(xí)模型來(lái)實(shí)時(shí)優(yōu)化任務(wù)調(diào)度結(jié)果和負(fù)載分配結(jié)果。
22、進(jìn)一步的，所述云-邊協(xié)同優(yōu)化包括：
23、通過(guò)所述協(xié)同控制層實(shí)時(shí)反饋系統(tǒng)狀態(tài)，依據(jù)任務(wù)完成時(shí)間、數(shù)據(jù)傳輸延遲和資源利用率，對(duì)數(shù)據(jù)壓縮結(jié)果和負(fù)載均衡結(jié)果進(jìn)行動(dòng)態(tài)調(diào)整；
24、若監(jiān)測(cè)到任務(wù)延遲時(shí)間超出閾值或網(wǎng)絡(luò)狀況惡化，則觸發(fā)調(diào)整機(jī)制，重新設(shè)置傳輸路徑、壓縮級(jí)別和任務(wù)分配。
25、進(jìn)一步的，對(duì)系統(tǒng)運(yùn)行過(guò)程中的性能指標(biāo)進(jìn)行監(jiān)測(cè)和記錄，所述性能指標(biāo)包括傳輸效率、任務(wù)完成時(shí)間、資源利用率、系統(tǒng)能耗；基于系統(tǒng)性能指標(biāo)評(píng)估結(jié)果，進(jìn)行參數(shù)調(diào)優(yōu)與策略更新，以提升云-邊協(xié)同系統(tǒng)的整體性能和資源利用率。
26、本專(zhuān)利技術(shù)的有益效果是，
27、(1)通過(guò)在邊緣節(jié)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行特征分析、分類(lèi)和壓縮策略選擇，針對(duì)不同類(lèi)型的數(shù)據(jù)(實(shí)時(shí)監(jiān)控視頻流、傳感器數(shù)據(jù)、普通狀態(tài)信息)，采用多種壓縮算法以及可調(diào)節(jié)的壓縮參數(shù)，實(shí)現(xiàn)數(shù)據(jù)傳輸?shù)膬?yōu)化，根據(jù)網(wǎng)絡(luò)帶寬、延遲和抖動(dòng)等網(wǎng)絡(luò)狀況，選擇合適的壓縮策略和傳輸方式，確保數(shù)據(jù)在滿(mǎn)足實(shí)時(shí)性和質(zhì)量要求的前提下，占用最小的網(wǎng)絡(luò)資源，通過(guò)動(dòng)態(tài)調(diào)整壓縮比率、數(shù)據(jù)采樣率和傳輸流量，使得網(wǎng)絡(luò)負(fù)載得到合理分配與均衡，顯著提升云-邊系統(tǒng)的數(shù)據(jù)傳輸效率和帶寬利用率。
28、(2)通過(guò)在云端、邊緣節(jié)點(diǎn)以及協(xié)同控制層之間構(gòu)建高效的云-邊協(xié)同架構(gòu)，基于數(shù)據(jù)特征、任務(wù)優(yōu)先級(jí)和網(wǎng)絡(luò)狀況，實(shí)現(xiàn)對(duì)數(shù)據(jù)壓縮、傳輸和任務(wù)調(diào)度的自適應(yīng)控制。邊緣節(jié)點(diǎn)負(fù)責(zé)實(shí)時(shí)性要求高的數(shù)據(jù)處理，云端執(zhí)行計(jì)算密集型任務(wù)，通過(guò)動(dòng)態(tài)的任務(wù)分配與自適應(yīng)資源分配策略，平衡實(shí)時(shí)響應(yīng)與計(jì)算效率，減少數(shù)據(jù)傳輸延遲與處理時(shí)間。在此過(guò)程中，結(jié)合強(qiáng)化學(xué)習(xí)模型優(yōu)化負(fù)載均衡與資源分配，實(shí)現(xiàn)任務(wù)分配策略的實(shí)時(shí)動(dòng)態(tài)調(diào)整，充分利用邊緣計(jì)算與云計(jì)算的各自?xún)?yōu)勢(shì)，實(shí)現(xiàn)全局系統(tǒng)性能和資源利用的最大化。
29、(3)在云-邊協(xié)同架構(gòu)中引入本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種云邊協(xié)同控制方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的云邊協(xié)同控制方法，其特征在于，所述數(shù)據(jù)特征分析與分類(lèi)包括：
3.如權(quán)利要求2所述的云邊協(xié)同控制方法，其特征在于，所述數(shù)據(jù)壓縮策略的選擇包括：
4.如權(quán)利要求3所述的云邊協(xié)同控制方法，其特征在于，數(shù)據(jù)傳輸優(yōu)化包括：
5.如權(quán)利要求4所述的云邊協(xié)同控制方法，其特征在于，數(shù)據(jù)解壓過(guò)程包括：
6.如權(quán)利要求5所述的云邊協(xié)同控制方法，其特征在于，所述節(jié)點(diǎn)性能預(yù)測(cè)模型包括：
7.如權(quán)利要求6所述的云邊協(xié)同控制方法，其特征在于，所述任務(wù)分配與調(diào)度包括：
8.如權(quán)利要求7所述的云邊協(xié)同控制方法，其特征在于，所述自適應(yīng)負(fù)載均衡包括：在協(xié)同控制層構(gòu)建強(qiáng)化學(xué)習(xí)模型，以系統(tǒng)狀態(tài)和任務(wù)隊(duì)列為輸入特征，以系統(tǒng)性能指標(biāo)為獎(jiǎng)勵(lì)函數(shù)，來(lái)訓(xùn)練強(qiáng)化學(xué)習(xí)模型；利用訓(xùn)練好的強(qiáng)化學(xué)習(xí)模型來(lái)實(shí)時(shí)優(yōu)化任務(wù)調(diào)度結(jié)果和負(fù)載分配結(jié)果。
9.如權(quán)利要求8所述的云邊協(xié)同控制方法，其特征在于，所述云-邊協(xié)同優(yōu)化包括：
10.如權(quán)利要求9所述的云邊協(xié)同控制方法
...【技術(shù)特征摘要】
1.一種云邊協(xié)同控制方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的云邊協(xié)同控制方法，其特征在于，所述數(shù)據(jù)特征分析與分類(lèi)包括：
3.如權(quán)利要求2所述的云邊協(xié)同控制方法，其特征在于，所述數(shù)據(jù)壓縮策略的選擇包括：
4.如權(quán)利要求3所述的云邊協(xié)同控制方法，其特征在于，數(shù)據(jù)傳輸優(yōu)化包括：
5.如權(quán)利要求4所述的云邊協(xié)同控制方法，其特征在于，數(shù)據(jù)解壓過(guò)程包括：
6.如權(quán)利要求5所述的云邊協(xié)同控制方法，其特征在于，所述節(jié)點(diǎn)性能預(yù)測(cè)模型包括：
7.如權(quán)利要求6所述的云邊協(xié)同控制方法，其特征在于，所述任務(wù)分配與調(diào)度包括：
...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：韓安，陳曉晶，楊耀，高文，陳醒，藺江濤，李銘楠，黃庭鑫，田昕輝，崔紅藝，劉宇航，袁書(shū)明，陳珂，
申請(qǐng)(專(zhuān)利權(quán))人：天地常州自動(dòng)化股份有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。