边云协同助力环境探测服务的智能化演进

1 背景

随着社会经济的不断发展，人民群众及各行各业对于环境的关注程度也日益增加。例如我国居民已经形成持续关注居住区域空气中PM2.5指标的习惯；又如在消费者和水产养殖者的评价标准中，水体水质已经成为影响水产品价格的重要依据。

社会大众对环境指标关注度的持续增加，促使高新技术在该细分领域广泛应用的同时，也引导着环境监测服务不断地更新完善自身的服务内容和服务方式，向着更为智能化的方向演进。

通信运营商应关注该行业智能化演进的这一契机，分析该行业智能化演进的特点，制定贴合客户需求的解决方案。

2 环境监测服务的“智能”演进特点

在众多新技术发展的带动下，环境监测设备的功能和性能变得更为先进，承载各种“智能”环境监测任务的基础条件不断提升。

首先，仪表终端具备更强的数据采集和处理能力，精度和采集范围都大大增加。除监测环境指标外，还具备保存监测过程的记录数据，如每个测量点经纬度/陀螺仪姿态/现场照片或视频等。仪表终端的计算/存储/网络也均得到快速提高，可对原始传感器数据进行计算处理，例如原始数据校正/数据打包发送/指令解析等。同时，仪表终端可装备更先进的执行机构，具备更强和更灵活的“活动能力”，执行复杂的探测行为。例如，无人船上的仪表可依次移动到目标河道的多个指定位置进行水质指标测量，全面地收集目标水体的环境特性。

环境监测设备“智能”水平提高的同时，社会大众对环境监测服务的“智能”需求也在增加。环境监测服务需要更多考虑如何“智能”地将包罗万象的环境监测结果及时、准确地传递给不同受众（上级单位/执法部门/社会大众等）。负责环境监测信息发布主机，需要承载更大计算量和更复杂业务逻辑。例如将专业性很强的原始结果转换成易理解的报告，如图表，评估、说明等；分析用户的疑问（门户或公众号留言），智能地反馈历史相关的监测数据进行答复；根据当前大众的焦点述求，“智能地”调整环境监测活动的策略和编排。

在设备能力和功能需求中“智能”元素快速增长的背景下，环境监测行业将面对采用何种适当的技术和框架建设部署自身系统的课题。通信运营商以边云协同技术作为行业解决方案的新切入点，有助于帮助客户整合行业内的“智能化”能力和需求，可以获得更好的效果。

3 边云协同助力环境监测服务的智能化演进

环境监测作为一种典型的云-管-端架构物联网应用，终端负责采集上报测量环境数据，云端中心节点负责统一汇总处理，并面向外部发布。监测活动的增加，伴随着服务中“智能”相关的能力和需求的增长，大量海量数据或计算任务可能堆积某一环节，给整体系统带来的瓶颈和故障风险。如何将不断增加的数据流量和计算压力合理分配到系统的不同节点上，已成为提升行业智能化转型的关键研究课题。

边云协同通过将计算任务分散在边缘节点和云端节点，同时保持两者紧密协同联动，使整体系统能更好应对需求的增长和复杂化，让数据和计算释放更大的信息价值。边云协同技术可以帮助构建良好的环境监测系统整体架构，减少网络传输、云端中心节点对整体系统功能的制约，有利于加快服务的智能化演进。以下是两个典型场景。

场景一：边缘节点分散监测活动期间突增的业务压力对网络和中心节点的冲击。

环境监测活动，特别是可移动的终端执行的环境监测活动，有可能在测量时间段内产生大量的数据。例如超声回波水深仪表在一个测量点需采集接近100 kbytes的回波数据，仪表隔若干秒采集一次，会形成可观的数据流量；如监测活动中同时要拍照/视频上传，产生的数据则更为巨大。多个仪表终端同时在不同地区开展监测，数据上传云端中心节点统一计算分析，对传输管道和云端中心节点会形成明显的处理压力。原始数据由终端分析计算后上传，虽然可减少管道和云端节点的负荷，但由于计算过程复杂，必然会占用终端的计算资源和耗电，导致终端设备成本上升。

可利用边云协同技术将数据处理任务分散到终端、边缘、云端等不同环节。前文的例子中，仪表终端采集数据后，可仅按照协议完成数据打包发送；原始数据上传至边缘节点完成从超声回波到水深的计算，同时完成对照片/视频的识别和处理。原始数据经边缘节点处理后，数据量大大降低（一个测量点上报仅几个数值，图像提取特征后大小也会降低，无价值的图片或视频也会被丢弃），由边缘节点上传云端中心节点做后期处理。经边缘节点分担计算压力后，云端中心节点仅需要处理经边缘节点处理过的数据，数据量大大降低，也无需实时处理响应。中心节点可以分配更多计算资源处理监测图表绘制、全局性监测结果分析、长周期的历史统计信息挖掘、监测任务编排，并可专注于实现环境信息地智能发布功能，包括引入更复杂的算法分析公众的关注点，用户语义分析等。

场景二：云端中心节点编排监测策略，边缘节点实时控制仪表终端完成监测活动。

仪表终端工作期间，可能需要实时接收服务器（上位机）下发的指令。终端和服务器之间良好的指令交互，可以让监测行为更为智能。例如发现某个区域的环境指标变化异常，实时下发指令控制仪表终端重复采集多次样本，避免误差；或者发现目标环境内天气将要突变，指示仪表终端提早结束监测，避免设备损坏。

简单采用云-管-端架构处理终端和服务器之间的指令交互，由云端中心节点直接向终端下发指令进行远程控制，指令数据将经过较长的网络链条才能到达终端，带来时延问题的同时，还有可能因为网络丢包导致的指令丢失，使得测量结果质量下降，甚至带来终端硬件的损伤。

可在距仪表终端网络链条短，时延低、连接稳定的边缘节点，而非云端中心节点，实时控制仪表设备行为，保证终端每一个请求都能快速得到响应。云端中心节点则主要负责分析内外部因素，智能地设计各项具体监测活动的执行策略，例如，基于当前的社会焦点考虑，策略中划定某个区域为监测活动的重点区域，要求该区域采集的数据密度应达到某个标准等。云端中心节点生成监测活动策略同时，翻译成仪表终端的指令集，下发给边缘节点控制仪表终端的行为。

以上的两个业务场景中，通过仪表终端-边缘节点-云端中心节点的协同联动，分散计算处理压力的同时，有利于各种智能化服务功能的运行和处理。

4 通信运营商边云协同方案的优势

从上文分析可以得出，边云协同方案在环境监测领域的落地，保证终端流量的高速接入和智能路由，边缘节点足够贴近终端，中心和边缘界限明确是其中几个关键问题。相比其他的解决方案提供商，通信运营商在网络覆盖、业务经营范围等方面拥有更为良好的条件，边云协同方案可更好地解决上述几个问题。

（1）广泛覆盖4G/5G移动网络满足仪表终端高速无线接入，省却客户接入网络的建设。数据经无线基站汇聚至所在区域的通信机房后，可以在汇聚点配置专门的路由，快速地转发至边缘节点。

（2）边缘节点可以部署在通信运营商地市、区县甚至接入侧不同层面的核心网，减少与终端之间经过的网元设备。下沉程度最高的边缘节点与终端之间，可能仅有接入层网关、基站等少数几个设备，精简的网络路径可充分保证与终端之间的高质量信息交互。

（3）环境监测活动的时间和地域范围都是可以事前确定的，与通信运营商网络分级分区的建设特点十分契合。计算任务在云端中心节点和边缘节点的部署实施、调度更为清晰明确。

如下是一个通信运营商边云协同方案建成后，开展客户监测活动过程的简化例子。

（1）环境管理部门向通信运营商提供仪表终端数据处理和指令控制的功能模块镜像，或者提供拉取镜像的地址（如从云端中心节点拉取）。

（2）环境管理部门计划在A区域开展环境监测活动，时间和A区域的地理信息同步给通信运营商（人工方式，或者由云端中心节点调用边缘计算的服务接口自动完成）

（3）通信运营商的边缘计算服务根据A区域以及自身无线基站覆盖地图，找出A区域无线基站数据流量的汇聚点，确定需要加入调度的边缘节点。

（4）监测活动开始期间，通信运营商调度的边缘节点从云端中心节点拉取镜像加载运行（docker容器，kubernetes的pod等），边缘节点从中心节点获取监测任务相关的信息。

（5）通信运营商核心网识别区域A基站汇聚的数据流量，发现是环境监测相关的就近转至边缘节点处理，边缘节点处理后，信息可通过互联网上报云端中心节点。

（6）监测活动结束后，边缘节点按照事前商定的策略自动移除相应的计算模块。

该例子中，边缘节点的计算服务完全是终端无感知，自动加载运行，十分灵活。

为了便于推广，通信运营商可以按照计算服务实际使用时间+发生的数据量向客户收取费用的模式，客户无需长期租用计算服务；同时边缘节点计算资源的占用量由区域A和监测活动时间确定，可精确控制总体资源占用情况和费用。

5 总结

边缘计算是云计算技术发展的新阶段，是解决“最后一公里”云原生应用供应问题的有效技术。边云协同通过将不同的计算任务，分布部署到边缘节点和云端中心节点，实现提升系统整体性能的目标。通信运营商发挥在无线、网络、计算资源上的差异化优势，可为环境监测行业客户设计实施更优良的边云协同方案。