边缘计算在铁路“智能车站”物联网中的应用研究

端嘉盈 沈海燕 李智

摘 要：客运车站作为铁路与旅客的交互窗口，为旅客出行提供全流程服务，属庞大的功能集合体，在整个铁路运输系统中具有非常重要的地位。为推进铁路智能化建设，满足智能车站建设需求，“智能车站”的建设全面展开。物联网为“智能车站”提供了数据来源，随着“智能车站”的发展，设备种类和采集信息越来越多，对物联网提出了更多的挑战。边缘计算技术的应用将为解决物联网的瓶颈问题提供可能，文中在详细分析边缘计算技术在“智能车站”应用现状和需求的基础上，论述了传统“智能车站”物联网架构，建立了基于边缘计算的“智能车站”物联网架构，为“智能车站”的建设提供基础保障。

关键词：智能车站;物联网;边缘计算;架构设计;网关;数字化

中图分类号：TP393文献标识码：A文章编号：2095-1302（2020）10-00-04

0 引 言

为贯彻落实党的十九大关于科技强国、交通强国的战略部署，国铁集团提出建设“精品工程、智能京张”;为落实“千年大计、交通先行”，提出建设“数字京雄”，深入实施创新驱动发展战略，着力打造数字化、智能化铁路。随着我国高速铁路智能化的发展需求，客运车站、铁路沿线、铁路建造等领域智能传感器、视频摄像头、智能机器人等智能终端已大规模投入使用，采集传感信息及控制信息的数量和种类也不断增长。

“智能车站”物联网是智能铁路的关键技术之一。“智能车站”物联网通过在客运车站部署各类智能感知、客运、机电、摄像头、通信等设备及装置实现客站信息的泛在感知、获取和处理，经有线网与无线网络传输，将感知信息汇聚到“智能车站大脑”物联网平台中进行存储、分析和处理。随着智能铁路建设的不断扩大，现有车站物联网必然存在诸多问题和挑戰，边缘计算技术的出现为物联网实现高度的实时性和可靠性，以及设备在离线情况下的正常运行提供基础支撑[1-2]。

边缘计算在靠近物或数据源头的网络边缘侧融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足“智能车站”物联网在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。本文在详细分析边缘计算在“智能车站”的应用现状和需求的基础上，论述了传统“智能车站”物联网架构，建立了基于边缘计算的“智能车站”物联网架构，为该项技术在铁路“智能车站”物联网的深入应用奠定了基础。

1 边缘计算在“智能车站”的应用现状分析

我国铁路发展“智能车站”以来，运用了包括人工智能、机器人、大数据、云计算、物联网等新技术，“智能车站”物联网作为“智能车站”的重要基础保障之一，应用于车站设备能耗管控、人脸识别（智能视频分析）、环境舒适度监控等领域，在“智能车站”中发挥着重要作用。边缘计算作为重要新技术之一，在这些领域发挥了关键作用，但由于使用时间较短，其应用程度和技术水平还不够先进[3-4]。

（1）边缘计算在车站设备能耗管控方面的应用现状

铁路车站设备能耗管控通过先进的技术手段实现能耗设备的智能采集、统计、分析和管控，从而有效减少客运设备能源消耗，采取保证安全、技术可行、经济合理的措施，提高管理和维护人员的工作效率，在保证设备安全运行的基础上降低能耗，提高设备运行效率。边缘计算技术在车站设备能耗管控方面的应用通过安装在设备终端的能耗监测传感器实现，这些传感器具有简单的边缘计算功能，可以实时监测设备的能耗情况，如电流、电压、水压等。这些传感器的功能比较单一，在设备边缘侧可以进行一些简单的数据处理、滤波、定时返回监测值等操作，因此其在边缘计算算法方面还有很大的提升空间。边缘计算设备的安全性还有待加强。

（2）边缘计算在车站智能视频分析方面的应用现状

智能视频分析技术在“智能车站”中应用广泛，用于实现进站闸机的人脸识别与人员、设备、环境的智能感知，包括统计、分析、预测站内旅客人数及聚集密度与非法侵入，异常聚集与扩散等异常行为的智能化分析、评价与决策，同时还能够支撑其他业务系统的音视频等数据的分析处理，满足了“智能车站”提高工作效率和车站智能化水平的需求。边缘计算技术应用于摄像头端主要体现在行为分析、图像识别方面，但其预测分析的能力较弱。

（3）边缘计算在车站环境舒适度监控方面的应用现状

车站环境舒适度监控对车站运营环境的相关因素进行监控，在保障车站安全、稳定运营的前提下实现节能减排、提高旅客出行舒适度，对提高客运服务质量而言意义重大。在环境舒适度监控方面，边缘计算技术有两方面应用，一方面是边缘计算终端传感器，即安装在车站各角落的温湿度、亮度、空气质量、照度等传感器具有简单的数据处理能力，可以对重复数据进行滤波处理，定时返回监测数据;另一方面是边缘计算网关，上述部署的传感器以无线网络为主，兼有有线网络，这些传感器的信息需要汇聚到特定网关中，进行进一步的数据处理，然后边缘计算网络再将处理后的信息发送至后台服务器。但边缘计算传感器和边缘计算网关的处理能力较弱，信息处理算法较为简单，与市面上的边缘计算设备相比还有较大差距。

2 边缘计算在“智能车站”的应用需求分析

目前，降低建设成本、提高实时分析能力、减少网络带宽占用、减少网络传输时延、提高系统安全性、提高系统效率等是边缘技术应用需解决的“智能车站”物联网的七大问题，这也将是推动边缘计算在铁路“智能车站”设备能耗管控、智能视频分析、人脸识别、环境舒适度等方面解决方案多元化发展与形成的关键因素[5-7]。

（1）边缘计算技术降低“智能车站”相关系统的建设成本

边缘计算的实际部署为天然分布式，往往具备即插即用、无需布线、安装施工简单等特征，并且利用窄带物联技术可实现远距离覆盖，信号可覆盖至地下二层，无线传感器等终端设备及网关设备可超长待机（部分设备可实现10年以上待机），实现全车站传感器设备、终端设备、摄像头设备、网关设备等的无线部署，促进不同系统间终端信息共享，提升终端设备的利用率，降低设备的部署成本，从而减少“智能车站”相关系统的建设成本。未来，边缘计算在提升“智能车站”的经济性方面大有可为。

（2）边缘计算技术提高视频监控系统的实时分析能力

目前，车站视频监控系统在监控特殊人员、分析特殊情况时主要依靠工作人员人眼识别，事后回顾，其实时性差，耗费大量人力和时间，若每个摄像头都具备边缘计算能力，能够独立、在线分析异常行为，实时将异常视频返回后台，并发出提醒，便可以大大提高智能视频监控的利用率和实效性。如果说“云计算”使“智能车站大脑”“更聪明”，那么“边缘计算”就使“智能车站”的系统末梢神经“更灵敏”。这两者在提升“智能车站”系统运行效率方面的作用同样重要。

（3）边缘计算技术提高“智能车站”传感器终端能力

作为信息感知的基本元件，传感器是物联网、大数据、智能制造、人工智能、机器人等新兴产业的核心关键技术之一，是构建物联网的重要支柱，在任何物联网应用中都不可或缺。“智能车站”的设备能耗管控、环境舒适度、环境监测等系统在车站各角落均布设有数量庞大、功能复杂、种类繁多的传感器，这些传感器是“智能车站”的终端神经末梢，用以实时监测车站环境、设备、人员等参数。与普通传感器相比，具有边缘计算能力的传感器能对采集的信息进行加工和处理，按照一定的策略对信息进行判断、传输;边缘计算传感器更加小型化，能够隐藏在设备当中或不易被人察觉的地方，不影响车站的装修效果和设备外观;边缘计算传感器可自带电源或尽可能少的消耗电源，且部署位置更加灵活;传感器增加或更换方便，易于维护。随着边缘计算传感器的应用和普及，其成本将越来越低，为实现“智能车站”智能传感器大规模的应用和部署提供了保障。

（4）边缘计算技术减少“智能车站”网络带宽限制

“智能车站”传统的设备能耗管控、环境舒适度、环境监测、视频监控等系统均采用中心式部署，特别是视频监控系统在摄像头传输视频数据到后台服务器时将占用较多带宽资源，这无疑给“智能车站”的网络传输造成巨大压力，在这种情况下只能通过增加专用网络的方式满足数据传输要求，因此增加了网络建设成本。边缘计算将数据筛选过后传输至后台服务器，数据“瘦身”后不会占据太多网络带宽。

（5）边缘计算技术降低“智能车站”网络传输时延

“智能车站”传统的设备能耗管控、环境舒适度、环境监测、视频监控等系统设计是中心式的，对网络带宽要求高，增加了网络中数据碰撞机会，数据之间相互干扰，延长了网络传输时间。通过采用边缘计算技术使计算更接近于收集的数据，传输的数据量减少，网络传输时延大大降低。边缘计算技术对视频监控系统中的视频数据进行快速分析，在本地做出决策（并非将数据传至后台服务器），从而改进系统的延迟性。

（6）边缘计算技术提高“智能车站”相关系统的安全性

“智能车站”传统的设备能耗管控、环境舒适度、环境监测、视频监控等系统若将终端采集的数据传输回服务器，其操作过程和数据极易受到攻击。边缘计算技术将数据收集与处理过程在设备端完成，避免敏感信息在网络传输过程中发生泄漏。边缘计算将在不同的数据中心和设备之间分配数据处理工作。因此，黑客无法通过攻击一台设备来影响整个网络。如果数据在本地存储和分析，那么网络安全团队可以轻松对其进行监视。

（7）边缘计算技术提高“智能车站”相关系统的效率

边缘计算技术大范围应用于“智能车站”相关系统后，系统的网络传输压力更小、传输时延更小、数据处理更快、系统安全性大幅提高、系统建设成本更低，设备能耗管控、环境舒适度、环境监测、视频监控等系统的效率也会大幅提升。

3 传统“智能车站”物联网架构

“智能车站”的建设目标是满足智能管控服务、集成数据展示、统一数据管理、统一AI服务、统一用户管理、统一资源调度等功能需求。“智能车站”以数据为驱动，在汇集站内数据资源的基础上，全面统一协调站内有效资源，实现车站客运作业统一操控、统一指挥、协同联动和辅助决策;统一对外接口，实现站车、站地一体化联动指挥;统一管理存储、计算、网络、数据等资源，实现数据共用，打破信息孤岛;实现统一用户管理、统一操作界面、标准化操作流程、可视化集成展示。数据是实现“智能车站”的基础，物联网为“智能车站”的所有信息数据的泛在感知、全面采集、有效传输、集中管理提供了技术保障。传统的“智能车站”物联网由感知层、传输层、处理层、应用层组成，架构如图1所示。

传统“智能车站”物联网的感知层由众多机电设备加装的传感器以及采集温湿度、照度、烟感、定位等信息的传感器组成，实现对基础数据的采集。经由传输层的有线传输网络或WiFi，ZigBee，LoRa等无线传输网络上传至处理层数据存储服务器，通过处理层对数据进行解析、处理和入库等，实现集中管理、事件告警、分析报表、流程服务、能源分析、位置服务、系统联动服务等功能。应用层是物联网应用的最终窗口，在处理层的处理信息基础上，实现车站空气质量监测、能耗管理监测、设备状态监测、人员异常监测等功能。

4 基于边缘计算的“智能车站”物联网架构

随着“智能车站”的不断发展，车站内各种客运设备、自助设备、摄像头设备、机器人设备以及传感器等数量急剧上升，需要采集传输的数据量也日益激增，传统的“智能车站”物联网架构出现了计算能力低下、传输能力不足、能量消耗增大、网络带宽受限等问题。边缘计算技术的出现可就地解决网络资源受限问题，为实现物联网的低时延、高可靠以及智能控制提供保障。物联网的边缘计算参考模型可分为边缘设备层、通信层、边缘计算层、数据聚集层、数据提取层、应用层、用户和中心层[1]。本文在参考模型和传统“智能车站”物联网架构的基础上，结合“智能车站”的发展趋势以及物联网特性和业务需求，设计了基于边缘计算的“智能车站”物联网架构，分为设备终端层、传输层、边缘计算层、车站大脑层和应用层，具体如图2所示。

（1）終端设备层

终端设备层是在传统“智能车站”物联网感知层的基础上发展起来的。随着“智能车站”的快速发展，车站的智能化设备和种类不断增加，同时边缘计算技术的应用也使得更多的设备可以接入车站物联网中。终端设备层包含接入“智能车站”物联网的所有设备，如客票设备、旅服设备、机电设备、环境监测传感器、摄像头、工作人员手持终端以及其他服务机器人等。

（2）傳输层

传输层与传统“智能车站”物联网的传输层相同，分为有线网络和无线网络，不同的是无线网络的传输方式和传输协议有所增加。

（3）边缘计算层

边缘计算层是基于边缘计算的“智能车站”物联网的新增部分，也是边缘计算技术在物联网的集中体现，位于传输层之间，将传输层分为两部分。边缘计算层由边缘计算节点组成，边缘计算节点具有系统管理、数据处理、智能分析、控制管理以及电源管理等功能。边缘节点是对边缘计算层所有边缘计算设备的简称，可以是集成在终端设备上的边缘处理装置，也可以是独立设置的边缘服务器、边缘网关、边缘控制器等。因此对于终端上集成有边缘处理装置的终端设备（如机器人、自助机等）直接通过集成的边缘计算装置进行处理传输，对于无集成边缘处理装置的设备，如广播、照明、空调、环境传感器等需通过传输层将采集信息传输至车站内最近的独立边缘计算服务器，再由边缘计算服务器处理后进行统一传输。

（4）车站大脑

“智能车站大脑”是为了更好在智能客站建设中利用数字化、网络化、信息化、智能化等先进技术建立基础平台，使其具有数据管理、数据分析和服务等功能，其中物联网平台是传统“智能车站”物联网处理层的升级版本。边缘计算层将所有处理后的信息统一传输至物联网平台，形成共用数据资源池，供“智能车站大脑”决策使用。“智能车站大脑”通过模型和算法对数据进行分析、处理，为车站生产服务和各站内外系统提供辅助决策。

（5）应用层

应用层相当于“智能车站”的实际业务应用，包括智能管控与服务、集成化展示服务、旅客服务、客运管理与指挥、客站设备监控、客站应急指挥、智能音视频分析等。

5 结 语

近年来，中国铁路客运业务发展迅速，为适应和把握信息化时代发展的特征和趋势，更好地利用数字化、网络化、信息化、智能化等先进技术，有效融入“智能铁路”，全面提升车站整体管理水平，“智能车站”建设全面展开。物联网为“智能车站”提供了数据来源，随着“智能车站”建设的发展完善，车站内设备种类和数量将大幅增加，物联网的发展将遭遇网络带宽、时延、安全等方面的瓶颈，边缘计算技术的应用将使这些问题迎刃而解。本文详细分析了边缘计算技术在“智能车站”的应用现状和应用需求，介绍了传统“智能车站”物联网架构，建立了基于边缘计算的“智能车站”物联网架构，为“智能车站”物联网的建设发展提供技术保障。

参考文献

[1] Cisco Systems Inc. The Internet of things reference model [C]// 2014 Internet of Things World Forum， 0ctober 14-16.2014，Chicago，USA.[S.1：s n]，2014：1-12.

[2]段玉飞，王伟.基于物联网的输电线路智能监测系统研究与应用[J].电力信息与通信技术，2019，17（7）：21-28.

[3]胡弟平，孔祥元.边缘计算在智慧家居的应用研究[J].智能建筑电气技术，2019，13（1）：34-36.

[4]邱曙光，庞成鑫，贾佳.LPWAN与边缘计算融合在电力物联网中的应用研究[J].物联网技术，2019，9（7）：63-66.

[5]丁承君，刘强，冯玉伯，等.基于物联网和边缘计算的高校机房在线监测[J].计算机工程与应用，2018，54（21）：257-264.

[6]王萌.边缘计算在泛在电力物联网中的应用[J].农村电气化， 2019，41（9）：31-34.

[7]李春雷.边缘计算在农业物联网中的应用[J].物联网技术，2018，8（3）：95-96.

[8]关欣，李璐，罗松.面向物联网的边缘计算研究[J].信息通信技术与政策，2018，44（7）：53-56.

[9] AII，ECC.边缘计算白皮书2.0[R/OL].[2018-09-10].http：//www.aii-alliance.org/index.php？m= content&c=index&a=document_download&ftype=3&fid=182&fno=0.

[10]中国工业和信息化部.物联网总体框架与技术要求（YD/T2437-2012）[M].北京：人民邮电出版社，2013.

[11]边缘计算产业联盟（ECC）与工业互联网产业联盟（AII）联合发布.边缘计算参考架构2.0[Z]. 2017.

[12] SHI W，CAO J，ZHANG Q，et al. Edge computing：vision and challenges [J]. IEEE internet of things journal，2016，3（5）：637-646.