基于霧計算的航道流場實時態勢感知

李志鵬 崔昆濤 孫文強

摘 要：參照霧計算的基本原理，通過對傳統航標進行技術改造，應用物聯網、霧計算技術，能夠使其成為提供新型服務的海上通信基礎設施之一。基于霧計算的航道流場實時態勢感知，通過霧計算接入網（Fog Radio Access Networks， F-RAN），整合新型航標、物聯網設備、附近水域的航行船舶等集群節點的可用計算資源，對分布式傳感器的大量數據進行實時計算，生成航道附近水域流場的通用態勢圖，特別是可能出現流切變、橫流較大等重要航段的流場數據，實時發布給附近水域航行的船舶，以提前做好預判并采取適當的操縱應對措施，保障航道內的航行安全，提高船舶航行安全系數。

關鍵詞：霧計算;新型航標;航道流場;實時態勢感知

1引言

航標是助航標志的簡稱，指標示航道方向、界限與礙航物的標志，是幫助引導船舶航行、定位和標示礙航物與表示警告的人工標志。目前，對利用航標進行遙測，以及海上態勢感知的研究，主要集中于航標運行數據的采集和傳輸，以實現航標主管部門的遠程管理，并為航行船舶提供準確有效的助航服務。

為保證航道內的航行安全，船舶進出港航行時，駕駛人員高度關注風流對船舶操縱的影響，需要做好預判并提前采取適當的應對措施，保持好船位。但當航道內海流出現流切變、橫流流速較大等異常情況，會對航道內航行的船舶操縱產生非常不利的影響，造成船舶偏離航道中心線，甚至發生擱淺事故。

但隨著無人技術、物聯網技術等新興技術的快速發展，為海上眾多重要應用場景的實現，提供了強有力的技術支撐條件。例如窄帶物聯網通信技術NB-IoT等，已逐步在包括航標遙測等海上通信應用領域，取得了一定的試驗進展，也是新興通信技術在海上應用的重要實踐[1]。

以航道側面標為例，參照霧計算的基本原理，通過對傳統航標進行技術改造，應用物聯網、霧計算技術，能夠使其成為提供新型服務的海上通信基礎設施之一。在霧計算架構模式下，通過霧計算接入網（Fog Radio Access Networks， F-RAN），整合新型航標、物聯網設備、附近水域的航行船舶等集群節點的可用計算資源，對分布式傳感器的大量數據進行實時計算，生成航道附近水域流場的通用態勢圖，特別是可能出現流切變、橫流較大等重要航段的流場數據，實時發布給附近水域航行的船舶，以提前做好預判并采取適當的操縱應對措施，保障航道內的航行安全，提高船舶航行安全系數，對于船舶在航道內安全航行，具有重要的實際意義。

2 航標遙測及新興通信技術的發展

2.1航標遙測的現狀

目前，航標遙測遙控技術已取得了一定的應用，其主要用于實現對航標狀況的動態監測，包括航標位置、燈質、運行狀態等數據。通過航標遙測遙控系統，利用遙測技術能夠實現對航標系統的遠距離測量、控制和監視。通常情況下，航標遙測遙控系統由測控中心、監測終端和通信系統三個主要部分組成。監測終端用于監測航標的運行數據，通信系統發送數據至測控中心，并由測控中心對航標運行狀態進行監測與控制[2]。通過航標動態監測數據的分類和研究，以及對航標運行狀況、故障原因進行分析，能夠降低航標維護的勞動強度，延長航標組件的使用壽命，促進航標管理效能的提升[3]。

航標遙測遙控系統大多要求一小時上傳一次數據，對通信延遲的要求相對較低，為時延不敏感型任務。現階段，航標遙測的數據通信，在內河、港區等近距離時，多采用商用無線電通信網絡，試驗有效通信距離大約為15海里左右;當大于15海里時，航標上的通信終端將無法正常通信[4]。

在距離較遠的情況下，部分系統考慮使用衛星通信系統，包括北斗衛星短報文通信，以及各類在建的低軌衛星通信系統。衛星通信主要是為了解決遙測遙控系統的遠程通信問題[5]。

2.2新興通信技術發展趨勢

目前，就海上通信技術應用而言，通用的、可靠的通信基礎設施是非常匱乏的，特別是隨著無人技術的快速發展，凸顯了海上通信基礎設施的制約，限制了很多重要的海上應用場景的實現。同時，由于大部分衛星通信的帶寬也是較為受限的，并且普遍存在較大的通信延遲。

由于現有的海上通信可靠性、穩定性、帶寬無法滿足IMO E-Navigation戰略的需求，因此，為了滿足未來海上通信發展的需要，需要對現有的海上通信架構進行變革，不斷注入新的技術，并建立標準化的規范[6]。

近年來，新興通信技術不斷出現，以物聯網技術為代表，為海上重要應用場景的實現，帶來了希望。例如窄帶物聯網通信技術NB-IoT等，已逐步在包括航標遙測等海上通信應用領域，取得了一定的試驗進展[7]。

3 霧計算

3.1霧計算的基本原理

霧計算是指在該通信架構模式中，數據、處理和應用程序集中在網絡邊緣的設備中，而不是幾乎全部保存在云中，是云計算的延伸概念，由思科在2011年提出，并做了相關的定義。

霧計算采用分布式架構，計算平面更接近網絡邊緣，通過在網絡邊緣設備中實現數據存儲、數據處理和應用服務，是分布式計算的應用[8]。

云計算要求使用者連上遠端的大型數據中心才能獲取服務，而霧計算在本地即可完成服務。雖然霧計算所能提供的計算能力比不上大型的云計算數據中心，但通過充分利用集群節點算力，也能夠達到整體優化的計算性能[9]。

霧計算和邊緣計算是兩種比較相似的概念。霧計算相對于邊緣計算，具有好的可擴展性、層次性和位置感知能力[10]。

F-RAN通過移動網絡將原本位于云計算中心的服務、計算、存儲等功能配置到移動網絡的邊緣處，在網絡邊緣處，部署在具有計算和存儲能力的邊緣節點，使其能夠滿足快速發展的移動通信服務的快速連接、實時數據操作、安全和隱私保護等方面的需求，并保持霧計算集群網絡良好的動態服務性能。

3.2霧計算的網絡特征

根據CISCO發布的白皮書，霧計算的網絡特征，主要包括[11]：

（1）低延遲：由于霧計算能夠在移動網絡的邊緣處，距離用戶設備最近的位置，完成服務、計算、存儲等功能配置，因此，能夠在有限帶寬的前提下，為用戶提供超低延遲的計算服務，滿足時延敏感型的任務場景。并且，當采集數據位于網絡邊緣時，包括：車輛、船舶、道路、鐵路等，需要考慮霧計算。

（2）節省網絡帶寬：由于物聯網節點會產生大量的數據，因此，將這些邊緣設備產生的大量數據傳輸到云端是不切實際的，也是沒有必要的，因為許多關鍵分析不需要云規模的處理和存儲。霧計算則能夠有效克服上述不利因素，為通信服務節省可觀的帶寬。

（3）數據安全性高：由于物聯網數據用于涉及關鍵基礎設施或應用場景安全運行的重要決策，在數據傳輸和存儲時，都得到高度的安全防護。在受到攻擊時，網絡能夠進行有效監視和自動響應，并確保基礎設施和數據的完整性和可用性。

（4）異構傳感器數據采集及防護：由于物聯網設備可以分布，霧計算網絡需要能夠在具有不同環境條件的廣泛地理區域內收集和保護數據，特別是在很多情況下，物聯網設備部署在不受控的惡劣環境中，完成異構傳感器數據采集及防護。

（5）網絡上下文信息：提供網絡信息和實時網絡數據服務的應用程序，F-RAN能夠使眾多重要的應用場景得以實現。基于F-RAN實時信息，這些應用程序可以估計無線信道的阻塞和網絡帶寬情況，并通過應用AI算法，使其能夠做出優化的決策，以便更好地向客戶提供服務[12]。

（6）將數據移至最佳位置進行處理：最佳位置部分地取決于決策處理所需的速度，特別是對于時延敏感型決策任務，應該更靠近產生和作用于數據的物聯網設備。相反，對歷史數據的大數據分析則需要云的計算和存儲資源。

傳統的云計算架構無法滿足上述性能要求。目前，通常的做法就是將所有數據從網絡邊緣移到數據中心進行處理，但來自眾多物聯網設備的流量將大大超出帶寬容量，并增加了通信延遲。另外，由于云服務器僅與IP通信，而不能與使用無數其他協議的IoT設備進行通信。因此，分析大量物聯網數據的理想位置，就是產生這些數據并對其進行操作的設備附近。這是霧計算的核心。

4基于霧計算的航道流場實時態勢感知

對于進出港航行船舶而言，對航道內的流場態勢感知，實時性要求非常高，是典型的時延敏感型任務。

按照傳統的通信架構模式，海上傳感器的采集數據需要通過無線信道傳送至處理中心，經計算處理后，再將計算結果發布給航道附近水域的航行船舶。這樣的架構模式，在通信時延方面，存在著一些較為明顯的問題，主要包括：

（1）在內河航道或近海等區域，通信傳輸距離較近時，可使用商用無線通信網絡，但超出覆蓋范圍時，則商用電信網絡的數據通信就會發生不穩定或中斷的情況。

（2）在距離較遠時，如采用衛星通信系統，則完成整個服務過程的傳輸延遲會很大，不能滿足航行船舶對實時的流場態勢感知的需要，同時，由于航標多采用可再生能源，能源能力存在一定的動態變化，并且也較為有限，在這種情況下，航標的上行鏈路通信能耗也是較大的，存在明顯的制約。

（3）不論采取何種傳輸方式，由于生成進出港航道附近水域流場態勢圖，需要將傳感器的多點測量數據，進行聯網計算。如按照傳統的通信架構模式，將傳感器數據傳送至遠程云端進行計算，計算服務完成后，再將服務結構反饋并發布給航道內航行的船舶，會受到信道帶寬、傳輸延時、覆蓋范圍等不利因素的明顯影響，在實際應用中，是不可忽視的。

基于此，通過應用物聯網、霧計算技術等新興通信技術，對傳統航標等海上設施進行技術改造，能夠使其成為提供新型服務的重要海上通信基礎設施之一，能夠為眾多重要海上應用場景的實現，提供技術支撐條件。

基于霧計算的航道流場實時態勢感知，改變傳統的通信架構，著重于改善通信延遲、傳輸帶寬等限制因素，為時延敏感任務，提供實時的計算服務。

在上述架構模式下，智能航標，以及各類物聯網傳感器設備采集的大量數據，不需要回傳至數據處理中心進行服務解算。通過充分利用霧計算集群節點的計算資源，在網絡邊緣，即可生成航道流場態勢圖，并將服務實時分發給附近航行船舶等網絡節點，極大地改善服務的通信延遲及計算延遲，且有效地降低了對航標等設施通信能耗的要求。

4.1 系統架構

基于霧計算的航道流場態勢感知，參照霧計算概念設計，并結合海上應用場景的實際情況，著重改善通信延遲、傳輸帶寬、有效覆蓋范圍等限制因素。

網絡由新型航標、物聯網傳感器、船舶等集群節點組成。通過充分利用異構且多樣化的存儲、計算資源，使集群整體算力得到有效地發揮，提升網絡的整體計算性能。

在霧計算架構模式下，集群網絡能夠充分利用節點的可用計算資源，智能航標，以及各類物聯網傳感器設備采集的大量數據，可以在整個系統的網絡邊緣完成計算服務，不需要將數據回傳至遠程云端的數據處理中心進行服務解算，改善了整個服務過程的通信傳輸延時和計算延時。

通過F-RAN，有效整合新型航標、物聯網設備、附近水域的航行船舶等集群節點的可用計算資源，對分布式傳感器數據進行實時計算，生成航道附近水域流場的通用圖景，特別是可能出現流切變、橫流較大等重要航段，首先發布給附近水域航行的船舶，以提前做好預判并采取措施，保障航道內的航行安全。

盡管相對遠程云，單個霧節點的算力是較為有限的，但是隨著信息技術的不斷發展，通過充分利用霧集群節點的可用計算資源來提高整體的計算性能，也能夠有效地改善海上通信條件（有效覆蓋范圍、信道帶寬、信道質量等因素）帶來的不利影響。

受平臺尺寸、可再生能源供應等因素的制約，航標等海上基礎設施的算力相對有限，集群網絡中的船舶節點可以提供其可用的計算資源，作為有效的補充，以達到網絡整體優化的性能。并且，當集群網絡中，船舶等可用計算資源的節點逐步增加時，經有效協調并充分利用，網絡的整體算力會進一步提升，為時延敏感型任務，提供更佳的計算服務。

由于包括航標、物聯網傳感器等海上霧計算集群節點采用可再生能源，能源能力較為有限，且動態變化較大。霧計算集群能夠兼顧節點的移動性、能源能力動態性，實現網絡節點綜合能源能力的充分利用，使網絡綜合能耗保持在動態合理水平。

與航道附近水域航行船舶相比，主管部門或者其他用戶對海域的流場態勢數據的實時性要求，可以適當降低。根據實際需要，該部分通信可采用包括海上近程通信系統，或者高通量低軌衛星等方式。

綜上所述，基于霧計算的航道流場實時態勢感知，能夠根據海區的交通狀況，船舶請求服務的數量，以及海區的關注度，提供實時的、可靠的海上態勢感知服務，對于保障航道內航行船舶安全具有重要意義。

4.2關鍵技術

4.2.1基于移動通信的V2V通信技術

V2V通信技術是用于移動通信網絡中，臨近節點設備之間直接進行信息交換的通信技術。建立V2V通信鏈路后，數據交互無需核心設備的干預，能夠大大提升頻譜利用率和吞吐量，是解決移動終端大數據接入及傳輸、時延敏感型任務場景的重要途徑。

在基于霧計算的航道流場態實時勢感知應用場景中，基于移動通信的V2V通信技術，能夠有效地提高集群頻譜效率;利用近距離增益，霧計算集群節點可以在較小的發射功率條件下，獲得更大的傳輸速率。同時，依靠有限的能源能力，提升集群節點的通信性能。

4.2.2智能組網技術

智能組網技術可以在低時延、高可靠性應用場景中，有效地降低節點之間的通信時延，具備在低功耗、大連接場景中，提高網絡覆蓋和接入的能力，支持更高的靈活性和可擴展性的網絡拓撲結構。

基于霧計算的集群節點，利用智能組網技術，可以在網絡內靈活自組織和自管理，網絡功能和角色、網絡拓撲的動態配置，靈活地實現包括控制、管理和傳輸服務的集群內、本地化處理。

4.2.3 F-RAN無線接入網架構優化

在F-RAN中，用戶層面和控制層面解耦，控制能力和計算能力下沉，協作無線信號處理和協同無線資源管理功能，可在集群節點之間靈活實現，克服了傳統接入網中非理想前傳鏈路受限的影響，實現了更高的網絡性能增益[13]。

在系統級層面上，融合人工智能技術;在鏈路級層面上，融合非正交多址技術的新型F-RAN架構優化技術，為F-RAN不斷地演進，提供了更多的技術可能性[14]。

4.2.4霧集群節點的負載均衡

通常情況下，受海上能源供應的限制，包括新型航標、物聯網傳感器等海上基礎設施，單個節點的算力，也是較為有限的。只有充分和平衡的利用每個群集節點的計算能力，才能夠優化集群整體的計算性能，以達到滿足延遲敏感型任務的要求。

相對而言，航道附近水域航行的船舶，可以配置較強的計算資源。由于海霧集群拓撲結構是動態變化的，系統能夠根據需要對組織進行重構，包括節點成員丟失或損壞、新增的節點成員等，因此，在集群節點之間進行有效協調和負載平衡，以實現充分利用成員節點的計算能力，就變得尤為重要。

加之，海上無線信道的狀態會隨時間快速變化，因此，只有充分、平衡地利用每個成員節點的計算能力，才能達到整體計算性能的優化和提升。

4.3運行成效

（1）基于MEC的航道流場態勢感知，通過RAN，航標、物聯網設備，以及附近水域的航行船舶，充分發揮移動邊緣計算優勢，將分布的傳感器數據進行實時計算，生成航道附近水域流場的通用圖景，特別是可能出現流切變、橫流流速大等重要航段，進行及時的預警，并發布給航道內附近水域航行的船舶，提早預判并采取應對措施，保證船舶的航行安全。

（2）航道流場的實時態勢感知，首先于服務航道內附近水域航行的船舶，必要時也可發布給主管機關或其他相關用戶，對通信時延的要求也可以相對適當降低。

（3）由于MEC網絡充分利用了成員節點的計算能力，計算服務主要分布在邊緣節點上，智能航標、物聯網傳感器的采集數據，不需要傳送至岸基中心進行處理，對通信設施建設的要求也相對較低，同時也有效地降低了設備的能耗。

5 結語

霧計算能夠消除往返云計算的通信過程，從而提高了任務響應速度。基于霧計算的航道流場實時態勢感知，區別于傳統的架構設計模式，克服了原有體制的通信覆蓋范圍、通信帶寬的制約，能夠充分發揮霧計算的性能優勢，將生成的航道附近水域流場的通用態勢圖，實時地發布給航道內附近水域航行的船舶，對于保障船舶航行安全具有重要意義。

參考文獻：

[1]馬甲林. 基于NB-IoT 技術的航標遙測遙控系統研究[J]. 中國水運， 2018（18）：51-52.

[2]李輝， 桑凌志. 標準化航標遙測遙控系統研究與實現[J]. 中國海事， 2019（6）：36-40.

[3]孫涌新， 吳若琦. 航標遙測數據的研究和應用[J]. 中國海事， 2018（12）：51-54.

[4]梁海鳳， 郭章儉. 基于AIS技術航標遙測遙控應用的探討[J]. 珠江水運， 2018（10）：52-54.

[5]郭章儉， 陳健. 航標遙測遙控系統中北斗衛星通信技術的應用研究[J]. 珠江水運， 2019（6）：52-53.

[6] IMO. NAV 58/WP.6/Rev.1 E-NAVIGATION： Report of the Working Group[S].2012.

[7]鞏海方， 姜書成. 窄帶物聯網技術在航標遙測遙控中的應用[J]. 航海技術， 2019（6）：64-66.

[8] A. Mukherjee， “Fog-Aided Data Reception in Next-Generation MIMO Radio Access Networks with Edge Sensing，” 2018 IEEE International Conference on Communications （ICC）， Kansas City， MO， USA， 2018， pp. 1-6.

[9] J. Kang， O. Simeone， J. Kang and S. Shamai. “Control-Data Separation With Decentralized Edge Control in Fog-Assisted Uplink Communications，” IEEE Trans. Wirel. Commun.， vol. 17， 2018， pp. 3686-3696.

[10] Y. Zhang， H. Zhang， K. Long， Q. Zheng and X. Xie， “Software-Defined and Fog-Computing-Based Next Generation Vehicular Networks，” IEEE Communications Magazine， vol. 56， 2018， pp. 34-41.

[11] CISCO. “Fog Computing and the Internet of Things： Extend the Cloud to Where the Things Are，” White Paper， 2015.

[12] M. Patel et al.， “Mobile-edge computing—Introductory technical white paper，” White Paper， Mobile-Edge Computing （MEC） Industry Initiative， 2014.

[13]滕龍. 霧無線接入網中緩存技術研究[D].重慶： 重慶郵電大學， 2019.

[14]張賢， 曹雪妍， 劉炳宏，等. 6G智慧霧無線接入網： 架構與關鍵技術[J].電信科學， 2020（1）：1-8.