[发明专利]面向遗址保护的边缘计算智能感知系统搭建方法

权利要求书

1.一种面向遗址保护的边缘计算智能感知系统搭建方法，其特征在于，包括以下步骤：

1）构建验证环境平台，平台包括物理平台、技术平台与应用功能三部分组成；

2）使用cloudlet技术作为边缘计算模式的基础技术；以Cloudlet框架构建物理平台环境，为了满足遗址本体状态全区域全面监测、局部重点监测需求，利用无人机、固定摄像头、温湿度、盐分功能传感器构建数据感知层；为了满足多模异构数据实时传输需求，利用物联网网关、SDN技术结合5G通信技术、北斗通信卫星建立感知数据传输共享网络；为了满足长效感知的信息存储需求，利用时序数据库技术建立数据库存储边缘服务器；为了满足本体状态监测数据采集需求，利用高性能服务器设备与VMware Vcloud小云技术按需构建边缘服务器层；为了满足遗址科学运算、统计分析需求，利用Apache Spark技术与阿里云服务构建云服务计算层，最终形成面向遗址智能感知的边缘计算物理环境平台；

3）基于cloudlet构建物理环境平台，具体将监测设备结合小云、微云技术实现物理环境平台构建；构建结合Cloudlet中关键技术的平台：

a、为了满足本体状态监测资源感知需求，通过使用Cloudlet模型中资源发现技术，在终端层设备节点上中安装资源发现客户端，完成跨平台的资源感知发现；在Cloudlet边缘服务器层中构建Cloudlet资源注册数据库，融合异构感知数据，同时建立区域分层存储数据库，形成文物感知数据的分级关联存储，最终实现面向遗址感知的高可用数据精准画像技术；

b、为了满足遗址区域监测信息跨域快速共享需求，在边缘服务层中利用Cloudlet中动态VM合成技术，面向服务请求与资源虚拟建立一对一的快速虚拟资源，实现请求与资源的按需调度的基础，同时在边缘层与云端计算服务层利用Cloudlet中全局与局部资源发现技术中的资源发现接口与资源请求接口的使用，建立局部与全局资源发现数据库、资源使用数据库，将终端计算节点与节点链路的通信状况进行描述存储，将其中数据输入递归深度神经网络建立资源预测模型，将其结果作为链路选择、资源部署的决策输入，输出决策结果，利用资源切换技术来瞬态定制Cloudlet上的软件服务，最终实现资源的按需调度技术；

c、为了满足遗址本体风险实时分析、精确预警任务迁移需求，通过云端服务层建立目录服务器存储全局节点的网络距离、计算资源描述及计算所需数据量化描述，利用其中数据建立CLoudlet全局任务分解模型以及执行框架，使用基于终端的VM动态切换技术，实现终端计算资源的虚拟机配置，同时依据边缘服务层构建的目录服务器存储的计算资源描述数据，使用虚拟资源切换技术实现边缘端任务迁移，采用基于云端的VM动态切换技术，实现终端资源与边缘端资源的虚拟机配置，同时依据云端服务层的目录服务器数据及虚拟资源切换技术实现边缘端任务的迁移；

4）基于cloudlet构建技术平台，具体将监测设备结合虚拟机动态合成的朵云机制构建技术平台，来构建应用验证环境：

a、为了满足遗址分区域自适应精确高效感知的需求，利用低延迟高可用精准画像技术，实时感知遗址不同区域的状态信息以及所处的情景状态信息，采取不同感知策略自适应感知遗址本体状态及风险预警，为了应对遗址相对脆弱区域遗址本体状态的突变，对其进行快速高效的精确感知；对遗址整体大范围时间跨度长的遗址风险预警的需求，进行全面精确的感知，并根据感知需求，将相关信息融合传送到附近的边缘服务器；

b、为了满足遗址监测数据跨区域协作的需求，结合低负载高能效按需调度技术，实现将风险级别高的感知信息根据文物保护需求，进行边缘的动态存储和风险分级管理，同时基于云端网络持效互联技术，将相似区域遗址建模分析数据流自主组织预先转发到保护区域边缘域或者云平台；并根据情境选择合适的传输手段，充分利用北斗、4G野外较为稳定的信号，将感知数据分块多方式融合传输；

c、为了满足遗址单区域本体状态实时分析、全区域风险精准预警策略的需求，利用多层次细粒度的任务动态迁移技术，基于所感知的遗址本体状态信息，实现对多终端设备感知的融合数据进行高效准确分析、计算任务无缝迁移；通过将单区域文物实时分析任务迁移到边缘进行，同时将多区域遗址监测任务及预测任务数据放置于云平台上进行离线学习，将学习到的计算决策提前放置到不同区域不同监测区域的边缘域上，作为遗址本体监测预警的决策初始值，结合实时感知到的遗址本体信息在边缘域上对其进行在线分析，对危及遗址安全的变化及时预警与干预，并根据文物风险级别将边缘域自适应数据上传至云端，实现对预警模型的精调和重点监护数据的存储；

5）基于物理环境平台与技术平台实现遗址的监测设备管理、监测数据实时与跨域共享、遗址的长效预警与实时监测。