遠(yuǎn)距傳輸?shù)牡凸木W(wǎng)絡(luò)技術(shù)LoRaWAN及邊緣人工智能如何革新物聯(lián)網(wǎng)
人工智能（AI）與物聯(lián)網(wǎng)(IoT)在實(shí)際應(yīng)用中的落地融合，形成了 AIoT(智能物聯(lián)網(wǎng))，也就是萬物的智能互聯(lián)。目前，AIoT已經(jīng)成為業(yè)界公認(rèn)的未來技術(shù)主流形態(tài)。艾瑞咨詢最近發(fā)布的《2020中國智能物聯(lián)網(wǎng)（AIoT）白皮書》預(yù)測(cè)，2025年，中國物聯(lián)網(wǎng)連接數(shù)近200億個(gè)，海量連接產(chǎn)生的交互及數(shù)據(jù)分析需求將促使IoT與AI進(jìn)行更深層次的融合。另一方面，智能的物聯(lián)網(wǎng)系統(tǒng)暴露了云計(jì)算中的潛在問題。智能和自動(dòng)化的增加，無可避免地導(dǎo)致性能表現(xiàn)及安全性突出的應(yīng)用出現(xiàn)了無法預(yù)料的延遲。
現(xiàn)今，兩大主要挑戰(zhàn)威脅著數(shù)量倍增的連網(wǎng)裝置：一是用于遠(yuǎn)程通訊的邊緣裝置的性能，二是離網(wǎng)型物聯(lián)網(wǎng)應(yīng)用的電池壽命。
原始數(shù)據(jù)的傳輸對(duì)任何裝置來說都是十分耗電的。傳統(tǒng)的蜂巢式廣域網(wǎng)（WAN）功耗大，因此不適用于電池供電的物聯(lián)網(wǎng)裝置。物聯(lián)網(wǎng)應(yīng)用LoRaWAN（遠(yuǎn)距離，廣域網(wǎng)）是物聯(lián)網(wǎng)應(yīng)用中的首選通訊協(xié)議之一，能夠處理人工智能如何透過邊緣應(yīng)用來改變物聯(lián)網(wǎng)架構(gòu)的問題。
為什么要使用LoRaWAN及邊緣人工智能？
隨著智能裝置的激增，核心網(wǎng)域和終端裝置都面臨著來自通訊的挑戰(zhàn)，例如壅塞、安全性、服務(wù)延遲、數(shù)據(jù)隱私和缺乏互操作性。
對(duì)于網(wǎng)域，大部分的挑戰(zhàn)來自過度依賴云計(jì)算。將數(shù)據(jù)發(fā)送到云時(shí)，會(huì)產(chǎn)生更大量的能源消耗、帶寬、存儲(chǔ)和延遲，導(dǎo)致更高的成本。而霧計(jì)算或邊緣計(jì)算可以降低成本并提高效率。
當(dāng)使用無線技術(shù)進(jìn)行數(shù)據(jù)傳輸時(shí)，終端裝置中的通訊障礙就會(huì)出現(xiàn)。在物聯(lián)網(wǎng)中，藍(lán)牙和其他無線標(biāo)準(zhǔn)技術(shù)的優(yōu)勢(shì)是低功耗，但有限的覆蓋范圍卻是一大障礙，特別是對(duì)于智慧城市服務(wù)而言。在這種情況下，低功率廣域網(wǎng)（LPWAN）成為了介于遠(yuǎn)程蜂巢式和短程操作技術(shù)間的可靠的替代方案。
LPWAN是在Sub-GHz免照無線電頻段上運(yùn)作的低功耗及覆蓋范圍更廣的通訊物理層。LPWAN是對(duì)鏈路和網(wǎng)絡(luò)層有效的標(biāo)準(zhǔn)協(xié)議，提供可變的數(shù)據(jù)速率，增加了以吞吐量交換為鏈路穩(wěn)健性、覆蓋范圍或能量消耗的可能。而組織單位和個(gè)人都可以部署LPWAN網(wǎng)絡(luò)。
LPWAN和接近邊緣的霧計(jì)算架構(gòu)
在智能和數(shù)據(jù)處理方面，邊緣計(jì)算和霧計(jì)算看起來很相似。但是，它們之間的主要差別在于計(jì)算和智能所發(fā)生的位置。霧計(jì)算的環(huán)境將智能處理放在區(qū)域網(wǎng)（LAN）上，將數(shù)據(jù)從端點(diǎn)傳輸?shù)骄W(wǎng)關(guān)。 而另一方面，邊緣計(jì)算將處理能力和智能放在嵌入式自動(dòng)化控制器等裝置中。這些裝置可以運(yùn)行算法，產(chǎn)出邊緣智能—AI和邊緣計(jì)算的產(chǎn)物。
利用LPWAN進(jìn)行邊緣計(jì)算的優(yōu)勢(shì)
減少數(shù)據(jù)傳輸: 邊緣計(jì)算減少了傳輸?shù)臄?shù)據(jù)量和云端存儲(chǔ)。另一個(gè)優(yōu)勢(shì)是將計(jì)算能力放置在網(wǎng)絡(luò)邊緣，可使延遲和成本極小化，同時(shí)減輕對(duì)帶寬的需求。
降低延遲: 邊緣計(jì)算可將數(shù)據(jù)傳輸、處理，以及依照從過程中獲得見解所采取之行動(dòng)的時(shí)間間隔最小化。另外，以較低的成本增加了分析和事件處理的速度，信噪比也降低了。由于更加靠近終端用戶的位置，能夠降低核心網(wǎng)絡(luò)和連接裝置的帶寬及功耗，因此邊緣計(jì)算透過實(shí)時(shí)服務(wù)提供了低延遲能力，而這是智慧城市以及車對(duì)車通信和其他要求延遲低于數(shù)十毫秒的應(yīng)用所必備的。這比主流的云服務(wù)的延遲要低。
安全性增強(qiáng): 大多數(shù)的用戶將數(shù)據(jù)安全性和隱私視為首要考慮的問題，主要是因?yàn)檫@些因素對(duì)智慧城市的相關(guān)應(yīng)用構(gòu)成了安全威脅。安全性必須分三層：用戶隱私、數(shù)據(jù)安全性和網(wǎng)絡(luò)連接。 邊緣計(jì)算通過憑證升級(jí)和多個(gè)實(shí)體裝置上的安全檢查等措施，解決了物聯(lián)網(wǎng)安全性的挑戰(zhàn)。
擴(kuò)展的應(yīng)用程序: LPWAN和邊緣裝置在衛(wèi)生保健監(jiān)控中無所不在，例如用于偵測(cè)患者跌倒。 在篩選數(shù)據(jù)來進(jìn)行實(shí)時(shí)處理的情況下，邊緣裝置可以提高準(zhǔn)確度和適應(yīng)能力。傳統(tǒng)系統(tǒng)中，在云端傳輸原始數(shù)據(jù)序列，因此警報(bào)的延遲增加了。邊緣系統(tǒng)透過將繁重的計(jì)算負(fù)載從傳感器節(jié)點(diǎn)調(diào)換到邊緣網(wǎng)關(guān)，來減少傳感器節(jié)點(diǎn)上的計(jì)算工作。
如何利用邊緣人工智能加速應(yīng)用場(chǎng)景落地？
雖然邊緣裝置的模型構(gòu)建和訓(xùn)練階段會(huì)消耗大量資源，并增加額外的復(fù)雜性，但市場(chǎng)上有提供定制和降低復(fù)雜性的高質(zhì)量選擇。
