近几年,在科技领域,除了人工智能、深度学习等较火的技术外,雾计算随着云计算及边缘计算的快速发展,逐渐出现的大众视野中,成为科技界的流行词。根据美国一所大学的说法,雾计算可使能智慧消防。
雾计算与云计算
韦恩州立大学已经研究了这个课题,并结合OpenFog联盟的成员的一些观点,以及一些领先的网络技术公司关于雾计算的见解,写了一份报告。这份名为“云到端的连接桥梁”的报告已经由Tech Idea Research出版社出版。
该份报告解释了为什么在云计算方兴未艾时,我们需要雾计算。在大多数情况下,云计算便可以满足我们的服务需求,但在某些情况下,云计算的表现就有所欠缺。
从某种意义上讲,我们可以把云计算比作“位高权重的远亲”:它资源多、能力强、服务全,但是距离较远、维护成本高、响应时间长。
可以把雾计算比作“乐于助人的近邻”:她们资源分散、能力多样、各有所长,就在身边,彼此关系简单和睦,不仅常常取长补短、相互支持,还能够有求必应、反应快捷。
对消防员而言,实时更新的数据很重要,这些数据包括火源地点、建筑平面图、危险信息及被困人员的生理状况和人数。这些数据有助于消防员决策救人的最佳方案,并将火灾损害降到最低。
目前,消防队员获取的数据是通过一系列扩展的技术收集的,包括无人机、通信系统和由消防队员携带的传感器,然后将数据发送到基于机器学习的数据和视频分析平台,以生成可视化信息推送给参加救援的消防员。
这种机器学习算法需要强大的计算资源和大量的存储空间。也就意味着需要一个本地的、集中式的数据中心:例如消防车本身。
同时,由消防指挥人员操作的笔记本电脑或平板电脑可以提供监控火场的界面,而移动宽带路由器则将移动互联网信号转换为本地Wi-Fi热点。
除此之外,路由器、基站和交换机等边缘节点可以提供雾计算基础设施,它可以高速处理和存储数据,将数据传回火场或者在需要时传输到云端。
雾计算使能智慧消防
有一些解决方案着眼于一种仅限于云的方法,以支持消防员在紧急情况下所需的存储和处理能力。例如TRX系统的NEON人员跟踪和精确定位及绘图系统的存储和处理能力。
然而,消防员时间的紧急性与云计算的延迟特性使得两者之间的合作变得很有问题,这就是研究人员研究雾计算潜力的原因所在。
首先是危险系数探测和统计受困者人数,正如报告所述:
“当救援队执行搜寻任务时,精确探测威胁(如有毒气体、天花板或墙壁倒塌),然后迅速向所有消防人员广播其位置,使其它消防人员避免危险区域是极其重要的。此外,通过监控摄像头的图像和视频,可以发现有多少人被困,甚至确定他们的位置”
这些视频和图像分析需要很大的计算能力,而通过互联网进行广泛的视频数据传输将不利于实时获取信息。
其次,雾计算可以实现一个智能的、自动化的安全决策系统,它可在火灾发生时筛选大量数据。
雾计算的快速机器学习和人工智能能力可使消防部门自动分析信息,包括构建蓝图、火场数据、社交媒体帖子和人口统计报告,并将其转化为实时信息。
可以预见,在未来,各种可穿戴的传感器和设备被安装在消防员制服上,通过这些可穿戴的物联网设备可以感知到受困者的位置、健康状况以及环境中的危险化学气体、温度等等;无人机可以看到火场的空中图像;带有摄像头和传感器的机器人可以进入危险区域,看看现场的损毁程度,并测量其他重要的环境参数,如热和烟雾密度。
利用这些收集到的数据,自动化智能安全决策系统可以帮助消防员找到安全出口,附近的丙烷罐,在周围温度升高时发出警告,甚至估计爆炸发生的可能性。
NASA JPL(美国宇航局)已经开始对消防员进行AI研究,其项目名为AUDREY。
最后,火场的三维建模有可为消防指挥员提供3D空间中的态势信息。当与本地化系统集成时,从无人机或城市建设的数据库获得消防员位置,建筑物的高度、形状,楼层数和室内平面图等参数。
雾计算商用价值
网络中立性已经成为美国关注的焦点,Verizon最近因在圣克拉拉县发生火灾时切断了消防部门的访问而受到强烈的谴责时,可靠的网络基础设施的重要性就显露了出来。
在消防救援的案例中,雾计算汇集了大量物联网技术来获取和处理数据,包括来自无人机的数据。无人驾驶飞机在灾害和应急反应中的价值已经确定,今年在无人驾驶飞行器的帮助下,超过160人的生命得到了拯救。
从某种意义上说,雾计算是介于云计算和边缘计算之间的中间位置。云通常在第三方数据中心处理、存储和分析数据;而边缘计算使这些过程尽可能地靠近数据源进行。雾计算在称为雾节点或物联网网关的服务器的本地网络级别托管这些智能进程。
雾计算的分布式水平体系结构使得通信、处理、存储、控制和决策等关键功能能够更接近于数据的来源。这有助于解决延迟、网络可访问性、成本上升和数据安全等问题。
运营商决定在不同环境中托管哪些流程取决于数据的敏感性、需要对其进行分析的速度、任何停机时间或延迟的影响以及预算限制。综合比较下来,使用雾计算是一个不错的选择,因为它提供了一个简单的网络基础设施和较小的延迟
第三十八届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:baiyl
免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。