基于霧計(jì)算的NB—IoT框架、關(guān)鍵技術(shù)及應(yīng)用

張紅+王玉峰

針對(duì)窄帶物聯(lián)網(wǎng)（NB-IoT）技術(shù)特點(diǎn)和業(yè)務(wù)類型，提出了基于霧計(jì)算的NB-IoT網(wǎng)絡(luò)架構(gòu)，通過(guò)為NB-IoT接入點(diǎn)（AP）配置霧計(jì)算設(shè)備，將接入點(diǎn)升級(jí)為具有存儲(chǔ)和計(jì)算能力的霧接入點(diǎn)（F-AP），使得數(shù)據(jù)收集、傳輸、處理和計(jì)算更靠近終端設(shè)備，提高應(yīng)用系統(tǒng)的響應(yīng)速度，節(jié)約網(wǎng)絡(luò)帶寬。

霧計(jì)算；AP；NB-IoT

Considering the technical characteristics and service types of narrowband Internet of things （NB-IoT）， NB-IoT system architecture based on fog computing is proposed in this paper. By configuring a fog computing device for the NB-IoT access point （AP）， the access point is upgraded to a fog access point （F-AP） with storage and computing power. In this way， the data sensing， transmission， processing and computing can become much closer to the end devices， and the latency and network congestion can be significantly decreased.

fog computing； AP； NB-IoT

截至目前，蜂窩網(wǎng)已覆蓋全球90%的人口，覆蓋超過(guò)50%的地理位置[1]。基于現(xiàn)有的蜂窩網(wǎng)絡(luò)，運(yùn)營(yíng)商完全能夠提供一個(gè)非常有競(jìng)爭(zhēng)力的物聯(lián)網(wǎng)技術(shù)，即窄帶物聯(lián)網(wǎng)（NB-IoT）[2]。作為第3代合作伙伴計(jì)劃（3GPP）標(biāo)準(zhǔn)化定義的、面向低功耗廣域網(wǎng)（LPWA）的關(guān)鍵蜂窩網(wǎng)絡(luò)技術(shù)，NB-IoT自身具備的低功耗、廣覆蓋、低成本、大容量等優(yōu)勢(shì)，相比Wi-Fi、藍(lán)牙等其他物聯(lián)網(wǎng)聯(lián)接技術(shù)，還具備安全、頻譜抗干擾等方面優(yōu)勢(shì)。NB-IoT在 LPWA市場(chǎng)的多個(gè)技術(shù)競(jìng)爭(zhēng)中脫穎而出，可以廣泛應(yīng)用于多種垂直行業(yè)，如遠(yuǎn)程抄表、資產(chǎn)跟蹤、智能停車、智慧農(nóng)業(yè)等。隨著 3GPP 標(biāo)準(zhǔn)在2016年 6 月“凍結(jié)”，NB-IoT展現(xiàn)出了巨大市場(chǎng)機(jī)會(huì)，正在快速發(fā)展之中，標(biāo)準(zhǔn)、芯片、網(wǎng)絡(luò)以及商業(yè)應(yīng)用場(chǎng)景都會(huì)走向成熟。

NB-IoT要走向成功必須要建立開(kāi)放產(chǎn)業(yè)平臺(tái)，目前云計(jì)算憑借強(qiáng)大的計(jì)算和存儲(chǔ)能力，成為大數(shù)據(jù)分析處理的支撐平臺(tái)，但是物聯(lián)網(wǎng)終端設(shè)備數(shù)量的爆發(fā)式增長(zhǎng)，給傳統(tǒng)的云計(jì)算框架帶來(lái)了新的挑戰(zhàn)。云計(jì)算框架先將數(shù)據(jù)集中存儲(chǔ)在云端，再?gòu)脑贫税l(fā)送到移動(dòng)用戶，云服務(wù)器遠(yuǎn)離移動(dòng)設(shè)備，數(shù)據(jù)傳輸?shù)木嚯x大，導(dǎo)致延遲和通信開(kāi)銷增大?！办F計(jì)算”的概念在2012年被提出[3]，核心思想是“智能前端化”，即在云服務(wù)器和終端設(shè)備之間，利用網(wǎng)絡(luò)設(shè)備或者專用設(shè)備提供計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)通信服務(wù)，使得數(shù)據(jù)和計(jì)算更靠近終端設(shè)備，進(jìn)而降低云服務(wù)器的計(jì)算和存儲(chǔ)開(kāi)銷，并且提高了應(yīng)用系統(tǒng)的響應(yīng)速度，節(jié)約了網(wǎng)絡(luò)帶寬。

很多NB-IoT業(yè)務(wù)具有海量連接、區(qū)域廣的特點(diǎn)，以智能抄表應(yīng)用為例，目前家庭擁有水表、電表、燃?xì)獗硪约芭瘹獗淼群芏啾?，將產(chǎn)生巨大數(shù)據(jù)量，全部上傳云端會(huì)消耗大量網(wǎng)絡(luò)資源；又如智慧電網(wǎng)這類地理分布廣的大數(shù)據(jù)應(yīng)用，與云端距離大，必然時(shí)延大；有些業(yè)務(wù)具有“用戶需求就近信息”的特點(diǎn)，如智能停車業(yè)務(wù)，每個(gè)車位裝備停車傳感器，用戶通過(guò)手機(jī)APP尋找附近停車位、付款、查找車輛等應(yīng)用，移動(dòng)用戶需要附近區(qū)域的本地化信息。針對(duì)NB-IoT這些特點(diǎn)，我們提出了對(duì)應(yīng)的霧計(jì)算框架，主要思想是將霧計(jì)算概念融入無(wú)線接入網(wǎng)架構(gòu)中，將NB-IoT接入點(diǎn)（AP）升級(jí)為具有存儲(chǔ)和計(jì)算能力的霧接入點(diǎn)（F-AP），一些用戶終端應(yīng)用只需在本地處理或者需求內(nèi)容已經(jīng)存儲(chǔ)在鄰近的接入點(diǎn)，不必連接云計(jì)算中心進(jìn)行數(shù)據(jù)通信，降低執(zhí)行時(shí)延，從而提高了應(yīng)用系統(tǒng)的響應(yīng)速度，節(jié)約了網(wǎng)絡(luò)帶寬。

文獻(xiàn)[4-5]中，霧層由一些零散的、計(jì)算能力較弱的交換機(jī)或路由器等網(wǎng)絡(luò)設(shè)備組成，為移動(dòng)用戶提供邊緣信息服務(wù)，接入方式多為藍(lán)牙和Wi-Fi；文獻(xiàn)[6]提出基于霧計(jì)算的5G接入技術(shù)，霧層由可協(xié)作資源管理和聯(lián)合信號(hào)處理的接入點(diǎn)、智能終端構(gòu)成；文獻(xiàn)[7]提出了以車為基礎(chǔ)設(shè)施的車載霧計(jì)算的思想。文章中，針對(duì)NB-IoT，我們提出了在蜂窩網(wǎng)絡(luò)中每個(gè)接入點(diǎn)配置霧計(jì)算設(shè)備，接入層構(gòu)成霧層方案，在減小異構(gòu)性，增強(qiáng)安全性，以及與5G平滑升級(jí)方面更具有優(yōu)勢(shì)。

1 基于霧計(jì)算的NB-IoT

架構(gòu)

根據(jù)霧計(jì)算“智能前端化”的思想，我們把大量與特定環(huán)境相關(guān)的信息直接在本地接入點(diǎn)進(jìn)行存儲(chǔ)和計(jì)算，提出了如圖1 所示的基于霧計(jì)算的NB-IoT框架，上層為云計(jì)算中心，下層為NB-IoT傳感器和移動(dòng)終端層，在云計(jì)算中心和終端設(shè)備之間擴(kuò)展一個(gè)更靠近終端設(shè)備和移動(dòng)用戶的霧計(jì)算層，稱為“霧層”。霧層部署在NB-IoT接入層，由具有存儲(chǔ)和計(jì)算能力的F-AP構(gòu)成，可以直接與覆蓋區(qū)域的物聯(lián)網(wǎng)終端和移動(dòng)設(shè)備相連接。

F-AP作為NB-IoT站點(diǎn)，一方面將NB-IoT傳感器收集的信息進(jìn)行分析、處理、過(guò)濾，及時(shí)應(yīng)對(duì)緊急事件，再選擇性地把一部分信息分發(fā)給其他霧節(jié)點(diǎn)或云計(jì)算中心；另一方面，它們可以將云服務(wù)器上的數(shù)據(jù)或終端設(shè)備上傳的數(shù)據(jù)緩存在本地，而且能夠完成移動(dòng)終端請(qǐng)求的計(jì)算或數(shù)據(jù)流量任務(wù)，必要時(shí)可以進(jìn)行任務(wù)分解，和其他節(jié)點(diǎn)合作，盡可能地將計(jì)算任務(wù)在本地進(jìn)行處理，更好地滿足了移動(dòng)應(yīng)用高流量和低延遲的需求。云計(jì)算中心優(yōu)勢(shì)保留，關(guān)注于高延遲長(zhǎng)周期的大數(shù)據(jù)應(yīng)用。

圖1中左邊是NB-IoT的典型應(yīng)用，由于霧層的加入，業(yè)務(wù)范圍擴(kuò)大；右邊是網(wǎng)絡(luò)關(guān)鍵技術(shù)和面臨挑戰(zhàn)。

2 基于霧計(jì)算的NB-IoT

關(guān)鍵技術(shù)

NB-IoT構(gòu)建于長(zhǎng)期演進(jìn)（LTE）蜂窩網(wǎng)絡(luò)，具有部署成本低、覆蓋廣、功耗低、海量連接的特點(diǎn)，通過(guò)擴(kuò)展F-AP的邊緣存儲(chǔ)能力和計(jì)算能力，可以減少時(shí)延、細(xì)化數(shù)據(jù)分析，從而更廣泛地應(yīng)用于多種垂直行業(yè)。

2.1 NB-IoT解決方案

（1）NB-IoT部署場(chǎng)景和空中接口技術(shù)[8]

NB-IoT射頻帶寬為180 kHz，支持 3 種部署方式：獨(dú)立部署、保護(hù)帶部署、帶內(nèi)部署，如圖2所示[8]。

·獨(dú)立部署模式：可以利用單獨(dú)的頻帶，適合用于全球移動(dòng)通信系統(tǒng)（GSM）頻段的重耕；

·保護(hù)帶部署模式：可以利用LTE系統(tǒng)中邊緣無(wú)用頻帶；

·帶內(nèi)部署模式：可以利用LTE載波中間的任何資源塊。

上行采用單載波頻分多址（SC-FDMA）技術(shù)，終端支持單子載波和多子載波技術(shù)。單子載波技術(shù)包含3.75 kHz與15 kHz兩種子載波帶寬；多子載波技術(shù)支持15 kHz子載波帶寬，支持更大峰值速率。下行采用正交頻分多址（OFDMA）技術(shù)，子載波帶寬為15 kHz。NB-IoT單獨(dú)設(shè)計(jì)了同步信號(hào)，多媒體接入控制（MAC）/無(wú)線鏈路層控制協(xié)議（RLC）/分組數(shù)據(jù)匯聚協(xié)議（PDCP）/無(wú)線資源控制（RRC）層處理基于已有的LTE流程和協(xié)議，物理層進(jìn)行相關(guān)優(yōu)化。

（2）低成本

終端模塊的成本對(duì)于海量接入的物聯(lián)網(wǎng)技術(shù)發(fā)展至關(guān)重要，NB-IoT模塊的成本可控制在5美金以內(nèi)，甚至更低。NB-IoT終端模塊基帶復(fù)雜度低，采用180 kHz窄帶系統(tǒng)甚至是更低的單子載波模式，采樣率低，緩存Flash/RAM要求小，數(shù)/模（D/A）和模/數(shù)（A/D）轉(zhuǎn)換、信道估計(jì)要求低；23 dBm發(fā)射功率，可支持單片芯片內(nèi)置功率放大器（PA），進(jìn)一步降低成本；為了降低終端模塊解碼復(fù)雜度，使用卷積碼代替turbo碼；終端設(shè)備只使用單天線，使得射頻和基帶信號(hào)解調(diào)只需要一根接收鏈；又通過(guò)半雙工模式，省去了雙工濾波器，只需要一個(gè)開(kāi)關(guān)和一個(gè)振蕩器實(shí)現(xiàn)，從而降低成本和減小功耗。

（3）低功耗

NB-IoT目標(biāo)是典型的低速率、低頻次業(yè)務(wù)模型，且等容量電池壽命可達(dá)10年以上。NB-IoT芯片復(fù)雜度低，工作電流小，空口信令簡(jiǎn)化，單次數(shù)傳功耗低，可以通過(guò)基于覆蓋等級(jí)的控制和接入減少單次數(shù)傳時(shí)間。

NB-IoT借助節(jié)能模式（PSM）和擴(kuò)展周期不連續(xù)接收技術(shù)（eDRX）可實(shí)現(xiàn)更長(zhǎng)待機(jī)。其中PSM技術(shù)是Rel-12中新增的功能，在此模式下，處于RRC空閑期的終端可以進(jìn)入深睡眠，不監(jiān)測(cè)網(wǎng)絡(luò)，達(dá)到省電的目的。eDRX是Rel-13中新增的功能，減少終端監(jiān)測(cè)網(wǎng)絡(luò)的頻度，減少接收單元不必要的啟動(dòng)，相對(duì)于PSM，大幅度提升了下行可達(dá)性。另外，移動(dòng)性管理只支持小區(qū)選擇和重選，同時(shí)減少終端發(fā)送位置更新的次數(shù)，從而減少測(cè)量開(kāi)銷。

（4）覆蓋強(qiáng)，容量大

NB-IoT鏈路預(yù)算為164 dB，優(yōu)于GSM、 LTE20 dB左右，覆蓋區(qū)域更廣、更深。如果按照覆蓋面積計(jì)算，一個(gè)基站可提供7倍的覆蓋面積（開(kāi)闊區(qū)域）；從覆蓋深度角度看，可以覆蓋位于地下室或隧道中的終端；支持多速率連接，如在一些場(chǎng)景中，終端設(shè)備信號(hào)微弱，可以選擇單子載波模式集中傳輸能量，大大提升信道容量，借助一個(gè)NB-IoT基站就可提供幾萬(wàn)個(gè)連接。

2.2 邊緣存儲(chǔ)

當(dāng)移動(dòng)設(shè)備的用戶處于一個(gè)特定的環(huán)境時(shí)，其需要的信息主要是與本地相關(guān)的各種信息。如在醫(yī)院環(huán)境下，用戶希望了解醫(yī)院的就診信息、就診過(guò)程的狀態(tài)信息；在智能停車業(yè)務(wù)中，用戶需要知道的是所在街區(qū)的空車位和收費(fèi)信息；在商場(chǎng)環(huán)境中，用戶需要知道本商場(chǎng)各商品的具體信息等。利用移動(dòng)用戶對(duì)本地化信息的需求，可以把接入點(diǎn)覆蓋區(qū)域內(nèi)的大量本地信息存儲(chǔ)在該F-AP的霧計(jì)算設(shè)備中，并在本地實(shí)時(shí)進(jìn)行優(yōu)化和計(jì)算，以及時(shí)完成用戶請(qǐng)求的相關(guān)任務(wù)[9]。

霧計(jì)算設(shè)備需要根據(jù)當(dāng)?shù)丨h(huán)境，預(yù)測(cè)用戶需求，也包括高流行度的互聯(lián)網(wǎng)內(nèi)容文件，通過(guò)主動(dòng)緩存的方式從云服務(wù)器上下載相應(yīng)數(shù)據(jù)，或者通過(guò)被動(dòng)緩存的方式存儲(chǔ)流經(jīng)它的相關(guān)數(shù)據(jù)，比如用戶或傳感器上傳的數(shù)據(jù)，為用戶提供快捷內(nèi)容訪問(wèn)和檢索功能，有效緩解云服務(wù)器的負(fù)擔(dān)，大大降低通信的傳輸量，減少傳輸延遲。E. Ba?tu[ˇ][g]在文獻(xiàn)[10]中證明，移動(dòng)用戶需求的信息類型可以在一定程度上被預(yù)測(cè)出，建議在用戶請(qǐng)求前預(yù)存信息。

目前成熟的緩存技術(shù)，如在學(xué)術(shù)和工業(yè)使用廣泛的內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）[9]。CDN通過(guò)在多地部署緩存服務(wù)器，將數(shù)據(jù)請(qǐng)求分散到各個(gè)服務(wù)器上，減少單個(gè)服務(wù)器負(fù)載，一定程度上縮短了數(shù)據(jù)傳輸路徑，但是CDN的緩存服務(wù)器通常服務(wù)于一般的Internet用戶，難以了解和預(yù)測(cè)移動(dòng)用戶的需求。與上述的數(shù)據(jù)緩存設(shè)備不同，一方面霧服務(wù)器更智能化，能夠感知其部署的環(huán)境，推測(cè)出附近移動(dòng)用戶的數(shù)據(jù)需求特性，針對(duì)附近用戶的興趣進(jìn)行數(shù)據(jù)緩存；另一方面，霧節(jié)點(diǎn)可以實(shí)時(shí)與物聯(lián)網(wǎng)終端和移動(dòng)用戶交互數(shù)據(jù)，處理數(shù)據(jù)，霧節(jié)點(diǎn)能適時(shí)與云端連接，借助云計(jì)算中心處理大數(shù)據(jù)。相比于傳統(tǒng)集中式存儲(chǔ)機(jī)制，F(xiàn)-AP存儲(chǔ)空間相對(duì)較小，邊緣存儲(chǔ)和傳統(tǒng)存儲(chǔ)的聯(lián)合優(yōu)化策略是一項(xiàng)關(guān)鍵技術(shù)。緩存也不是存儲(chǔ)得越多越好，要在存儲(chǔ)緩存代價(jià)和效益之間做出很好的權(quán)衡。

2.3 邊緣計(jì)算

與傳統(tǒng)的數(shù)據(jù)存儲(chǔ)設(shè)備和接入技術(shù)不同，霧計(jì)算節(jié)點(diǎn)具有智能計(jì)算的能力?？梢詫B-IoT傳感器收集的信息進(jìn)行實(shí)時(shí)分析、處理、過(guò)濾，再選擇性把一部分信息分發(fā)給其他霧節(jié)點(diǎn)或云計(jì)算中心；霧節(jié)點(diǎn)可以獨(dú)立地對(duì)覆蓋區(qū)域的用戶一些請(qǐng)求進(jìn)行計(jì)算和處理，也可以請(qǐng)求云層，獲得更深的數(shù)據(jù)分析。文獻(xiàn)[11]中有霧計(jì)算在認(rèn)知應(yīng)用中使用的案例，文獻(xiàn)[12]以智慧電網(wǎng)為例，分析了云計(jì)算和霧計(jì)算的分工，霧計(jì)算節(jié)點(diǎn)處理了短時(shí)間段（幾毫秒到幾天）、小范圍的數(shù)據(jù)，并對(duì)時(shí)延敏感的事件做出及時(shí)處理，云計(jì)算中心處理了長(zhǎng)時(shí)間段（幾天到幾個(gè)月）、大地理范圍的一些數(shù)據(jù)，主要對(duì)網(wǎng)絡(luò)進(jìn)行了相關(guān)分析和優(yōu)化。

文獻(xiàn)[11]還以智能路燈為例，具體分析了霧計(jì)算功能。智能路燈可以收集各個(gè)方向上汽車、行人、自行車的信息，比如位置和速度，從這些數(shù)據(jù)計(jì)算出相撞事故的概率，對(duì)概率高的可能事故做出及時(shí)處理；云計(jì)算中心則負(fù)責(zé)分析長(zhǎng)時(shí)間段數(shù)據(jù)，主要對(duì)網(wǎng)絡(luò)進(jìn)行評(píng)估和優(yōu)化。霧計(jì)算與文獻(xiàn)[13]中Cloudlets相比，都具有邊緣實(shí)時(shí)計(jì)算的能力，但霧計(jì)算是更完整、更生態(tài)的系統(tǒng)，具有本地信息預(yù)存的功能。

NB-IoT連接海量傳感器，可以用于城市管線監(jiān)測(cè)控制、智能抄表。相比云計(jì)算，霧節(jié)點(diǎn)可以支持更細(xì)致的時(shí)間用量表，比如智能抄表，可以每個(gè)小時(shí)收集燃?xì)夂兔簹庥昧繑?shù)據(jù)，計(jì)算能量、用量和費(fèi)用情況，然后再比較各個(gè)時(shí)間段電費(fèi)和燃?xì)赓M(fèi)，用戶可以在不同的時(shí)間段選擇更加經(jīng)濟(jì)的能耗方式[14-15]。

考慮到有些應(yīng)用中，單個(gè)F-AP難以有效快速地處理大量數(shù)據(jù)，彭木根[6]等提出自適應(yīng)形成F-AP簇，執(zhí)行分布式協(xié)作計(jì)算來(lái)減小計(jì)算復(fù)雜度，提高計(jì)算速率和頻譜效率。文獻(xiàn)[16]提出了一種基于粒子群算法的多設(shè)備分布式計(jì)算方案，達(dá)到任務(wù)處理時(shí)延最小的目標(biāo)。

3 面臨的問(wèn)題和挑戰(zhàn)

基于霧計(jì)算的NB-IoT技術(shù)大規(guī)模的發(fā)展面臨著下面的問(wèn)題和挑戰(zhàn)，有待于進(jìn)一步解決。

3.1 F-AP部署

有通信設(shè)備制造商建議，NB-IoT站點(diǎn)有共建和獨(dú)立建站兩種方案。共建方案是在現(xiàn)有LTE基站完成復(fù)用和升級(jí)，可以充分利用現(xiàn)網(wǎng)的LTE站點(diǎn)資源和設(shè)備資源，共站點(diǎn)、共天饋、共射頻、共公共無(wú)線電接口（CPRI）、共傳輸、共主控、共運(yùn)行和維護(hù)管理（O&M），以達(dá)到快速部署NB-IoT，節(jié)省建網(wǎng)成本的目的。獨(dú)立建站One-box站點(diǎn)方案，簡(jiǎn)化了站點(diǎn)，易擴(kuò)展、平衡演進(jìn)。

文中提到的F-AP具有3個(gè)功能：NB-IoT接入點(diǎn)；移動(dòng)終端接入點(diǎn)；具有霧計(jì)算能力。

3.2 霧計(jì)算軟件系統(tǒng)

在霧計(jì)算框架中，管理系統(tǒng)需要?jiǎng)討B(tài)決定哪些分析需要上傳云端，哪些在霧端處理，從而使時(shí)延最小化，網(wǎng)絡(luò)吞吐量最大化。F-AP的功能可以通過(guò)軟件定義來(lái)實(shí)現(xiàn)，不同的霧計(jì)算設(shè)備之間的接口具有高度的靈活性，軟件定義網(wǎng)絡(luò)（SDN）可以作為基本的啟動(dòng)程序來(lái)實(shí)現(xiàn)霧接入層的靈活性和可重構(gòu)性，SDN是通過(guò)核心技術(shù)OpenFlow將控制層和數(shù)據(jù)層分離開(kāi)來(lái)，有集中的控制器管理，實(shí)現(xiàn)網(wǎng)絡(luò)流量的靈活控制。用戶可以開(kāi)發(fā)各種應(yīng)用程序，通過(guò)軟件實(shí)現(xiàn)各種功能，以滿足對(duì)網(wǎng)絡(luò)資源的不同需求，而無(wú)需關(guān)心底層網(wǎng)絡(luò)的物理拓?fù)浣Y(jié)構(gòu)。目前面臨的問(wèn)題：SDN是應(yīng)用于網(wǎng)絡(luò)IP層，如何將其擴(kuò)展到MAC層和物理層；SDN是集中控制的，而霧接入層更注重分布控制；SDN需要及時(shí)獲取設(shè)備的位置和狀態(tài)信息，這樣一來(lái)會(huì)增加網(wǎng)絡(luò)負(fù)擔(dān)。網(wǎng)絡(luò)虛擬化能夠?yàn)镾DN的運(yùn)行提供基礎(chǔ)架構(gòu)，通過(guò)分離數(shù)據(jù)和控制平面，部署標(biāo)準(zhǔn)化網(wǎng)絡(luò)硬件平臺(tái)，使得許多移動(dòng)網(wǎng)絡(luò)設(shè)備中的軟件可以按需安裝、修改、卸載、實(shí)現(xiàn)業(yè)務(wù)擴(kuò)展。

4 應(yīng)用前景

基于霧計(jì)算的NB-IoT網(wǎng)絡(luò)具有海量連接、低時(shí)延、邊緣存儲(chǔ)和邊緣信息處理的特點(diǎn)，適用于以下一些應(yīng)用場(chǎng)景。

4.1 健康狀況監(jiān)測(cè)

中國(guó)老年人比例逐年增高，獨(dú)處狀態(tài)的老人可以佩戴安裝了NB-IoT模塊的手表，隨時(shí)感應(yīng)身體狀況，數(shù)據(jù)上傳到霧計(jì)算節(jié)點(diǎn)，霧節(jié)點(diǎn)預(yù)存發(fā)病預(yù)測(cè)算法，可以實(shí)時(shí)計(jì)算感應(yīng)器上傳數(shù)據(jù)，及時(shí)處理緊急事件。文獻(xiàn)[14]中利用霧計(jì)算監(jiān)測(cè)、預(yù)測(cè)、阻止中風(fēng)患者的發(fā)病，與云計(jì)算相比，時(shí)延小，功耗低。

4.2 城市大數(shù)據(jù)分析

在現(xiàn)代城市空間中，可以通過(guò)價(jià)格低廉、分布各處的NB-IoT傳感器獲取大量的數(shù)據(jù)進(jìn)行城市計(jì)算[15] ，城市計(jì)算就是一個(gè)獲取、整合、分析這些數(shù)據(jù)的過(guò)程，旨在解決城市面對(duì)的諸多重大的問(wèn)題，比如空氣污染、能源消耗、交通堵塞等。城市計(jì)算同樣也可以幫助我們了解城市現(xiàn)象的本質(zhì)，甚至預(yù)測(cè)城市發(fā)展的未來(lái)。

以污染問(wèn)題為例，對(duì)于中國(guó)絕大多數(shù)空氣質(zhì)量監(jiān)測(cè)控制系統(tǒng)來(lái)說(shuō)，這些系統(tǒng)往往給出的數(shù)據(jù)是整個(gè)城市范圍的空氣質(zhì)量。但是，空氣質(zhì)量會(huì)隨著城市中各個(gè)點(diǎn)的交通、建筑密度、空氣情況等因素發(fā)生劇烈變化?？梢酝ㄟ^(guò)每個(gè)NB-IoT基站霧計(jì)算點(diǎn)來(lái)推斷城市中任何指定位置的空氣質(zhì)量，可以提前預(yù)測(cè)1～2 h內(nèi)的空氣質(zhì)量，以幫助人們更好地計(jì)劃自己的生活，比如什么時(shí)候和去哪里慢跑，或者什么時(shí)候應(yīng)該關(guān)窗戶，什么時(shí)候應(yīng)該戴上面具。

城市計(jì)算可以通過(guò)NB-IoT連接很多不起眼和普遍存在的傳感技術(shù)，運(yùn)用霧計(jì)算實(shí)現(xiàn)先進(jìn)的數(shù)據(jù)管理和分析模型，以及高級(jí)的可視化算法，來(lái)創(chuàng)造一個(gè)改進(jìn)城市環(huán)境，提高人民生活質(zhì)量和增強(qiáng)城市運(yùn)行系統(tǒng)的三贏方案。

4.3 智能公共自行車系統(tǒng)

隨著污染問(wèn)題的嚴(yán)重化，自行車出行是更環(huán)保的選擇?，F(xiàn)在很多城市都有公共自行車系統(tǒng)，但由于存放點(diǎn)有限，比如小區(qū)、學(xué)校只在門(mén)口可以存放，自行車不能入內(nèi)，且通常小區(qū)、學(xué)校區(qū)域很大，用戶體驗(yàn)不夠方便，所以現(xiàn)有公共自行車系統(tǒng)功能沒(méi)有被充分發(fā)揮。我們建議增加更多自由的存放點(diǎn)，如小區(qū)內(nèi)每棟樓邊都有存放點(diǎn)，并通過(guò)密碼鎖方式存放，由于存放點(diǎn)分散，可能會(huì)出現(xiàn)某個(gè)存放點(diǎn)沒(méi)有自行車的情況，因此可以在每輛公共自行車上裝備一塊價(jià)格低廉的NB-IoT芯片，把該自行車位置和使用情況信息上傳到NB-IoT基站，基站霧計(jì)算節(jié)點(diǎn)可以計(jì)算出覆蓋區(qū)域的自行車分布圖，用戶需要使用公共自行車時(shí)，可以用手機(jī)APP查詢離他所在位置最近的公共自行車。

5 結(jié)束語(yǔ)

我們提出了基于霧計(jì)算的NB-IoT網(wǎng)絡(luò)架構(gòu)，通過(guò)為NB-IoT接入點(diǎn)配置霧計(jì)算設(shè)備，將接入點(diǎn)升級(jí)為具有存儲(chǔ)和計(jì)算能力的F-AP，使得數(shù)據(jù)和計(jì)算更靠近終端設(shè)備，提高應(yīng)用系統(tǒng)的響應(yīng)速度，節(jié)約網(wǎng)絡(luò)帶寬。我們還闡述了NB-IoT技術(shù)特點(diǎn)和F-AP霧節(jié)點(diǎn)的功能，討論了基站部署方案和SDN，并探討了基于霧計(jì)算的NB-IoT應(yīng)用前景和基于大數(shù)據(jù)的知識(shí)挖掘。物聯(lián)網(wǎng)海量終端設(shè)備的接入和移動(dòng)數(shù)據(jù)的爆發(fā)式增長(zhǎng)，意味著下一代移動(dòng)通信是超大規(guī)模和空前復(fù)雜的，需要引入網(wǎng)絡(luò)功能虛擬化（NFV）、SDN和邊緣計(jì)算作為網(wǎng)絡(luò)關(guān)鍵技術(shù)，來(lái)提升網(wǎng)絡(luò)的整體的承載和計(jì)算能力，這些關(guān)鍵技術(shù)都將是下一步研究?jī)?nèi)容。

參考文獻(xiàn)

[1]黃海峰.華為余泉：2016年是NB-IoT產(chǎn)業(yè)發(fā)展的關(guān)鍵年[J]. 通信世界，2016（05）：27-28

[2] 3GPP. NB-IoT Work Item Description RP -152284[EB/OL]. [2016-11-22].http：//ow.ly/4mQAfx

[3] BONOMI F. Fog Computing and Its Role in the Internet of Things [C]//Proceedings of the First Edition of the MCC Workshop on Mobile Cloud Computing. USA：ACM， 2012： 13-16

[4] DASTJERDI A V， BUYYA R. Fog Computing： Helping the Internet of Things Realize Its Potential [J]. Computer， 2016， 49（8）： 112-116. DOI： 10.1109/MC.2016.245

[5] RAY K S， MONDAL M. Fog Computing： Focusing on Mobile Users at the Edge [J]. Computer Science， 2015， 2（3）：22-25

[6] PENG M G， YAN S， ZHANG K S， et al. Fog-Computing-Based Radio Access Networks： Issues and Challenges [J]. IEEE Network， 2015， 30（4）：46-53. DOI：10.1109/MNET.2016.7513863

[7] HOU X S， LI Y， CHEN M， et al. Vehicular Fog Computing： A Viewpoint of Vehicles as the Infrastructures [J]. IEEE Transactions on Vehicular Technology， 2016， 65（6）：3860-3873. DOI：10.1109/TVT.2016.2532863

[8] Ericsson. NB-IoT： A Sustainable Technology for Connecting Billions of Devices[EB/OL].（2016-04-22） [2016-11-26]. https：//www.ericsson.com/thecompany/our_publications/ericsson_technology_review/archive/narrowband-iot-connecting-billions-devices

[9] PENG G. CDN： Content Distribution Network [EB/OL]. [2016-11-22].https：//arxiv.org/abs/cs/0411069

[10] BASTUG E， BENNIS M， DEBBAH M. Living on the Edge： The Role of Proactive Caching in 5G Wireless Networks [J]. IEEE Communications Magazine， 2014， （52）： 82- 89. DOI：10.1109/MCOM.2014.6871674

[11] SATYANARAYANAN M， CHEN Z， HA K， et al. Cloudlets： at the Leading Edge of Mobile-Cloud Convergence [C]// 2014 6th International Conference on Mobile Computing， Applications and Services （MobiCASE）. USA： IEEE， 2014： 1-9. DOI： 10.4108/icst.mobicase.2014.257757

[12] BONOMI F， MILITO R， NATARAJAN P， et al. Fog Computing： A Platform for Internet of Things and Analytics [M]. Germany： Springer， 2014

[13] SATYANARAYANAN M， BAHL P， CACERES R， et al. The Case for VM-Based Cloudlets in Mobile Computing [J]. IEEE Pervasive Computing， 2009， 8（4）： 14-23. DOI： 10.1109/MPRV.2009.82

[14] CAO Y， CEHN S Q， HOU P， et al. FAST： A Fog Computing Assisted Distributed Analytics System to Monitor Fall for Stroke Mitigation[C]//Processing of 10th IEEE International Conference Networking， Architecture and Storage （NAS 15）.USA：IEEE， 2015： 2-11. DOI： 10.1109/NAS.2015.7255196

[15] ZHENG Y， CAPRA L， WOLFSON O， et al. Urban Computing： Concepts， Methodologies， and Applications ACM [J]. ACM Transactions on Intelligent Systems and Technology （TIST）， 2014， 5（3）： Article 38. DOI： 10.1145/2629592

[16]何秀麗，任志源，史晨華，等. 面向醫(yī)療大數(shù)據(jù)的云霧網(wǎng)絡(luò)及其分布式計(jì)算方案[J].西安交通大學(xué)學(xué)報(bào)， 2016，50（10）： 71-77