目录
概述：
解决的问题：
1：网路不稳定整么办？
2：网络带宽不够怎么办？
3：内外网不通怎么办？
4：旧有设备怎么办？
5：原有设备五花八门怎么办？
解决服务器和物联设备 实际应用问题 ——边缘计算
1）边缘上云方案
2）边缘计算（LE）功能大图
3）边缘计算是什么
4）流程
边缘实例
边缘实例提供一种类似文件夹的管理功能，管理边缘端相关的网关、子设备。
设备接入
物联网边缘计算提供多语言设备接入SDK，让设备轻松接入边缘计算节点。
场景联动
自动化业务逻辑的可视化编程方式，通过可视化的方式定义设备之间联动规则，将规则部署至云端或者边缘端。
边缘应用
应用管理是Link IoT Edge提供的边缘应用管理能力，可以帮助您标准化的管理边缘端应用的版本、配置等。
流数据分析
流数据分析可先对数据进行清洗、加工、聚合之后再上云，大大减少数据传输成本。 边缘端与云端的连接不稳定，数据上云无法满足实时计算的要求，流数据分析在边缘端运行，因此不依赖网络，低时延处理数据。
消息路由
物联网边缘计算提供消息路由的能力。您可以设置消息路由路径，控制本地数据在边缘计算节点中的流转，从而实现数据的安全可控。
断网续传
边缘计算节点在断网或弱网情况下提供数据恢复能力。您可以在配置消息路由时设置服务质量（QoS），从而在断网情况下将设备数据保存在本地存储区，网络恢复后，再将缓存数据同步至云端。
5）核心要点
1：提供了旧有设备改造接入阿里云的能力，统一协议。
2：为网络不稳定设备提供了计算冗余，提高响应能力。
3：为跨网安全场景提供了桥梁，内外网互联。
4：为超宽带应用提供计算支援，解决宽带数据问题。
6）国网边缘场景需求
设备种类多，接入协议复杂
地理分布广，广泛应用无线技术
数据量大 ，毫秒级采集
可靠性要求高，时延要求低
书同文，车同轨
统一硬件形态，屏蔽硬件差异，减少各种非标接入，安全接入。
统一软件分发与交付标准，提 高软件研发效率。
7）电力设备接入实战
方案阐述：
1、保持原厂架构独立，但原厂架构上的应用需要新增“数据分发” 与“指令接收”模块，用于对接阿里物联网管理平台。
2、LE架构中的驱动 （1）用于接收“数据分发”传递过来的设备数据，然后通过物模型转换上送到云端。 （2）通过物模型接收云端指令，分发到原厂应用中，控制终端设备。
3、优点：适合原厂应用难以移植的场景。
4、缺点：驱动无电力设备协议沉淀。
方案阐述：
1、将原厂应用中电力设备接入、采集、控制模块移植到LE架构的驱动框架下。
2、优点：驱动的完整形态，沉淀电力协议。
3、缺点：前期移植工作量较大，需要根据原厂应用进行分析。
8）校园人脸识别门禁系统
公有云：
VPC/专有云:
私有本地化:
9）LinkVisual产品介绍
基本场景：视频数据跨平台、跨品牌、跨地域数据集中存储与使用；提供视频AI算法与云边协同算法能力，提高监控数据价值，减少运维与部署成本；
AI-BOX典型场景描述---社区
AI-BOX典型场景描述---商圈、旅游、楼宇等
AI-BOX典型场景描述---城管柔性执法
AI-BOX典型场景描述---道路管理
其他典型场景
10） AI-BOX产品POC套装
口述不如PPT，PPT不如视频，视频不如直接让客户现场看效果；产品提供演示套装，开箱即用，0基础15分钟搭建演示环境，直接看到算法效果。
11）AI-BOX+LinkVisual产品架构
窄：希望AI可以创造价值，但是上行难上云难；
贵：碎片场景已有存量终端设备，更换要花很多钱；
累：事后想升级，想调优只能人工跑现场；
12）AI-BOX算法能力
注： 原子算法能力，可以适配在AI-BOX中。配套算法能力，一并可以提供，每个算法的测试报告与说明书；
| 大类 | 算法名称 |
| 人 | 人脸识别（1：N） |
| 人证比对（人脸1：1） | |
| 人脸检测 | |
| 人脸跨摄像头轨迹追踪 | |
| 奔跑、徘徊、逗留 | |
| 人员聚集 | |
| 人员流量、热度 | |
| 以图搜图 | |
| 人员轨迹 | |
| 小孩防走失 | |
| 人员结构化（性别、外貌、年龄区间） | |
| 机 | 车识别（一级结构化） |
| 车脸识别 | |
| 车牌识别 | |
| 非 | 横幅检测 |
| 围栏、攀爬 | |
| 区域卫生、区域占用（消防通道等） | |
| 吸烟、明火 | |
| 安全帽、规范着装 |
扫一扫
442
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
