边缘计算的智能消防：机遇与挑战笔记

1、传感器、无人机、可穿戴设备和大规模数据分析的引入，产生了智能消防这一领域。智能消防需要收集大量实时场景数据，并对其进行高级处理，为消防提供有用的信息。及时性和准确性是必须满足的两个特性。文章中实验结果表明，边缘计算的引入至少可以减少50%的时间延迟。
2、火灾现场大量的现场数据若不进行正确处理，甚至可能会误导消防人员。因此，火灾现场数据处理属于计算密集型和能源消耗型。而云计算范式由于其低成本，因此，较适用。但数据传输会产生额外延迟。现场数据体积和数量庞大，致使云计算不适用于时间关键的场合。
3、边缘计算是一种可分解式的新型分布式计算，其将计算负载分离成小元素并分配到边缘节点上进行处理，本身靠近数据源，适用于时间敏感数据的操作。可以与云计算组成混合模型。
4、智能消防
（1）三要素：收集数据---->处理、分析、预测---->结果有效传播给火灾响应者并可能给出智能决策
（2）应用程序
①情景意识
改善态势感知，进行危险检测、人员健康状态识别等许多方面。如下：
本地化和跟踪，
实现几秒钟内就可以预测消防员位置，及时性准确性要求较高。目前常使用无线电测距但低精度、云架构但有时间额外延迟，因此面临挑战。
危险检测和成员计数，
人体、监控摄像头进行视频分析。危险如毒气检测、墙壁倒塌、天花板跌落等。需要大量计算，从而需要云架构，但又会对实时性造成影响。
②智能安全决策通信系统
数据数量过大，可能误导决策结果，常常取决于机器学习和人工智能。如，AUDREY，但其只能运行在远程云上，增加时延。
③Fireground 3D建模
更清楚的显示消防员位置（如哪一个楼层、哪一个房间），但需要楼层内外部平面图等多个参数，不容易实现。目前有FAST项目采用无人机进行拍摄。
5、边缘计算
（1）两个机遇
及时性：本地处理
准确性：节点计算能力，需要强大的计算芯片
（2）系统架构
智能消防系统中，消防员本身可以携带移动设备或者依靠本地设备向基站发送数据信息，消防车上本身具有一个计算基站，或者是一台笔记本电脑，进行信息处理，并返回结果，基站与远程云之间传输时间不敏感数据或者是需要进行历史分析的数据。对于网路，有移动宽带设备，还可以形成无基础网络的新网络，还有公共wifi或无线电wifi。
（3）挑战
①边缘服务器设置在哪里 ？
图2中的边缘节点最适合，计算和存储能力都很强大，但是有很多挑战。现场传感器与网关节点的网络连接不可靠，如停电、无线电干扰、建筑材料和地理位置。因此，可以在现场设备上部署服务器，如笔记本电脑、无人机等。但是现场传感器的计算能力低，可以应用Apache Edgent技术提高计算能力。
对于复杂应用程序，可以进行子任务分离，最后合并结果，也可以选择包含高级芯片的硬件，如NVIDA的GPU。
②负载平衡和节能
边缘设备由电池供电，容易耗尽。可以使用动态边缘服务器，使用合格边缘设备自动进入或者退出。
③轻量级数据处理和算法
边缘节点有一定的工作负载，需要降低计算复杂度。
④任务分区和卸载工作
如何从能源角度划分子任务