边缘计算应用场景及案例梳理

以下是我对边缘计算应用场景及案例的简单梳理。

1.智慧城市领域

智慧城市是指运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、 建设、管理和服务智慧化的新理念和新模式。作为 ICT 技术赋能城市发展的一种新思路、新方案， 智慧城市经过十多年年的发展，正在经历从功能阶段到性能阶段的关键转换期，局部的智慧城市建 设取得一定成效，智慧城市急需从“局部智慧”到“整体智慧”，智慧城市的经济性和系统性正在从自 发走向自觉。

市容巡检场景

城市物业的综合巡查包括市容巡查、城市公共设备设施巡查、小散工程和零星作业安全巡查等服务， 目前普遍采用人工巡查的模式，人工巡查模式存在耗时费力成本高、过程依赖个人、覆盖面和巡检 频率不佳、质量管控不严的问题。同时在巡查过程中记录了海量的数据，这些数据资源未转变成数 据资产为业务赋能。

万物云（2602.HK）致力于打造产业级共享服务平台，基于空间物联技术及应用，为业主、客户和 合作伙伴，创造更大更多元的价值。通过将 AI 技术应用于移动巡检场景，万物云创新打造了城市 治理 AI 智能巡检车，该车采用物联网、云计算、AI 算法等技术，搭载高清摄像头、车载显示屏、 AI 边端服务器等专业设备，结合“智慧系统+智能机器+员工辅助”的巡查机制，推动城市治理由人员 密集型向机械智能化转变，由经验判断型向数据分析型转变，从被动应对型向主动发现型转变。 万物云通过能源监控、能源统计、能源消费分析等方式，让电力、燃气、热力、水等各种能源介质 及资源消耗信息可视化，通过开展重点耗能设备和重点用能区域的识别与分析，帮助自身和客户及 时了解和掌握科学精准的数据，挖掘节能潜力，目前该类水电节约工作已经在物业管理中付诸实践。

2020 年，武汉江汉区引入了万物云首创的“物业城市”模式——围绕城市管理、市政养护、物业管理 等相关业务，进行一体化统筹运营。江汉区国资平台武 汉金融街集团与万物云城合资成立武汉市江汉城市资源 经营管理有限公司，万物云智能 AI 巡逻车通过“机器+ 人”的协同机制，实现辖区全域智能运营，推进江汉区 从城市“治理”向“智理”转变。该车配备 4 个高清摄像头 并搭载全景云台，可以 360°无死角转动，车内还配置 有遥控手控器、车载显示屏和平板电脑，车后部装有 “灵石”边缘服务器等专业设备。

高空防抛物场景

城市高空抛物事件屡见不鲜、屡禁不止，一直以来备受关注，这种不文明行为所带来的社会危害巨 大。该行为大多发生于高空楼层，事假持续时间短，目击者少，事后公安部门执法难度高、成本大。 作为英特尔物联网解决方案聚合商，太一物联科技推出的空间守护者 G1 是一款专为高空抛物现象 设计的边缘计算设备，致力于保护城市居民的安全。

太一物联高空防抛物方案 拓扑图

空间守护者 G1 基于 AI 和 IoT 技术，通过深度学习算 法能够快速精准识别抛物 物体，溯源高空抛物行为 发生的全过程，实现有效 地监控、取证、追责及管 理，并将相关告警信息推 送到相关人员的管理端， 使高空抛物事件得到第一 时间处理。 该产品方案包括 AIBox、高抛算法和管理平台，适用于园区和社区等场景，具有 7*24 小时全天候 巡检、5*5 像素以上精准识别、识别速度最快达 0.8s 等优势。

2.智能交通领域

《数字交通“十四五”发展规划》提出，深入推进“交通设施数字感知，信息网络广泛覆盖，运输服务 便捷智能，行业治理在线协同，技术应用创新活跃，网络安全保障有力”的数字交通体系。云边端 架构已成为智能交通行业应用部署的基本范式，云侧负责集中式管理以及部分数据处理，边侧主要 提供边缘端数据分析计算决策处理，端侧主要负责业务数据采集。 在车路协同、全息路口、自动驾驶、轨道交通等具体场景中，有大量的异构设备接入，这些设备需 要进行接入管理、退出管理、告警处理、运维处理。边缘计算可以分而治之、化大为小，提供跨层 协议转换功能，实现异构数据的统一和稳定接入乃至协同控制。

全息路口场景

 全息路口是交通管理智慧化改造典型场景之一，通过智能边缘计算单元将路口多方向的视频、雷达 等多维感知数据统一接入、解析、拟合，融合智能传感器、AI 算法、边缘计算、高精度地图等技术 生成“全面、准确、实时、精细”的交通数据，实现路口的全息感知。 通过采集及分析道路交通数据，如车流量、平均速度、排队状态、车头时距、间距、区域停车数、 平均延误、空间及时间占有率等数据，解决传统路口单视觉感知、信号灯固时和事后分析等痛点问 题，能够为道路交通信号自适应控制、溢出控制、路口仿真等提供精确数据支撑和可视化体验，辅 助交警提高管理效能，提升路口通行效率。 百度智能交通推出 AIR 智能道路系统。AIR 基于路侧边缘计算 MEC 设备，聚焦数字化标准路口建设， 采用多源异构传感器系统和标准化部署方案，对全量交通对象、违法行为、交通流量、交通事件、 预警信息进行实时检测，实现路口全息 感知。华为 2022 年推出了智能交通微 边缘 ITS800，主要为全息路口提供服 务，通过智能交通实现路口数据，特别 是雷达和视频的数据融合。

上市公司万集科技 2022 年完成苏州工业园区金鸡湖湖西片区 17 个路口的全域感知覆盖，通过路侧 感知、通信、智能站台等基础设施，实现车-路-场-云互联互通。在雄安容东片区全息路口项目， 基于感知融合、V2X 交互、数字孪生等技术，结合电信数据资源处理、边缘服务等能力，实现了基 于全息路口全要素数字化重构、交通参与者感知、道路交通行为检测、事件检测、V2X 云车两端的 感知和信控真实场景触发等。

轨道监测场景

 边缘计算在轨道交通的应用十分普遍，特别在一些对现场安全要求高、并可在断网条件下也可正常 工作的场景，边缘计算是云计算的补充和延伸，能实现智能化的实时数据处理等功能。 轨道异物检测是边缘计算在轨道交通领域的高效应用场景，旨在提高实时监测和数据处理的效率， 以确保现场的高安全标准并满足断网条件下的要求。近年来，铁路入侵检测问题成为各国铁路运输 安全关注的热点问题，当轨道出现滚石、行人、动物等异物时，列车需要进行紧急制动避让等操作， 可能导致列车晚点或停运，甚至会导致列车脱轨、出轨、撞击等事故，不仅影响整个铁路运输系统， 更严重威胁人民生命财产安全和铁路运输经济的发展。 传统的轨道检测主要是依靠人力，通过在全国范围内设置大量专业巡路人员来达到轨道检测的效果。 这种方式虽然能够准确地检测出安全隐患，但过于浪费人力和财力，但对于紧急事故反应不够及时， 将会大大增加安全事故发生的几率。因此，建设智慧化轨道交通体系势在必行。

英码科技轨道异物智能识别方案利用轨边安装的摄像头，对摄像头覆盖的区域实时连续的采集，通 过 RTSP 或者图片传输协议，将图像传输到 AI 工作站，对采集到的图像进行智能分析，实现对轨道 动态实时监测，识别分析结果可以实时传输给上层平台进行告警上报，从而提高作业效率和作业质 量，加强轨道安全监控，更好地保障列车行驶安全。 英码科技“深元”AI 工作站，可提供多层次算力，支持 4~16 路 1080p 视频结构化；内置人员入侵、 动物入侵、异物检测、落石检测、泥石流检测、工具遗落、水浸检测等多种 AI 视觉算法。

3.石油化工领域

截止 2022 年，中国石油和化工规模以上企业数量达 28760 家，全年石油和化工行业实现营业收入 16.56 万亿元，实现利润总额 1.13 万亿元。目前我国的石化行业正朝着装置大型化、炼化一体化、 产业集群化方向发展，为石化厂区安全生产场景的边缘计算提供了广阔的市场空间。

安全生产场景

 油库作为石油产品的“蓄水池”，在油品销售过程中发挥着重要的中转作用。石油产品在油库静态存 储过程中由于其自身的物理、化学性质，以及自然、人为等因素共同作用，易引发安全事故，是重点管控的重大危险源。因此，油库的设备安全、作业安全至关重要。 通过智慧感知设备对储罐区进行 24 小时实时智能监测，并利用视觉 AI 管理平台在统一汇聚数据的 基础上赋予智能分析能力，能够及时发现烟雾、明火等异常情况并预警上报风险，同时识别异常人 员入侵、人员聚集、人员吸烟等风险行为并实时预警，帮助管理人员实时掌控储罐区的运行情况， 助力该油库有效的进行风险管控，进而实现安全管理体系的优化和管理效能的提升。

奔迈科技是一家专注并精通于将基于嵌入式边缘计算的机器视频算法与端、边、云各类硬件有机结 合，从算法、嵌入式系统、硬件设计到软件系统平台，拥有整套自研产品体系的企业。通过应急管 理、化工、电力、公安、消防、文化、水利、农业等 2000 多个项目的实际应用，奔迈科技已成长 为一站式服务于众多行业，并为各行业进行 AI 赋能的“互联网+物联网+AI 视频”落地型系统解决方 案提供商。

加油站场景

中国石油流通协会数据显示，截止 2022 年底，中国在营加 油站总数超过 10 万座。其中，中石化 3.08 万座，中石油 2.24 万座， 中海油、中化（道达尔）、延长石油、壳牌等国 有和外方独资企业各有 1000 多座，其余 4 万多座主要是民 营加油站。

加油站属于易燃易爆场所，安全防范工作极为重要，目前国内所有的加油站都已经安装监控系统， 在加油区安装摄像头，分析识别是否有人抽烟和打电话，在卸油区安装 1 个边缘计算盒+N 个摄像 头，主要分析识别卸油时工作人员是否在离岗、工作人员穿戴是否合规、静电夹是否连接、灭火器 是否正常摆放。 以卸油区为例，系统检测到油罐车到达卸油区后，通过检测卸油口是否打开来确认是否为卸油状态， 如果在卸油中，则检测工作人员是否在岗，如果工作人员在岗则检测其有无佩戴安全帽，如未佩戴 安全帽超过设定的时间间隔时（一般为数秒），产生抓拍预警事件上传并语音提醒(自定义文本，如 “请佩戴安全帽”)，系统将自动将文本转换为语音播放。

鲲云科技为山东地区数百家加油站建设智能视频监控系统，包括打电话识别、抽烟识别、烟火识别、 人员离岗识别、灭火器摆放识别、静电释放时间检测等智能算法，实现了加油区和卸油区等事故易 发、多发部位和环节的智能检测预警功能。此外，鲲云科技与某集成商合作，在河南多地市建设智 慧加油站试点，充分利用 加油站原有的监控设备，加强场所智能化安全管理。

4.工业制造领域

工业现场的很多数据保鲜期很短，一旦延误处理，就会迅速变质，数据价值呈断崖式跌落。为了解 决数据实时性问题，应用边缘计算是时之所驱。工业生产特殊性对边缘计算提出了具体要求：一是 工业设备通信协议繁多，边缘计算需要处理各种制式的网络通信协议转换、互联互通。二是工业生 产要求计算能力实时、可靠，部分场景要求计算处理的时延不超过 10ms。三是许多任务业数据有 私密性要求，要保证数据不流出产区，所以边缘计算成为必须。 为满足工业现场边缘计算需求，用户要求将 5G 网络的数据转发功能 UPF 下沉到企业侧的园区机房， 园区内的各类终端通过 5G 基站直接将相关数据通过 UPF 分发到企业侧的边缘计算平台，由边缘计 算平台上的各类应用提供诸如产线控制、质量检测等生产性功能。

生产流程优化场景

 当前大量离散制造系统受限于数据的不完备性，整体设备效率等指标数据计算比较粗放，难以用于 效率优化。边缘计算平台基于设备信息模型实现语义级别的制造系统横向通信和纵向通信，基于实 时数据流处理机制汇聚和分析大量现场实时数据，实现基于模型的生产线多数据源信息融合，为离 散制造系统的决策提供强大的数据支持。 例如，在汽车制造厂，如果工人必须步行到不同的地点来完成任务，则效率低下，而传感器有助于 分析工厂空间如何使用、谁在使用以及为什么使用。边缘计算平台为离散制造业提供决策和效率优 化能力。边缘计算可以有效支持物料的标识和可追溯性；设备和产线的实时状态监控；现场操作指 导和操作优化；自适应的生产调度和工序的优化；上下料和车间物流环节的优化。

桐昆集团股份有限公司是一家以 PTA、聚酯和涤纶纤维制造为主业的大型股份制上市企业，地处浙 江桐乡市。在桐昆集团未来工厂，借助 5G 技术等，数字平台与上千条产线、近 3 万台设备相连， 日夜不停采集 150 万余个数据点数据。只需几分钟，算法就可整合库存、成本、订单等信息，排出 最优生产方案，及时将具体转产方案下达对应工厂。

在钢铁等流程行业，传统控制方式是 PID（比例-积分-微分）控制，缺点是难以处理多变量和控制 滞后。目前，有些工业控制企业集成了模型预测控制软件系统作为系统级边缘计算载体，通过利用 预测模型、系统历史数据以及未来输入来预测系统未来的输出。这种控制系统能够通过降低系统反应时的波动振幅来改造整体工艺的效果和量化价值，达到降低能耗、减少碳排放的核心目的。 流程行业是闭环工艺流程，每个工艺的数据节点位置不同，在设备单元层级，部署边缘计算功能， 对工艺设备、风机、水泵等单体设备进行诊断、预测分析保证工艺参数稳定；在 DCS 系统之上部 署边缘计算系统，对整个生产工艺的各个连续工序的计算优化，给出最优解，并且闭环执行指令。 在轧钢系统中，大功率电动机工作期间的温升会影响电动机的使用效率，一般通过通风等方式降低 电机工作温度。利用基于现场控制器 PLC 框架的边缘人工智能计算模块，可以找到 工作主电机的温升与风机电机频率的关系， 当工作主电机温度异常升高，自动停止主 电机运转或改变通风系统的频率，以此来 提高电机运行效率，减少能源浪费和降低 电机损坏的可能性。

设备预测性维护场景

工业设备的维护分为三种：修复性维护、预防性维护和预测性维护。修复性维护属于事后维护，预 防性维护和预测性维护均属于事前维护，前者基于时间、设备性能、现场使用工况等综合因素对设 备进行定期维修，更多还是凭人的经验，后者则通过采集传感数据，实时监控设备的运行状态，基 于工业模型进行数据分析，准确预测故障何时发生。 设备的性能状态可以用一条缓慢劣化的曲线表示，P 点为潜在故障点，F 为功能故障点。如果在 P 点之前进行维护则属于预防性维护，即为过度维护，在 F 点以后进行维护则属于修复性维护，往往 会伴随严重的损失，在 P 点之后 F 点之前进行维护相对而言是最经济的，因而寻找和确定 P-F 的间 隔愈发重要。

设备性能劣化曲线（P-F 曲线），AIoT 星图研究院绘制

因此，预测性维护不但可以提前识别设 备故障，避免功能性故障带来严重损失， 而且可以协助确定最佳维修时间，减少 非必要的预防性维护费用支出，缩短停 工时间。但是预测性维护对技术水平和 数据采集、监测、处理、分析等能力提出了更高的要求，前期成本也较高，企业往往没有动力自行研发预测性维护所需的设备、软件等，因此与外部的智能运维公司合作成为较为普遍的模式。 预测性维护能够有效降低人员工作量、减少现场停机时间和提高设备使用寿命，但目前其应用在传 统流程行业并未广泛铺开。相关数据显示，2020 年我国制造业中实行预测性维护的企业仅占 14%， 东吴证券预测显示，2025 年风电、钢铁、煤炭和石化等行业预测性维护潜在市场合计超 400 亿元。

以风电行业为例，由于风电场选址比较偏僻，地理环境条件相对恶劣，且各风电场相距较远，风电 场内部风机数量较多，故该行业市场对设备状 态监测与故障诊断需求较为迫切。但是风电运 维领域的竞争日益激烈，目前从事风电运维服 务的企业有三类：整机制造商、风电场开发商 和第三方运维服务商。相较于制造商和风电场 开发商，第三方运维服务商的议价能力较弱， 但入局较早的公司仍有较大的竞争优势。