毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

中電信智能網絡科技有限公司焦建鋒，龐勇，謝谷陽

1　引言

隨著數字化浪潮席卷各行業，重載鐵路的數字化轉型已成為提升綜合競爭力、滿足日益增長運輸需求的核心路徑。在這一轉型進程中，云計算與邊緣計算的協同應用嶄露頭角，成為推動重載鐵路技術革新的關鍵力量。

重載鐵路的運營環境極為復雜，涵蓋長距離線路、多樣地形地貌以及大量分散的設備設施。車地通信、機車通信和地面通信等各類業務不僅數據量龐大，而且對實時性、可靠性要求近乎苛刻。傳統的網絡架構與計算模式在處理這些復雜業務時，逐漸暴露出響應遲緩、數據傳輸壓力大等弊端，難以滿足重載鐵路高效、安全運營的需求[1]。

云計算憑借強大的計算能力、海量存儲和靈活的資源調配優勢，能夠對重載鐵路產生的海量數據進行深度分析和處理，為運輸調度、設備維護等提供精準決策支持。邊緣計算則靠近數據源和用戶終端[2]，具備低時延、高帶寬的特性，可在本地快速處理設備數據，減少數據傳輸負擔，保障實時性業務的高效運行。將二者協同應用于重載鐵路領域，能實現優勢互補，構建更為智能、高效的鐵路運輸體系[3]。

以朔黃鐵路為代表，其率先開展的相關實踐已取得顯著成效。深入剖析朔黃鐵路中云計算與邊緣計算的協同應用案例，不僅能為朔黃鐵路自身的持續優化升級提供有力依據，還能為其他重載鐵路的數字化轉型提供寶貴的借鑒經驗，助力整個重載鐵路行業在智能化發展道路上邁出堅實步伐。

2　重載鐵路的5G場景業務需求

常見的重載鐵路沿線的應用場景對通信的需求可見表1。

表1 常見重載鐵路典型業務需求表

未來的鐵路通信應提供更可靠的無線覆蓋，包括沿鐵路線的連續廣域覆蓋、鐵路場站和熱點區域的覆蓋、鐵路地面基礎設施的監控，以及為智能列車提供的寬帶智能應用。重載鐵路沿線存在橋梁、山區、隧道等復雜場景，不同場景導致無線通信的信道特性差異很大，這給5G通信的性能帶來了新的挑戰。

從業務需求角度出發，信號覆蓋、熱點增強及帶寬滿足是重載鐵路5G通信建設的關鍵步驟，而這背后都離不開高效的數據處理與傳輸技術支持。5G通信與云計算、移動邊緣計算（MobileEdgeComputing，MEC）的結合正是應對這些挑戰的重要技術手段。

3　重載鐵路MEC邊緣計算應用場景

如圖1所示，重載鐵路場景的MEC自下而上地從承載網、核心網、運維平臺、生產場景應用等四個層次來構建完整的邊緣計算服務。

圖1 重載鐵路MEC邊緣計算應用場景示意圖

3.1　MEC助力承載網高效傳輸

基于電信“骨干+省內”兩級承載網，合理利用4G傳輸資源，構建“總部+各省”的星形網絡，通過MPLS-VPN、IPRAN專線，實現用戶信令及業務數據高安全、高隔離、高可靠的傳輸，同步實現業務的差異化調度。

圖2 以朔黃鐵路為例的跨省5G專網承載網建設示意圖

圖2以朔黃鐵路為例，其充分利用朔黃自有承載網，在四省與電信STN分別對接，各省市地區的自有5GC遵照就近原則接入大網5GC和基站，從而提高傳輸效率緩解承載網輸送負荷[4]，實現業務低時延傳輸，業務數據靈活本地分流。承載網中通過RAN和EPC兩個VPN對業務流量和信令進行邏輯隔離，保證客戶數據安全性。同時流量和信令均匯聚在總部全量5GC上，由總部進行統一管理和簽約。

3.2　MEC賦能核心網架構優化

針對跨省市的組網問題，我們提出“總部集約管理、分省就近接入、高度自主運營、多級可靠保障”的一張統一5G專網核心網。該核心網采用5GC全下沉式的高隔離專享網絡，而并非僅僅將UPF網元下沉，在保證了業務高可靠、高穩定性的同時，支持向未來5G-R網絡私有頻率運營平滑演進。

5GC全下沉模式的業務控制面部署在專網而非大網，可以根據業務需求在專網進行定制化功能研發，高效支持創新業務研發。從安全的角度上考慮，它與5G公網完全物理隔離，自帶專網安全產品，不需要邊界安全設備，同時具備異地容災能力，業務可靠性極高。

圖3 以朔黃鐵路為例的跨省5G專網核心網建設示意圖

如圖3所示，以朔黃鐵路為例，其采取“總部+分省”的分布式架構。該架構在河北總部下沉全量5GC網元（包含UDM、PCF、AUSF）[5]，實現用戶開卡、用戶鑒權、策略控制的總部集約式管理；在天津、山東、山西各省下沉輕量化5GC，將業務數據就近接入，在本地靈活分流，以此來保證業務傳輸的低時延。省與省之間實現業務跨省無縫漫游，確保了業務的連續性，在保障核心功能的同時，實現輕量化、低成本以及本地簡化運維。

核心網側能夠提供較快的計算和存儲能力，但如果依賴核心網側處理大量的業務數據，會直接影響到時延敏感性業務的傳輸質量。僅僅下沉計算資源的方式，在一定程度上解放了通信網絡資源，但依然存在迂回路由，無法有效降低時延，浪費回傳帶寬。將部分業務功能部署在本地MEC上，可以實現區域化的數據實時采集、存儲和分析，保障時延敏感性業務就近接入[6]。

3.3　MEC協同云計算的全云化定制網

更進一步地，通過如圖4所示的統一云網底座的全云化定制網，將計算資源與網絡能力協同下沉，使得邊緣計算與云計算協同合作，實現更快的數據分析處理，時延敏感應用數據直接在本地實現閉環處理。

圖4 基于統一云網底座的全云化定制網架構示意圖

基于輕量級云網底座，將MEC邊緣計算與云化網元協同部署，同時開放本地化運維與管理功能。通過服務門戶，鐵路運維人員能夠便捷地對服務器、交換機和防火墻等設備進行管理，對虛擬機的生命周期進行操作，對各類資源進行合理編排。性能監控中心則實現對鐵路沿線物理設備的全面納管，包括對軌道監測設備、供電設備等的狀態監測。同時，向運維人員提供鐵路終端設備納管、鐵路系統運行監控、系統通告警及智能巡檢等功能，確保及時發現并處理設備故障、網絡異常等問題，保障重載鐵路的穩定運行。

3.4　MEC統籌智能管控數字化平臺

為支持重載鐵路沿線各省市的5G專網統一管理，實現網絡“可管、可視、可運維”，本方案提供一套網絡與業務深度融合、業務智能決策的網絡數字化平臺。

融合MEC的數字化平臺具備網絡智能管理、業務智能分析、終端統一納管等功能，同時兼顧了邊緣算力的靈活拓展。網絡管理模塊不僅支持5G網絡，還支持PON（無源光網絡）以及Wi-Fi等多種不同類型的網絡的接入，實現對這些多樣化網絡的集中調控、實時監測以及配置優化。

圖5 以朔黃鐵路為例的跨省5G專網數字化平臺結構示意圖

數字化平臺基于主流架構方案，采用分層架構、微服務架構、事件驅動架構，將系統劃分為不同的層次，以實現關注點分離并降低模塊之間的耦合度。該平臺基于自研智能采控引擎，支持多種網絡通信協議接口，兼容多廠商網管平臺、網絡設備及智能終端，實現設備數據的自動化采集，提供跨廠商資源數據的標準化、多層級網絡系統的統一化管理；其基于實時、離線數據處理方式，通過指標構建、多維分析的方式，對數據進行清洗處理，配套智慧大屏進行數字化監控展示；其采用任務調度、實時指令下發的方式，對設備與網絡進行定期維護、實時調控。同時，該平臺以邊緣探針、CPESDK、性能指標測量、告警故障分析等輔助手段，關聯業務報文解析、隧道報文解析和用戶面信令面的數據，實現連接級的路徑還原，并輔助業務流識別，從而實現鐵路故障定位定界，便于鐵路管理人員及時發現排查相關風險。

3.5　MEC集成通用接口能力

MEC平臺除了提供輕量的能力承載基礎設施和穩定靈活的網絡接入能力之外，如圖6所示，還提供統一的北向服務接口標準，助力朔黃輕松引入新應用、新服務，無需對現有系統進行大規模修改，可以支持更靈活的業務加載和更復雜的生產場景覆蓋[17]，為重載鐵路提供了全面的數字化轉型解決方案。

圖6 MEC集成通用接口能力示意圖

例如，充分統籌物聯網、邊緣計算、人工智能、機器學習等先進技術，該平臺構建了可實現智能化推演、小型化組裝、模塊化增減、集成化管理及應用的機車車輛關鍵部件健康狀態檢測系統。車載檢測系統和部件應用北斗、5G、星閃等現代先進通信技術，實現傳感層、數據層、應用層數據高效無線通信。該系統應用人工智能和機器學習技術，嵌入底層算法，實現關鍵部件及系統故障檢測和壽命預警，精準指導機車車輛檢修運維。該系統面向影響重載貨車運營的痛點、難點問題，挖潛影響安全及運輸效率的關鍵因素進行實時監測，實時掌握機車車輛健康狀態，實現影響安全故障實時報警、實時研判、實時處理，保障了重載運輸安全，實現關鍵部件壽命預測、檢修研判、計劃處理，提高了重載運輸效率。

4　結語

在重載鐵路數字化轉型進程中，云計算與邊緣計算的協同應用成為提升鐵路運輸效率、保障運輸安全的核心驅動力。本文以朔黃鐵路為切入點，深度剖析二者協同在重載鐵路場景下的創新實踐。

面對重載鐵路復雜多樣的業務需求，如車地通信、機車通信及地面通信等，云計算與邊緣計算緊密協作。

在核心網架構方面，采用“總部集約管理、分省就近接入”的5GC全下沉式架構，邊緣計算實現區域化數據實時處理，減少業務時延；云計算則負責集中式管理與資源調配，保障核心網穩定運行，支持業務創新研發。統一云網底座實現云邊協同計算，基于輕量級云網底座，邊緣計算設備實時采集處理鐵路沿線設備數據，如軌道監測數據、列車運行數據等，云計算提供大規模存儲與深度數據分析能力，二者協同完成對海量數據的高效處理，保障鐵路系統穩定運行。

在承載網建設上，通過構建“總部+各省”的星形網絡，利用電信兩級承載網和朔黃自有承載網，邊緣計算負責本地數據分流與傳輸優化，云計算則保障數據在廣域網絡中的可靠傳輸與統一管理。融合MEC的智能管控數字化平臺，借助云計算的強大存儲和計算能力實現數據的深度分析與挖掘，通過邊緣計算實現對各類網絡設備和終端的實時管理與控制，達成網絡“可管、可視、可運維”。

未來，隨著技術的持續發展，云計算與邊緣計算在重載鐵路領域的協同應用將不斷深化。一方面，二者的協同將助力打造更多“5G+產業深度融合”的創新應用，推動重載鐵路智能化發展；另一方面，針對車地數據傳輸等關鍵業務，二者將進一步優化數據傳輸性能，研究提高數據傳輸完整性、穩定性和可靠性的技術，滿足重載鐵路日益增長的數字化需求，為鐵路運輸行業的變革注入持久動力。

作者簡介：

焦建鋒（1981-），男，北京人，高級工程師，現就職于中電信智能網絡科技有限公司，研究方向為邊緣計算，包含工業互聯網、車聯網等。

龐　勇（1984-），男，江蘇南京人，系統分析師，現就職于中電信智能網絡科技有限公司，研發方向為5G網絡、云網融合。

謝谷陽（1998-），男，江蘇南京人，研發工程師，現就職于中電信智能網絡科技有限公司，研發方向為5G網絡、DPI技術。

參考文獻：

[1] Ai B, Molisch A F, Rupp M, et al. 5G key technologies for smart railways[J]. Proceedings of the IEEE, 2020, 108 (6) : 856 - 893.

[2] 韓曉非, 宋青蕓, 韓瑞寅, 等. 移動邊緣計算卸載技術綜述[J]. 電訊技術, 2022, 62 (9).

[3] 劉佳佳, 吳昊, 李盼盼. 鐵路5G移動通信系統邊緣計算安全研究[J]. 計算機工程與應用, 2021, (12).

[4] Zhang L. Key management scheme for secure channel establishment in fog computing[J]. IEEE Transactions on Cloud Computing, 2021, 9 (3) : 1117 - 1128.

[5] 葛偉濤. 鐵路5G網絡邊緣計算技術研究[J]. 鐵路通信信號工程技術, 2023, 20 (2).

[6] 王同軍. 中國智能高速鐵路2.0的內涵特征、體系架構與實施路徑[J]. 鐵路計算機應用, 2022, 31 (7).

[7] 谷曉會, 章國安. 移動邊緣計算在車載網中的應用綜述[J]. 計算機應用研究, 2020, (6).

[8] 李毅, 董根才, 藺偉, 等. 邊緣計算技術在鐵路5G移動通信中的應用研究[J]. 中國鐵路, 2020, (11).

[9] 楊興磊, 魯玉龍, 張俊堯, 等. 基于邊緣計算的智慧鐵路工地生產管理系統[J]. 鐵路計算機應用, 2020, (10).

[10] 武繼剛, 劉同來, 李境一, 等. 移動邊緣計算中的區塊鏈技術研究進展[J]. 計算機工程, 2020, (8).

[11] 艾渤, 馬國玉, 鐘章隊. 智能高鐵中的5G技術及應用[J]. 中興通訊技術, 2019, (6).

[12] Liu J, Mao Y Y, Zhang J, et al. Delay-optimal computation task scheduling for mobile-edge computing systems[C]// Proceedings of 2016 IEEE International Symposium on Information Theory, 10-15 July, 2016, Barcelona, Spain. New York, USA: IEEE, 2016 : 1451 - 1455.

[13] Mao Y Y, Zhang J, Letaief K B. Dynamic computation offloading for mobile-edge computing with energy harvesting devices[J]. IEEE Journal on Selected Areas in Communications, 2016, 34 (12) : 3590 - 3605.

[14] 張維真, 石平剛, 任爽. 移動邊緣計算在鐵路行業的應用[J]. 鐵路計算機應用, 2024, 33 (3) : 19 - 25.

[15] 郜城城, 周旭, 范鵬飛, 等. 移動邊緣計算技術在高鐵通信網絡中的應用[J]. 計算機系統應用, 2018, 27 (8) : 56 - 62.

[16] 劉語馨, 陳姝, 鐘章隊. 邊緣云技術在智能鐵路中的應用[J]. 鐵道通信信號, 2019, 55 (S1) : 7 - 12.

[17] 張心宇, 王喆, 郭歌, 等. 鐵路信息系統云邊協同體系架構研究[J]. 鐵路計算機應用, 2022, 31(10).

摘自《自動化博覽》2025年2月刊