★云南工商学院智能科学与工程学院 苏为斌 

★中国医学科学院阜外医院结构性心脏病中心 王首正 

★云南斗兰智能科技有限公司 董家瑞 

★昆明鼎邦科技股份有限公司 陈巍 

★中国电信股份有限公司云南分公司 杨捷 

★云南工商学院智能科学与工程学院 张锦盛 

摘要：智能汽车、无人机或工业智能化生产线，在边缘计算提供的共享式传感 网和共享式算力资源帮助下，能够有效降低成本，扩大感知范围。传统的通信 网络虽然实现了全球统一的广域连接，但在动态更新局部域通信过程中，远距 离的传感器对于受控对象所处空间控制的意义并不大。为了提高区域通信的实 时响应，通信网络需要随着汽车、无人机或生产线物流的空间位置变化进行动 态局部组网。基于此，本文介绍了一种新型的边缘计算分布式通信网络，提出 了动态更新域标识架构，该架构内的各终端节点根据空间所处位置自动地构造 局域通信簇，并基于该簇进行动态轮询访问。该方法能够实现近距共享传感器 和人工智能算力，降低了单机智能化成本，对于人工智能项目落地和技术推广 具有一定的促进意义。 

关键词：边缘计算；DDS；域标识；人工智能 

Abstract: With the help of shared sensor networks and shared computing resources provided by edge computing, intelligent driverless cars, unmanned aerial vehicles or industrial intelligent production lines can effectively reduce costs and expand the range of sensors perception. Although the traditional internet has realized the global unified wide area connection, in the process of dynamic network address for updating local area communication, the remote sensors are useless for controlling objects compared to local sensors. In order to improve the real-time response of regional communication about controllers and controlled object devices, the network needs dynamic local connecting with the spatial location changes of cars, unmanned aerial vehicles or production line logistics. Based on this, a new type of edge computing distributed communication network and a dynamically updated domain identity architecture have been proposed in this paper. Each endpoint node can automatically construct a local cluster according to its location in space for signal transfer, and dynamically polls and accesses the cluster based on the cluster. It can realize close sharing of sensors and AI computing power and reduce the cost of building a comprehensive  intelligent control system compare to traditional singlemachine AI systems. It has certain promotion significance for the implementation of AI comprehensive projects. 

Key words: Edge computing; DDS; Domain ID; AI

 1　引言 

随着人工智能（Artificial Intelligence，AI）技 术的发展，社会对于智能化项目落地的需求越来越旺 盛。在AI技术研究中，国内学者更加关注算据、算力和 算法，并把它们定义为AI的三大核心要素[1]。然而，对 于承载AI运行的硬件网络底层结构则研究较少。本文 从边缘计算视角出发，将过往AI技术的网络底层结构以 及经历的发展阶段定义为单机智能和云计算整合两个阶 段。近年来，新型的边缘计算网络也随之出现，本文将 在介绍该网络的同时，提出具有动态域标识的近距轮询 方法。

 在单机智能阶段，自动驾驶汽车或无人机安装大 量传感器和算力模块，如激光雷达、毫米波雷达、定位 模块、多目摄像头及人工智能服务器等，虽然能够提高 单机智能化水平[2]，但也增加了汽车或无人机的硬件成 本。在部分特殊场景，比如小型穿越型无人机领域，由 于负载有限，机载众多传感器导致自重增加，限制了无 人机的开发应用。在工业控制领域，单控制器与传感器 和执行器的强耦合关系，导致自动化生产线功能单一， 缺少生产柔性度。

在 云 计 算 整 合 阶 段 ， 物 联 网 （ I n t e r n e t o f Things，IoT）和云计算中心通过构建一种类似于 MQTT（Message Queuing Telemetry Transport， 消息队列遥测传输）的通信方式，其它类似方式还有 CoAP（Constrained Application Protocol, 受限制 应用协议）、XMPP（Extensible Messaging and Presence Protocol，可扩展通讯和表示协议）等[3]， 为AI提供了更加宽广和强大的算据、算力和算法支持， 云中心机房的弹性计算和存储达到了单机智能难以企及 的高度。然而AI技术构建于这些协议之上，需要中心 服务器固定的公用域名或网络地址。而且，一旦宕机或 平台迁移都会造成相应的麻烦，要么缺少中心建立通信 桥梁，使得系统瘫痪；要么需要重新配置域名或地址参 数，甚至更改代码，对代码的复用造成了阻碍。 

随着技术的进步，承载AI的底层架构已逐步发展 到新的高度，笔者认为应当使用一种更加友好的通信协 议，支持边缘计算的分布式结构。

 2　DDS数据分发服务介绍 

Data Distribution Service（DDS）数据分发服 务是一种中间件标准，支持分布式系统及设备间的通信 和数据交换[3]。它专为需要高性能、低延迟和实时数据 交换的应用而设计，例如自动驾驶汽车、工业自动化和 智慧城市等。在边缘计算系统中，DDS介于操作系统和 应用程序之间，并从操作系统的网络底层数据通信细节 中抽象而来。通过DDS，边缘节点的各个组件能够更容 易地通信和共享数据，简化了分布式系统的开发，提高 了代码的复用率，使程序员不用花费大量精力去研究和 实现应用程序与系统之间信息传递的通信过程。

 DDS标准有几种开源实现，如表1所示。 

表1 DDS开源项目 

 从表1可以看出DDS适用于实时应用场景，与 HTTP、MQTT等协议不同，DDS不再依赖中心服务 器，所以程序员基于该中间件开发时，不必使用域名 或IP地址进行访问。DDS目前的最大支持者是ROS2 （Robot Operating System 2）操作系统[4]，该系统源 自于美国斯坦福大学的开源机器人项目，是一款构建和 抽象于多操作系统或异构硬件平台上的机器人“元操作 系统”（Meta Operating System）。ROS2采用DDS 通信协议，对于程序开发，其最大好处就是提高了代码 的复用率，即在装有DDS通信协议的任意一台设备上均 可运行消息、服务和动作通信程序，而这些程序并不需 要更改任何参数和代码。此外，从表1还可以看出DDS 已经被引入到了微控制器领域，这意味着通过DDS构建 边缘计算实体，能够实现从云端到终端、从大型服务器 到小型嵌入式、从虚拟化到实体间的完整包络。

 域（Domain）是DDS通信中提供通信语境的虚拟 环境，它根据不同的关注点优化通信过程。DDS应用 程序在具有相同ID标识的通信域内发送和接收数据， 为参与通信的各方提供一个相互隔离的虚拟通信环境， 对动态优化共享传感器以及算力资源非常有用。域标识 （Domain ID）是一个非负整数的整型数据，它的默 认取值范围是[0，232]。只有使用相同域标识，域内的 参与者之间才能相互通信。因此在同一个网络内，可以 使用多个DDS域进行隔离，从而缩小其作业空间。那 么，这就允许多个系统共享同一个物理网络而不必担心 因内部串扰而造成的通信风险。从数据安全方面考虑， DDS允许设定为公共的、专用的、受保护的三种数据流 模式。当因QoS（Quality of Service，服务质量）连 接失效，它还能够快速切换网络。

 3　DDS动态域标识结构描述 

域标识是一种端口映射规范，动态域标识则是本 研究的主要创新。在DDS中，端口号由域标识和参与 者总数两个参数决定。DDS定义的端口映射用于单播 /多播，实际上仍受限于UDP/TCP端口取值范围[0， 65535]。按照OMG的DDS-RTPS标准计算公式[5]，最大 域标识被限制为232，同一个域中的最大参与者数量为 120。在传统应用中，域标识一旦被设定就以静态常量 方式存在，一般不进行更改。但是在具有大范围空间转移流动的场景，比如汽车、无人机以及工业生产的物料 流转移等，只要进行动态域标识转换就能快速切换、接 管工业智能化生产线并组织生产。 

针对动态域标识设定有两个层面，一是域间标识聚 类，二是域内参与者轮询。

 3.1　域间标识聚类 

域间标识聚类是根据空间所处位置自动地构造局 域通信簇。如图1所示，簇是基于域标识的临时聚类， 将近距组成一个完整的分布式组合控制系统，包括传感 器、算力单元和被控对象，在工业自动化控制中还应当 包括加工单元。需要注意的是传感器、算力单元和加工 单元一般位置固定，而被控对象则会根据时间变换其空 间位置，具有时空演变特征，比如汽车、无人机或工业 生产产品的物料流移动等。

 图1 基于域标识的通信簇聚合 

在图1中，边缘算力、传感器、加工单元和被控对 象都是基于空间位置的近距聚合，云算力则是基于网络 状况和运算负载的动态组合。每个簇就是一个域标识， 为了满足DDS-RTPS标准，每个簇内节点数量的最大值 为120。簇的形成标准需要达成簇内距离最小，而簇间 距离最大，同时数量须小于等于120。对于确定坐标位 置的边缘计算节点，可采用K均值聚类方法[6]，而对于 云算力的聚类可以采用基于运算密度取反的最优通信延 时排序方法。 

3.2　域内主从问答轮询 

当基于域标识的通信簇形成后，由边缘控制器和被 控对象临时组建的簇可以构成一个多主多从的问答式轮 询网络。主从问答轮询是指在确定的时间段内只处理某个从站的某一条通信，比如在第1时间段执行1#从站a 通信，第2时间段执行1#从站b通信，第3时间段执行2# 从站a通信……当所有通信轮询结束后，再从头开始新 一轮循环[7]。主从问答轮询的优点在于通信的时间点划 分是确定和可控的，所以只要这个时间间隔能够被系统 接受，那么它非常易于构成一个简单的实时系统。 

主从问答轮询的主要缺点体现在随着节点数量 的增加，每一轮循环总耗时也会增加，假如该时间 是1秒，这就意味着一个域内节点需要每隔1秒才能 通信1次。所以在这种模式下，参与通信的节点不宜 太多，这刚好与DDS域节点数小于等于120的要求符 合。若按照5G通信低延时高可靠（uRLLC，Ultra Reliable Low Latency Communication）、低于 1ms的要求[8]，DDS域内最大120节点在120ms内则 可以完成1个周期的轮询。 

关于域内多个主站与多个从站之间通信的问题，由 于在同一时间内只允许1个主站问，1个从站答，因此主 站可以赋予令牌，而从站则是赋予地址。主站是安装有 传感器的固定的边缘计算节点，从站是位置变换、处于 运动状态的被控对象节点。在自动驾驶领域，主站即是 具有5G通信能力及集成各类传感器的微基站，从站就 是路上行驶的汽车。

 4　动态域标识网络应用举例 

动态域标识技术适用于动、静结合的边缘计算应 用场景，比如自动驾驶、无人机和工业智能化生产等。 由于无人机与自动驾驶相类似，本文罗列了其中两项场 景。 

4.1　动态域标识在自动驾驶中的应用 

无人驾驶汽车是本文所述基于边缘计算动态域的 一个应用场景，在其它领域通过更改网络和传感器类 型仍然适用。如图2所示，位于左侧的三辆汽车和位 于右侧的四辆汽车根据地面传感器、算力和通信站动 态地临时组成簇1和簇2。依靠DDS动态地构建域标 识，在5G C-V2X（Cellular Vehicle-to-Everything， 蜂窝车联技术）和DSRC（Dedicated Short Range Communication，专用短程通信技术）基础之上增强 车辆与边缘地面站之间的相互沟通能力[9]。 

图2 面向无人驾驶汽车的动态域应用举例 

5G微基站是一种新型的基础设施，除了具备基本 的5G通信功能外，还应当增加自动驾驶所需的地面传 感器、触发感应装置、定位装置和近距通信模块等。 激光雷达、毫米波雷达和多目摄像头是AI感知和图像 融合的重要传感器。其中，由雷达构造的点云图像虽 然具有精准的距离表示，但却不能真实地展示感知对象 的颜色、材质、种类等有用信息；由多目摄像头获取的 二维图像，虽然能够分类和具有一定的景深，但又不能 精准地表示感知对象的距离要素。为了达成5G微基站 边缘计算侧的实时图像处理效果，借助NPU（Neural network Processing Unit，神经网络处理器），能 够加速点云三维图像与真实二维图像间的融合成像计 算[10]。地感线圈是一种埋于路面浅表层的电磁线圈感 应装置，当拥有较大表面积的金属体移动通过时，可以 引起电容、电感振荡频率的变化，该变化可作为汽车经 过的证据，一方面可以触发相关设备进入工作状态， 另一方面通过计算感应开始时间和结束时间的间隔， 结合车辆速度还可以预测车身的总长度。RTK（Realtime Kinematic，实时动态定位）技术，可达厘米级 精度，适于定位和授时的规模化应用[11]，通常地面站配 置RTK基准站，为实时流动的车辆提供高精度服务。通 过DDS动态域标识通信能够为簇内多车辆之间的前后方 向和左右两侧间隔的相对距离共享实时测量数据。RSU （Road Side Unit，路侧单元）通过DSRC技术与OBU （On Board Unit，车载单元）进行通信，读取ETC （Electronic Toll Collection，不停车收费系统） [12]， 控制门禁系统，也可作为车辆自动驾驶紧急通信冗余通 道，提高了无人驾驶技术的安全可靠性。此外根据运算 业务的实际需求，在边缘计算微基站内，依靠DDS动态 域标识技术，在不用更改任何代码的前提下，还可新增 和适配CPU、GPU、TPU等处理器，依靠“元”操作系 统思想就近增强算力[13]，提高了系统的实时响应性能。

 4.2　动态域标识在工业智能化生产线中的应用 

工业智能化应用场景，如图3所示，除了与图2拥 有类似的传感模块和算力模块外，可以把工厂中那些大 型设备，比如加工中心等，定义为固定不移动的设备， 而其它的小型设备或可动态组合的设备则可以依靠AGV （Automated Guided Vehicle，自动导引运输车）实 现。因此在工业智能化生产应用中，可以在各个独立设 备中加装边缘计算节点，各节点间应当支持Wi-Fi 6[14]， 用于应对高密度无线接入和高容量的无线业务。

 图3 工业智能化应用场景举例 

柔性制造（Flexible Manufacturing，FM）是指 在加工对象变换的情况下，智能工厂能够智能化地、快 速地和自适应地调整生产线的组合模式[15]。传统模式 下，一旦做出生产线结构上的调整就必然需要对其重新 编程。基于DDS动态域标识网络的智能工厂，由于预先 做出了各种生产模式组合，各AGV小车针对新任务调整 生产布局，提前应对不同产品的生产过程调试，所以在 面对新的任务时，可以不用更改程序和调试，而只须动 态变换域标识即可。随着域标识的变换，不同节点运行 相对应的生产任务，便可柔性化地组织新的生产。 

5　总结与展望 

本研究依托云南省高校边缘计算网络工程研究中心 （隶属于云南工商学院），提出基于边缘计算DDS动态 域标识近距轮询网络，能够在分布式边缘计算架构下在 不用更改任何用户程序和参数的前提下实现统一的平台融合。目前本文所述方案已经联合云南省阜外医院进行 了应用技术攻关，针对无人机在医疗急救行业的边缘计 算分布式应用进行了试点，得到了云南省科技厅重点研 发计划基金支持，并与云南斗兰智能科技有限公司、杭 州云秀科技有限公司开展了基于AGV小车的智能化应用 开发，与昆明鼎邦科技股份有限公司开展了基于冶金智 能化设备升级的前期合作与研究。

★基金项目：云南省第七批高校重点实验室和 工程研究中心建设项目，云南省科技厅重点研发计划 （202103AC100002）。 

作者简介： 

苏为斌（1983-），男，云南通海人，副教授，博士， 现就职于云南工商学院智能科学与工程学院，主要研究 方向为边缘计算、工业自动化、人工智能等。 

王首正（1986-），男，山西大同人，副主任医师，现就职于中国医学科学院阜外医院结构性心脏病中心，主 要研究方向为心血管外科，同时从事无人机在医疗急救 行业中边缘计算分布式应用试点相关工作。 

董家瑞（1983-），男，云南通海人，工程师，学士， 现就职于云南斗兰智能科技有限公司，主要研究方向为 通信工程、工业互联网、智能制造。 

陈　巍（1983-），男，湖南新邵人，博士，现就职于 昆明鼎邦科技股份有限公司，主要研究方向为真空冶金 技术。 

杨　捷（1983-），男，云南昆明人，硕士，现就职于 中国电信股份有限公司云南分公司，主要研究方向为5G 通信技术、物联网。 

张锦盛（1977-），男，云南昆明人，副教授，硕士， 现就职于云南工商学院智能科学与工程学院，主要研究 方向为软件工程、计算机科学与技术、大数据技术等。

参考文献：

 [1] 郭真, 李帅峥. 依托人工智能加速数字经济发展的路径思考[J]. 信息通信技术与政策, 2022 (06) : 69 - 74. 

[2] WARD E, FOLKESSON J. Vehicle localization with low cost radar sensors[J/OL]. IEEE Intelligent Vehicles Symposium, Proceedings, 2016 : 864 - 870. 

 [3] Seleznev S, Yakovlev V. Industrial Application Architecture IoT and protocols AMQP, MQTT, JMS, REST, CoAP, XMPP, DDS[J]. International Journal of Open Information Technologies, 2019, 7 (5) : 17 - 28. 

[4] 芦倩, 李晓娟, 关永, 等. 面向数据流的ROS2数据分发服务形式建模与分析[J]. 软件学报, 2021, 32 (6) : 12. 

[5] Sanchez-Monedero J, Povedano-Molina J, et al. Bloom filter-based discovery protocol for DDS middleware[J]. Journal of Parallel & Distributed Computing, 2011. 

[6] 季志民, 葛万成. 网络推荐系统中K-均值聚类算法的研究及优化简[J]. 信息通信, 2017 (7) : 3. 

[7] 朱敏琛, 赵立. 主从式总线型工业局网实时性设计的改进[J]. 现代电子技术, 1998 (3) : 3. 

[8] Anand A , Veciana G D . Resource Allocation and HARQ Optimization for URLLC Traffic in 5G Wireless Networks[J]. IEEE Journal on Selected Areas in Communications, 2018. 

[9] Jin Y, Liu X, Zhu Q. DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios[J]. arXiv preprint arXiv: 2203. 12553, 2022. 

[10] 中科院寒武纪NPU拟流片商用[J]. 今日电子, 2017 (06) : 61. 

[11] 陈新海, 祖晖, 王博思, 张迪思, 吴超. 车路协同车载高精定位服务系统设计[J]. 激光杂志, 2019, 40 (11) : 109 - 113. 

[12] 陈军. RSU在ETC中的应用研究[J]. 机电信息, 2019 (26) : 41 - 42. 

[13] 苏为斌, 王依凯, 黄海军, 董家瑞, 李智新, 陈巍, 雷小梅, 李吉成. 边缘计算元操作系统研究: 以ICICOS计划为例[J]. 自动化博览, 2022, 39 (02) : 54 - 58. 

[14] 孟圆. 万物互联时代, Wi-Fi 6助力智能制造释放“无线”潜能[J]. 智能制造, 2020 (04) : 34 - 36. 

[15] 面向个性化定制场景的边缘侧柔性制造一体化方案[J]. 自动化博览, 2022, 39 (02) : 119 - 121.

摘自《自动化博览》2023年第2期暨《边缘计算2023专辑》