基于iba融合的边云协同技术实现

• Data Base Technique

基于IBA融合的边云协同技术实现

文/黄飞 黄孝斌 梁向锋 司博章 孙希法

摘 要本文主要介绍了基于IBA融合技术架构的边云协同技术实现，并分析了边云协同在智能工业安全监控领域的应用案例，论述了边云协同以及边缘计算未来发展亟待解决的问题。图1：边缘计算（来源：边缘计算与云计算协同白皮书2018年）

【关键词】边缘计算 物联网 边云协同 IBA融合 人工智能

的应用，采集终端数据进行处理，并与业务平台进行交互。边缘计算网关拥有强劲的边缘计算能力，分担部署在云端的计算资源,在物联网边缘节点实现数据优化、实时响应、敏捷连

曾经大多数数据分析都在云端进行，而如今随着边云协同的推进，边缘分析可以降低数据存储、通讯和处理的成本，去除不必要的数据噪声，更多的数据分析正在回到边缘进行处理。

边缘计算采用分布式计算架构，由于将运算分散在靠近数据源的近端设备处理，不再需要远距离把数据回传云端处理，边缘的AI算法模型及时处理问题，实时性更好、效率更高、延迟更短。互联设备可以通过边缘应用，同步设备数据以及与其他设备安全通信，甚至无需连接互联网，最大程度地提升可靠性、安全性和隐私保护能力。但是一些重要数据，仍旧需要回传到云端，进行保存以便进行长期趋势分析。物联网、大数据、人工智能三者的有机融合让边云协同更加牢靠、更加智能。

基于IBA融合技术架构，我们提出了数据融合与边云协同的技术架构，更好地促进边云协同应用的优化实现。

依托边云协同架构，可在边缘实现视频的预分析，实现园区、住宅、楼宇等视频监控场景实时感知异常事件，实现事前布防、预判，事中现场可视、集中指挥调度，事后可回溯、取证等业务优势。根据用户场景，灵活定制边缘智能能力，快速部署智能算法，节省上传流量并满足业务实时性要求。

该架构可提供消息集成、API集成、数据集成能力，可云上云下分布部署，共同组成云上云下集成总线，支持断点续传，大幅简化企业应用集成架构和依赖关系。也可以将数据交互平台的数据面组件能力完全下沉到边缘节点，满足纯本地集成需求。

针对IOT接入能力，可将IoT平台的数据面处理能力下沉，实现IoT业务在本地的预处理和业务流程闭环。通过边云协同架构，满

题。

当前，在应用到边缘计算技术的领域，主要面临以下五个挑战：协同、网络、管理、扩展和异构等；基于AI融合的边缘计算技术架构通过更优的架构和技术实现，能完美应对这些挑战。

随着技术的发展与融合，边缘AI落地逐步成为可能。软件栈的部分是边缘AI能力的足业务合规和实时性要求。3.2 边云协同推动IBA融合创新

1 IBA融合应用架构

物联网是大数据生产的条件，大数据是人工智能的基础，人工智能则是大数据发展的高级表现形式。物联网，大数据与人工智能三者相生相依，互为作用，相互促进，良性循环。

围绕“全面感知，纵横协同，分层认知，多维智能，按需配置，安全可控”的核心思想构建IBA 融合技术架构，全面实现对物的感知，即物物相连；打通东西向数据流，实现边缘协同，端边云协同；抓住认知事物的本质，通过分层认知探索事物的运行规律；在架构的不同维度，按需实现等级智能化，架构功能弹性配置，安全管理自主可控。

接、模型分析等业务，使AI时代下的数字化物联网智联网更进一步。

3 边云协同

在当前的IT发展过程中，垂直行业中往往存在大量传统设备和系统，大多架构封闭且相互孤立，使得数据难以融合，阻碍了业务价值的进一步创造。边云协同技术架构提供了一套基于云原生的开放架构以及丰富的边云业务协同能力，包括AI推理，IOT接入，应用集成，安全保护等。其应用解决方案可广泛适用于行业数字化转型过程中，大大提升业务创新的速度。

3.1 数据融合与边云协同的技术架构

2 IBA融合技术架构中的边缘计算

当前，随着物联网、人工智能以及5G通讯等技术的不断进步，智慧工厂、智慧农业、智慧园区、自动驾驶、智慧能源等领域应用随之兴起。边缘计算凭借更实时快速的数据处理和分析、较少的网络流量占用、较低的运营成本以及更高的运行效率等优势，将会在更广泛的行业领域得以应用。2.1 边缘计算

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供服务。边缘计算与云计算的区别在于，一个将计算能力下沉，一个将计算能力集中在云端。如图1所示。2.2 边缘计算网关

边缘计算网关提供边缘计算服务能力，可以根据场景设计不同的类型，开发部署不同

4 AI融合的边缘计算技术架构

目前我们已经处于一个万物互联的时代，随着人工智能技术的发展以及技术之间的相互融合，万物互联转换成万物智联是一种必然的趋势。传统人工智能解决方案面临如下问题：高额的流量成本和远程调用的高时延。

由此，我们提出基于AI融合的边缘计算技术架构，来解决在边缘侧部署AI能力的难

<<下转157页

156 •电子技术与软件工程 Electronic Technology & Software Engineering

Data Base Technique 数据库技术

•

基于Python的贷款违约预测

文/周瑞珍

请人是否会发生违约。因为已知贷款状态是否

摘 要本文利用数据竞赛平台Kaggle提供的贷款历史数据，对数据进行预处理后，尝试使用python构建逻辑回归模型和朴素贝叶斯模型，利用模型预测贷款人的违约情况。违约以及各特征变量的值，判定贷款申请人会不会违约是一个二元分类问题，是一个监督学习的场景，可以通过分类算法来处理。

本文采用数据科学竞赛平台kaggle提供的贷款违约预测数据集，其中包含150000个用户的贷款信息，具体如表1。

SeriousDlqin2yrs 是要预测的对象（因变

【关键词】数据分析 逻辑回归 朴素贝叶斯

量），即根据其他变量判断用户会不会发生违约。其他10个变量为自变量，分为两类：客

金融机构审批贷款时会收集客户个人信息，包括年龄、收入、学历、职业、家庭状况、借贷历史等，在对各项信息综合考量的基础上决定是否批准贷款。过去该项工作主要依靠人工审核，随着人工智能技术的发展，数据分析和机器学习成为金融风控领域的重要工具。本文尝试使用python构建模型，利用模型预测贷款人的违约情况。通过贷款数据（包括用户个人信息和贷款状态是否违约）来训练模型，通过模型分析贷款人的偿还能力，预测贷款申

数据

在对数据处理之前，首先查看数据的缺失值和异常值情况进行。用df.describe()查看户自身属性（年龄，月收入，家属数目），客户信贷历史（负债比率，循环贷款使用率，信用卡和贷款数量）。自变量较少，而且它们对是否发生违约都有不同程度的影响，在此不进行特征工程。

客户

df.isnull().sum() # 计算每个列的空值数目，MonthlyIncome和NumberOfDependents的缺失值分别为29731和3924。采用均值插补的方法，用pandas.fillna()处理文本变量缺失值。

df['MonthlyIncome'].fillna(df['Monthly Income'].mean(), inplace=True)

df['NumberOfDependents'].fillna(df ['NumberOfDependents'].mode()[0], inplace =True)

基本信息，包括每个特征的均值、各分位数等。SeriousDlqin2yrs的均值为0.06684，说明违约率是6.684%（发生违约的客户，该值为1，把所有值加起来就是违约客户的个数，除以客户总数也就相当于该列的均值）。age的最小值为0，存在异常值，银行不可能给18岁以下客户贷款。

df=df.drop(df.columns[0], axis=1) # 删除Unnamed列

df=df[df.age>=18] #只保留年龄大于18的

1 数据处理

df = pd.read_csv(\"cs-training.csv\") # 读入

<<上接156页

基础，以容器引擎为底座，可以支持基于各类AI加速芯片的硬件平台。容器之上是设备接入服务，支持各类协议接入，如MQTT、RTSP/RTP/RTCP等。再往上看，是核心服务和智能分析服务。智能分析服务中有一个AI中间件，让用户可以根据自己的需求选择不同配置的AI加速器。最上层的是模型应用服务和云端连接服务，在模型应用服务推断出结果后，通过窄带和宽带推流连接到云端。除此以外，该技术架构还提供了全流程的安全服务。

对事件的相关性、严重性进行智能挖掘，做到事件的实时定位与事件关联分析等功能。

com.cn/2/lib/201903/21/20190321053.htm)- 2019.

6 总结与展望

基于IBA融合应用的边缘计算，其核心思想是通过边缘计算来实现“纵横协同，分层认知，多维智能，安全可控”等核心功能，通过边云协同的技术架构连接采集域、认知域和应用域，为IBA融合创新应用的实现提供强有力的基础技术支撑，必将推动物联网的智能化智慧化深入发展。

作者简介

黄飞(1976-),男,四川省广安市人。大学大学本科。高级工程师。研究方向为物联网领域。黄孝斌（1972-），男，博士研究生，教授级高级工程师，就职于时代凌宇，任职董事长、总裁。

梁向锋（1983-），男，硕士研究生。主要研究方向为物联网、人工智能以及边缘计算技术研究。

5 边云协同的应用实例

传统的工业安监面临安全保障要求高与智能化程度不足的矛盾，以物联网与云计算技术为基础的工业安监信息化系统，虽然可以实现对环境的监测与感知，但对于环境的预测与相应的自主决策，还需要进一步引入人工智能与边缘计算技术，深度融合业务需要，提供工业安监解决方案。

基于边云协同的智能安监系统采集来自工业网络、关键基础设施的数据，通过大数据、AI技术解决工业物联网网络安全感知问题，

参考文献

[1]AII,ECC.边缘计算与云计算协同白皮书

[R].2018.11: 4-5.

[2]施巍菘.边缘计算EDGE COMPUTING[M].

北京，科学出版社，2018，1-10.[3]吴大鹏，张普宁，王汝言.“端-边-云”协同的智慧物联网[J].物联网学报,2018,2(3):21-27.

[4]华为云智能边缘项目KubeEdge正式进入

CNCF社区网络(http://www.beareyes.

司博章（1978-），男，硕士研究生，就职于时代凌宇，任职公司副总裁。

孙希法（1980-），男，硕士研究生，高级工程师，就职于时代凌宇,事业六部总经理兼总裁助理。

作者单位

北京时代凌宇科技股份有限公司 北京市 100012

Electronic Technology & Software Engineering 电子技术与软件工程• 157