5.3 面向智能家居的边缘计算系统
5.3.1 为什么要用EdgeOsH
智能家居的定义：一个自动化且智能的家居环境，使得居住者能够享受更健康、更舒适的生活。为了满足和改善居住者的生活方式，智能家居应该同时具备自我意识、自我管理、自我学习的能力。用户作为这个系统的参与者而非管理者
自我意识指智能家居能够感知居住者的状态和家庭数据。
自我管理在整个系统中扮演着重要的角色，在没有居住者介入的情况下，智能家居系统应当有能力安排好家里的一切服务，以及潜在问题的及时意识和警报
自我学习指的是根据居住者的个人数据，对家庭环境提供个性化设置，从而让系统调节更贴合用户的习惯
5.3.2 EdgeOSH架构
EdgeOSH是家居设备与云端、家庭居住者、开发者连接的桥梁。
对于云端来说，它能够代表数据和云端进行数据的交互和计算请求；对于居住者，他提供与家庭之间的协作；对于服务商和开发者来说，他可以通过提供统一的编程接口减低开发的复杂性；对家庭来说，他是管理数据、设备和服务的大脑，同时保证数据的安全和隐私。
家庭操作系统将面对不同制造商提供的不同硬件，在动态环境上的沟通和管理带来新的挑战。
当前智能家居的应用程序通常是独立的，而不是连接到特定的操作系统。操作系统最重要的责任是资源管理，因此智能家居要直接进行数据收集和资源管理的任务
EdgeOSH 有四个垂直层组成：通信、数据管理、自管理和编程接口。以及跨四层的两个额外组件：命名，安全和隐私。
在通信层中，从多种通信方式中收集智能家居设备的数据。
不同来源的数据的数据管理层中进行融合和预处理。在这一层，数据抽象模型吧数据融合到数据库中，同时数据质量模型检测数据的质量。
在数据管理层上是自管理层，负责设备维护和服务调度以及用户个性化模型的生成_shixian zhineng de guanjian
编程接口层向用户和开发者提供与系统交互接口，方便用户的管理和外部服务的接入。
命名机制的引入有助于系统有效地管理设备和数据，安全隐私层是智能家庭系统中不可缺少的一部分。
5.3.3 EdgeOSH 的功能性问题
- 编程接口——用户可以使用同一的接口获取数据并由EdgeOS_H发送命令
EdgeOS_H 的编程接口允许服务和设备之间的通信，有EdgeOS_H收集所有设备的数据，编程接口为有需要的服务提供处理后的数据，并可接受用户而来的请求以对设备执行相应的操作
5.5 面向协同处理的边缘计算系统
边缘计算将数据在网络边缘进行处理，避免数据的上传和较大的传输时延。在A3中考虑边缘节点间的合作，在边缘端将视频数据进行分析消化，避免上传到云端。Song直接抛弃云端，直接考虑边缘节点的数据共享问题。车联网中，云端仅仅作为管理者，但数据传输可能并不完全通过云端服务器。无人机视频中，为了提高覆盖率和视频质量，更是在场地周边部署边缘服务器，进行低时延的无人机调度和中继无人机派遣以提高视频质量。
5.5.1 协同平台背景模型
根据协同平台的不同，可以分别采用集中式的协同平台和分布式的协同平台。但不管是集中式的还是分布式的协同平台，其节点中可能包含的模块都可以分为图中所示的六种模块:数据感知模块、数据处理模块、数据管理模块、数据调度模块、服务调度模块和质量评估模块
云计算的存在可以提升整个平台的可靠性，边缘端可以协同地进行数据的迁移，云计算不再是，不再完全是计算的主力
1.集中式系统平台
协同平台也可以是集中式的，其存在一个中心节点，进行网络的管理。这里，中心节点意味着其管理的地位，而不代表其具体位置，可以将该节点放置于协同平台本地网络中，以提供一个更好的网络通信和传输时延，形成一个无云计算的协同平台;也可以将中心节点放置于云端，以提供一个更加可靠的中心节点，形成云一边缘合作的协同平台。
普通节点仅仅包含数据感知数据管理和数据处理三个模块，以进行数据相关的服务。而监控和调度相关的服务，可以通过中心节点进行。因此，中心节点具有全部的六个模块。
集中式的方案在调度上，存在一个中心节点，可以有一个全局的节点状态，选择最优的方案调度整个网络中的数据和服务
2.分布式的协同平台
集中式有单点失效（网站就一台服务器,当这台服务器挂了,网站就没办法访问了）的问题，对网络的要求较高。
在分布式协同平台中，所有的节点均含有全部的六个模块。在这里，所有的数据调度和服务调度都需要通过分布式的算法来进行协商完成。同样地，也不区分协同平台中节点的位置，当协同平台中的节点存在于云端时，可以形成云一边缘合作的协同平台。
4.5.2 协同平台的典型应用举例
1.基于边缘计算的无人机体育赛事直播方案
用多个无人机进行追踪，直播的两个考量指标——覆盖率和视频质量
集中式的策略，位于体育场四周的某一台服务器作为控制器，控制所有无人机的位置与数量，
这里研究人员使用集中式的方式来构建协同平台，主要是因为运动员以及足球的定位可以较为方便地统一至某个中心节点，而无人机网络由于中继节点的加入，也可以保证所有的无人机节点均可以和中心节点进行通信
2.安珀警报助手
将现有摄像头和边缘计算技术相结合，增强警报的应用。
A3将城市中的摄像头捕获的视频数据传输至边缘服务器上，或本地多台设备合作式的对视频进行分析，以车牌号码为特征进行搜索，并且可以根据道路拓扑和时间自适应的扩大或缩小追踪区域。
摄像头和边缘服务器或本地边缘节点处于同一局域网内，从而可以获得较好的网络质量以及较低的网络时延。而视顿数据将会在摄像头相连的几个设备上进行计算并完成，因此避免视频数据上传至云端带来的高数据通信量和由此引起的高传输时延问题。
在该网络中，使用的是分布式的协同平台和集中式的协调平台的融合模式。在视频处理的本地边缘节点处，使用的是集中式的协同平台，以达到合作式的实时视频处理，而在搜索任务的扩散上，使用的是分布式的协同平台–每个摄像头相关的边缘节点自行定义向其他摄像头节点扩散任务的超时时间，而任务的最初发布，可以向任意网络中的节点进行发布，任务会自行通过网络传达到指定的节点开始搜索任务。
同时也会部署一个任务扩散节点在云端，提供一个更加可靠的网络访问接口。所以，这里的分布式的协同平台是个云一边合作的分布式协同平台。
