延迟|智能优势：物联网的游戏规则改变者( 二 ) 智能化|购票|app|老年|辅助工具

边缘数据分析;
智能计算;
物联网流程优化和实时控制。
边缘层根据其数据处理能力分为三个子层：近边缘层、中边缘层和远边缘层。
(1)近边缘层。近边缘层包含边缘控制器，这些控制器从设备层收集数据，执行初步数据阈值处理或过滤，并控制流向设备。由于设备层中的小工具异构性，近边缘层中的边缘控制器必须支持广泛的通信协议。边缘控制器还与上层接口以接收操作指令或数据驱动的决策，并将它们转换为可编程逻辑控制器或基于动作模块的控制流指令，以传输到设备。因此，近边缘层在与设备层接口时必须表现出微秒级延迟。在行动呼吁对时间要求严格的情况下，这种低延迟变成强制性，例如自动驾驶车辆在行人突然进入视野的情况下的预期瞬态响应。
(2)中边缘层。中边缘层包含边缘网关，主要负责通过有线和无线网络与近边缘和远边缘层交换数据。与近边缘层相比，该层具有更多的存储和计算资源。通过组合来自多个设备的信息，可以在这一层进行更复杂的数据处理。该层的预期延迟为毫秒到秒。由于该层具有存储能力，数据处理产生的数据和智能可以在本地缓存，以支持未来的处理。中边缘的边缘网关还负责将控制流从上层传递到近边缘层，并对中边缘层和近边缘层的设备进行管理。
(3)远边缘层。远边缘层包含强大的边缘服务器，负责执行更复杂和关键的数据处理，并根据从中边缘层收集的数据做出方向决策。从本质上说，远边缘层的边缘服务器构成了一个小型计算平台，拥有更强大的存储和计算资源。远边缘层使用更复杂的机器学习算法处理大量数据。该层分析来自不同设备的更多数据以实现流程优化或评估最佳措施以在更长的时间内接管更广的区域，通常具有更长的延迟。远边缘层还充当云计算层和边缘层之间的桥梁。
真正的价值主张
从参考架构和示例实现中可以明显看出，边缘计算使以下成为可能：
更接近互联网上的设备或事物的智能推导;
与不同数据和情报节点进行双向信息交换的管道;
最小化决策到行动的延迟。
智能和决策到行动的延迟对于预期价值主张至关重要。从联网汽车的例子中可以清楚地看出，新兴架构使智能尽可能接近物联网边缘。同样很明显，智能推导越复杂，其计算距离物联网设备就越远。然而在一些感知和响应物联网实施中，复杂的智能需要更接近设备层以降低延迟。
如果基于云计算的人工智能模型在车辆已经发生碰撞后预测碰撞，则它没有任何价值。在远离设备层并以更高延迟实现时间关键型智能是一种反模式，对通常无效的问题的常见响应可以充分发挥边缘计算的潜力。就好像边缘计算中的边缘被解释为云计算的边缘，而不是物联网设备的边缘。
以物联网部署为例。真正的价值在于通过从边缘生成的数据中发现情报和洞察力，快速制定可操作的决策。物联网价值主张可以通过在边缘计算的帮助下逐渐使智能更接近设备位置而呈指数级发展。智能延迟越低，价值主张就越多。实际上，该数字意味着边缘计算必须通过计算资源变得更丰富、更强大，才能以更接近设备层的低延迟获得复杂的智能。
可行的示例应用
在农业物联网的应用中，拖拉机、土壤传感器、犁上的传感器和供水系统都相互连接以收集数据和挖掘情报。此类远程位置可能没有互联网连接，无法将数据发送到云计算服务器进行处理。即使有连接，接收情报以确定何时给农场施肥和浇水的延迟也可能是不可接受的。与其相反，具有边缘功能的本地计算会立即将数据转化为行动。