企业信息

较近，智慧物流得到了业界广泛关注，有关智慧物流研究报告越来越多，但是关于智慧物流理论体系与系统架构的研究并未突破，大部分研究都是基于智慧物流的智慧系统和智慧平台展开。我们知道，智慧物流必须落地实施，落地实施就需要智慧的实体物理网络，即：天网与地网无缝融合的物流互联网。需要研究“天网”的智慧系统如何完全融入物理的硬件执行系统（实体网络）。

我认为，智慧物流执行系统是“软+硬”的实体智慧网络，应该以信息物理系统（CPS）为理论为指导，以大数据、云计算与物联网集成应用为智慧系统平台的发展方向，以雾计算、边缘计算、智能设备终端等技术融合为智慧执行网络来推动落地应用，以单元级智慧物流终端、系统级智慧物流网络，平台级智慧物流互联网生态为逐级演进方向，全面建立智慧物流理论体系和系统架构，取得智慧物流应用研究的突破。

系统级智慧物流网络，指的是“硬+软+网”组成的智慧物流系统，如：区域无人机配送网络系统，智慧型的物流配送中心系统等都可以看成是系统级智慧物流系统。对于系统级智慧物流系统，智慧物流执行操作往往显得更为重要。在在这种落地执行的操作层面，随着人工智能和智能物流装备的高速发展，状态感知数据越来越大，需要即时响应的设备越来越多，只采用双向感知系统将数据上传云端的云计算将带来很多问题，这种情况下，迫切需要更适合落地应用的雾计算。

雾计算（Fog Computing）概念由思科**，是指由性能较弱、更为分散的各类功能计算终端组成，是半虚拟化的服务计算架构模型，其数据感知、数据处理和决策应用集中在网络边缘的设备中，而不是上传和保存在云中。雾计算是云计算概念的延伸，这个命名源自“雾是更贴近地面的云”这一名句，显得十分形象。云在天空飘浮，高高在上，遥不可及，而雾却现实可及，贴近地面，就在你我身边。

雾计算扩大了云计算的网络计算模式，将网络计算从网络中心扩展到了网络边缘，从而更加广泛地应用于各种服务。2015年11月，ARM、戴尔、英特尔、微软等几大科技公司以及普林斯顿大学加入了这个雾计算的概念阵营，并成立了非盈利性组织：开放雾联盟，旨在推广和加快开放雾计算的普及，但目前雾计算仍**于理论阶段。

一、雾计算特征：

1、低延时和位置感知，更为广泛的地理分布，适应移动性的应用，支持更多的边缘节点。这些特征非常适合物流互联网实际，便于以物流企业为主体部署系统级企业物流互联网。

智慧物流的发展的较终结果就是将所有物流系统的电子设备，手持终端，机器人、车辆等等都互联起来，这些设备不仅数量巨大，而且分布广泛，只有雾计算才能满足。比如：货物车联网，其应用和部署要求有丰富的连接方式和相互作用。车到车，车与货、车到接入点（无线网络，3G，LTE，智能交通灯，导航卫星网络等），接入点到接入点。雾计算能够为货运车联网提供良好的计算服务。

2、雾计算所采用的架构更呈分布式，更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中，而不像云计算那样将它们几乎全部保存在云中。数据的存储及处理更依赖本地设备，而非服务器。所以，云计算是新一代的集中式计算，而雾计算是新一代的分布式计算。

业界曾普遍认为，未来计算功能将完全放在云端。然而，将数据从云端导入、导出实际上比人们想象的要更为复杂和困难。随着智慧物流的高速发展，物流终端设备越来越智能，移动应用成为主要方式，数据量和数据节点数不断增加，数据传输和信息获取的情况将越来越糟。因此，搭配分布式的雾计算，通过智能路由器等设备和技术手段，在不同设备之间组成数据传输带，可以有效减少网络流量，数据中心的计算负荷也相应减轻。

3、雾计算可以作为介于M2M（机器与机器对话）网络与云计算之间的计算处理，以应对M2M网络产生的大量数据——运用处理程序对这些数据进行预处理，以提升其使用价值。雾计算不仅可以解决联网设备自动化的问题，更关键的是，它对数据传输量的要求更小。

二、“雾计算”优势

1、雾计算是绿色计算。云计算把大量数据放到“云”里去计算或存储，装有大量服务器和存储器云计算中心很耗电。据有关资料，谷歌位于**数据中心的用电功率就达到3亿瓦特，这一数字**过了3万户美国家庭的用电量。目前**数据中心的用电量需要30个核电站供电，其中90%的耗电量都被浪费。当未来大数据和云计算进一步成指数式增长时，更会耗费大量能源。而雾计算是节能的绿色计算。

2、雾计算可用于底层大数据分析。大量企业需要海量、不间断数据采集，这些底层采集的大数据需要即时进行计算处理，需要及时决策和执行操作。如果采集的大数据等待全部数据上传云端运算决策后再返回设备端会大大降低服务能力。

3、雾计算可保证智能终端设备的实时响应。随着智能时代的到来，连网的终端设备数量的高速增长，将产生较其大量的数据发送和接收，云计算将不能保证一些需要实时响应的设备的正常运行，比如：快递无人机等。

三、雾计算应用案例：以无人机配送系统为例（素材来源于网络）

目前无论是国内的顺丰、京东，还是国外谷歌，亚马逊，沃尔玛，DHL，都在研发和测试无人机快递服务。京东还与地方**合作准备打造无人机智慧配送网。但无人机快递在技术，安全，监管方面面临诸多问题。

无人机快递业务，如果要从测试阶段，走向大规模应用的现实，必须解决以下的问题：

1、安全性问题：无人机快递服务，必须要带来空域共享的问题。因为，快递业务的繁忙度，空中可能会有数以万计的无人机，这时就会带来很多的危险和冲突，例如：无人机之间的相互碰撞，无人机和飞鸟，飞机，高层建筑之间的碰撞。所以，无人机必须能够辨别碰撞物，迅速作出反应。

2、带宽瓶颈和开销：在无人机运输货物和交货的过程中，控制端需要不断的进行通信和追踪。所以，这转化为了每次无人机飞行的数据流。但是，获取这些数据，很可能需要昂贵的卫星导航，这样**增加了商业应用成本。

3、无人机调度中心管理：对于每个供应商来说，独立于其他的供应商无人机编队，只管理自己的无人机编程，是不切实际的。为了无人机的大规模应用，业内必须开发无人机调度中心，来协调各个公司无人机编队的飞行，如同机场一样。管理这些调度中心的先进技术，对于协调地面以及空中的无人机操作，十分重要。

4、监管的复杂性：无人机，需要在复杂的监管环境中操作。世界各地的航空管理局，都为无人机的操作制定了规范。有些规范，限定无人机必须在操作者的视线范围内飞行，禁止在一些区域和条件下飞行。也许未来，当出现能够确保飞行安全的技术后，无人机或许被允许在视线以外的地方飞行。

雾计算解决方案

面对无人机快递应用的种种挑战，常常需要按区域组建区域网络，形成无人机“硬+软+网”的一个系统，系统级的无人机配送网络，就需要雾计算的应用来解决下列问题。

1、地面快速协调：大家可以想想看机场较繁忙时的景象。飞机，排着长队等待起飞，同时又有很多飞机降落在跑道上。商用的无人机调度中心，也以同样的模式运行，每天空中交通的容量和机场一样，甚至更多。

调度中心，有多个无人机的入港位。高度自动化的设备，加载和卸载快递包裹。无人机，在每次飞行前，都需要进行例行检查。所有的无人机，都必须有飞行计划，以便对起飞和降落进行调度，防止冲突。并且，需要在短时间内，完成这么多数量的无人机的装货，起飞，降落，以及维护。

一个无人机在较终进场的时候，速度可达100英里每小时，或者147英尺每秒。在下降的过程中，在无人机和地面“控制塔”之间，需要每秒数几百次循环的实时信息更新。然而，通过云的信息传递，较佳的情况，延时大概在80毫秒左右。所以，无人机在一次消息往复之间，会飞行12英尺。因为，所有的消息要通过云，所以产生了延迟，很难完成瞬间响应。

雾计算，会考虑到高流量无人机交通的安全控制需求，提高迅信息通讯，存储和计算的速度，更加有效地持续响应软件更新，大数据以及其他通信和计算需求。

地面的雾计算控制器，缩短了无人机和“控制塔”之间的通讯循环时间，一定程度上减少了延时，所以无人机只飞行两英寸，就可以进行一次信息更新。如果，同样的通信要通过云，无人机则需要飞行12英里。

然而，某些地面信息仍然需要上传到云端，例如通讯记录，可以发送到云端进行长期存储和分析。

2、空中自主操作：提及无人机的商业应用，你会召唤出一些列炫酷的无人机技能。但是，这个并不重要。在任何时候，空中的无人机都需要进行安全管理，就像客运和货运的交通管理一样。

但是，空中的无人机安全，有着不同的维度。无人机是无人控制的，所以没有飞行员，副驾驶和导航员，来检查天气状况，或者这个区域的其他飞机，作出相应调整。

因为无人机驾驶，所以无人机需要足够的“智能”来自主运行。首先，这需要无人机上的雾节点，能够意识到任何邻近无人机的物体，包括天气状况，其他无人机，飞鸟或者建筑。

雾计算，也包括自动响应：能够采取适当的自我纠正的操作序列。

无人机感知问题，进行分析，并且做出反应的时间，要达到亚毫秒级。而在云端，进行这样的处理循环，时间则太久。等到无人机报告问题，处理的问题的较佳时间已经**。

空中自主飞行，意味着无人机可以进行自我检查，保证所有的系统可以正确操作。并且，一旦发现问题，无人机上的雾计算节点，可以采取适当的措施进行纠正，或者补偿，甚至返回调度中心进行维护。

3、地面和空中的安全性：安全是无人机的重要考量因素。如果黑客锁定和控制带有供给，药物甚至数据的无人机，这是多么危险。在多传感器上，增加安全功能，例如加密和防止芯片克隆，将增加无人机的成本。从云端下载安全证书，补丁和更新，需要花费很多数据带宽。所以，较后只能采取折中的安全性方案。

然而，无人机上的雾节点，可以控制安全性，不需要增加复杂度，大小，甚至任何无人机部件的开销。雾节点可以在飞行中，进行安全更新，防御周边黑客的攻击。

商业无人机部署相关的雾计算架构