基于霧計算的NB—IoT框架、關鍵技術及應用

張紅+王玉峰

針對窄帶物聯(lián)網(wǎng)（NB-IoT）技術特點和業(yè)務類型，提出了基于霧計算的NB-IoT網(wǎng)絡架構(gòu)，通過為NB-IoT接入點（AP）配置霧計算設備，將接入點升級為具有存儲和計算能力的霧接入點（F-AP），使得數(shù)據(jù)收集、傳輸、處理和計算更靠近終端設備，提高應用系統(tǒng)的響應速度，節(jié)約網(wǎng)絡帶寬。

霧計算；AP；NB-IoT

Considering the technical characteristics and service types of narrowband Internet of things （NB-IoT）， NB-IoT system architecture based on fog computing is proposed in this paper. By configuring a fog computing device for the NB-IoT access point （AP）， the access point is upgraded to a fog access point （F-AP） with storage and computing power. In this way， the data sensing， transmission， processing and computing can become much closer to the end devices， and the latency and network congestion can be significantly decreased.

fog computing； AP； NB-IoT

截至目前，蜂窩網(wǎng)已覆蓋全球90%的人口，覆蓋超過50%的地理位置[1]。基于現(xiàn)有的蜂窩網(wǎng)絡，運營商完全能夠提供一個非常有競爭力的物聯(lián)網(wǎng)技術，即窄帶物聯(lián)網(wǎng)（NB-IoT）[2]。作為第3代合作伙伴計劃（3GPP）標準化定義的、面向低功耗廣域網(wǎng)（LPWA）的關鍵蜂窩網(wǎng)絡技術，NB-IoT自身具備的低功耗、廣覆蓋、低成本、大容量等優(yōu)勢，相比Wi-Fi、藍牙等其他物聯(lián)網(wǎng)聯(lián)接技術，還具備安全、頻譜抗干擾等方面優(yōu)勢。NB-IoT在 LPWA市場的多個技術競爭中脫穎而出，可以廣泛應用于多種垂直行業(yè)，如遠程抄表、資產(chǎn)跟蹤、智能停車、智慧農(nóng)業(yè)等。隨著 3GPP 標準在2016年 6 月“凍結(jié)”，NB-IoT展現(xiàn)出了巨大市場機會，正在快速發(fā)展之中，標準、芯片、網(wǎng)絡以及商業(yè)應用場景都會走向成熟。

NB-IoT要走向成功必須要建立開放產(chǎn)業(yè)平臺，目前云計算憑借強大的計算和存儲能力，成為大數(shù)據(jù)分析處理的支撐平臺，但是物聯(lián)網(wǎng)終端設備數(shù)量的爆發(fā)式增長，給傳統(tǒng)的云計算框架帶來了新的挑戰(zhàn)。云計算框架先將數(shù)據(jù)集中存儲在云端，再從云端發(fā)送到移動用戶，云服務器遠離移動設備，數(shù)據(jù)傳輸?shù)木嚯x大，導致延遲和通信開銷增大。“霧計算”的概念在2012年被提出[3]，核心思想是“智能前端化”，即在云服務器和終端設備之間，利用網(wǎng)絡設備或者專用設備提供計算、存儲和網(wǎng)絡通信服務，使得數(shù)據(jù)和計算更靠近終端設備，進而降低云服務器的計算和存儲開銷，并且提高了應用系統(tǒng)的響應速度，節(jié)約了網(wǎng)絡帶寬。

很多NB-IoT業(yè)務具有海量連接、區(qū)域廣的特點，以智能抄表應用為例，目前家庭擁有水表、電表、燃氣表以及暖氣表等很多表，將產(chǎn)生巨大數(shù)據(jù)量，全部上傳云端會消耗大量網(wǎng)絡資源；又如智慧電網(wǎng)這類地理分布廣的大數(shù)據(jù)應用，與云端距離大，必然時延大；有些業(yè)務具有“用戶需求就近信息”的特點，如智能停車業(yè)務，每個車位裝備停車傳感器，用戶通過手機APP尋找附近停車位、付款、查找車輛等應用，移動用戶需要附近區(qū)域的本地化信息。針對NB-IoT這些特點，我們提出了對應的霧計算框架，主要思想是將霧計算概念融入無線接入網(wǎng)架構(gòu)中，將NB-IoT接入點（AP）升級為具有存儲和計算能力的霧接入點（F-AP），一些用戶終端應用只需在本地處理或者需求內(nèi)容已經(jīng)存儲在鄰近的接入點，不必連接云計算中心進行數(shù)據(jù)通信，降低執(zhí)行時延，從而提高了應用系統(tǒng)的響應速度，節(jié)約了網(wǎng)絡帶寬。

文獻[4-5]中，霧層由一些零散的、計算能力較弱的交換機或路由器等網(wǎng)絡設備組成，為移動用戶提供邊緣信息服務，接入方式多為藍牙和Wi-Fi；文獻[6]提出基于霧計算的5G接入技術，霧層由可協(xié)作資源管理和聯(lián)合信號處理的接入點、智能終端構(gòu)成；文獻[7]提出了以車為基礎設施的車載霧計算的思想。文章中，針對NB-IoT，我們提出了在蜂窩網(wǎng)絡中每個接入點配置霧計算設備，接入層構(gòu)成霧層方案，在減小異構(gòu)性，增強安全性，以及與5G平滑升級方面更具有優(yōu)勢。

1 基于霧計算的NB-IoT

架構(gòu)

根據(jù)霧計算“智能前端化”的思想，我們把大量與特定環(huán)境相關的信息直接在本地接入點進行存儲和計算，提出了如圖1 所示的基于霧計算的NB-IoT框架，上層為云計算中心，下層為NB-IoT傳感器和移動終端層，在云計算中心和終端設備之間擴展一個更靠近終端設備和移動用戶的霧計算層，稱為“霧層”。霧層部署在NB-IoT接入層，由具有存儲和計算能力的F-AP構(gòu)成，可以直接與覆蓋區(qū)域的物聯(lián)網(wǎng)終端和移動設備相連接。

F-AP作為NB-IoT站點，一方面將NB-IoT傳感器收集的信息進行分析、處理、過濾，及時應對緊急事件，再選擇性地把一部分信息分發(fā)給其他霧節(jié)點或云計算中心；另一方面，它們可以將云服務器上的數(shù)據(jù)或終端設備上傳的數(shù)據(jù)緩存在本地，而且能夠完成移動終端請求的計算或數(shù)據(jù)流量任務，必要時可以進行任務分解，和其他節(jié)點合作，盡可能地將計算任務在本地進行處理，更好地滿足了移動應用高流量和低延遲的需求。云計算中心優(yōu)勢保留，關注于高延遲長周期的大數(shù)據(jù)應用。

圖1中左邊是NB-IoT的典型應用，由于霧層的加入，業(yè)務范圍擴大；右邊是網(wǎng)絡關鍵技術和面臨挑戰(zhàn)。

2 基于霧計算的NB-IoT

關鍵技術

NB-IoT構(gòu)建于長期演進（LTE）蜂窩網(wǎng)絡，具有部署成本低、覆蓋廣、功耗低、海量連接的特點，通過擴展F-AP的邊緣存儲能力和計算能力，可以減少時延、細化數(shù)據(jù)分析，從而更廣泛地應用于多種垂直行業(yè)。

2.1 NB-IoT解決方案

（1）NB-IoT部署場景和空中接口技術[8]

NB-IoT射頻帶寬為180 kHz，支持 3 種部署方式：獨立部署、保護帶部署、帶內(nèi)部署，如圖2所示[8]。

·獨立部署模式：可以利用單獨的頻帶，適合用于全球移動通信系統(tǒng)（GSM）頻段的重耕；

·保護帶部署模式：可以利用LTE系統(tǒng)中邊緣無用頻帶；

·帶內(nèi)部署模式：可以利用LTE載波中間的任何資源塊。

上行采用單載波頻分多址（SC-FDMA）技術，終端支持單子載波和多子載波技術。單子載波技術包含3.75 kHz與15 kHz兩種子載波帶寬；多子載波技術支持15 kHz子載波帶寬，支持更大峰值速率。下行采用正交頻分多址（OFDMA）技術，子載波帶寬為15 kHz。NB-IoT單獨設計了同步信號，多媒體接入控制（MAC）/無線鏈路層控制協(xié)議（RLC）/分組數(shù)據(jù)匯聚協(xié)議（PDCP）/無線資源控制（RRC）層處理基于已有的LTE流程和協(xié)議，物理層進行相關優(yōu)化。

（2）低成本

終端模塊的成本對于海量接入的物聯(lián)網(wǎng)技術發(fā)展至關重要，NB-IoT模塊的成本可控制在5美金以內(nèi)，甚至更低。NB-IoT終端模塊基帶復雜度低，采用180 kHz窄帶系統(tǒng)甚至是更低的單子載波模式，采樣率低，緩存Flash/RAM要求小，數(shù)/模（D/A）和模/數(shù)（A/D）轉(zhuǎn)換、信道估計要求低；23 dBm發(fā)射功率，可支持單片芯片內(nèi)置功率放大器（PA），進一步降低成本；為了降低終端模塊解碼復雜度，使用卷積碼代替turbo碼；終端設備只使用單天線，使得射頻和基帶信號解調(diào)只需要一根接收鏈；又通過半雙工模式，省去了雙工濾波器，只需要一個開關和一個振蕩器實現(xiàn)，從而降低成本和減小功耗。

（3）低功耗

NB-IoT目標是典型的低速率、低頻次業(yè)務模型，且等容量電池壽命可達10年以上。NB-IoT芯片復雜度低，工作電流小，空口信令簡化，單次數(shù)傳功耗低，可以通過基于覆蓋等級的控制和接入減少單次數(shù)傳時間。

NB-IoT借助節(jié)能模式（PSM）和擴展周期不連續(xù)接收技術（eDRX）可實現(xiàn)更長待機。其中PSM技術是Rel-12中新增的功能，在此模式下，處于RRC空閑期的終端可以進入深睡眠，不監(jiān)測網(wǎng)絡，達到省電的目的。eDRX是Rel-13中新增的功能，減少終端監(jiān)測網(wǎng)絡的頻度，減少接收單元不必要的啟動，相對于PSM，大幅度提升了下行可達性。另外，移動性管理只支持小區(qū)選擇和重選，同時減少終端發(fā)送位置更新的次數(shù)，從而減少測量開銷。

（4）覆蓋強，容量大

NB-IoT鏈路預算為164 dB，優(yōu)于GSM、 LTE20 dB左右，覆蓋區(qū)域更廣、更深。如果按照覆蓋面積計算，一個基站可提供7倍的覆蓋面積（開闊區(qū)域）；從覆蓋深度角度看，可以覆蓋位于地下室或隧道中的終端；支持多速率連接，如在一些場景中，終端設備信號微弱，可以選擇單子載波模式集中傳輸能量，大大提升信道容量，借助一個NB-IoT基站就可提供幾萬個連接。

2.2 邊緣存儲

當移動設備的用戶處于一個特定的環(huán)境時，其需要的信息主要是與本地相關的各種信息。如在醫(yī)院環(huán)境下，用戶希望了解醫(yī)院的就診信息、就診過程的狀態(tài)信息；在智能停車業(yè)務中，用戶需要知道的是所在街區(qū)的空車位和收費信息；在商場環(huán)境中，用戶需要知道本商場各商品的具體信息等。利用移動用戶對本地化信息的需求，可以把接入點覆蓋區(qū)域內(nèi)的大量本地信息存儲在該F-AP的霧計算設備中，并在本地實時進行優(yōu)化和計算，以及時完成用戶請求的相關任務[9]。

霧計算設備需要根據(jù)當?shù)丨h(huán)境，預測用戶需求，也包括高流行度的互聯(lián)網(wǎng)內(nèi)容文件，通過主動緩存的方式從云服務器上下載相應數(shù)據(jù)，或者通過被動緩存的方式存儲流經(jīng)它的相關數(shù)據(jù)，比如用戶或傳感器上傳的數(shù)據(jù)，為用戶提供快捷內(nèi)容訪問和檢索功能，有效緩解云服務器的負擔，大大降低通信的傳輸量，減少傳輸延遲。E. Ba?tu[ˇ][g]在文獻[10]中證明，移動用戶需求的信息類型可以在一定程度上被預測出，建議在用戶請求前預存信息。

目前成熟的緩存技術，如在學術和工業(yè)使用廣泛的內(nèi)容分發(fā)網(wǎng)絡（CDN）[9]。CDN通過在多地部署緩存服務器，將數(shù)據(jù)請求分散到各個服務器上，減少單個服務器負載，一定程度上縮短了數(shù)據(jù)傳輸路徑，但是CDN的緩存服務器通常服務于一般的Internet用戶，難以了解和預測移動用戶的需求。與上述的數(shù)據(jù)緩存設備不同，一方面霧服務器更智能化，能夠感知其部署的環(huán)境，推測出附近移動用戶的數(shù)據(jù)需求特性，針對附近用戶的興趣進行數(shù)據(jù)緩存；另一方面，霧節(jié)點可以實時與物聯(lián)網(wǎng)終端和移動用戶交互數(shù)據(jù)，處理數(shù)據(jù)，霧節(jié)點能適時與云端連接，借助云計算中心處理大數(shù)據(jù)。相比于傳統(tǒng)集中式存儲機制，F(xiàn)-AP存儲空間相對較小，邊緣存儲和傳統(tǒng)存儲的聯(lián)合優(yōu)化策略是一項關鍵技術。緩存也不是存儲得越多越好，要在存儲緩存代價和效益之間做出很好的權(quán)衡。

2.3 邊緣計算

與傳統(tǒng)的數(shù)據(jù)存儲設備和接入技術不同，霧計算節(jié)點具有智能計算的能力。可以將NB-IoT傳感器收集的信息進行實時分析、處理、過濾，再選擇性把一部分信息分發(fā)給其他霧節(jié)點或云計算中心；霧節(jié)點可以獨立地對覆蓋區(qū)域的用戶一些請求進行計算和處理，也可以請求云層，獲得更深的數(shù)據(jù)分析。文獻[11]中有霧計算在認知應用中使用的案例，文獻[12]以智慧電網(wǎng)為例，分析了云計算和霧計算的分工，霧計算節(jié)點處理了短時間段（幾毫秒到幾天）、小范圍的數(shù)據(jù)，并對時延敏感的事件做出及時處理，云計算中心處理了長時間段（幾天到幾個月）、大地理范圍的一些數(shù)據(jù)，主要對網(wǎng)絡進行了相關分析和優(yōu)化。

文獻[11]還以智能路燈為例，具體分析了霧計算功能。智能路燈可以收集各個方向上汽車、行人、自行車的信息，比如位置和速度，從這些數(shù)據(jù)計算出相撞事故的概率，對概率高的可能事故做出及時處理；云計算中心則負責分析長時間段數(shù)據(jù)，主要對網(wǎng)絡進行評估和優(yōu)化。霧計算與文獻[13]中Cloudlets相比，都具有邊緣實時計算的能力，但霧計算是更完整、更生態(tài)的系統(tǒng)，具有本地信息預存的功能。

NB-IoT連接海量傳感器，可以用于城市管線監(jiān)測控制、智能抄表。相比云計算，霧節(jié)點可以支持更細致的時間用量表，比如智能抄表，可以每個小時收集燃氣和煤氣用量數(shù)據(jù)，計算能量、用量和費用情況，然后再比較各個時間段電費和燃氣費，用戶可以在不同的時間段選擇更加經(jīng)濟的能耗方式[14-15]。

考慮到有些應用中，單個F-AP難以有效快速地處理大量數(shù)據(jù)，彭木根[6]等提出自適應形成F-AP簇，執(zhí)行分布式協(xié)作計算來減小計算復雜度，提高計算速率和頻譜效率。文獻[16]提出了一種基于粒子群算法的多設備分布式計算方案，達到任務處理時延最小的目標。

3 面臨的問題和挑戰(zhàn)

基于霧計算的NB-IoT技術大規(guī)模的發(fā)展面臨著下面的問題和挑戰(zhàn)，有待于進一步解決。

3.1 F-AP部署

有通信設備制造商建議，NB-IoT站點有共建和獨立建站兩種方案。共建方案是在現(xiàn)有LTE基站完成復用和升級，可以充分利用現(xiàn)網(wǎng)的LTE站點資源和設備資源，共站點、共天饋、共射頻、共公共無線電接口（CPRI）、共傳輸、共主控、共運行和維護管理（O&M），以達到快速部署NB-IoT，節(jié)省建網(wǎng)成本的目的。獨立建站One-box站點方案，簡化了站點，易擴展、平衡演進。

文中提到的F-AP具有3個功能：NB-IoT接入點；移動終端接入點；具有霧計算能力。

3.2 霧計算軟件系統(tǒng)

在霧計算框架中，管理系統(tǒng)需要動態(tài)決定哪些分析需要上傳云端，哪些在霧端處理，從而使時延最小化，網(wǎng)絡吞吐量最大化。F-AP的功能可以通過軟件定義來實現(xiàn)，不同的霧計算設備之間的接口具有高度的靈活性，軟件定義網(wǎng)絡（SDN）可以作為基本的啟動程序來實現(xiàn)霧接入層的靈活性和可重構(gòu)性，SDN是通過核心技術OpenFlow將控制層和數(shù)據(jù)層分離開來，有集中的控制器管理，實現(xiàn)網(wǎng)絡流量的靈活控制。用戶可以開發(fā)各種應用程序，通過軟件實現(xiàn)各種功能，以滿足對網(wǎng)絡資源的不同需求，而無需關心底層網(wǎng)絡的物理拓撲結(jié)構(gòu)。目前面臨的問題：SDN是應用于網(wǎng)絡IP層，如何將其擴展到MAC層和物理層；SDN是集中控制的，而霧接入層更注重分布控制；SDN需要及時獲取設備的位置和狀態(tài)信息，這樣一來會增加網(wǎng)絡負擔。網(wǎng)絡虛擬化能夠為SDN的運行提供基礎架構(gòu)，通過分離數(shù)據(jù)和控制平面，部署標準化網(wǎng)絡硬件平臺，使得許多移動網(wǎng)絡設備中的軟件可以按需安裝、修改、卸載、實現(xiàn)業(yè)務擴展。

4 應用前景

基于霧計算的NB-IoT網(wǎng)絡具有海量連接、低時延、邊緣存儲和邊緣信息處理的特點，適用于以下一些應用場景。

4.1 健康狀況監(jiān)測

中國老年人比例逐年增高，獨處狀態(tài)的老人可以佩戴安裝了NB-IoT模塊的手表，隨時感應身體狀況，數(shù)據(jù)上傳到霧計算節(jié)點，霧節(jié)點預存發(fā)病預測算法，可以實時計算感應器上傳數(shù)據(jù)，及時處理緊急事件。文獻[14]中利用霧計算監(jiān)測、預測、阻止中風患者的發(fā)病，與云計算相比，時延小，功耗低。

4.2 城市大數(shù)據(jù)分析

在現(xiàn)代城市空間中，可以通過價格低廉、分布各處的NB-IoT傳感器獲取大量的數(shù)據(jù)進行城市計算[15] ，城市計算就是一個獲取、整合、分析這些數(shù)據(jù)的過程，旨在解決城市面對的諸多重大的問題，比如空氣污染、能源消耗、交通堵塞等。城市計算同樣也可以幫助我們了解城市現(xiàn)象的本質(zhì)，甚至預測城市發(fā)展的未來。

以污染問題為例，對于中國絕大多數(shù)空氣質(zhì)量監(jiān)測控制系統(tǒng)來說，這些系統(tǒng)往往給出的數(shù)據(jù)是整個城市范圍的空氣質(zhì)量。但是，空氣質(zhì)量會隨著城市中各個點的交通、建筑密度、空氣情況等因素發(fā)生劇烈變化。可以通過每個NB-IoT基站霧計算點來推斷城市中任何指定位置的空氣質(zhì)量，可以提前預測1～2 h內(nèi)的空氣質(zhì)量，以幫助人們更好地計劃自己的生活，比如什么時候和去哪里慢跑，或者什么時候應該關窗戶，什么時候應該戴上面具。

城市計算可以通過NB-IoT連接很多不起眼和普遍存在的傳感技術，運用霧計算實現(xiàn)先進的數(shù)據(jù)管理和分析模型，以及高級的可視化算法，來創(chuàng)造一個改進城市環(huán)境，提高人民生活質(zhì)量和增強城市運行系統(tǒng)的三贏方案。

4.3 智能公共自行車系統(tǒng)

隨著污染問題的嚴重化，自行車出行是更環(huán)保的選擇。現(xiàn)在很多城市都有公共自行車系統(tǒng)，但由于存放點有限，比如小區(qū)、學校只在門口可以存放，自行車不能入內(nèi)，且通常小區(qū)、學校區(qū)域很大，用戶體驗不夠方便，所以現(xiàn)有公共自行車系統(tǒng)功能沒有被充分發(fā)揮。我們建議增加更多自由的存放點，如小區(qū)內(nèi)每棟樓邊都有存放點，并通過密碼鎖方式存放，由于存放點分散，可能會出現(xiàn)某個存放點沒有自行車的情況，因此可以在每輛公共自行車上裝備一塊價格低廉的NB-IoT芯片，把該自行車位置和使用情況信息上傳到NB-IoT基站，基站霧計算節(jié)點可以計算出覆蓋區(qū)域的自行車分布圖，用戶需要使用公共自行車時，可以用手機APP查詢離他所在位置最近的公共自行車。

5 結(jié)束語

我們提出了基于霧計算的NB-IoT網(wǎng)絡架構(gòu)，通過為NB-IoT接入點配置霧計算設備，將接入點升級為具有存儲和計算能力的F-AP，使得數(shù)據(jù)和計算更靠近終端設備，提高應用系統(tǒng)的響應速度，節(jié)約網(wǎng)絡帶寬。我們還闡述了NB-IoT技術特點和F-AP霧節(jié)點的功能，討論了基站部署方案和SDN，并探討了基于霧計算的NB-IoT應用前景和基于大數(shù)據(jù)的知識挖掘。物聯(lián)網(wǎng)海量終端設備的接入和移動數(shù)據(jù)的爆發(fā)式增長，意味著下一代移動通信是超大規(guī)模和空前復雜的，需要引入網(wǎng)絡功能虛擬化（NFV）、SDN和邊緣計算作為網(wǎng)絡關鍵技術，來提升網(wǎng)絡的整體的承載和計算能力，這些關鍵技術都將是下一步研究內(nèi)容。

參考文獻

[1]黃海峰.華為余泉：2016年是NB-IoT產(chǎn)業(yè)發(fā)展的關鍵年[J]. 通信世界，2016（05）：27-28

[2] 3GPP. NB-IoT Work Item Description RP -152284[EB/OL]. [2016-11-22].http：//ow.ly/4mQAfx

[3] BONOMI F. Fog Computing and Its Role in the Internet of Things [C]//Proceedings of the First Edition of the MCC Workshop on Mobile Cloud Computing. USA：ACM， 2012： 13-16

[4] DASTJERDI A V， BUYYA R. Fog Computing： Helping the Internet of Things Realize Its Potential [J]. Computer， 2016， 49（8）： 112-116. DOI： 10.1109/MC.2016.245

[5] RAY K S， MONDAL M. Fog Computing： Focusing on Mobile Users at the Edge [J]. Computer Science， 2015， 2（3）：22-25

[6] PENG M G， YAN S， ZHANG K S， et al. Fog-Computing-Based Radio Access Networks： Issues and Challenges [J]. IEEE Network， 2015， 30（4）：46-53. DOI：10.1109/MNET.2016.7513863

[7] HOU X S， LI Y， CHEN M， et al. Vehicular Fog Computing： A Viewpoint of Vehicles as the Infrastructures [J]. IEEE Transactions on Vehicular Technology， 2016， 65（6）：3860-3873. DOI：10.1109/TVT.2016.2532863

[8] Ericsson. NB-IoT： A Sustainable Technology for Connecting Billions of Devices[EB/OL].（2016-04-22） [2016-11-26]. https：//www.ericsson.com/thecompany/our_publications/ericsson_technology_review/archive/narrowband-iot-connecting-billions-devices

[9] PENG G. CDN： Content Distribution Network [EB/OL]. [2016-11-22].https：//arxiv.org/abs/cs/0411069

[10] BASTUG E， BENNIS M， DEBBAH M. Living on the Edge： The Role of Proactive Caching in 5G Wireless Networks [J]. IEEE Communications Magazine， 2014， （52）： 82- 89. DOI：10.1109/MCOM.2014.6871674

[11] SATYANARAYANAN M， CHEN Z， HA K， et al. Cloudlets： at the Leading Edge of Mobile-Cloud Convergence [C]// 2014 6th International Conference on Mobile Computing， Applications and Services （MobiCASE）. USA： IEEE， 2014： 1-9. DOI： 10.4108/icst.mobicase.2014.257757

[12] BONOMI F， MILITO R， NATARAJAN P， et al. Fog Computing： A Platform for Internet of Things and Analytics [M]. Germany： Springer， 2014

[13] SATYANARAYANAN M， BAHL P， CACERES R， et al. The Case for VM-Based Cloudlets in Mobile Computing [J]. IEEE Pervasive Computing， 2009， 8（4）： 14-23. DOI： 10.1109/MPRV.2009.82

[14] CAO Y， CEHN S Q， HOU P， et al. FAST： A Fog Computing Assisted Distributed Analytics System to Monitor Fall for Stroke Mitigation[C]//Processing of 10th IEEE International Conference Networking， Architecture and Storage （NAS 15）.USA：IEEE， 2015： 2-11. DOI： 10.1109/NAS.2015.7255196

[15] ZHENG Y， CAPRA L， WOLFSON O， et al. Urban Computing： Concepts， Methodologies， and Applications ACM [J]. ACM Transactions on Intelligent Systems and Technology （TIST）， 2014， 5（3）： Article 38. DOI： 10.1145/2629592

[16]何秀麗，任志源，史晨華，等. 面向醫(yī)療大數(shù)據(jù)的云霧網(wǎng)絡及其分布式計算方案[J].西安交通大學學報， 2016，50（10）： 71-77