基于公共安全智能體的網絡體系架構研究

許德瑋

(中國信息通信科技集團有限公司，武漢 430074)

0 引 言

隨著智慧城市核心技術之一人工智能(Artificial Intelligence, AI)技術的快速發展與突破，多位學者對基于AI的新型智慧城市進行了研究并給出了智慧城市新的定義。黨安榮博士等提出通過建設新型無線城市、構建“城市大腦”和發展“互聯網+”產業推動新型智慧城市的縱深發展[1]；余少華院士等在文獻[2]中提出了網絡智能體和城市智能體的概念，在文獻[3]中給出了企業智能體的定義。以上文獻均提到，網絡是智慧城市的核心資源，作為新型智慧城市-城市智能體的有力支撐，網絡智能體是其發展的第一步。

公共安全智能體是城市智能體的行業體現。目前，對公共安全智慧化的探討還多停留在智慧公共安全，而未能上升到公共安全智能體的層級。隨著大數據、云計算、物聯網和AI等技術在公共安全領域的應用，城市公共安全的需求逐漸發生了轉變，具備自學習、自決策和自適應等能力的公共安全智能體能更好地促進公共安全領域的發展，而其發展的第一步是讓城市網絡能夠具備自適應、自思考和自完善的能力。基于此，本文對基于公共安全智能體的AI網絡體系架構進行了研究，在此基礎上給出了公共安全智能體的平臺框架和基于公共安全智能體的AI網絡體系架構。

1 基于AI網絡體系架構的演變

1.1 光網絡

近幾年，我國光纖寬帶部署規模不斷擴大，完成了骨干網IPv6的部署，構建了云網互聯平臺，夯實了為各行業提供服務的網絡能力。2020年2月，工信部發布的2019年通信業統計公報中顯示[4]，2019年，全國光纜線路總長度達4 750萬千米，比上年增長9%，到2019年年底，互聯網寬帶接入端口數量達到9.16億個，其中，光纖接入(Fiber to the Home/Office,FTTH/O)端口達到8.36億個。同時，近幾年急劇增長的數據流量,超高清視頻、云計算和物聯網等新興業務的高速發展，對帶寬需求的急劇增長，都對底層光網絡設備帶寬和容量提出了更高要求。光網絡設備業務發展的同時也驅動著光網絡架構的變革，近20年，光網絡的智能化經歷了從自動交換光網絡到路徑計算單元到軟件定義光網絡再到AI光網絡(AI+Optical Network， AI+ON)的發展歷程[5]。AI+ON的架構如圖1所示，其將AI技術應用于網絡管理，基于跨層管理和反饋控制等手段，通過對海量網絡數據的智能分析和優化，來實現光網絡的智能性、靈活性和安全性[6]。

圖1 AI+ON架構

在AI+ON的基礎上，文獻[5]提出了基于云計算與邊緣計算協同的AI+ON架構。圖2(a)所示為AI+ON的傳統架構，該架構中只有控制節點具備計算能力，計算能力非常有限；圖2(b)所示為基于云和邊緣計算的AI+ON架構，通過云化技術，在支持邊緣計算的光傳送和控制節點的協作下，為光網絡動態提供計算資源[5]。

圖2 AI+ON架構

1.2 無線網絡

2019年，在第四代移動通信(The 4th Generation Mobile Communication, 4G)網絡覆蓋的不斷完善和第五代移動通信(The 5th Generation Mobile Communication, 5G)網絡的部署實施下，我國移動網絡服務質量持續獲得提升。2020年2月，工信部發布的2019年通信業統計公報中顯示[4]，2019年，全國移動通信基站總數達到了841萬個，其中4G基站總數為544萬個，4G用戶總數達到12.8億戶，全年凈增1.17億戶， 4G用戶占總數的80.1%，成為全球最大4G網絡；全國移動電話用戶總數達到16億戶，普及率達到114.4部/百人，遠高于全球平均的101.5部/百人。同時，我國5G相關投資快速增長，在多個城市已實現5G網絡的重點市區室外的連續覆蓋。物聯網的應用也在各領域得到大力的推廣，2019年，蜂窩物聯網用戶凈增 3.57億戶，總數達10.3億戶。

圖3所示為4G向5G網絡架構的演進圖。4G網絡基本采用分布式基站架構，中國移動提出并推動了C-RAN(Cloud-Radio Access Network)架構，5G網絡架構在C-RAN架構基礎上發生了一些變化，其將C-RAN中的室內基帶處理單元(Building Base band Unite，BBU)和天線等功能進行了重新分配，將網絡架構變為了4級：有源天線單元(Active Antenna Unit，AAU) 、集中單元(Centralized Unit，CU) 、分布單元(Distribute Unit，DU)和骨干網。

圖3 4G向5G網絡架構的演進

在4G向5G演進的初期，4G和5G網絡仍會以多種方式兼容存在。目前大多采用的方式為，在4G網絡基礎上只建設5G基站，將5G無線系統連接到現有的4G核心網絡中。這種方式可快速實現5G網絡的部署，且可節省完全重新部署5G網絡所需的巨額費用。之后，隨著5G網絡的大規模部署，可考慮采用獨立5G網絡系統單獨進行組網。這種情況下，雖然5G網絡可提供高速業務和更高的業務質量，但在某些5G網絡覆蓋不足的區域仍可以借助4G網絡來提供覆蓋和容量。

1.3 基于AI的網絡體系架構

圖4所示為基于AI的網絡體系架構。網絡控制平臺基于AI技術，對整個網絡架構進行統一管理。云計算平臺除了為網絡應用提供分布式存儲、并行計算和資源調度等功能外，還提供了AI引擎。通過模型訓練任務管理模塊，云計算平臺還為網絡控制平臺提供了多數據處理、資源聯合調動和模型優化等功能的AI應用機制[5]。此外，還在該網絡體系中引入了邊緣計算。邊緣計算節點/網關除了具備傳統的傳送能力外，還增加了數據采集、計算、存儲和控制等模塊，就近提供網絡邊緣智能服務。

圖4 基于AI的網絡體系架構圖

2 公共安全智能體

余少華院士在文獻[2]中指出，所謂城市智能體，是指以“發展更科學、治理更高效、生活更美好和社會更和諧”為高質量發展整體目標，具有一定的自感知、自學習、自決策、自執行和自適應能力，具有公共智腦和類人行為意識的一種全新形態[2]。

公共安全智能體作為城市智能體的一個分支，其總體框架如圖5所示。其主要分為智能終端、網絡智能體、公共安全智能體和智能應用4層。

圖5 公共安全智能體總體框架圖

智能終端采集各類語音、圖像、視頻和數據信息，實現了各類公共安全數據、社會數據和感知信息的全面采集，采集的數據統一在數據采集平臺做數據的預處理，進行數據的初步過濾。利用智能終端和邊緣計算等AI技術，可實現信息采集層的物理全感知、數據預處理和前端智能。

網絡智能體設計以最新通信網絡技術為手段，融合公共安全專網、視頻專網、語音網、公共運營網和AIoT等網絡，為信息傳輸提供快速通道，并在統一通信平臺對網絡進行統一管理，建立一個安全、高效和靈活的網絡傳輸平臺。在使用軟件定義網絡(Software Defined Network, SDN)/網絡功能虛擬化(Network Functions Virtualization，NFV)技術對網絡進行重構和網絡大數據的基礎上，利用邊緣計算和AI等技術實現網絡的自感知、自管理和自預警。

公共安全智能體分為IAAS、PAAS和DAAS 3個子層，為上層應用提供基礎設施支撐、云服務、數據存儲與分析和公共服務等各方面服務和保障。

IAAS層利用云計算相關技術，構建安全、可靠、靈活的云數據中心、云操作系統、云資源池以及容災備份中心，為各類應用和信息資源服務提供基礎支撐。通過對具有高帶寬緩存和多計算核心的圖形處理器(Graphics Processing Unit，GPU)、特定場景應用而定制的計算芯片以及基于計算芯片所定制的服務器(包括GPU服務器集群、各類移動終端設備以及類腦計算機等)的研究，來為AI高計算力需求提供保障。

PAAS層通過引入云計算、大數據技術和理念，對各類數據資源進行統籌，建成統一的通用服務窗口，并提供豐富的平臺功能和可定制的接口服務，實現分布信息共享應用。考慮到傳統關系型數據庫在處理數據密集型應用方面靈活性差、擴展性差和性能差等問題，在現有關系型數據庫為核心的應用系統之上，建立以分布式文件系統、NoSQL和大規模并行處理系統(Massive Parallel Processing,MPP)型數據庫為基礎的、適用于云計算和大數據處理的新型應用框架，實現不同的節點分布式計算，提高面向海量數據的任務執行效率，保證任務執行的可靠性，并根據具體的應用場景不同，視情引入內存型數據庫的應用作為有益補充，共同滿足公共安全大數據的維護管理需要。此外，平臺服務子層還提供方便易用的開發環境平臺服務，幫助應用開發者快速完成定制應用的開發和測試。PAAS涵蓋了機器學習和深度學習等AI算法的模塊化封裝，為上層應用開發提供集成AI算法調用接口。

DAAS層是PAAS層對外提供數據云服務的基礎。在數據整合方面，充分利用公共安全領域海量“人、地、物、事、組織”等結構化數據與視頻、圖像等非結構化數據，通過在多網之上建設云中心，對全網數據進行集中的預處理和備份，形成“一庫、一視頻、一張圖”，最大程度地實現信息共享和綜合利用。在數據服務方面，在將非結構化數據轉換為結構化數據后，通過AI技術，在云中心實現各類大數據的碰撞融合，以此推動公共安全大數據的深度挖掘，提供各類數據分析云服務，在此基礎上，為上層應用提供關系分析、空間服務、視頻服務、數據基礎服務和預測服務等基礎數據分析服務。

智能應用基于語音與圖像識別、自然語言處理和情感識別等AI技術，在城市智能體提供的關系分析、空間服務、視頻服務、數據基礎服務和預測服務等基礎數據分析服務之上，結合各業務的特點，建設相應的行業應用產品或服務。在應用層的底層，通過用戶管理中心對用戶權限進行統一管理，為不同的用戶分配不同的權限，提供不同的數據服務。

同時部署云安全和云運維體系為公共安全智能體提供保障。

3 基于公共安全智能體的網絡體系架構

基于城市智能體的AI網絡體系架構即網絡智能體與目前智慧城市網絡架構相比，最大區別在于其具有一定的自感知、自學習、自決策、自執行和自適應能力[2]。文獻[2]給出了網絡智能體區別于現有網絡體系架構的3點特征：(1)其是在基礎網絡設施、網絡重構與SDN/NFV等網絡技術及網絡大數據的基礎上，對“云網+感知+大數據+算法+人工智能”的理論、方法和應用進行的研究。(2)其可實現網絡的自感知、自搜索、自學習和自決策，使網絡能夠實現更高層次的智能化應用。(3)其可通過對大數據的訓練，實現一定的思考能力，能夠自主完成部分較復雜的工作。

公共安全智能體由于其行業的特殊性，會對網絡有一些特殊的要求。基于此，再結合網絡智能體的特征，與公共安全智能體協同、互動的網絡體系架構的設計應該是以最新的通信網絡技術為手段，從底層架構上為實現公共安全數據的高效流轉、共享與融合打下基礎，建設一個安全、高效和靈活的傳輸網絡平臺。基于公共安全智能體的網絡體系架構如圖6所示，基于該架構可實現公共安全智能體網絡的靈活部署與擴展和智能動態管理。

圖6 基于公共安全智能體的網絡體系架構

如圖所示，通過光纖鏈路和設備冗余的改造，實現基層節點的全光纖接入；基于AI庫的網絡控制平臺與下層基礎網絡設施相對獨立，通過資源管理、負載均衡等模塊實現網絡的高速交換和統一智能管理；云計算平臺為網絡控制平臺提供了分布式存儲、并行計算和AI引擎。該架構中的云計算平臺和邊緣節點可根據計算、存儲和網絡控制管理實時性需求進行靈活地部署和擴展，對網絡資源進行智能動態管理。后文將著重對云計算平臺中的各個數據中心間網絡互聯架構、基于云計算平臺的網絡控制平臺架構和基于邊緣計算的無線網絡架構進行介紹。

3.1 數據中心間網絡互聯架構

在基于公共安全智能體的網絡體系架構中，云計算平臺中的數據中心間采用3種網絡互聯方式進行部署：網絡3層互聯(Layer3)、網絡2層互聯(Layer2)和存儲區域網絡(Storage Area Network,SAN)互聯。每種互聯鏈路所承載的數據和實現的功能均不同，且3種鏈路邏輯上相互隔離，基于云計算平臺的網絡控制平臺與下層基礎網絡架構相對獨立，實現網絡的統一智能管理。圖7所示為基于公共安全智能體的數據中心間網絡互聯架構圖。

圖7 數據中心間網絡互聯架構圖

網絡3層互聯稱為數據中心前端網絡互聯，分支機構通過該網絡實現與數據中心的互聯。不同數據中心(主數據中心和災備數據中心)的前端網絡通過IP技術實現互聯，分支機構通過前端網絡訪問各數據中心。當主數據中心發生災難時，前端網絡將快速切換，分支機構通過訪問災備數據中心以保障業務的連續性。

網絡2層互聯為數據中心服務器網絡互聯。為滿足虛擬機或服務器集群動態遷移等對網絡的需求，在各個數據中心服務器的網絡接入層構建跨數據中心的大二層網絡虛擬局域網(Virtual Local Area Network,VLAN)。

SAN互聯為后端存儲網絡互聯。通過后端存儲網絡互聯可借助傳輸技術(DWDM等)實現主數據中心與災備數據中心之間磁盤陣列的數據備份和傳遞。

3.2 基于云計算平臺的網絡控制平臺

基于云計算平臺的網絡控制平臺如圖8所示。在基于公共安全智能體的網絡體系架構中，云計算平臺在提供一般云平臺所提供的分布式存儲和并行計算功能的同時，還提供了AI引擎為模型訓練任務管理模塊提供AI技術支持。網絡控制平臺與下層的基礎網絡資源無耦合且相對獨立，通過資源管理、負載均衡、跨層協同、動態優化和網絡安全等模塊，在AI智能引擎的支持下，為用戶提供統一的網絡智能管理服務。

圖8 基于云計算平臺的網絡控制平臺

基于云計算平臺的網絡控制平臺還引入了邊緣計算作為補償。邊緣計算節點除了具有傳統的傳送能力外，還具有數據采集、數據存儲和數據計算等模塊，能就近提供網絡邊緣智能服務。

3.3 基于邊緣計算的無線網絡架構

2019年以來，我國4G網絡覆蓋不斷得到完善，5G網絡的部署也在逐步進行中。以5G為代表的無線通信網絡與AI之間是相輔相成的關系，它們之間相互賦能。AI技術可以讓無線核心網實現自動化，幫助核心網實現運營、維護和自動化。網絡切片的建設以AI為核心，構建一個自動化的運維體系，對網絡行為進行精準預測，對故障進行自動修復，實現對網絡運營實時(分鐘級)的監控。由于5G網絡將帶來更多更豐富的邊緣服務需求，因此，MEC就變成了5G網絡的重要技術之一。在基于公共安全智能體的網絡體系架構中，將邊緣計算和AI引入到了無線網絡架構中，如圖9所示。

圖9 基于邊緣計算的無線網絡架構

在該無線網絡架構中，通過邊緣計算技術將計算、存儲和網絡等信息與通信技術(Information and Communications Technology，ICT)基礎設施下沉作為基礎能力提供給上層業務，實現上層業務的數字化、網絡化和智能化。基于邊緣計算的無線網絡架構的特點主要包括：硬件通用化及軟硬件解耦；計算與存儲能力的開放；軟件實現任務調度；按需提供實時處理能力等。

3.4 應用場景

基于公共安全智能體的AI網絡體系架構為公共安全領域的各類應用提供了更為便捷、智能、高效和安全的網絡保障。如基于5G網絡的智能無線公共安全應用、多網融合的車載應用、基于5G網絡的攝像頭、電子卡口應用、傳感技術與多網融合結合的行業監控應用和多技術融合的機動應急通信指揮應用。這里主要對多技術融合的機動應急通信指揮應用進行介紹，其示意圖如圖10所示。

圖10 機動應急通信指揮示意圖

重大突發事件往往需要公共安全領域多個部門聯合行動，并且現場環境中的陌生變量因素較多，如何處理好指揮大廳與現場指揮調度的統一協調、現場執行情況向雙指揮點的信息反饋等問題就需要借助各種通信手段與統一通信平臺的支持才能解決。

通過集成多種通信信號為一體的應急通信指揮車可實現多種應急指揮方式并存，其在以應急指揮中心為核心的平臺下，依托多個層級的有線網絡、無線網絡，形成現場二級調度，將實時圖像回傳到應急指揮中心。通過指揮車上的統一通信平臺將視頻、語音調度融合為一，在基于AI庫的網絡控制平臺的協調調度下，通過無線、有線和衛星通道，可完成視頻回傳、應急語音調度和視頻電話會議等多種功能，實現指揮臨場化、過程可視化、資源集約化、保障綜合化和信息全景化的應急防控一體化的數字化應急指揮平臺。

4 結束語

本文對基于公共安全智能體的AI網絡體系架構進行了研究，在此基礎上給出了公共安全智能體的平臺框架和基于公共安全智能體的AI網絡體系架構，給出了其在公共安全領域的部分應用場景。在基于公共安全智能體的AI網絡體系架構今后的發展中，應關注如何讓其向著可知、可控、可用和可靠的方向發展。