骆 滨

（昆明地铁建设管理有限公司，云南昆明 650021）

1 计算技术简述

1.1 云计算系统

云计算系统在各个行业得到日益广泛的应用。云计算系统平台包括云计算、云调度、云存储、云安全、云监控、云端打印设备和外存储设备等，兼顾数值处理和数据存储，是一种集成分布式计算、边缘计算、网格计算、虚拟化、分布式存储、分布式设备管理、负载动态均衡功能的系统。云计算系统的外在表现是为客户提供实时的软件服务、海量的数据存储、快速的系统响应、丰富的开发工具等。

1.2 边缘计算

云计算中心是把相关的基础层硬件设备通过网络实行虚拟化管理、动态分配、按需服务，是一个通过分布式技术实现的集中式数据处理中心。随着云计算的发展成熟，研制与特定行业或者特定的工作需求相吻合的专业云方案就浮上了桌面。边缘计算是指在分布式的云环境中，将数据和信息、信号等传输给距离最短的相邻节点来处理，并将处理结果以最短的时间反馈给终端用户。这种节点本身具备信息处理的能力，可以作为一个微型的云计算中心来对待。这种处理方式避免长距离的网络传输，减轻网络的负担，减少带宽的占用，也减轻云计算中心的信息处理量和资源占用，同时提升了用户的使用体验。边缘计算与云计算互为补充、深度协调各种资源的使用和调度，使整个系统的资源利用率更高、负载更为均衡、处理和响应效率更佳、避免网络拥堵、用户体验度提高。

2 现存 AFC 系统的状态分析

目前昆明地铁自动售检票系统（AFC），能够较好地完成售、检票的功能，完成票款的清分和资金的划拨，系统功能完备、数据独立、逻辑清楚，系统结构如图1所示。但从昆明地铁实际使用情况来分析，目前的系统也存在明显的不足。

（1）层次过多。从第四层到第一层的客流、票卡、设备状态、统计收益数据等和从第一层到第四层的运营参数、控制命令、时钟同步等数据都需要层层转发，整个过程传输和转发环节过多。

（2）设备和数据高度冗余。数据高度冗余，从终端设备（四层）到车站计算机系统（三层）再到线路中央计算机系统（二层）再到清分系统（一层），每一层都保存着重复的应用数据。设备高度冗余，从车站终端设备（第四层）到清分系统（第一层）每层都有服务器、工作站、存储设备、打印设备等。

（3）功能重叠。从第三层到第一层都存在传输、存储、统计分析、系统数据安全监控、时钟管理、报表生成、收益管理等功能，使得每一层都需要配置网络系统软件、操作系统软件、数据库软件、应用软件等，整个系统中多处重复软件使整个系统显得十分冗杂。

（4）资源利用率低。2019年 7月 （疫情前），昆明地铁客流量最大的首期工程平均单日运送394 437人次，全线平均客流26 296人次/h，单站平均客流低于1 000人次/ h。线路运营高峰时段断面客流单站最大值小于18 000 人次。清分系统、线路中央系统、车站等大量计算机设备处于空闲状态，造成投资浪费。

（5）系统越来越庞大。随着新线次第完工，AFC系统的设备规模也同步增多。同时维护成本也越来越高。

3 基于云和边缘计算的 AFC 系统

3.1 总体结构

在充分分析现存的AFC系统结构及优缺点后，提出一个4层的基于云计算和边缘计算技术的自动售检票系统（ACE）。在如图2所示的ACE架构中，剔除图1中的清分系统、线路中央计算机、车站计算机系统3个层次，增加了多车站边缘计算节点层（MEC）和云清分中心（CCC）。第四层CCC采用了云计算技术，构建了能够满足系统清分功能的清分系统。

3.2 物理拓扑结构

ACE系统包括了云计算清分设备、多车站边缘计算设备、传输速率10 GB以上主干网和车站终端设备。其物理拓扑结构如图3所示。

3.2.1 云计算清分中心

CCC包括若干物理服务器、万兆交换机、万兆路由交换机等核心设备。由云计算系统对物理服务器进行虚拟化分割和管理，产生多台虚拟服务器，并在此基础上实现即时响应。当线路增加时，可以根据实际需要实时扩展系统硬件和性能。

3.2.2 地铁网络系统

主干网络采用自愈式冗余网络双环形结构，二层组网，车站设备、边缘计算节点设备和CCC各自组成局域网，局域网采用星形以太网结构。各个局域网采用万兆路由交换机接入环形网络，CCC局域网内部采用万兆交换机相连，其他局域网内部采用千兆交换机相连接。当网络工作时，若主环出现故障，则备用环路工作，主环进入自愈修复状态，以保证整个网络系统正常工作。

3.2.3 边缘计算节点

边缘计算节点（MEC）可以看成是1个微缩版的云计算服务节点。1个边缘计算节点管理和传输若干个（图2中若K= 5，即表示5个站点）站点的数据、命令、时钟信号，所辖站点的交易数据、设备参数、人脸特征、报表信息等都存储在边缘计算节点的计算机系统中，由该系统统一处理和上传下发。

3.2.4 车站设备

车站设备包括接入主干网的留有冗余万兆接口的路由交换机以及接入千兆交换机口的自动检票机、售票充值一体机、人脸识别器、手机刷码器、票房售票机等，省去了车站计算机及其相关设备。当主干网络断开时，车站设备能够独立运行并保存数据，当网络恢复正常时，车站设备可以正常传输数据。

3.3 应用功能划分

由于ACE系统中去除传统的清分中心和线路中央计算机、车站计算机功能层，增加MEC和CCC功能层，因而有必要对自动售检票系统的功能进行适度的重新划分，尽量避免不必要的重复和累赘。

3.3.1 云清分中心功能

CCC保留传统AFC系统中的清分、参数管理、报表分析、票务管理、密钥管理、数据交换、异地容灾、系统管理等子系统，增加决策支持子系统和人脸比对子系统。同时去除客流监测和设备监控功能。

人脸比对子系统在CCC的人脸中心库中保留所有线路站点采集的人脸数据、支付方式（银行卡、微信、支付宝等）和其他必须的辅助信息。CCC人脸中心库和各个MEC人脸本地库数据结构完全一致。CCC中的人脸比对功能为全线网提供服务，但并不是所有的人脸比对都在CCC中心库完成。

将原线路中央计算机系统中的决策支持功能移到CCC中执行，既可以根据数据对于全线网的客流、收益、系统运行等提供分析报告，也可以对某条线路或指定区间、站点提供分析预测报告。

3.3.2 边缘计算节点功能

MEC主要功能包括软件更新、数据采集、时钟管理、客流监控、设备监控、维护管理、人脸比对、数据库操作、权限管理等。将原线路中央计算机、车站计算机系统中的报表系统和收益管理等功能划分到CCC中实现。

MEC人脸本地库保存着MEC所辖站点采集的人脸与支付信息，并实时传输到CCC人脸中心库中保存。若通过手机APP采集的人脸与支付信息，则直接传入CCC人脸中心库存储。当旅客刷脸验票时，系统在本地库对人脸信息进行比对，若比中，则支付以后过程结束；否则将信息传送到CCC中心库比对，若比中，则将该人脸信息复制到当前MEC人脸本地库；若未比中，则反馈信息给站点人脸设备。本地人脸数据库和CCC人脸中心库都要进行数据定时更新。

3.3.3 车站设备功能

车站设备中增加人脸采集和比对、手机刷码功能，除去原车站计算机系统中的计算机及其附属设备，升级交换机性能，其余自动检票机、自动售票机、票房售票机等设备保留，但需要升级其网络传输性能。

3.4 云架构

3.4.1 云清分中心架构

CCC架构包括业务应用层、系统平台层、基础设施层。架构层级如图4所示。

（1）基础设施层。该层包括资源池化的基础设施和云计算管理平台。如物理服务器、存储器等物理基础设备，通过云计算管理平台的虚拟化管理功能产生一系列的虚拟机，包括虚拟服务器、虚拟存储器、虚拟网络等。虚拟机有利于更充分地利用硬件资源，提高设备的使用效率，更好地共享底层物理资源。底层物理设备为系统的正常运转提供物理支持。

（2）系统平台层。虚拟化是云计算的核心技术。云系统软件和云操作系统、通信软件、云数据库系统等为应用的实现提供了一个软件环境。云计算技术通过负载均衡、进程线程调度、数据实时迁移、动态分配、虚拟化、多用户等功能保证ACE系统功能的及时实现。人脸比对子系统、电源管理子系统和数据备份软件以线程的形式运行于系统层，以便对来自于ACE系统的请求及时作出响应。该层提供了应用软件的二次开发平台、应用编程接口（API）程序开发包，为ACE功能的再次提升和软件更新提供了基础环境。智能管理平台实现对主机、网络、数据库、应用软件、防火墙等的监控、配置、安装、管理等功能。

（3）业务应用层。该层包括了ACE系统的应用程序接口，系统以桌面云的形式提供服务。桌面云提供与CCC虚拟设备进行数据交互、计算的能力，可以圆满地完成CCC的工作。桌面云可以根据不同的用户权限和需求定义不同的应用入口、虚拟数据区和访问范围，有利于对不同级别人员的区别管理。

3.4.2 多站点边缘计算节点架构

MEC架构类似于CCC架构，但规模要小。MEC采用云操作系统。MEC根据所辖站点的多少和客流大小选择设备的数量和性能。MEC硬件基础提供的性能要与该节点处理所有所辖站点的数据、命令和人脸比对等的响应时间相匹配。随着市郊线网的建造，一部分站点离CCC的距离可以达到200多km甚至更远，MEC能够对所辖站点的数据就近处理，这极大地减轻主干网络的传输负载，也缩减数据处理的响应时间。

3.5 人脸库动态更新算法

人脸识别系统是一个分布式二级数据库管理系统，即本地库—中心库管理模式。为了提高人脸识别的效率和释放无用空间、清理不使用的人脸数据，需要定期对 MEC本地人脸数据库进行动态更新和数据清理。算法如下：

第一步，对每一个MEC本地库取一定的时间段天数L，按每天进出站两次计算，时间段L进出站总数为2×L，作为比较基数；

第二步,取当前人脸数据，若是数据库尾，则判定为空库，结束；否则，转第三步；

第三步，统计时间段L范围内该MEC所辖站点的该人脸进出站次数T；

第四步，若T /（2×L）≤0.05（小于等于5%），则该人脸信息移到CCC中心库，覆盖中心库中该人脸旧的信息，删除本地库该人脸信息；

第五步，在MEC本地库中，取下一条记录，若是数据库尾，则结束；否则，转第三步；算法结束。

可以对CCC人脸中心库进行类似的操作，以清理掉长期（例如10年）不使用的人脸数据。通过人脸信息更新，始终保持人脸库为活跃有效乘客，以减少库容和提高识别速度。

4 ACE 系统与传统 AFC 系统比较分析

基于云计算的ACE系统构架是4层结构，比原来的AFC系统构架少1层，这在一定程度上不仅减少设备冗余，也减少数据传输的层级。ACE系统既减少了整个系统的硬件设备，也减少了相关的软件需求。数据存储由原来的4层存储减少到新系统的3层存储。新系统重新划分了各层级的应用功能，减少了功能重复和累赘，也减少了数据在系统中的传递。ACE系统引入了MEC概念，1个多站点边缘计算节点能够代替K个车站计算机系统，减少了K套车站计算机系统,增加了一套MEC系统,设备减少50%以上。

随着线网的扩容，清分中心处理数据的能力也要求同步提高。基于云计算系统的易扩展性，可以通过增加服务器等设备的方式提高云清分中心的处理能力。

云计算系统与传统系统相比，资源的利用率更高，在云清分中心与传统清分中心设备数量和性能相当的情况下，相同时间内CCC能够处理更多的数据。

5 可能存在的问题

经分析ACE系统可能存在的问题有以下几个方面。

（1）在ACE系统中，站点设备数量K取值的准确性部分决定整个系统的效率。若K的取值太大，则可能使多站点边缘计算节点的反应速度下降；若K的取值太小，则可能使该节点的设备空闲率增高。

（2）若云清分中心与多站点边缘计算节点设备性能悬殊，则也会影响到整个系统的处理能力。

（3）云计算系统是产生规模效益的，若某个城市的人口和地铁规划（包括轻轨）达不到一定的规模，则要考虑是否存在建设ACE系统的必要。

（4）安全问题。CCC属于私有云，与传统清分中心一样都与外界存在数据与信息的交互，但只要采取必要的安全措施，安全风险是可以防范的。

6 结论

ACE系统运用云计算和边缘计算技术，使整个系统总体投资适度减少。ACE系统比传统AFC系统层级更少、设备规模降低、各层功能避免重叠，整个系统更加精简和运行流畅。ACE系统中融合了人脸比对系统，提出了人脸数据库的建库模式和动态更新算法，使系统功能更加完备，符合地铁机电技术发展的趋势和方向。ACE系统是一个结构精简、技术先进、性价比高的地铁自动售检票系统，比传统AFC系统更具优势。

若新建地铁线路直接采用ACE系统建设，则性价比较高；若对于既成线路进行改造，则会有一定的工程量，需要慎重考虑其性价比。