分布式边缘计算下的光与无线融合接入网自感知模型与协同控制研究

With the advent of large bandwidth and low delay services such as Internet of Things and massive video streams, it is difficult to support the future development of access networks based on only one technology type. New features and new requirements such as optical and wireless converged access network and edge intelligence on information computing and data processing highlight, so integration of multiple networks and intelligence into the core elements and their respective advantages becomes an inevitable trend. This project takes the basic problem of optical and wireless convergence access network on the distributed edge computing-- self-aware model and cooperative control mechanism as research starting point, and uses "computing and network" resource conversion and coordination on the basis of self-learning as the mean. The core "model - method - mechanism" is proposed, analyzed and validated:(1)self-aware model of network and computing resources in complex access environment;(2)the joint deployment method of edge computation and network resource based on machine learning; (3) Unified control of optical / wireless / computing converged access. Through the above innovative and basic research work, it is proposed to achieve breakthroughs in enhancing the interoperability of intelligent access and multi-network. The expected results can provide valuable research results and theoretical and technical guidance for further research and development of collaborative control of edge data center and optical / wireless converged access network.

随着物联网，海量视频等大带宽低时延业务的到来，单靠一种技术型态难以支撑未来接入网的发展，光与无线的融合接入、信息计算与数据处理的边缘智能等新特征与新需求凸显，融入核心要素并发挥各自优势的多网协同与智能融合成为必然趋势。本项目以分布式边缘计算下光与无线融合接入网的基础问题—自感知模型和协同控制机制为研究出发点，以基于自学习的“计算与网络”资源转换和协同为手段，提出、分析并验证其中核心的“模型-方法-机制”：⑴复杂接入环境下网络与计算资源的自感知模型；⑵基于机器学习的边缘计算与网络资源联合部署方法；⑶光/无线/计算融合接入的统一控制机制。通过以上创新性与基础性研究工作，拟在智能化接入与多网协同能力提升方面实现突破，预期成果可为未来边缘数据中心协同控制下光/无线融合接入网的研究与发展提供有价值的研究结果和理论技术指导。

随着物联网、无人驾驶、虚拟现实等新兴业务的到来，单靠某一种技术形态难以支撑未来接入网的发展，光与无线的融合接入、信息计算与数据处理的边缘智能等新特征与新需求凸显，融入核心要素并发挥各自优势的多网协同与智能融合成为必然趋势。但多种业务形态与异构网络资源的交织加剧了网络资源管理与调配的实现难度，突显出多维异构网络环境下资源利用低效等关键问题，因此光接入、无线接入以及计算资源迫切需要实现高效协同，以满足业务定制化需求并提升网络服务的整体最优化。本项目针对分布式边缘计算下光与无线融合接入网资源特点，创新提出面向复杂接入环境下异构资源的自感知机理，以及基于机器学习的计算与网络资源联合部署方法，并以软件定义光网络的灵活控管体系为支撑，突破光、无线与计算资源联合调度过程中的物理性约束壁垒，实现多元化网络资源的协同控制，进而从整体上提升融合接入网络的灵活性与智能性。具体研究工作和创新点主要包括：（1）在状态感知方面，研究并提出了复杂接入环境下网络与计算资源的自感知模型；（2）在资源调控方面，研究并提出了基于机器学习的边缘计算与网络资源联合部署方法；（3）在智能管控方面，研究并提出了光/无线/计算融合接入的协同控制机制。基于上述“模型-方法-机制”研究工作形成的创新成果，已发表学术论文22篇（均为第一标注），其中SCI论文12篇，EI国际学术会议10篇（包括本领域国际顶会OFC/2篇和ECOC/3篇，旗舰会议ICC/1篇和ACP/1篇等）；申请国家发明专利8项，其中已授权5项；培养博士后1人，博士研究生5人，硕士研究生8人，其中已出站博士后1人，已毕业博士生3人，已毕业硕士生6人，在读博士生2人，在读硕士生2人。相关成果可为未来边缘数据中心协同控制下光/无线融合接入网的研究与发展提供有价值的研究结果和理论技术指导。