物联网（IoT）边缘计算主要应用在数据传输量大，安全与隐私保护要求高，数据需要实时处理的行业或应用场景，例如智慧交通、智慧城市、智慧园区、能源电力等。当下，物联网（IoT）边缘计算面临怎样的挑战？又有怎样的解决方案呢？

1️⃣ 智慧园区????

面临挑战

园区接入设备多、种类众多，日常管理协调困难并且复杂。如何数字化高效运营？对于集团化园区，通常管理多个分支园区，用户隐私数据存在数据本地化管理的诉求，如何做到云端高效统一管理的同时又兼顾用户隐私的诉求？

??解决方案

ℹ针对IoT边缘提供低时延、接口多样化、本地自闭环管理等能力：

ℹ隐私数据本地自闭环管理，所有数据采集、处理及存储在本地节点闭环。

ℹ非隐私数据予以清洗汇总后，上传至云端进行机器学习及训练，持续优化及更新本地智能算法。

ℹ接口多样化，支持园区各类子系统/设备接入IoT边缘进行智能管理。





2️⃣ 智能制造??????

面临挑战

无统一标准协议，集成周期长、成本高。数据采集量大，回传带宽成本高。
数采网关无远程运维能力，运维成本高。
数据隐私安全保护，选择性上云。

??解决方案

ℹ支持工业典型PLC和总线协议，复杂资产建模。
ℹ边缘数据处理（清洗、计算、质量监控等）。
ℹ数据本地路由，时序存储与开放。





3️⃣ 智慧交通????

面临挑战

在自动驾驶大力发展的时代，智慧交通与车联网的高效协同是实现安全自动驾驶的基石。如何让自动驾驶车辆实时感知复杂的路面情况？

如何让自动驾驶车辆根据不同场景，迅速计算出相应对策？如何让自动驾驶车辆针对紧急场景，做到毫秒级的响应？

??解决方案

ℹ智慧交通边缘节点通过视频和雷达融合分析，智能化算法检测道路交通事件（算法云端训练、边缘执行），有效实时提供碰撞告警，红绿灯相位推送，车流量感知及控制等智能服务。

ℹ向交通管理者提供交通全息监控能力，向车辆提供高精度定位及地图服务、交通安全预警能力，提升驾驶安全和道路通行效率，促进节能减排和便捷监管，支持向端云协同自动驾驶演进。