一种边缘计算方法、装置及可读存储介质与流程

1.本技术涉及边缘计算技术领域，尤其涉及一种边缘计算方法、装置及可读存储介质。


背景技术：

2.近年来，自动驾驶技术迅猛发展，在机场、园区、港口等封闭的交通环境中，适合自动驾驶技术的普及应用，自动驾驶代替有人驾驶，可以节约大量人力成本，并有效发挥自动驾驶车辆自动感知、实时通讯、定位精准等优势，提高交通服务安全性能和作业效率。然而，自动驾驶目前采用的是单车智能模式，即依赖于自动驾驶车辆自身的感知能力和算力，感知能力和算力比较有限，并且，车辆在行驶过程中受限于车载感知设备的视距和视角的影响会存在感知盲区，因此，单车智能模式存在可靠性低、安全性差的问题。
3.车路协同是在单车智能自动驾驶的基础上，通过道路上设置的感知检测设备(如摄像头、雷达等)对道路交通环境进行实时感知、高精度定位，同时路侧rsu和车载obu进行数据交互，实现车与车、车与路、车与网、车与人之间不同程度的信息交互共享(网络互联化)，对车辆实时发出安全警示，扩展了车辆的视野，提高了安全性。但在大车流的路线交叉、并线、汇入汇出等多车交互场景，车路协同的安全警示模式很难做到多车高效协作通行。


技术实现要素：

4.本技术实施例提供了一种边缘计算方法、装置及可读存储介质，至少能够解决相关技术中多车交互场景下多车协同控制的可靠性以及安全性较差的问题。
5.本技术实施例第一方面提供了一种边缘计算方法，包括：
6.接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；
7.基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据；其中，所述目标特征数据包括所述片区的场内目标及相应特征值；
8.对所述目标特征数据进行融合得到融合数据，并基于所述融合数据生成所述片区相应的高精地图动态数据；
9.根据所述高精地图动态数据以及所述场内目标的作业任务，生成各所述场内目标的协同控制指令；
10.分别向各所述场内目标发送相应的所述协同控制指令。
11.本技术实施例第二方面提供了一种边缘计算装置，包括：
12.接收模块，用于接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；
13.计算模块，用于基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据；其中，所述目标特征数据包括所述片区的场内目标及相应特征值；
14.融合模块，用于对所述目标特征数据进行融合得到融合数据，并基于所述融合数据生成所述片区相应的高精地图动态数据；
15.生成模块，用于根据所述高精地图动态数据以及所述场内目标的作业任务，生成各所述场内目标的协同控制指令；
16.发送模块，用于分别向各所述场内目标发送相应的所述协同控制指令。
17.本技术实施例第三方面提供了一种电子装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述本技术实施例第一方面提供的边缘计算方法中的各步骤。
18.本技术实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述本技术实施例第一方面提供的边缘计算方法中的各步骤。
19.由上可见，根据本技术方案所提供的边缘计算方法、装置及可读存储介质，首先对交通元素的感知数据分层后进行目标感知计算，然后再对目标进行数据融合，形成本区域内的高精动态地图，最后根据场景触发生成对交通元素的协同控制指令。通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能，保证了复杂交通场景下多车协同控制的可靠性及安全性。
附图说明
20.图1为本技术第一实施例提供的边缘计算设备所处的总体系统结构示意图；
21.图2为本技术第一实施例提供的边缘计算方法的流程示意图；
22.图3为本技术第一实施例提供的场面感知设备对场内目标的感知周期示意图；
23.图4为本技术第一实施例提供的场面感知设备对场内目标特征感知采样的时空分析示意图；
24.图5为本技术第二实施例提供的边缘计算装置的程序模块示意图；
25.图6为本技术第三实施例提供的电子装置的结构示意图。
具体实施方式
26.为使得本技术的发明目的、特征、优点能够更加的明显和易懂，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而非全部实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.在交通流量大、交叉路口多的复杂交通场景，有必要采用路侧智能系统为主导的强协同、强控制的模式，构建一个由路侧智能系统主导的协作式交通系统，涵盖不同程度的车辆自动化类型(车辆自动化)，实现车辆与道路之间优化协同控制功能(交通协作化)。即通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能。
28.边缘计算是路侧智能系统的核心单元，承担了路侧的感知计算、数据融合、场景触发、协同控制、指令发出等一系列复杂快速的计算功能，是路侧智能系统等关键设备。
29.为了解决相关技术中多车交互场景下多车协同控制的可靠性以及安全性较差的问题，本技术第一实施例提供了一种边缘计算方法，应用于边缘计算设备，如图1所示为本实施例的边缘计算设备所处的总体系统结构示意图，本实施例的不同边缘计算设备分别负责不同场面分区，道路感知设备和路侧通讯设备rsu是多个边缘计算设备所组成的边缘计算系统的外围设备，三者构成路侧智能系统。
30.道路感知设备是指固定在道路侧的智能传感设备，可以包括如激光雷达、毫米波雷达、微波雷达、摄像头、地埋车检器等各种智能传感设备，以及v2x路侧通讯设备rsu和车载通讯设备obu等，也可以是传感设备的组合体，如微波雷达视频一体机、毫米波雷达视频一体机等。传感设备对周边交通态势进行感知，如摄像头利用光成像或热成像技术，生成可视化图像或视频流；激光雷达、毫米波雷达等设备则是利用信号反射原理，感知周边物体，生成点云信号，实现对周边环境感知等；除此以外，还有其他数据采集方式，如通过地磁感知车辆通过信息、rsu接收obu广播的其载体信息等。
31.本实施例的场内目标是指车辆、行人、自行车、障碍物等交通参与者，在实际应用中主要是指车辆，包括自动驾驶车辆和有人驾驶车辆。车辆搭载了车载感知设备、车载通讯单元obu、控制器等，其中obu和rsu之间进行v2x车路协同的通讯。
32.中心平台系统是本发明系统的全局控制系统，它连接多个边缘计算设备，每个边缘计算设备所形成的实时高精地图动态数据，可以汇总到更上层的中心平台系统，经过计算最终形成更大范围的高精地图动态数据，如整个园区、机场、港口的高精地图动态数据，可以用于更大范围的交通调度指挥的依据。
33.如图2为本实施例提供的边缘计算方法的流程示意图，该边缘计算方法包括以下的步骤：
34.步骤201、接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据。
35.具体的，在实际应用中，车辆通过obu单元向rsu发送车辆自身状态(位置、姿态、速度、角速度、加速度、电量等)以及周边感知信息，然后由rsu传输至边缘计算设备。场地感知设备在路侧感知道路交通态势信息，并数字化输出至边缘计算设备。
36.如图3所示为本实施例提供的一种场面感知设备对场内目标的感知周期示意图，描述了场面上的感知设备(微波雷达、毫米波波雷达、激光雷达、摄像头、rsu模块等五种传感器)对场面上的交通元素进行监测，并对监测信号进行目标特征提取、识别与跟踪等一系列过程与目标实际发生的时间差。
37.如图4所示为本实施例提供的一种场面感知设备对场内目标特征感知采样的时空分析示意图，描述了安装在场面感知传感器对场内目标进行监测、识别与跟踪的周期性分析。如毫米波雷达、微波雷达的检测周期约为20ms；激光雷达的检测周期大约为60ms；摄像头的监测周期大约为70ms；rsu的周期大约为100ms。
38.步骤202、基于车辆感知数据以及道路交通态势感知数据计算目标特征数据。
39.具体的，本实施例的目标特征数据包括片区的场内目标及相应特征值。边缘计算设备基于场面感知数据计算得到场内目标及其特征属性向量，计为其中i表示第i个边缘感知设备，j表示第i个边缘感知设备所检测到的第j场内目标。不同的边缘感知设备计
算得到的交通元素及其特征属性存在不同误差。
40.在本实施例一些实施方式中，上述基于车辆感知数据以及道路交通态势感知数据计算目标特征数据的步骤，包括：基于车辆感知数据以及道路交通态势感知数据识别场内目标，得到目标集合；对目标集合中所有场内目标进行坐标变换，将所有场内目标变换到场地实际坐标中；基于数据感知时长以及目标识别时长，对目标集合进行时间同步处理；其中，数据感知时长为传感器感知数据所需时长，目标识别时长为识别场内目标所需时长；基于卡尔曼滤波对各场内目标进行运动轨迹模拟，构造相应的第一目标轨迹函数；根据第一目标轨迹函数对各场内目标进行定时特征采样，得到目标特征数据。
41.具体的，对于目标识别，因传感设备多样性，感知得到信息的格式和内容也随之跟着变化，根据采集到的数据进行目标识别的方法也会发生变化。对于图像、视频数据类型数据，可采取yolo-tiny等算法进行目标识别；对于激光等雷达输出的点云数据，采用聚类等算法；rsu接受的车辆时序信息可以联合卡尔曼滤波，进行分类识别等。不同的边缘计算设备，可以采用不同的目标识别算法。目标识别后，生成识别出来的场内目标，形成目标集合{o
(i,t)
}，其中i表示在t时刻下识别到的第i个场内目标。另外，本实施例通过传感设备持续检测，边缘计算设备将得到场内目标的持续监测值，然后根据目标监测值进行目标分类、测距、定位等处理，得到观测集合{(o
(i,1)
,o
(i,2)
,
…
,o
(i,t)
)}。接着，对识别目标i的观测值进行去噪、滤波处理，然后采用卡尔曼滤波函数对目标i进行轨迹模拟跟踪和预测。
42.在本实施例中，由于识别出来的所有目标的距离、位置等特征是相对传感器而计算出来的距离、位置等信息，需要对目标进行坐标变换，变换到场地实际坐标中。
43.另外，识别到的场内目标被传感器感知(有的传感器会进行成像)至被识别出来这段时间记为δt,在δt这段时间后，场内目标o
(i,t)
的特征(位置、速度等)已发生变化，那么则需进行时间同步，以消除误差。其中，
44.δt＝δt1+δt245.δt1表示传感器采样到数据到输出所需要的时间；δt2表示基于输出数据识别出目标，计算出目标特征所需要的时间。
46.进一步地，基于卡尔曼滤波对目标oi模拟，构造函数目标轨迹函数ti(t)，取ti(t+dt)则是目标oi当下特征值，模拟所有识别得到的目标运动轨迹。
47.最后，对所有识别得到的目标进行定时特征采样，也即根据目标轨迹函数ti(t)进行定点采样得到目标oi的一系列采样值。
48.步骤203、对目标特征数据进行融合得到融合数据，并基于融合数据生成片区相应的高精地图动态数据。
49.在本实施例一些实施方式中，上述对目标特征数据进行融合得到融合数据的步骤，包括：基于不同传感器类型，对目标特征数据进行分组关联，得到新目标特征数据；标定新目标特征数据中分组目标的身份信息；基于卡尔曼滤波对分组目标进行运动轨迹模拟，构造相应的第二目标轨迹函数；基于第二目标轨迹函数对分组目标进行运动轨迹预测；根据第二目标轨迹函数在分组模拟轨迹上进行定时特征采样，得到融合数据。
50.具体的，本实施例根据不同的传感器(如rsu、摄像头、激光雷达、毫米波雷达等)的感知信息进行单独处理，识别目标，定时提取目标特征，其目的是为了实现不同传感器之间
对目标进行识别与特征采样的时间同步问题。用表示第i个mec前置机识别出来的目标及其特征采样集合，j表示第j个被识别出来的目标，t表示t时刻对目标特征进行采样。
51.在实际应用中，本实施例基于不同目标特征数据进行聚类分析，目标函数如下：
[0052][0053]
最后形成一个新的目标集合，记为
[0054]
然后，根据新合并后形成的目标特征数据并对数据中的每个场内目标进行身份标定，确定每个场内目标的身份，并给出id。
[0055]
进一步地，针对分组目标进行轨迹模拟，也即根据时序特征集，对场内目标的轨迹重新进行卡尔曼滤波和拟合，构造场内目标的轨迹函数
[0056]
再进一步地，针对分组目标进行轨迹预测，也即根据前一步构造的目标轨迹函数对目标进行预测。
[0057]
最后，在分组目标模拟轨迹上进行定时采样，也即根据分组目标轨迹函数进行定点预测采样，得到目标的一系列采样值
[0058]
在本实施例另一些实施方式中，上述基于融合数据生成片区相应的高精地图动态数据的步骤，包括：基于身份信息获取场内目标相应的目标类型；根据目标类型确定相应的目标属性值；基于目标属性值构造场内目标在当前平面空间的几何结构；将几何结构进行空间变换，变换至以场景数字地图为基准的平面空间图层；将平面空间图层与场景基础图层进行融合，并标注图层元素，生成片区相应的高精地图动态数据。
[0059]
具体的，本实施例根据目标的类型从交通知识库中可以确定该类型的目标属性值如车等交通元素，它具有车的大小值等一系列属性值。然后，进行目标区域坐标变换，即根据上一步计算的交通目标及其大小、位置等属性值，构造在当前平面空间的几何结构进一步地，进行目标区域投影，即将几何结构进行空间变换，变换成以场景数字地图为基准的平面空间图层l
t
。最后，将上一步生成的平面空间图层l
t
与场景基础图层l0融合，标注图层元素，构造矢量高精地图m
t
。
[0060]
步骤204、根据高精地图动态数据以及场内目标的作业任务，生成各场内目标的协同控制指令。
[0061]
具体的，本实施例的边缘计算设备根据高精地图动态数据以及本片区场内目标的作业任务，按照场景触发原则生成每个场内目标的协同控制指令，指令周期可以为0.1秒，协同控制每一个交通元素的动作行为。中心平台系统分发给边缘计算设备的作业任务清单，记为{ti}，其中i表示第i个场内目标。边缘计算设备生成的协同控制指令集合，记为其中，i表示第i个场内目标，j表示第i个交通元素在第j个时间片段，每个时间片段是0.1秒。
[0062]
在实际应用中，不同片区的边缘计算设备将高精地图动态数据发送至中心平台系统，然后接收中心平台系统根据全局高精地图动态数据规划的作业任务；其中，全局高精地图动态数据根据不同片区相应的高精地图动态数据融合得到。
[0063]
在本实施例一些实施方式中，上述根据高精地图动态数据以及场内目标的作业任务，生成各场内目标的协同控制指令的步骤，包括：根据融合数据对场内目标进行运动轨迹模拟，构造相应的第三目标轨迹函数；结合第三目标轨迹函数、高精地图动态数据以及场内目标的作业任务，生成目标运动规划数据；基于目标运动规划数据判断不同场内目标之间是否存在轨迹冲突；若存在轨迹冲突，则返回执行结合第三目标轨迹函数、高精地图动态数据以及场内目标的作业任务，生成目标运动规划数据的步骤；若不存在轨迹冲突，则根据目标运动规划数据生成各场内目标的协同控制指令。
[0064]
具体的，本实施例首先根据目标特征集对场内目标进行运动轨迹模拟，生成目标轨迹函数以便对场内目标的轨迹进行预测。然后，结合目标轨迹函数场景高精地图m
t
，及其对应的目标已规划的任务路径pi(t)，生成新的目标运动规划场内目标t时刻下的目标运动规划集记为进一步地，按时空一一检测与是否存在时空冲突，也即判断规划是否合理，是否需要重新调整，判断函数如下：
[0065][0066]
其中，t0表示检测轨迹规划的最大时间长度。
[0067]
应当说明的是，若与存在时空上的冲突，则根据场内目标及场内目标任务权重或优先级，重新调整场内目标及场内目标的轨迹规划，直到所有的场内目标及场内目标的轨迹都满足不冲突条件，最终获得每个场内目标的路径规划
[0068]
最后，根据上一步获得的按时间刻度输出已规划的特征值，形成对目标控制指令c
(i，t)
，所有目标指令构成目标控制的指令集{c
(i，t)
}。
[0069]
步骤205、分别向各场内目标发送相应的协同控制指令。
[0070]
具体的，在本实施例中，边缘计算设备通过rsu向场内目标下发协同控制指令，协同控制指令可以按照rsu接口协议封装在信息体中，该信息体重还可以包括高精地图动态数据以及作业任务等。
[0071]
此外，还应当说明的是，在本实施例中道路感知设备还可以进一步实时监测场内目标的指令执行效果，边缘计算设备针对指令执行效果再次进行感知计算，更新高精地图动态数据，如此反复，形成闭环的精准控制。场地内的每个交通元素的任务作业都被执行完后，系统则将处于伺服等候状态，直到新的交通元素进入该场地，系统将被激活。本实施例涉及到的感知设备种类多，对场地实施全方位、无盲点监测，可以达到亚米级的定位精度，数据刷新频率10hz(每秒10次)，部分车辆的定位精度可以达到厘米级。
[0072]
基于上述本技术实施例的技术方案，首先对交通元素的感知数据分层后进行目标感知计算，然后再对目标进行数据融合，形成本区域内的高精动态地图，最后根据场景触发生成对交通元素的协同控制指令。通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的
协同控制功能，保证了复杂交通场景下多车协同控制的可靠性及安全性。
[0073]
图5为本技术第二实施例提供的一种边缘计算装置。该边缘计算装置可用于实现前述实施例中的边缘计算方法。如图5所示，该边缘计算装置主要包括：
[0074]
接收模块501，用于接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；
[0075]
计算模块502，用于基于车辆感知数据以及道路交通态势感知数据计算目标特征数据；其中，目标特征数据包括片区的场内目标及相应特征值；
[0076]
融合模块503，用于对目标特征数据进行融合得到融合数据，并基于融合数据生成片区相应的高精地图动态数据；
[0077]
生成模块504，用于根据高精地图动态数据以及场内目标的作业任务，生成各场内目标的协同控制指令；
[0078]
发送模块505，用于分别向各场内目标发送相应的协同控制指令。
[0079]
在本实施例的一些实施方式中，计算模块具体用于：基于车辆感知数据以及道路交通态势感知数据识别场内目标，得到目标集合；对目标集合中所有场内目标进行坐标变换，将所有场内目标变换到场地实际坐标中；基于数据感知时长以及目标识别时长，对目标集合进行时间同步处理，其中，数据感知时长为传感器感知数据所需时长，目标识别时长为识别场内目标所需时长；基于卡尔曼滤波对各场内目标进行运动轨迹模拟，构造相应的第一目标轨迹函数；根据第一目标轨迹函数对各场内目标进行定时特征采样，得到目标特征数据。
[0080]
在本实施例的一些实施方式中，融合模块执行对目标特征数据进行融合得到融合数据的功能时，具体用于：基于不同传感器类型，对目标特征数据进行分组关联，得到新目标特征数据；标定新目标特征数据中分组目标的身份信息；基于卡尔曼滤波对分组目标进行运动轨迹模拟，构造相应的第二目标轨迹函数；基于第二目标轨迹函数对分组目标进行运动轨迹预测；根据第二目标轨迹函数在分组模拟轨迹上进行定时特征采样，得到融合数据。
[0081]
进一步地，在本实施例的一些实施方式中，融合模块执行基于融合数据生成片区相应的高精地图动态数据的功能时，具体用于：基于身份信息获取场内目标相应的目标类型；根据目标类型确定相应的目标属性值；基于目标属性值构造场内目标在当前平面空间的几何结构；将几何结构进行空间变换，变换至以场景数字地图为基准的平面空间图层；将平面空间图层与场景基础图层进行融合，并标注图层元素，生成片区相应的高精地图动态数据。
[0082]
更进一步地，在本实施例的一些实施方式中，生成模块具体用于：根据融合数据对场内目标进行运动轨迹模拟，构造相应的第三目标轨迹函数；结合第三目标轨迹函数、高精地图动态数据以及场内目标的作业任务，生成目标运动规划数据；基于目标运动规划数据判断不同场内目标之间是否存在轨迹冲突；若存在轨迹冲突，则返回执行结合第三目标轨迹函数、高精地图动态数据以及场内目标的作业任务，生成目标运动规划数据的功能；若不存在轨迹冲突，则根据目标运动规划数据生成各场内目标的协同控制指令。
[0083]
在本实施例的一些实施方式中，发送模块还用于：将高精地图动态数据发送至中心平台系统；接收模块还用于：接收中心平台系统根据全局高精地图动态数据规划的作业
任务；其中，全局高精地图动态数据根据不同片区相应的高精地图动态数据融合得到。
[0084]
应当说明的是，第一实施例中的边缘计算方法均可基于本实施例提供的边缘计算装置实现，所属领域的普通技术人员可以清楚的了解到，为描述的方便和简洁，本实施例中所描述的边缘计算装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0085]
根据本实施例所提供的边缘计算装置，首先对交通元素的感知数据分层后进行目标感知计算，然后再对目标进行数据融合，形成本区域内的高精动态地图，最后根据场景触发生成对交通元素的协同控制指令。通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能，保证了复杂交通场景下多车协同控制的可靠性及安全性。
[0086]
请参阅图6，图6为本技术第三实施例提供的一种电子装置。该电子装置可用于实现前述实施例中的边缘计算方法。如图6所示，该电子装置主要包括：
[0087]
存储器601、处理器602、总线603及存储在存储器601上并可在处理器602上运行的计算机程序，存储器601和处理器602通过总线603连接。处理器602执行该计算机程序时，实现前述实施例中的边缘计算方法。其中，处理器的数量可以是一个或多个。
[0088]
存储器601可以是高速随机存取记忆体(ram，random access memory)存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器601用于存储可执行程序代码，处理器602与存储器601耦合。
[0089]
进一步的，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电子装置中，该计算机可读存储介质可以是前述图6所示实施例中的存储器。
[0090]
该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现前述实施例中的边缘计算方法。进一步的，该计算机可存储介质还可以是u盘、移动硬盘、只读存储器(rom，read-only memory)、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0091]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0092]
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0093]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0094]
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现
出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的可读存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0095]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本技术所必须的。
[0096]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0097]
以上为对本技术所提供的边缘计算方法、装置及可读存储介质的描述，对于本领域的技术人员，依据本技术实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本技术的限制。