基于5G混合专网和云构架的散料码头智能运维平台构建与应用

王晓斌
大连华锐重工集团股份有限公司 大连 116013

摘 要：为进一步提升散杂货码头运行效率和整体智能运维服务水平，解决数据流和高效运行瓶颈，根据运行维护需要，创新提出基于码头基建布局特点、5G、低时延等特性的双频混合专网搭建，运用边缘计算构架进行设备无人化运行、故障诊断分析、视觉特征分析等云化运维，现场应用获得预期效果。

关键词：港口码头；5G；混合专网；边缘计算；云化运维

中图分类号：U653. 922 文献标识码：A 文章编号：1001-0785（2020）12-0068-05

0 引言
当前全球港口码头特别是散物料储运领域列强纷争，区域竞争激烈，同时全球化加剧劳动力成本提升，存在港口码头气候、粉尘等工作环境恶劣，劳动强度大、工人短缺等诸多难题，为此，实施自动化改造和智能化运维升级以达到降本增效已成为港航企业长远发展的必然选择。与此同时，数字化革新如大数据、物联网、人工智能、5G 等新技术发展成熟为港口码头自动化和智能化提供了新的动力。最新的国际海事信息网调查显示65％的人认为港口自动化可提升运营安全；75％的码头运营商认为自动化至关重要，如果成功实施将在未来三到五年内能够保持持续竞争力；另约五分之一的受调查者认为自动化可以将运营成本降低 50％以上，三分之一的受调查者认为自动化可以将生产率提高50％ [1]；在当前全球港口加快升级创新的背景下，实现第五代港口的智能化和信息化建设已被视为提升其核心竞争力的重要手段，是提升物流效率、货物堆场利用率，降低运营和物流成本的关键所在。

在全球大环境下，港口码头业效率最为重要，都希望全天候365×24 h 不间断作业，提升周转和利用效率，因为就其相关效益而言，传统运营模式造就的大型船舶租金昂贵，延长的小时作业费用和靠泊等综合费用达到数万元；因此码头条件和能力优劣成为更多船东和货主的重要选择项。转运效率低会带来直接的经济效益损失，不完全统计班轮“压港”1 天损失不菲，小则数十万大则上百万元。故提升货物转运效率是港口的核心追求。货物转运重点集中在堆场和装卸作业区域，该区域面临基建无法大规模改造、设备频繁移动等问题，因此急需破解视频流、控制流和信息流等大量数据流的并发和高延时瓶颈，5G 的出现以及边缘计算等技术的发展，为当前该场景难题的解决实施提供了更好的方案[2-5]。

1 系统网络组成及功能
散物料堆场港口码头分布着大量的大型装载转运设备，如翻车机、堆料机、取料机、带式输送机、装船机、卸船机等。传统工作模式下设备均离不开专业司机操作，而且装船机、卸船机、堆取料机等设备的司机室在十几米甚至几十米的高空，传统港口的作业条件异常艰苦，人工现场操作容易疲劳有安全隐患。大型堆场等需要大量司机倒班运行，操作水平差次不齐，安全管控难度大，人工带来的随意性隐患大大增加。除此之外堆场码头作为物流中转枢纽，离不开通讯公网支持和现场大量数据的采集提取，为保证业务流的顺畅运行，需要搭建相关运管平台，保障安全监控、流程稳定、实时控制、便捷运维、快速响应和方便交互等多方面需要，因此，开发基于5G 技术的混合专网，以及多路访问边缘计算MEC（Multi-access Edge Computing）的云平台智能运维构架就成为必然的选择。在短时、高效、尽量不破坏原有设施的情况下，利用5G 优势实现公网条件下专有通路的大带宽、低延时、高稳定、顺利交互运行。

如图1 所示该系统分为三层构架，边缘基础层、中间虚拟层和应用管控层。边缘基础层由固定网络和无限网络组成，负责现场设备参数的采集。固定网络包括翻车机、堆取料机、装船机、卸船机、带式输送机等设备的PLC 汇集信号，现场振动传感器采集信号、现场风速仪等仪表信号；移动网络包括现场公网、基于网络切片软件网络定义的专网，公网实现非实时的智能维护终端推送和交互，包括巡检跟踪、维护任务和提醒下发、登陆统一门户网站等，专网实现CCTV、激光扫描仪和流机等的5G 环境下数据采集。中间虚拟层结合设备运行流程和工艺特点进行虚拟业务流程和运行组合，实现本地化边缘计算，主要硬件包括网络资源、内存资源、存储资源和计算资源，软件包括虚拟存储、虚拟计算和虚拟组件。多个堆场的边缘计算中心可以汇集到本地中心实现区域的整体监控和运维。其组合可以根据业务流程进行虚拟组合和部署。应用管控层在云端实现，主要实现集团级的数据管控，如看板展示、数据呈报、人力网、资源网、招标网、营销网、运维网等分门户网站的访问、登陆和操作，以及整个系统的软件定义网络配置平台的配置，该功能由管理虚拟资源平台VIM（Virtualised Infrastructure Manager）实现，包括人员访问、管理权限配置、业务流程虚拟组合开发配置、移动数据专网配置等，该框架同时提供多种服务注册、通知、订阅、发现、终止，API 的访问控制、调用统计、日志、鉴权和授权，以及用户需求的流量控制和DNS 等的规则配置。

图1 基于5G 混合专网和网络切片以及边缘计算的系统构架

该构架中考虑数据安全、业务顺畅、激光扫描、高清视频监控等大数据特点，为避免堵塞、便捷交互，采用虚拟构架和MES 结合的专有通道虚拟网络专有网路混合构架。VIM 采用支持容器管理的 Kubernets 技术。

管理其下的网络功能虚拟化基础架构NFVI（Network Functions Virtualisation Infrastructure）。NFVI 由边缘数据中心和本地数据中心组成。考虑到新业务拓展需要，基于弹缩响应的边缘计算能够提供更好的速度、容量的灵活性，提升计算资源的利用率。除此之外，虚拟机内容器部署和云容器引擎（Cloud Container Engine），支持基于Kubernetes 的应用和相关工具，更好适应企业级容器应用管理服务，为云上自动化容器运行环境搭建提供便利。

为进一步强化边缘计算低时延、高速率转发的业务特性要求，虚拟化层提供硬件加速能力, VIM 设置统一的接口，适配不同形态的加速设备，并将加速器进行抽象，同计算、存储、网络一样进行虚拟化管理，统一提供全面的加速服务。

该NFVI 下的边缘数据中心和其属地局域网路构成一个边缘云，由VIM 的边缘云管理平台管理。提供接入点汇聚、属地化异构资源统一纳管、基于位置的资源调度等能力。

边缘云管理平台的功能包括云资源管理、运维管理、边缘云服务管理等。云资源管理连接器（适配层）以插件、Agent 方式接入边缘数据中心，构建一个地理上分布、逻辑上统一的云资源池（计算资源、网络资源、存储资源、加速资源），实现异构资源的统一纳管和调度。运维管理实现资源的统一监控、报警、日志管理。统一门户为用户提供云资源统一展示和操作的界面，用于边缘云资源统一管理和边缘云服务本地开通维护。VIM 下的统一云管平台进行资源池划分和权限的管理，监控虚拟化资源和非虚拟化资源的拓扑、告警、性能、容量等信息，提供整体资源相关的报表，并通过基于 AI 算法的智能运维帮助运维人员评估潜在的风险，及时规避和消除问题。部署于多接入边缘计算（MEC）平台的APP，可以从 MEC 平台获取其需要的服务，通过集团统一门户平台授权，对外提供服务，供其他用户使用。MEC 平台和 APP 的接口为MP1 接口。

业务分流基于 MES 边缘业务平台的分流能力把非实时查询业务和消息记录导向到本地网络，分流到部署在边缘业务平台上的应用中，缓解传输带宽压力，同时减少时延，提升低时延高带宽业务的体验。

针对上行数据，不需要在本地网络处理的业务数据经过 MEC 平台透传至移动核心网，需要在本地处理的业务数据则通过MEC 平台完成GTP 解封装后分流至本地网络。对于下行数据，来自Internet 的非本地网络产生的业务数据通过MEC 平台透传至基站，而来自本地网络的业务数据通过MEC 平台后被封装成 S1-U 数据传给基站。本地分流的规则包括按域名、IP 地址或者用户 ID 进行分流等。同时，网络支持 4G、5G、Wi-Fi 等多接入融合的网络，MEC 平台支持多网融合的分流能力。

2 业务功能应用
2.1 多网站授权展示和操控
如图2 所示，作为港口码头设备实时运行、人力资源、办公平台、采购平台、运维和营销平台等云端门户实现服务需求。如设备运行则在云端提供展示运行状态，不具备控制功能，现场本地端实现状态显示和实时控制。不同的区域、授权显示和启动不同的功能。该云化共享平台实现任务流程的实时下发、跟踪、执行、反馈等，人力资源平台实现人员学习培训、考勤管理和绩效评价等，云平台下的办公平台则实现公文流转等相关公司运行业务，采购平台实现港口码头物资等的需求、招投标发布和事项公布披露，营销平台实现散物流等堆存信息授权会员查询和发布。运维平台实现设备运维信息的展示、报警、提醒等授权接受和查询。

图2 云化平台下港口码头核心设备运行状态监控

2.2 港口码头大型装卸设备的无人化运行
在不破坏基础的情况下，基于5G 的数据传输，GPS 的位置定位，以及倾角仪、编码器的位姿定位，结合类机器人的运动学和拟运动学建模计算，以及任务队列管理响应，实现堆取料机、装卸船机等设备的无人化智能化动态运行及状态监视，安全防护和报警。以堆取料机为例，无人化运行的三维展示和流程如图3、图4所示：基于运动学建模，见式（1），结合集群控制流程，实现设备的无人化操作和三维运行动态展示。

堆取料机的机构运动学建模

式中：θi 是xi 与xi-1 之间的测量角，Li 是zi 与zi+1 之间的距离，di 是xi 与xi-1 之间的距离，xi，yi，zi 是斗轮的运动轴。

图3 本地集控中心核心设备无人化操作监控

图4 集群堆取料机无人化控制流程图

2.3 智能培训
基于该采集平台实现离线的虚拟现实VR 和增强现实AR 智能运维及示教培训，通过VR 和AR，实时感知现场设备的运行参数和状态，并对设备检修过程的装配进行实时的指导和状态反馈，如图5 所示。

2.4 智能监控
港口码头基于运营安全和分析等需要，有大量的图像视频数据需要回传，其中大量数据相对于检测是静态的或者长时没有变化，但仍然占有大量带宽。如果把视频流全部上传至后台服务器进行处理，不仅带宽资源占用大且后期处理效率低。为此在边缘业务平台上部署边缘智能识别系统，基于历史数据库和实施数据进行视频智能算法分析处理，可以对关键核心部件和区域差异化部分进行回传，提取智能分析后的特征数据包回传，节省带宽资源，在该过程中对非特异性监控内容本地化存储，减少对回传带宽的占用，提升系统的资源利用率、降低时延，提升视频的监控体验效能。在不影响安全运行需求的前提下，基于边缘的分布式视频存储有效解决集中存储带来的瓶颈问题。

MEC 边缘业务平台能够有效甄别业务和用户类型，基于需求提供基站高响应的QoS（Quality of service）信息，基站根据工业用户等特征提供差异化无线带宽及时延保障，确保运营流畅运转。项目根据核心业务及设备需要综合处理 OTT（over-the-top）业务信息和无线接入网的信息，为用户和业务提供QoS 保障，具有差异化需求智能管道的功能优势，如图6 所示。

图5 基于增强现实技术的现场设备安装维护

图6 港口码头智能视频监控中心

2.5 智能运维
港口码头设备由于分布广、数量大，如干散货码头带式输送机的电机和减速器、斗轮的回转机构等关键设备运行环境复杂，物料流量等变化冲击影响大，部分设备如翻车机等在地坑等隐蔽区域下方运行，点巡检困难，人工巡检容易造成漏检，虽然港口对关键区域和设备均设置了人工定时巡检机制，但由于粉尘、盐雾、风沙尘等恶劣环境影响，人工劳动强度大，同时人工经验和资历等的影响水平差次不齐，隐患时有发生，采用传统的测温、测震等独立手段，难以解决连续记录分析和及时预警等功能，使所提倡的全寿命周期、低备件低库存运营大打折扣，更甚者为保安全采用定期更换，使运营成本大大提升，设备未发挥出最大效能。再者港口码头区域的基本设备操作多为高空作业，遇到大风、寒冷等恶劣天气会对设备维保人员的安全造成巨大威胁。为解决港口传动设备运用和管理中遇到的问题，通过基于5G的云互联网络技术采集设备数据，并且整合边缘计算提取过滤特征数据，将设备智能预测性运维技术方案应用到港口设备管理中。基于云平台的专业数据分析，将设备运行状态信息和故障信息，通过可视化手段，云化呈现和及时推送，指导维保人员对设备进行定时、定点、定向的预测性维护和保养，从而降低维护成本，降低备品和备件储备，降低现场维保人员的劳动强度，提升整个港口的智能化运维水平，如图7 所示。

3 系统应用
通过该系统在国内某港口码头的运用，根据港口码头特点，灵活选择频率方案，发挥2.6 GHz 和3.5 GHz双频资源优势，开发基于VIM 的网络切片服务平台和边缘计算个性化部署方案，实现业务分流，数据不出港，72安全高可靠的网络构架新模式。设备视频回传上行带宽达到40 Mbps，5G 网络端到端时延小于10 ms，有效承载工业总线和PLC 网络控制，提升设备的作业效率和安全性，进一步降低系统建设成本和维护成本。通过运用该系统构架和平台维护技术，使得该港口码头的年吞吐量提升6%，视频监控和智能运维使现场的人力减少40%，货物移错和损失减少85%。另外运维网的使用，使堆取料等大型重点设备的平均利用时间提升75 h 以上，边缘区域计算和实时报表呈现，大大降低人工审查成本，实时采集监控，使人力和备件等综合维护费用降低15%，通过预测性维护，避免了突发停机等灾害影响，降低生产性损失5%。

4 结论
本论文结合港口视频流监控、智能运维实际需求和5G 等技术发展，提出基于5G 混合专网和云构架结合的智能化运维系统并在某港口散料码头推广应用，通过结合边缘虚拟计算等技术现场实际应用取得年吞吐量提升6% 等较满意的效果，对其它港口运行建设具有很好的借鉴意义。

参考文献
[1] Navis.INCREASING AUTOMATION REAPING BENEFITS [EB/OL].https://www.portstrategy.com/news101/port-operations /cargo-handling/increasing-automation-reaping-benefits, 2018-3-14.
[2] Nunes B A A , Mendonca M , Nguyen X N , et al. A survey of software-defined networking: Past, present, and future of programmable networks[J]. IEEE Communications Surveys& Tutorials, 2014, 16(3).
[3] Rost, P. Mannweiler, C. Michalopoulos, et al. Network slicing to enable scalability and flexibility in 5G mobile networks.[J]. IEEE Communications magazine, 2017(5):72-79.
[4] 5G-PICTURE.[EB/OL].https://www.5g-picture-project. eu/ Deliverable D2.2 “System architecture and preliminary evaluations,” 2018.
[5] P. Guillemin , P. Friess. The Industrial Internet of Things Volume G1: Reference Architecture [Z/OL]. The Cluster of European Research Projects, September 2009.