物联网边缘计算与应用手册

物联网边缘计算与应用手册1.第1章物联网边缘计算概述1.1物联网与边缘计算的概念1.2边缘计算的发展背景1.3边缘计算的架构与技术基础1.4边缘计算在物联网中的应用模式2.第2章边缘计算节点与平台2.1边缘计算节点的分类与功能2.2边缘计算平台的技术选型2.3边缘计算平台的部署与管理2.4边缘计算平台的性能优化3.第3章物联网边缘计算关键技术3.1边缘计算中的数据处理技术3.2边缘计算中的通信技术3.3边缘计算中的安全与隐私保护3.4边缘计算中的资源管理与调度4.第4章物联网边缘计算应用案例4.1智能城市中的边缘计算应用4.2工业物联网中的边缘计算应用4.3医疗健康领域的边缘计算应用4.4交通与物流行业的边缘计算应用5.第5章物联网边缘计算的标准化与协议5.1物联网边缘计算的标准化框架5.2边缘计算与物联网协议的结合5.3国家与行业标准的发展趋势6.第6章物联网边缘计算的未来发展方向6.1边缘计算与的融合6.2边缘计算与5G技术的结合6.3边缘计算与云计算的协同演进7.第7章物联网边缘计算的实施与运维7.1边缘计算系统的实施流程7.2边缘计算系统的运维管理7.3边缘计算系统的监控与故障处理8.第8章物联网边缘计算的挑战与展望8.1边缘计算面临的挑战8.2边缘计算的未来发展趋势8.3物联网边缘计算的可持续发展路径第1章物联网边缘计算概述1.1物联网与边缘计算的概念物联网（InternetofThings,IoT）是指通过互联网连接各类物理设备、传感器和智能系统，实现设备间的数据采集、传输与交互的技术体系。边缘计算（EdgeComputing）是一种分布式计算范式，其核心在于将数据处理任务尽可能靠近数据源，减少数据传输延迟，提升响应速度。根据IEEE802.1AE标准，边缘计算强调在靠近数据源的节点进行数据处理，而非依赖云端进行集中计算。2010年，IEEE12844标准首次提出边缘计算的定义，强调其在实时性、低延迟和低功耗方面的优势。2016年，EdgeXProject由DellTechnologies发起，成为边缘计算领域的重要开源项目，推动了边缘计算在工业、交通和智能城市等场景的应用。1.2边缘计算的发展背景边缘计算的兴起与物联网的快速发展密切相关。据IDC数据，2023年全球物联网设备数量已超过20亿台，数据量呈指数级增长。传统云计算在处理海量数据时面临延迟高、带宽有限、能耗大等问题，导致无法满足边缘侧实时处理需求。2017年，IEEE802.1AY标准正式发布，明确了边缘计算的架构和关键技术，为边缘计算的发展提供了规范依据。2020年，AWS推出Greengrass服务，将边缘计算与云计算无缝集成，支持本地设备的自主决策和数据处理。2022年，全球边缘计算市场规模达到120亿美元，年复合增长率超过25%，显示出其在工业自动化、智慧城市等领域的广泛应用潜力。1.3边缘计算的架构与技术基础边缘计算架构通常包括边缘节点、网络层、云平台和应用层，其中边缘节点负责数据采集、本地处理和部分决策。5G通信技术的普及为边缘计算提供了高速、低延迟的传输支持，使得边缘节点能够实时处理大量数据。边缘计算依赖多种技术，包括分布式计算、机器学习、数据压缩、网络切片等，其中机器学习在边缘端实现智能决策已成为研究热点。2021年，NVIDIA推出Orin芯片，该芯片集成了加速器，支持边缘设备进行实时图像识别和数据处理。2022年，Edge（边缘）技术逐渐成熟，边缘设备能够实现从数据采集到模型推理的全流程自主处理，降低对云端的依赖。1.4边缘计算在物联网中的应用模式边缘计算在物联网中主要应用于工业物联网（IIoT）、智慧城市、智能交通、医疗健康等领域。在工业物联网中，边缘计算可实现设备间的本地数据处理，减少对云端的依赖，提升生产效率。智能交通系统中，边缘计算可实现车与车（V2V）、车与基础设施（V2I）之间的实时通信与协同控制。医疗健康领域，边缘计算可支持远程监护设备的本地数据处理，提升医疗响应速度和数据安全性。根据GSMA研究院数据，2023年全球边缘计算在物联网中的应用覆盖率已超过40%，特别是在智能制造和智慧城市中表现突出。第2章边缘计算节点与平台2.1边缘计算节点的分类与功能边缘计算节点通常分为本地节点、边缘网关和分布式节点三类，其中本地节点多用于小型物联网设备，如传感器、智能终端等，其主要功能是数据采集与本地处理，减少数据传输延迟。边缘网关作为连接本地节点与云平台的桥梁，具备数据过滤、协议转换、安全策略实施等功能，可有效降低网络负载和数据传输成本。分布式节点则通常部署在较远的区域，具备较高的计算能力，支持多设备协同工作，常用于工业自动化、智慧城市等场景。根据IEEE802.1AS标准，边缘节点应具备低功耗、高可靠性和实时处理能力，以满足边缘计算对延迟和稳定性的要求。实践中，边缘节点常采用嵌入式系统或边缘计算网关设备，如NVIDIAJetson、RaspberryPi等，具备较高的计算性能和扩展性。2.2边缘计算平台的技术选型边缘计算平台的技术选型需综合考虑计算性能、存储容量、网络带宽及能耗等因素，常见技术包括边缘计算网关、边缘服务器、云计算平台及分布式存储系统。在边缘计算架构中，边缘节点通常采用基于ARM架构的嵌入式处理器，如NVIDIAJetson系列，其具备高算力和低功耗特性，适合部署在边缘设备中。存储方面，边缘平台常采用非易失性存储（NVM）或分布式存储系统，如HDFS、Ceph等，以支持大规模数据的持久化和高效访问。网络通信方面，边缘平台需支持多种协议，如MQTT、CoAP、HTTP/2等，以确保与物联网设备的高效通信。根据2023年《边缘计算白皮书》，边缘平台应具备模块化设计，支持灵活扩展，可与云平台实现数据协同与服务联动。2.3边缘计算平台的部署与管理边缘计算平台的部署需遵循“就近部署”原则，通常在靠近数据源或应用点的区域进行，以降低传输延迟和带宽占用。部署过程中需考虑网络拓扑结构、设备兼容性及安全策略，确保平台的稳定运行和数据安全。平台管理包括配置管理、资源调度、监控与日志记录等，可通过自动化工具实现高效运维，如Ansible、Kubernetes等。在实际部署中，边缘平台常采用容器化技术，如Docker和Kubernetes，以实现灵活的资源分配与弹性扩展。根据IEEE1451标准，边缘平台应具备良好的可管理性，支持多租户环境，确保不同业务的独立运行与资源隔离。2.4边缘计算平台的性能优化边缘计算平台的性能优化需从硬件、算法和网络三个层面进行，硬件层面应选择高性能计算单元，如GPU、TPU等。算法优化方面，应采用轻量级模型，如边缘部署的轻量级模型（如TinyML），以减少计算负担并提高实时性。网络优化方面，可采用数据分流、边缘缓存、多路径传输等技术，以提升数据传输效率和系统吞吐量。实验数据显示，边缘计算平台的延迟可降低至毫秒级，相比传统云计算平台可减少50%以上的数据传输延迟。根据2023年《边缘计算性能评估报告》，边缘平台的吞吐量可提升至云平台的3-5倍，显著提升物联网系统的响应速度和效率。第3章物联网边缘计算关键技术3.1边缘计算中的数据处理技术边缘计算中的数据处理技术主要包括数据采集、预处理与本地化分析，其核心在于实现数据的低延迟处理与实时分析。例如，通过分布式计算框架如ApacheFlink或ApacheSpark，可实现数据流的实时处理与状态维护，减少数据传输到云端的延迟。常用的数据处理技术包括流处理、批处理与混合处理，其中流处理适用于实时场景，批处理适用于历史数据的深度分析。据IEEE1284.1标准，边缘计算节点需支持至少1000次/秒的流处理能力，以满足高并发需求。数据预处理技术包括数据清洗、特征提取与归一化等，这些操作在边缘设备上执行可降低云服务器的负担。例如，使用Kafka或RabbitMQ进行消息队列管理，可提升数据处理的可靠性和效率。边缘计算中还采用边缘智能（Edge）技术，如模型压缩与量化，以减少计算资源消耗。据2023年IEEE通信期刊研究，边缘模型在保持90%以上准确率的同时，可将推理延迟降低至10ms以内。云-边协同处理模式是边缘计算的重要特征，边缘节点负责初步数据处理，云端则进行深度分析与决策，这种模式在工业物联网中应用广泛，如智能工厂中的设备监控与维护预测。3.2边缘计算中的通信技术边缘计算中的通信技术主要包括低功耗广域网（LPWAN）、5G以及边缘节点之间的无线通信。LPWAN如NB-IoT和LTE-M在低功耗、广覆盖场景中表现优异，适合物联网设备的长期运行。边缘节点间的通信通常采用自组网（Ad-hoc）技术，如Mesh网络，可提高网络的鲁棒性和可靠性。据2022年IEEE通信协会报告，使用Mesh网络的边缘计算系统在突发网络中断情况下，恢复时间可缩短至50ms以内。5G技术为边缘计算提供了高速、低延迟的通信保障，支持高密度设备接入与海量数据传输。例如，5G网络的端到端时延可低至1ms，满足边缘计算对实时性要求高的应用场景。边缘计算通信协议需遵循标准化规范，如IEEE802.11ax（Wi-Fi6）和IEEE802.16（Wi-Fi6E），这些协议支持多设备并发接入与智能网络优化。边缘计算通信技术还涉及网络切片与虚拟化技术，如5G网络切片可为不同业务提供定制化的网络服务质量（QoS），确保关键任务的高优先级传输。3.3边缘计算中的安全与隐私保护边缘计算中的安全与隐私保护主要涉及数据加密、身份认证与访问控制。例如，使用国密算法SM4和SM9进行数据加密，可确保边缘节点间数据在传输过程中的机密性。边缘计算中常采用多因素认证（MFA）与零知识证明（ZKP）技术，以增强设备和用户的身份验证安全性。据2023年ACM会议研究，使用ZKP的边缘计算系统在隐私保护与性能之间达到了良好平衡。边缘节点需部署安全策略与监控机制，如基于规则的访问控制（RBAC）和基于角色的访问控制（RBAC），确保只有授权设备可访问敏感数据。为保障隐私，边缘计算系统通常采用数据同态加密（TEE）与差分隐私（DP）技术，能够在不泄露原始数据的前提下实现计算与分析。例如，TEE技术可实现可信执行环境（TEE）中的安全计算，确保数据在边缘端处理时不会泄露。边缘计算中的安全威胁包括数据泄露、恶意攻击与设备劫持，因此需结合硬件安全模块（HSM）与驱动的威胁检测系统，构建多层次的安全防护体系。3.4边缘计算中的资源管理与调度边缘计算中的资源管理与调度涉及计算资源、存储资源与网络资源的动态分配。例如，采用基于优先级的调度算法（如Priority-basedScheduling）可实现资源的高效利用，确保关键任务优先执行。边缘节点的资源调度需考虑负载均衡与任务分配，如采用负载均衡算法（LB）与任务分配算法（TA），以避免资源瓶颈。据2022年IEEE物联网期刊研究，基于的调度算法可将资源利用率提升至85%以上。边缘计算中的资源管理还涉及能耗优化，如采用动态功耗管理（DPM）与任务裁剪（TaskPruning），以延长设备的电池寿命。例如，使用动态功耗管理技术，可使边缘节点在保持性能的同时，降低能耗至传统模式的60%以下。边缘计算调度系统通常采用分布式资源管理框架，如ApacheHadoop与Kubernetes，支持多节点协同调度与弹性扩展。据2023年ACM会议研究，基于Kubernetes的边缘调度系统可实现99.9%的高可用性。边缘计算的资源调度还需考虑任务的实时性与可靠性，如采用时间敏感网络（TSN）与分布式任务调度算法，以确保关键任务在规定时间内完成。第4章物联网边缘计算应用案例4.1智能城市中的边缘计算应用物联网边缘计算在智能城市中发挥着关键作用，通过将数据处理从云端迁移至本地，显著降低延迟，提升实时响应能力。根据IEEE802.1AY标准，边缘计算节点可实现数据的本地处理与转发，有效减少数据传输量，提高系统效率。在智能交通系统中，边缘计算节点可实时分析车流数据，优化信号灯控制，降低拥堵率。例如，新加坡智慧城市项目中，边缘计算节点在交通流量预测中应用，使通行效率提升了15%。边缘计算结合5G技术，使智能城市中的传感器节点能够实现毫秒级响应，支持自动驾驶、智能安防等应用。据《IEEETransactionsonMobileComputing》2022年研究，边缘计算可将数据处理延迟降低至50毫秒以内。智能城市中的边缘计算应用还涉及能源管理、环境监测等场景。例如，通过边缘计算节点对城市电网进行实时监控，可实现能源调度优化，减少浪费。多个城市已开始部署边缘计算节点，如杭州、雄安新区等，这些节点不仅提升了城市管理效率，还为未来智慧城市的发展奠定了基础。4.2工业物联网中的边缘计算应用工业物联网（IIoT）中，边缘计算用于实时监控和控制生产流程，提高设备运行效率。根据IEC62443标准，边缘计算节点可实现数据采集、处理与决策，减少对云端的依赖。在智能制造中，边缘计算节点可实时分析机器运行状态，预测设备故障，降低停机时间。例如，德国西门子在工厂中部署边缘计算系统，设备故障预测准确率提升至85%以上。工业边缘计算结合工业4.0理念，支持设备互联与协同控制。根据《JournalofManufacturingSystems》2021年研究，边缘计算可实现设备间的数据共享与协同作业，提升整体生产效率。在复杂工业环境中，边缘计算节点具备更强的本地处理能力，可应对高并发、高延迟的工业数据流。例如，大型制造企业采用边缘计算架构，实现对数百台设备的实时监控与调度。工业边缘计算还支持远程运维与自动化控制，降低人工干预，提高生产安全性与稳定性。4.3医疗健康领域的边缘计算应用在医疗物联网（mHealth）中，边缘计算可实现医疗设备数据的本地处理与分析，提升数据传输效率。根据《IEEEJournalofBiomedicalandHealthInformatics》2020年研究，边缘计算可减少云端数据传输延迟，提高实时诊断能力。边缘计算在远程医疗中发挥重要作用，可支持实时视频传输与患者数据处理。例如，美国医疗设备厂商IntuitiveSurgical采用边缘计算技术，实现手术在远程环境下的实时控制。在医疗影像处理中，边缘计算节点可对图像进行局部处理，减少云端计算负担，提高诊断速度。如CT影像分析系统中，边缘计算可实现影像的初步识别与异常检测，提高诊断效率。边缘计算结合医疗设备的本地存储与处理能力，可实现数据隐私保护，符合HIPAA等医疗数据安全标准。多个医疗机构已开始部署边缘计算节点，如美国的MayoClinic和中国的三甲医院，这些节点在远程监护、手术支持等方面发挥了重要作用。4.4交通与物流行业的边缘计算应用在智能物流中，边缘计算节点可实现对运输车辆的实时监控与调度，提升物流效率。根据《TransportationResearchPartC:EmergingTechnologies》2021年研究，边缘计算可实现对车辆状态的即时分析，优化路线规划。在智慧交通系统中，边缘计算可支持实时交通流量监测与信号灯控制，减少拥堵。例如，荷兰阿姆斯特丹的智能交通系统中，边缘计算节点使交通流量优化率提升20%。边缘计算在车联网（V2X）中应用广泛，支持车辆与基础设施之间的实时通信，提升行车安全。根据IEEE802.11p标准，边缘计算可实现车辆数据的本地处理与转发，减少通信延迟。在物流运输中，边缘计算节点可实现对货物状态的实时监控，提升运输安全与效率。例如，亚马逊物流系统中，边缘计算节点支持对仓储设备的实时状态监控，减少停机时间。多个物流企业已采用边缘计算技术，如顺丰、京东等，实现物流调度与运输监控的智能化，提升整体运营效率。第5章物联网边缘计算的标准化与协议5.1物联网边缘计算的标准化框架物联网边缘计算的标准化框架通常遵循ISO/IEC27001、ISO/IEC20000等国际标准，以确保系统的安全性、可靠性和互操作性。标准化框架包括技术标准、管理标准和安全标准，如IEEE20000-2012《物联网系统架构与安全》和GB/T35295-2019《物联网安全技术要求》。中国在2021年发布了《物联网边缘计算技术标准体系》，明确了边缘计算节点、数据处理能力、服务接口等关键技术要求。国际上，IEEE1451标准为物联网设备互操作性提供了基础，而IEEE802.11ax则为边缘计算网络通信提供了支持。标准化框架的建立有助于推动边缘计算在工业、智慧城市、医疗等领域的应用落地，提高系统的可扩展性和兼容性。5.2边缘计算与物联网协议的结合边缘计算与物联网协议的结合需要满足低延迟、高可靠性和数据安全性要求，常见协议如MQTT、CoAP、HTTP/2等均需在边缘节点进行适配与优化。MQTT协议因其轻量级特性，广泛应用于边缘节点与终端设备之间的通信，但需结合边缘计算能力进行数据缓存与转发。CoAP协议适用于资源受限的传感器网络，其在边缘计算中常用于物联网设备与边缘服务器的交互，支持IPv6和UDP协议。HTTP/2协议在边缘计算中被用于服务发现与资源管理，其多路复用特性可提升边缘节点的并发处理能力。企业如西门子、华为等已通过协议优化和边缘计算融合，实现工业物联网的高效运行，减少云端依赖，提升响应速度。5.3国家与行业标准的发展趋势中国近年来在物联网边缘计算标准方面持续发力，2023年《物联网边缘计算技术标准体系》已纳入国家标准化管理委员会重点制定计划。国际上，IEEE、ISO、3GPP等组织正在推动边缘计算与物联网协议的协同标准，如IEEE20000-2022《物联网系统架构与安全》已进入草案阶段。2022年，欧盟发布了《物联网技术标准白皮书》，强调边缘计算在数据本地处理、隐私保护和绿色计算中的作用。未来标准将更多关注边缘计算与、5G、oT的深度融合，推动边缘计算在智能制造、智慧城市等场景中的应用。行业咨询公司IDC预测，到2025年，全球边缘计算标准将覆盖超过80%的物联网设备，推动标准化进程加速。第6章物联网边缘计算的未来发展方向6.1边缘计算与的融合边缘计算与（）的融合正在推动智能边缘系统的快速发展，通过将模型部署在边缘节点上，实现实时数据处理与决策，显著提升系统响应速度与数据安全性。根据IEEE802.11ax标准，边缘计算架构在低延迟场景下，能够实现高达99.999%的响应时间，这使得边缘在工业自动化、智能交通等应用中具有显著优势。2023年，全球边缘市场规模预计将达到250亿美元，年复合增长率超过30%，主要得益于边缘计算与模型轻量化、模型压缩技术的进步。例如，在智能制造中，边缘可以实时分析传感器数据，预测设备故障，减少停机时间，提升生产效率。有研究指出，边缘与云计算的协同工作模式，能够实现“本地智能+云端分析”，在数据隐私保护与处理效率之间取得平衡。6.2边缘计算与5G技术的结合5G网络的低时延、高可靠性和大连接特性，为边缘计算提供了坚实的基础设施支持，使边缘节点能够更高效地处理海量数据流。根据3GPP标准，5G网络的端到端延迟可控制在1ms以内，这使得边缘计算在实时性要求高的场景中具备显著优势。2022年，全球5G部署数量超过1.2亿个，其中边缘计算节点数量增长迅速，预计到2025年，边缘计算节点数量将超过5亿个。5G与边缘计算的结合，推动了智能网联汽车、远程医疗等新兴应用场景的发展，提升了用户体验与系统稳定性。一项研究指出，5G与边缘计算结合后，设备响应时间可降低至毫秒级别，极大提升了物联网系统的智能化水平。6.3边缘计算与云计算的协同演进边缘计算与云计算的协同演进，是未来物联网系统发展的关键趋势，通过“边缘处理+云端分析”的模式，实现资源高效利用与能力灵活扩展。根据IDC预测，到2025年，边缘计算与云计算的协同部署将覆盖超过80%的物联网应用场景，形成“本地智能+云端赋能”的新型架构。云计算提供了强大的计算与存储能力，而边缘计算则在数据本地化处理与低延迟响应方面发挥关键作用，二者互补性强，共同支撑物联网的规模化发展。例如，在智慧城市中，边缘计算可处理本地数据，云端则进行复杂分析与决策，实现高效、安全、智能的城市管理。有研究指出，边缘计算与云计算的协同演进，将推动物联网向更加智能化、自适应的方向发展，提升整体系统性能与用户体验。第7章物联网边缘计算的实施与运维7.1边缘计算系统的实施流程边缘计算系统的实施通常包括需求分析、架构设计、设备部署、软件开发和测试验证等阶段。根据IEEE1451标准，边缘计算系统应具备分布式架构，支持数据本地处理与集中决策相结合的模式，以降低延迟并提升实时性。实施过程中需考虑网络拓扑结构、设备兼容性与算力资源分配。例如，基于Docker容器技术的微服务架构可提升系统的可扩展性与灵活性，同时满足IEEE802.15.4标准对低功耗无线传感网络的要求。边缘计算节点的部署需遵循“靠近数据源”的原则，采用边缘网关或边缘节点设备，如NVIDIAJetson系列嵌入式设备，可实现数据采集、本地处理与初步分析的结合。实施阶段需进行性能评估与优化，如使用OpenNMS或Prometheus进行系统监控，确保计算资源利用率与响应时间符合预期指标，避免因资源过度消耗导致系统性能下降。在部署完成后，需进行系统集成测试与用户验收测试（UAT），确保边缘节点与云端平台的数据交互、任务调度与安全通信均符合ISO27001标准，保障数据隐私与系统稳定性。7.2边缘计算系统的运维管理运维管理涉及系统监控、资源调度、安全防护与日志审计等多个方面。根据IEEE1888.1标准，边缘计算系统应具备实时监控能力，通过日志采集与异常检测机制，及时发现并处理潜在问题。运维管理需采用自动化工具，如Ansible或Kubernetes，实现任务调度、配置管理和故障恢复。例如，基于OpenShift的容器平台可支持边缘节点的动态扩展与资源弹性分配。系统运维应建立完善的故障响应机制，包括分级响应策略与恢复流程。根据IEEE1888.2标准，边缘计算设备故障应能在30秒内检测到并触发自动修复，确保业务连续性。运维人员需定期进行系统健康检查与性能调优，如使用Zabbix或Nagios进行性能监控，结合历史数据预测资源需求，避免因资源不足导致服务中断。运维管理还应注重安全防护，如采用基于TLS1.3的加密通信、RBAC权限管理及定期漏洞扫描，确保边缘计算系统的安全性和可追溯性。7.3边缘计算系统的监控与故障处理监控系统应具备多维度数据采集能力，包括CPU使用率、内存占用、网络流量、任务队列长度等指标。根据ISO/IEC25010标准，边缘计算节点的监控数据需符合统一的数据格式与采集频率要求。故障处理需采用分级响应机制，如将故障分为致命故障、严重故障、一般故障三级，并根据故障类型触发不同的处理流程。例如，当边缘节点出现网络中断时，应优先执行心跳检测与重连策略。在故障处理过程中，应采用自动化诊断工具，如基于机器学习的异常检测算法，结合历史数据预测故障趋势，减少人工干预时间。根据IEEE1888.3标准，边缘计算系统应具备自动恢复能力，确保服务连续性。故障处理需记录详细的日志信息，便于后续分析与根因追溯。根据NISTSP800-53标准，日志应包含时间戳、操作者、事件类型、影响范围等关键字段，支持事后审计与改进。故障处理后应进行根因分析（RCA）与改进措施落实，例如优化算法、增强容错机制或升级硬件，以提升系统的鲁棒性与稳定性。第8章物联网边缘计算的挑战与展望8.1边缘计算面临的挑战边缘计算在数据处理与响应速度方面面临瓶颈，尤其在高并发、低延迟的物联网场景中，设备端的计算能力有限，难以满足实时数据处理需求。据IEEE2022年报告，边缘节点在处理复杂算法时，往往需要依赖云端资源进行协同计算，增加了系统延迟和资源消耗。数据隐私与安全问题日益突出，边缘节点通常位于网络边缘，数据采集、传输和处理均在本地进行，易受攻击和泄露。2021年欧盟《通用数据保护条例》（GDPR）对边缘计算中的数据处理提出了严格的要求，增加了合规成本。边缘计算设备的能耗问题制约其大规模部署，尤其是在电池供电的物联网设备中，持续运行可能导致设备寿命缩短。研究显示，边缘节点的能耗比云端计算高出约30%-50%，影响了其在能源受限场景中的应用。算法与