没有合适的资源?快使用搜索试试~ 我知道了~
越来越丰富的网络应用对网络功能和性能提出了更高的要求。车联网需要网络满足低时延和高可靠性要求;远程医疗需要网络有确定性时延和安全保证;工业互联网要求网络满足大连接要求;AR/VR应用要求低时延和高带宽;量子计算也对网络安全等方面提出了新的要求。现有的IP网络由于自身架构的局限性,只提供尽力而为的服务,无法满足未来网络应用需要。调研未来20年内的网络应用,分析未来网络应该具有的功能和性能,通过对车联网、远程医疗、工业物联网、AR/VR和量子计算应用场景的描述,分析满足这些场景分别需要的网络性能,得出未来网络的性能指标。
资源推荐
资源详情
资源评论
2019198-1
专题:先进数据网络
基于未来应用的未来网络固定特征
张亚文
1
,
王淼
1
,
王凌豪
1
,
张瀚文
1
,
张玉军
1,2
(1. 中国科学院计算技术研究所,北京 100190;2.中国科学院大学,北京 100049)
摘 要:越来越丰富的网络应用对网络功能和性能提出了更高的要求。车联网需要网络满足低时延和高可靠
性要求;远程医疗需要网络有确定性时延和安全保证;工业互联网要求网络满足大连接要求;AR/VR 应用要
求低时延和高带宽;量子计算也对网络安全等方面提出了新的要求。现有的 IP 网络由于自身架构的局限性,
只提供尽力而为的服务,无法满足未来网络应用需要。调研未来 20 年内的网络应用,分析未来网络应该具有
的功能和性能,通过对车联网、远程医疗、工业物联网、AR/VR 和量子计算应用场景的描述,分析满足这些
场景分别需要的网络性能,得出未来网络的性能指标。
关键词:未来网络应用;车联网;远程医疗;工业互联网;AR/VR 应用;量子计算
中图分类号:TN915
文献标识码:A
doi: 10.11959/j.issn.1000−0801.2019198
Fixed features of future networks based on future applications
ZHANG Yawen
1
, WANG Miao
1
, WANG Linghao
1
, ZHANG Hanwen
1
, ZHANG Yujun
1,2
1.Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
2.University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: More and more network applications place higher demands on the network functions and performance. In-
ternet of vehicles requires the network to support low latency and high reliability, telemedicine requires it with deter-
ministic latency and security assurance, the industrial internet requires networks to meet large connections and high
reliability, AR/VR applications require low latency and high bandwidth, quantum computing also brings new challenges
to network security. Due to the limitations of its own architecture, existing IP networks only provide best-effort services
that cannot meet the needs of future network applications. Future network applications in the next 20 years were in-
vestigated, the functional and performance of the future network were analyzed. By describing the application scenarios
of internet of vehicles, telemedicine, industrial internet AR/VR and quantum computing, the network performance to
meet the needs of these scenarios was analyzed and the performance indicators of future networks were obtained.
Key words: future application, IoV, telemedicine, industrial internet, AR/VR application, quantum computing
收稿日期:2019−06−12;修回日期:2019−07−31
基金项目:国家重点研发计划基金资助项目(No.2016YFE0121500,No.2018YFB1800403);国家自然科学基金资助项目
(No.61672500, No.61572474);中国科学院战略性先导科技专项基金资助项目(No.XDC02030500)
Foundation Items: The National Key Research and Development Program of China (No.2016YFE0121500, No.2018YFB1800403),
The National Natural Science Foundation of China (No.61672500, No.61572474), The Strategic Priority Research Program of Chinese
Academy of Sciences (No.XDC02030500)
专题:先进数据网络 ·66·
1 引言
现有互联网假设用户和终端是可信和智能
的,网络本身仅需要提供尽力而为的数据分组转
发功能,当主流应用是网页、邮件、音频等形式
时,网络应用以“轻载”的负荷比例在网络上传
输,这种理念符合最初主机互联和资源共享的网
络应用需求。随着应用模型日益丰富,互联网的
主流应用模式逐渐转变成以视频分发等为主的内
容获取服务
[1]
,网络传输路径承受的负荷压力越
来越大,网络功能定位发生了巨大变化。例如,
各种在线视频、视频点播业务逐渐盛行,对网络
的传输时延、分组丢失率等提出更高要求,NDN
(named data networking,命名数据网络)
[2]
、边 缘
计算
[3]
等新的网络架构和技术应运而生。新兴应
用的出现对网络的传输能力、移动性、安全性等
方面提出了更高的要求
[4]
,可见,应用的发展已
逐渐成为网络发展的需求来源。
Kelly 预测
[5]
,未 来 20 年内,技术与人工智能
相关,会给社会带来根本性变革,自动驾驶、量
子计算、虚拟现实(VR)等新技术将彻底改变人
们的日常生活。本文将从应用驱动的角度来调研
未来网络应该具有的特性,如自动驾驶需要网络
满足低时延和高可靠、远程医疗需要网络有确
定性时延和安全保证、工业互联网要求网络满
足大连接等、网络应该能够稳定可控地按需提
供服务等。
2 应用场景及性能需求
2.1 车联网
车联网实现了车内、车与车、车与路、车与
人、车与服务平台的 V2X(vehicle to everything)
全方位网络连接
[6]
,通过有效协同实现智能交通,
它既是典型的 5G 低时延高可靠场景
[7]
,又是关键
的人工智能和智能交通系统场景。
车联网是无人驾驶技术的基础,通过车联网,
既可以实现汽车的高度自动化,又可以让远端的
机器或人参与到决策中来,以下主要描述自动驾
驶和远程驾驶两组应用场景
[7]
。
2.1.1 自动驾驶
车联网通过车辆、行人、基础设施和云端的
信息共享,辅助车辆进行环境感知,进而实现自
动驾驶, 如图 1 所示。在该场景下,车辆以队列的
形式行驶,队列中的所有车辆与队列头的车辆
(manager)共享本地信息,包括传感器信息、驾
驶意向等,并接收从 manager 传来的消息,如图 2
所示。车与车之间、不同队列之间共享本地信息,
获取全局视图,进行车辆间行驶轨迹的同步和协
调,这是在网络边缘进行的操作,由于信息共享
的实时性和车辆行驶的动态性,网络需要极短的
接入时延;车辆将运行状态上传到云端,也在云
端下载数据(如路况、影音娱乐等),为构建高
精度地图及满足多媒体娱乐需求,网络边缘应该
具有一定的缓存、计算能力和足够的带宽。此外,
由于自动驾驶的级别不同,车辆间共享的数据类
型也不同,参考文献[9]和参考文献[10]分别介绍
了不同数据格式下的数据分组大小和毫米波在高
宽带通信信道下数据传输的速率,接入网应该能
适应不同的分组大小和形式。
图 1 联网 V2X 全方位连接场景
[11]
自动驾驶场景下,车辆与路边单元的协作发生
在边缘网络,自动驾驶的自动化程度不同,车联网
对边缘网络的性能需求也不同。当自动化程度较低
时,发送的数据分组通常较小,为 300~400 byte,
2019198-2
剩余8页未读,继续阅读
资源评论
weixin_38572979
- 粉丝: 4
- 资源: 932
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C语言在游戏开发中的应用及其代码实践
- 算法剪枝-基于Pytorch的YOLOX目标检测算法剪枝pruning-算法轻量化-附项目源码-优质项目实战.zip
- 算法加速-基于GPU加速word2vec实现-附项目源码-优质项目实战.zip
- 算法部署-使用NCNN在Android+iOS平台上部署YOLOv5目标检测算法-优质算法部署项目实战.zip
- 算法部署-TensorRT算子开发之Swish-plugin.zip
- 算法部署-darknet-to-ncnn模型转换工具-支持主流网络如resnet+yolo等.zip
- 如何处理键盘侠·伍德提到的DF(Distance Field)的网格体材质混合问题
- 安卓版H5超链接link-v2.0.0
- 算法部署-在RK3568-NPU上使用RKNN部署YOLOv7目标检测算法-附项目源码-优质项目实战.zip
- 算法部署-在Jetson-Xavier和Jetson-Nano上基于Cpp+TRT部署YOLOv5头盔检测算法-附项目源码+流程
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功