摘要：针对集中式大气颗粒物监测激光雷达系统中存在的数据传输延迟、带宽要求高、云端计算海量数据资源压力大（≥20GB/台/天）、实时响应速度低（≥5min）等问题,提出了构建三级边缘计算架构“端—边—云”的软件架构设计方案。终端层采用532nm波长、5000HZ的激光雷达节点,边缘端部署于监测站点的服务器实时采集27km范围内的大气回波信号数据并进行反演颗粒物浓度等,云端通过多节点数据融合技术构建大气颗粒物监测溯源模型。该方案将系统响应时间缩短至3秒,数据传输量降低到2GB/台/天,满足环境监测领域对颗粒物监测的实时性能与动态溯源要求,边缘—激光雷达融合技术为资源受限场景提供了高时效性监测方式,可扩展至其他气象、环保等多元参数监测领域。

　　关键词：边缘计算；激光雷达；颗粒物监测

　　0引言

　　空气污染已成为全球性的环境问题,对人类健康和生态系统构成了严重威胁,尤其PM2.5和PM10因其粒径小、易吸附有害物质、在大气中停留时间长等特点,成为空气污染的主要组成部分,颗粒物监测成为环境保护的重要任务。激光雷达技术作为一种先进的遥感手段,被广泛应用于大气颗粒物监测[1]。然而,传统激光雷达系统存在数据传输压力大、计算资源压力大、实时性要求难以满足等问题。传统的激光雷达系统产生的数据量巨大,通过网络将采集到的大气回波信号数据传输到云服务器进行处理,对网络带宽造成了巨大压力,大规模部署激光雷达时数据传输问题更加突出[2]；云端服务器需要处理来自多个激光雷达系统的数据,计算资源压力大,大规模部署激光雷达系统时服务器的负载成为瓶颈；在突发污染事件预警等对实时行要求高的应用场景,云计算模式难以满足,数据处理延迟导致预警信息滞后,影响应对效果。边缘计算可以将数据处理分散到多个边缘节点,避免单点故障导致整个系统瘫痪,即使部分边缘节点出现故障,其他节点仍然可以继续工作,保证系统稳定运行。边缘计算架构易于扩展,可以方便地增加新的激光雷达节点,而无需对现有系统进行大规模改造,这为大规模部署激光雷达系统提供了便利[3]。

　　激光雷达结合边缘计算技术应用于颗粒物监测,具备实时性强、可大规模部署等优势,助力污染预警与治理决策,推动空气质量监测智能化升级。未来将融合AI优化数据处理能力,降低设备功耗与成本,推动小型化、智能化监测设备普及。可延伸至城市空气质量监测、工业排放源健康、交通污染监测部署、智慧城市环境感知等多元化场景。

　　1系统总体架构设计

　　基于边缘计算的颗粒物激光雷达系统主要组成有激光雷达装置、边缘计算设备、通信模块、云端管理与可视化平台。激光雷达装载负责发射并接收发射信号,边缘计算设备对信号数据进行实时采集和分析处理；颗粒物浓度数据通过网络传输到云端,云端实时展示颗粒物监测状况。系统总体架构如图1所示。

　　1.1激光雷达装置

　　激光雷达装置由激光发射模块、光学接收模块、光电转换和数据处理模块组成。激光发射模块生成高能脉冲（波长532nm,单波长平均功率≥1W,脉冲宽度≤50 ns）,通过扩束镜（发散角≤1mrad）和光学镜组发射到大气中；光学接收模块（PMT）采用高效率的反射式望远镜（包括高偏振分光镜）捕获激光大气回波信号；光电转换及数据处理模块将大气回波光信号转换成电信号,将电信号转换成计算机可识别的数字信号,通过FPGA实时采集信号。

　　1.2边缘端

　　大气颗粒物监测激光雷达需要在复杂的环境条件下持续、稳定运行,这对配套的嵌入式工控机提出了严苛的要求。选择4核Intel Celeron J系列低功率处理器保障野外或偏远地区长期运行的稳定性；4GB的RAM实现大量数据的快速高效处理；丰富的RS-232/485串口（6个,波特率≥115200bps）轻松连接激光器、GPS、云台设备等关键组件,确保整个监测系统各个部件之间的高效通信与协调工作；充足的USB3.0接口（4个）,为大气颗粒监测提供了更广泛的设备连接可能性,如存储设备、加密狗等；宽温运行（-20℃~60℃)能够始终确保激光雷达系统稳定运行,不受温度因素的影响,持续为大气颗粒物监测提供可靠的控制和数据处理支持；1TB HDD数据硬盘满足保留6个月的数据存储要求并确保数据即使失去连接仍然可用；双千兆网口设计,支持4G/5G模块扩展,内置TCP/IP协议栈实现监测数据实时回传。

　　边缘端系统主要任务包括自动控制、系统状态监测、实时采集大气回波信号、数据处理、数据传输、信息显示与操作控制等。自动控制是完成雷达工作模式参数和设备的控制,包括激光器功率和开关光视轴校准等；系统状态监控任务是对雷达状态进行管理,为用户提供系统“健康状态”信息,上报软硬件状况,对故障进行告警,并把监视信息写入记录文件；实时采集大气回波信号任务是与FPGA通过TCP/IP通信进行实时数据采集；数据处理任务是按照米散射算法计算出颗粒物浓度PM2.5和PM10并保存至本地；数据传输任务是将反演后的产品数据上传至云端；信息显示与操作控制是提供人机接口,具备工作模式、参数设置功能等。

　　雷达每秒生成数万个点数据、系统同时与多个设备进行通信与控制、业务相关自动控制逻辑等,单线程无法满足实时处理要求,因此采用多线程技术。与各个终端设备通信和控制、业务自动控制逻辑、实时采集大气回波信号、数据处理、数据传输等都是独立的线程进行处理,同时执行,以提高系统的响应速度和处理能力。为更高效地利用系统资源,引入生产者—消费者模式的共享队列,实时采集线程将解析好的数据放入生产者—消费者模式的共享队列中,数据处理线程从队列中消费数据反演数据并保存,同时放入另外一个生产者—消费者模式的共享队列中,数据传输线程从此队列中消费数据进行上传。通过加锁、委托事件、同步异步等方式保证线程之间的安全,如系统监测状态线程解析好系统状态数据后,以异步事件通知的方式通知UI线程进行实时更新展示。对复杂任务多线程能够简化程序设计,使得代码更易读和维护。边缘系统软硬件环境和关键技术如表1所示。

　　系统加载设置好的参数（中途可以进行修改）后自动进行工作,激光器响应出光,产生的脉冲信号通过光学天线发射到待测空气中,与其中的气溶胶颗粒相互作用产生包含其颗粒物浓度的信号。光学天线接收到颗粒物浓度信号后,FPGA提取大气信号信息发给实时采集和处理软件,实时采集和处理软件进行信号数据显示并进行反演,输出PM2.5、PM10等信息。系统同时对雷达整机各单元状态进行监视,实时采集各模块状态信息,进行故障判断并显示,用户可以根据提示进行状态把握,及时调整工作策略。

　　1.3云端

　　云平台主要任务是应用管理（设备型号管理、设备管理、用户管理、权限管理）、接收边缘端的数据接入和业务数据模型展示（定点观测时序图、移动走航、水平扫描）等。云平台软件架构采用前后端分层模型设计,通过职责分离实现高内聚低耦合。数据层使用关系型数据库MySql实现数据持久化存储；后端提供RESTful API,通过API网关通用管理接口；前端采用Vue+Html5+CSS+JS技术渲染页面；使用Nginx部署负载均衡保障系统稳定可靠运行。

　　2系统测试验证

　　搭建两台相同硬件配置和软件运行环境的颗粒监控雷达系统,区别在于一台采集实时原始大气回波廓线并传输到测试云端,由测试云端进行积分时间处理和反演颗粒物浓度PM2.5、PM10等产品数据；一台包含边缘服务的颗粒物监测雷达实时采集和数据反演,将反演后的数据上传到测试云端。测试结果以云端的颗粒物浓度表产生数据时间为准,在相同的物理环境下同时运行一周,日志记录数据处理开始结束时间、数据处理量、数据传输消耗的4G卡流量等数据项。测试结果流量消耗上,前者每天平均每天近20GB,后者平均每天约2GB；数据处理量上两者相同。在网络一直保持良好的情况下,云端处理时间始终略落后于边缘计算2~3秒；当网络断开一段时间再恢复时,开始时云端落后边缘计算1个积分时间,随着时间的推移,云端数据产生的时间越来越滞后,不断有新的信号数据需要积分处理和反演,颗粒物浓度、历史数据也需要反演,云端需要开启多个服务才能同步到实时时间的数据。

　　部署多台颗粒监测激光雷达进行测试对比,同样的硬件配置和软件运行环境,随着颗粒物监测雷达部署数量的增加,云端处理的数据量呈现指数级增加,数据处理时间也越来越慢甚至滞后严重；而边缘计算中,每台雷达都是独立的服务,数据量是原级的、数据处理时间秒级的。在网络信号不良、带宽低的情况下,边缘计算的实时性效果更明显,满足颗粒物监测实时性要求。

　　3结语

　　边缘计算在颗粒物监测激光雷达系统中具有重要应用价值,提高了数据处理效率,降低了延迟,实现了智能预警,为空气污染防治提供了有力支持。

　　未来可以研究更高效的边缘计算架构、更安全可靠的边缘节点防护技术,同时可以探索边缘计算与其他技术的融合。如将边缘计算与人工智能技术深度融合,实现边缘智能,通过在边缘端部署机器学习模型,实现对数据的智能分析和预测；将边缘计算与5G融合,5G技术具有高带宽、低延迟的特点,可以为边缘计算提供更好的网络支持,提升边缘计算在实时监测、远程控制方面的性能；融合气象数据、交通数据等多种数据源,提高颗粒物监测的准确性和全面性；扩展到城市空气质量监测、工业排放源监控、交通污染监测、智慧城市感知等领域。

　参考文献

　　[1]黄丽坤,王广智.城市大气颗粒物组分及污染[M].北京:化学工业出版社,2020:7.

　　[2]王成,习晓环,杨学博,等.激光雷达遥感导论[M].北京:高等教育出版社,2022:7-8.

　　[3]张胜,钱柱中.边缘计算:一种应用视角[M].北京:机械工业出版社,2024:7-12.