我国的安防领域信息化基础扎实，摄像头、抓拍机部署密度较大，边缘侧的数据采集已不存在障碍。且目前公共安全领域正广泛开展大数据分析、计算机视觉等技术的实践应用，在数据库的搭建、算法模型的训练、业务场景的适配方面，已经具备较好基础。边缘计算与人工智能技术在公共安全领域的应用，能够有效提升公共安全管理的效率与水平，大幅降低人力物力成本，对城市管理、民生改善具有巨大价值，市场空间广阔，且技术应用的基础条件已经成熟，公共安全有望成为边缘智能最先爆发的高价值应用场景。
一、边缘计算
欧洲电信标准协会定义：
在移动网边缘提供 it 服务环境和云计算能力，强调靠近移动用户，以减少网络操作和服务时延，提高用户体验。
赛迪顾问定义：
在靠近数据产生端进行计算，将网络、计算、存储能力从云端延伸到网络边缘，具有邻近性、低时延、本地性、位置感知性的一种新型计算模式。
二、边缘计算四大特点
边缘计算具有邻近性、低时延、本地性、位置感知性四大特点。
1、邻近性
边缘计算靠近信息源，适用于通过数据优化捕获和分析大数据中的关键信息，并且可以直接访问设备，更加高效地服务于边缘智能，易于衍生出特定商业应用场景。
2、低时延
边缘计算服务靠近产生数据的终端设备，相对于云计算，极大地降低了时延，尤其是在智能制造和智能驾驶等应用场景中，使得反馈过程更加快速。
3、本地性
边缘计算可以与网络的其余部分隔离运行，可实现本地化、相对独立的计算。一方面保证了本地数据的安全性，另一方面降低了计算对网络质量的依赖性。
4、位置感知性
当边缘网络是无线网络的一部分时，边缘计算式的本地服务可以利用相对较少的信息来确定所有连接设备的位置，这些可以应用于lbs（基于位置的服务）等业务场景。
三、边缘计算与云计算的联系和区别
1、联系：
边缘计算和云计算将同时共存、相互补充、相互促进，共同解决大数据时代的计算问题。边缘计算与云计算是行业数字化转型的两大重要计算方式，在网络、业务、应用、智能等方面的协同发展将有助于更大限度的行业数字化转型。
2、区别：
数据计算的任务不同。云计算把握整体，适用于大规模、非实时业务的计算。边缘计算关注于局部，适用于小规模、实时性计算任务，能够更好完成本地业务的实时处理。
网络资源的负担不同。与云计算相比，由于边缘计算靠近信息源，数据可在本地进行存储与处理，不必将全部数据都上传至云端，减少了对网络的负担，避免了网络堵塞，提高了网络带宽的利用效率。
智能应用的分工不同。在人工智能应用中，云计算更适用于进行人工智能算法模型训练与大规模数据的集中化分析，边缘计算更适用于基于集成的算法模型，进行本地小规模智能分析与预处理工作。
四、边缘计算的影响与变化
1、业务处理从集中式到去中心化
边缘计算将分布式计算融入集中式的云计算架构中，能使计算能力下沉到边或端，减少对中心的依赖，通过云、边、端协同，大幅提升业务效率。
集中式业务处理业务集中到中心串行处理，高延时，低效率；大量数据传回中心，容易阻塞网络，带宽成本较高。存在性能瓶颈和业务处理不灵活的缺陷。
分布式多中心业务处理：与集中式处理模式不同，分布式架构使业务能并行处理，并且能充分利用各分布节点的多中心资源，大大提高整体资源利用率，业务可弹性伸缩；并满足较低时延，较好的用户体验。
去中心化业务处理：业务不再依赖中心，云、边、端各司其职、相互协同；边缘侧融合网络、计算、存储、应用核心能力，能进行本地化、特定性业务处理；最大价值体现在低延时、高效率、可离线、自治、服务感知、业务弹性伸缩。
2、资源配置从资源独占到资源共享
边缘计算最大价值是资源开放性、分享性，改变传统资源独占模式，通过分布式计算、资源迁移、虚拟化等技术充分利用边缘侧的资源能力，优化全社会资源配置，提高资源利用率。
资源独占：传统边缘侧主要承担的是数据采集与业务请求角色，都是要抢占、独占中心计算、存储资源，以及网络带宽资源，边缘端业务规模不断扩大，对中心的压力将不断增加，导致整体运营效率下降。
共享与分享：边缘计算的商业模式将不仅以服务为驱动，更多是以数据为驱动，通过建设统一开放的接口，面向多用户进行数据开放，促进传统中心——用户的单边模式转变为用户——中心、用户——用户的多边共享、分享模式，提升整体效率，使社会生产更经济、更快捷。
3、数据分析从把握整体到专注局部
万物互联时代需要更敏捷的数据处理，也需要更好数据保护。以往云计算只把握整体，所有数据均要传到中心分析，而边缘计算专注局部，聚焦实时、短周期数据的分析，能更好地支撑本地实时智能化业务处理与执行，并且，原始数据保留在边缘侧，也保证了数据的隐私与安全。
数据轻量化：本地采集的原始数据在边缘侧执行初始分析，只传递有用数据到云端，从而减少网络负担，降低传输成本。
数据隐私保护：大量原始采集的数据无需全部传输到云端，能更好地对数据的隐私提供保护。
4、应用部署从未雨绸缪到随需而动
传统业务扩张由于受各种要素制约，如计算、网络等，均需要根据需求提前进行规划与部署。边缘计算低时延、邻近化、高宽带和位置认知等特性，让业务发展更从容，整个网络能感知一切业务需求变化，并通过近端的智能分析，快速调配资源，实现快速响应，敏捷部署。
智能感知：边缘计算为边缘侧赋能，使其具备业务和用户感知能力，可智能感知边缘侧的业务需求变化，优化利用近端资源，支撑本地业务的实时化处理与执行。
敏捷部署：边缘计算将降低资源对业务发展约束性，通过弹性、可扩展、预制化及敏捷化的设施部署与资源调用，及时响应近端的业务变化需求，实现业务随需而动、快速部署。

---