[论文解读] Fog Computing Approaches in Smart Cities: A State-of-the-Art Review

Maryam Songhorabadi, Morteza Rahimi+2 more|arXiv (Cornell University)|Nov 30, 2020

Smart Cities and TechnologiesEngineering参考文献 92被引用 18

一句话总结

本文对智慧城市中的雾计算方法进行了系统性文献回顾（SLR），提出了一种三层分类法——基于服务、基于资源和基于应用的分类法，同时分析了评估因素、工具、算法和挑战。该研究指出了以云为中心模型的关键局限性，并强调了雾计算在提升实时城市应用的延迟、安全性和可靠性方面的作用。

ABSTRACT

These days, the development of smart cities, specifically in location-aware, latency-sensitive, and security-crucial applications (such as emergency fire events, patient health monitoring, or real-time manufacturing) heavily depends on a more advance computing paradigms that can address these requirements. In this regard, fog computing, a robust cloud computing complement, plays a preponderant role by virtue of locating closer to the end-devices. Nonetheless, utilized approaches in smart cities are frequently cloud-based, which causes not only the security and time-sensitive services to suffer but also its flexibility and reliability to be restricted. So as to obviate the limitations of cloud and other related computing paradigms such as edge computing, this paper proposes a systematic literature review (SLR) for the state-of-the-art fog-based approaches in smart cities. Furthermore, according to the content of the reviewed researches, a taxonomy is proposed, falls into three classes, including service-based, resource-based, and application-based. This SLR also investigates the evaluation factors, used tools, evaluation methods, merits, and demerits of each class. Types of proposed algorithms in each class are mentioned as well. Above all else, by taking various perspectives into account, comprehensive and distinctive open issues and challenges are provided via classifying future trends and issues into practical sub-classes.

研究动机与目标

• 为解决智慧城市应用中以云为中心的计算在低延迟、高安全性和实时响应方面存在的局限性。
• 通过系统性文献回顾（SLR）识别并分类现有智慧城市中的雾计算方法。
• 基于服务、资源和应用三个维度，提出一种全面的雾计算方法分类法。
• 评估当前智慧城市雾计算研究在优势、劣势、工具和方法方面的表现。
• 识别雾计算在智慧城市部署中的开放研究问题和未来趋势。

提出的方法

• 对来自同行评审来源和arXiv的97项研究进行了系统性文献回顾（SLR），聚焦于智慧城市中的雾计算。
• 提出了三类分类法：基于服务（如服务组合、QoS）、基于资源（如资源分配、调度）和基于应用（如医疗保健、交通管理）。
• 分析了所审查研究中延迟、能效、安全性和可靠性等评估因素。
• 对使用的工具和仿真平台（如NS-3、OMNeT++、CloudSim）进行分类，并评估其在雾仿真中的适用性。
• 识别并分类各类中使用的算法，包括启发式、元启发式和基于机器学习的方法。
• 通过将实际和理论问题在三类分类法中子分类，综合归纳出开放挑战和未来研究方向。

实验结果

研究问题

• RQ1 雾计算在智慧城市中的主导应用领域是什么，它们如何影响系统设计？
• RQ2 现有雾计算方法如何在智慧城市环境中对服务、资源和应用进行分类与归类？
• RQ3 在智慧城市雾计算研究中，最常使用的评估指标、工具和仿真框架是什么？
• RQ4 与云和边缘计算相比，雾计算在智慧城市部署中的主要优势和局限性是什么？
• RQ5 在智慧城市中，雾计算面临的关键开放挑战和未来研究方向是什么？

主要发现

• 雾计算显著降低了紧急响应和实时患者监测等时间敏感城市应用的延迟，并提高了可靠性。
• 基于服务的类别在研究中占主导地位，重点集中于智慧城市环境中QoS感知的服务组合和动态服务发现。
• 基于资源的方法强调计算和通信资源的高效分配与调度，通常采用启发式或元启发式算法。
• 基于应用的研究在医疗保健、交通控制和工业自动化方面展现出巨大潜力，实时数据处理是其关键使能技术。
• NS-3和CloudSim等仿真工具被广泛使用，但标准化基准和可复现的评估框架仍显不足。
• 关键开放挑战包括去中心化雾节点中的安全与隐私问题、异构系统间的互操作性，以及大规模部署中的能效问题。