WatchDog：地理分布式边缘节点上的实时车辆跟踪
分布式、并行与集群计算
2020-02-12 v1 网络与互联网体系结构
摘要
车辆跟踪作为智慧城市视频分析的核心应用，由于交通摄像头数量的增加以及计算机视觉与机器学习的最新进展，其部署比以往任何时候都更加广泛。由于带宽、延迟和隐私问题的限制，跟踪任务更适合运行在靠近摄像头的边缘设备上。然而，边缘设备的计算预算是固定的，使它们难以适应由交通动态引起的时变跟踪工作负载。为应对这一挑战，我们提出了 WatchDog，一个充分利用道路网络上边缘节点的实时车辆跟踪系统。WatchDog 利用具有不同资源-精度权衡的计算机视觉任务，并基于当前工作负载在边缘设备间合理地分解和调度跟踪任务，以最大化任务数量，同时保证每个边缘设备可证明的响应时间界限。使用真实世界的城市级车辆轨迹数据集进行了大量评估，显示出 100% 的跟踪覆盖率并具备实时保证。
引用
@article{arxiv.2002.04597,
title = {WatchDog: Real-time Vehicle Tracking on Geo-distributed Edge Nodes},
author = {Zheng Dong and Yan Lu and Guangmo Tong and Yuanchao Shu and Shuai Wang and Weisong Shi},
journal= {arXiv preprint arXiv:2002.04597},
year = {2020}
}