协同的边缘-云端数字孪生技术：实现实时监控与纵向推理的结合

《IEEE Journal of the Electron Devices Society》：Coordinated Edge–Cloud Digital Twins for Aligning Real-Time Monitoring with Longitudinal Reasoning

　　

摘要：

数字孪生技术逐渐被用作个性化医疗中的持续监测和决策支持工具。然而，大多数应用场景都假设存在稳定的网络连接和充足的计算资源，这就导致了现实世界的监测条件与以云为中心的推理系统之间存在差异。这种差异会导致状态不一致，使得数字孪生无法准确反映患者不断变化的生理状况。本研究提出了一种协调式边缘-云数字孪生架构，旨在在资源及网络连接受限的情况下，仍能保持实时监测数据与长期推理结果的一致性。该系统不会将所有数据上传至云端，而是在边缘端进行简单的筛选，仅将重要数据上传至具备预测和干预分析功能的云端数字孪生系统。通过双向协调，即便在网络连接不稳定的情况下，数字孪生也能保持同步。我们通过多种测试来评估这一架构，包括连续生理监测、间歇性代谢监测以及云端层面的预测和决策功能测试。基于升级频率、同步行为、边缘端响应延迟以及网络中断后的状态恢复情况等指标的测试表明，边缘-云交互模式能够在保障监测层响应能力的同时，维持数字孪生模型的长期一致性。这些结果说明，要在现实世界的运营限制下实现可靠的数字孪生应用，就必须确保监测层与推理层之间的数据一致性。