论文部分内容阅读
智慧教室有望从多维度显著改进教学效果、提高教学质量,在未来教学活动中有着广阔应用空间。随着计算机信息技术、人工智能技术、物联网技术与教育的进一步深入融合,未来的智慧教室将进一步变革教学过程。本文首先展望未来智慧教室的发展:引进大量传感器、智能摄像头、可穿戴设备、VR/AR设备来采集教学活动中产生的各个维度的学习大数据,通过基于人工智能/深度学习算法的大数据处理和分析,为教学过程中提供教学评价、实时的教学反馈、教学资料推荐等智慧导学服务。面向智慧教室的发展趋势,目前的智能教室管理系统相对独立暴露出资源不能共享、单个智能教室计算能力不足以支持基于人工智能/深度学习的智慧导学服务等问题。本文着力解决智慧教室计算资源不足以及面对动态的智慧教室网络计算资源如何调度等问题。本文首先分析面向智慧教室应用的特点,并提出了一种以边缘计算为核心的大数据处理模型,构建软件定义的边缘网络管理平台来管理智慧教室所需的计算和网络带宽等资源。本文还提出一种边缘计算选择模型,定量地分析以边缘计算为核心的数据处理模型的适用场景,为提出的智慧教室的边缘网络管理平台优化提供理论支持。针对边缘网络计算资源不足的问题,提出一种边缘节点放置模型来指导智慧教室场景下边缘节点的部署,并根据某985高校教学楼的分布和校园网络拓扑构建仿真实验,并和移动边缘计算场景下的边缘节点的部署方案进行性能评测,为边缘计算场景下的计算资源部署提供理论指导;针对任务变化引起网络波动的动态网络场景,本文提出改进的BFDA(Best Fitting Decreasing Algorithm)算法和一种基于线性规划模型的任务调度算法,根据数据源节点数据量的变化对边缘网络的计算资源进行调度,并依据校园网络网络拓扑构建仿真实验,和传统的BFDA算法进行对比,边缘网络的提供计算能力提高78.72%,平均网络时延明显下降。