Itseohjautuvien ajoneuvojen ongelmat ja niiden ratkaiseminen – Ajattelijat

Itseohjautuvat ajoneuvot vaativat enemmän kuin yksinkertainen tekoäly. Itseohjautuva auto vastaanottaa tietoa eri lähteistä, kuten sonareista, kameroista, tutkista, GPS:stä ja lidareista, mikä mahdollistaa sen navigoinnin missä tahansa ympäristössä. Näiden laitteiden tietoja on käsiteltävä nopeasti, ja tietomäärät ovat valtavat.

Tiedot anturista käsitellään ei ainoastaan auton tietokoneella reaaliajassa. Osa tietoa lähetetään periferia-keskuksiin tarkemman analyysin vuoksi. Ja sitten, monimutkaisen hierarkian kautta, se ohjataan eri pilviin.

Itseohjautuvan ajoneuvon tekoäly on tärkeää, mutta myös ajoneuvon tietokoneen prosessointikapasiteetti, periferia-palvelimet ja pilvi. Tiedonsiirron nopeus ja matala viive ovat myös erittäin tärkeitä.

Tietomäärän ongelma

Jopa tavalliset autot, joissa on kuljettaja rattaisilla, tuottavat yhä enemmän tietoa. Itseohjautuvat autot voivat tuottaa noin 1 teratavun tietoa tunnissa. Tämä tietomäärä on yksinkertaisesti valtava. Ja se edustaa yhtä esteitä itseohjautuvan ajamin massatiellä.

Valitettavasti kaikki itseohjautuvan auton tiedot eivät voi käsitellä pilvessä tai periferia-keskuksissa, koska se aiheuttaa liian suuren viiveen. Jopa 100 millisekunnin viive voi olla ero elämän ja kuoleman välillä. Auto on vastattava mahdollisimman nopeasti uusiin olosuhteisiin.

Viiveen vähentämiseksi tietojen vastaanottamisen ja niihin reagoinnin välillä, osa tietoa analyysoidaan auton tietokoneella. Esimerkiksi uudet Jeep-mallit on varustettu tietokoneella, jossa on 25-50 prosessoriydintä, joka palvelee risteävän liikenteen valvontaa, sokean kulman varoitusjärjestelmää, esteen varoitusjärjestelmää, automaattista jarrutusjärjestelmää jne. Ajoneuvon solmut viestivät toisiinsa sisäisen verkon kautta. Se sopii myös periferiatietokoneen käsitteeseen, jos tietokoneella on periferiasolmu. Tämän seurauksena itseohjautuvat ajoneuvot muodostavat monimutkaisen hybridi-verkon, joka yhdistää keskitetyt tietokeskukset, pilven ja monia periferiasolmuja. Nämä sijaitsevat ei ainoastaan autoissa, vaan myös liikenteen valvontapaikoissa, latausasemilla jne.

Nämä palvelimet ja tietokeskukset auton ulkopuolella tarjoavat kaiken mahdollisen avun itseohjautuvaan ajoon. Ne mahdollistavat auton “näkemisen” anturien kantaman ulkopuolelle, koordinoivat liikenteen kuormitusta ja auttavat tekemään optimaalisia päätöksiä.

Vuorovaikutus toisiinsa ja infrastruktuuriin

GPS ja tietokoneen näköjärjestelmät tarjoavat itseohjautuville autoille tietoa niiden sijainnista ja lähialueista. Kuitenkin laskennallisen ympäristön kantama on jatkuvasti kasvamassa. Kuitenkin yksi auto voi kerätä vain rajoitetun määrän tietoa. Siksi tietojen vaihto on ehdottoman välttämätöntä. Tämän seurauksena jokainen ajoneuvo voi paremmin analysoida ajo-olosuhteita perustuen suurempaan tietojoukkoon, joka on kerätty itseohjautuvien ajoneuvojen laivastosta. Ajoneuvo-ajoneuvo (V2V) -viestintäjärjestelmät perustuvat verkkoverkkotopologiaan, jota ajoneuvot muodostavat samalla alueella. V2V: tä käytetään tietojen vaihtamiseen ja signaaleiden lähettämiseen muihin ajoneuvoihin, kuten etäisyysvaroituksiin.

V2V-verkkoja voidaan laajentaa tietojen jakamiseksi liikenteen infrastruktuurin kanssa, kuten liikenteen valvontapaikkojen kanssa. On jo aiheellista puhua V2I (ajoneuvo-infrastruktuuri) -viestinnästä. V2I-standardeja kehitetään jatkuvasti. Yhdysvalloissa Liittovaltion maantiehallinto (FHWA) julkaisee säännöllisesti eri V2I-oppaita ja raportteja parantamaan teknologiaa. V2I:n hyödyt ulottuvat turvallisuuden lisäksi liikkuvuuteen ja ympäristön vuorovaikutukseen.

Kuljettajat, jotka ajavat samaa reittiä joka päivä, muistavat kaikki tien reikiintymät. Itseohjautuvat autot ovat myös jatkuvasti oppimassa. Itseohjautuvat autot lataavat saatavilla olevan hyödyllisen tiedon periferia-keskuksiin, esimerkiksi latausasemilla. Latausasemat turvautuvat tekoälyalgoritmeihin, jotka auttavat analysoimaan autolta saatavaa tietoa ja tarjoamaan mahdollisia ratkaisuja. Pilven kautta tämä tieto välitetään muihin itseohjautuviin ajoneuvoihin yhteisverkossa.

Jos tämä itseohjautuvien autojen välisen tietojen vaihdon malli todella toteutuu muutamassa vuodessa, voimme odottaa, että tuotetaan eksatavu (miljoonia teratavuja) tietoa päivässä. Erilaisten arvioiden mukaan satoja tuhansia tai kymmeniä miljoonia itseohjautuvia autoja voi ilmestyä teille tuona aikana.

5G avain menestykseen

Kuten mainittiin aiemmin, itseohjautuvat autot voivat vastaanottaa tietoa jalankulkijoista ja pyöräilijöistä ei ainoastaan antureistaan, vaan myös tietojen vaihdosta muiden autojen, liikenteen valvontapaikkojen ja muiden kaupunkien infrastruktuurin kanssa.

Useita 5G-yhteydellä varustettuja autohankkeita on jo olemassa. Autot käyttävät matkapuhelinoperaattorin 5G-verkkoa ja C-V2X (Cellular Vehicle-to-Everything) -tekniikkaa viestimään muiden autojen, pyöräilijöiden ja jopa liikenteen valvontapaikkojen kanssa. Nämä ovat varustettu lämpökuvilla, jotka havaitsevat jalankulkijoita, jotka lähestyvät risteystä; seurauksena on varoitus auton näytöllä. Yhteydessä olevat pyöräilijät saavat tietoa olinpaikastaan, mikä estää vaarallisia tilanteita. Huonon näkyvyyden tapauksessa pysäköidyt autot kytkevät automaattisesti hätävilkkuvilkkuvat, jotka ilmoittavat kaikille lähestyville autoille niiden sijainnista.

5G-matkapuhelinverkkojen ominaisuudet tulevat tässä hyvin käyttöön. Ne tarjoavat nopean nopeuden, erittäin matalan viiveen ja mahdollisuuden tukea suuren määrän samanaikaista yhteyttä. Itseohjautuvat autot ilman tällaisia tietojen käsittelyominaisuuksia eivät pysty suorittamaan monia tehtäviä nopeammin kuin ihminen. Esimerkiksi jalankulkijan ilmestymisen määrittäminen lähimmälle risteykselle. Lisäksi viiveet on oltava minimissään, koska jopa viiveen murto-osa sekunnissa voi johtaa onnettomuuteen.

Suurten autonvalmistajien, kuten BMW, Daimler, Hyundai, Ford ja Toyota, ovat jo integroineet 5G-tekniikan tuotteisiinsa. Miljardeja dollareita on jo käytetty matkapuhelinoperaattorien 5G-verkkojen rakentamiseen. On siis oikea aika antaa ajoneuvoille joukko taitoja, jotka ovat hyödyllisiä päivittäisessä toiminnassa.

Kaikki kokeilut 5G-yhteydellä varustetuilla itseohjautuvilla autoilla tulevat tyrehtymään, jos 5G-infrastruktuuria ei ole paikalla. Taas itseohjautuva ajoneuvo voi tuottaa 1 teratavun tietoa tunnissa, joten matkapuhelinverkon on oltava valmis siirtämään tätä tietoa.

Tietojen käsittely ja tallennus eksatavuissa

Kaikki tietotyypit eivät vaadi välitöntä käsittelyä, ja auton tietokoneella on rajoitettu suorituskyky ja tallennuskapasiteetti. Siksi tiedot, jotka “voivat odottaa”, on kerättävä ja analyysattava periferia-keskuksissa, kun taas osa tietoa siirretään pilveen ja käsitellään siellä.

On kaupunkien hallitusten ja autonvalmistajien vastuulla kerätä, käsitellä, siirtää, suojella ja analysoida tietoa jokaisesta autosta, liikenteen ruuhkautumisesta, jalankulkijasta, reikiintymästä. Jotkut älykaupunkien arkkitehdit ovat jo kokeilemassa koneoppimisalgoritmeja, jotka analysoida liikenteen tietoja tehokkaammin nopeasti tunnistamaan reikiintymiä, säätämään liikennettä ja vastaamaan onnettomuuksiin välittömästi. Globaalista näkökulmasta koneoppimisalgoritmit tarjoavat suosituksia kaupunkien infrastruktuurin parantamiseksi.

Jotta täysin itseohjautuvaa ajoa voisi ottaa käyttöön, on ratkaistava tietojen käsittely- ja tallennusongelma. Jokainen itseohjautuva ajoneuvo voi tuottaa jopa 20 teratavun tietoa päivässä. Vain yksi auto! Tulevaisuudessa se voi johtaa eksatavuihin tietoa päivässä. Tämän tiedon tallentamiseksi tarvitaan korkean suorituskyvyn, joustava, turvallinen ja luotettava reunatietokoneinfrastruktuuri. On myös ongelma tietojen tehokkaasta käsittelystä.

Jotta auton tietokone voi tehdä päätöksiä reaaliajassa, se tarvitsee tuoreimmat tiedot ympäristöstä. Vanhat tiedot, kuten tieto auton sijainnista ja nopeudesta tuntia sitten, eivät yleensä ole enää tarpeen. Kuitenkin nämä tiedot ovat hyödyllisiä itseohjautuvan ajo-ohjelmistojen kehittämiseen.

Tekoälyjärjestelmien kehittäjien on saatava suuria määriä tietoa kouluttaa syväoppimisverkkoja: tunnistaa objekteja ja niiden liikettä kameroiden, lidarin ja yhdistää optimaalisesti ympäristön ja infrastruktuurin tiedot päätöksenteon vuoksi. Tieliikenneviranomaisten kannalta tieto, jota autot keräävät välittömästi ennen onnettomuuksia tai vaarallisia tilanteita tiellä, on elintärkeää.

Kun itseohjautuvat autot keräävät tietoa ja siirtävät sitä periferia-keskuksiin, josta se siirtyy pilveen, tietojen tallennusarkkitehtuurin optimointi ja kerroksellisuus tulevat yhä tärkeämmäksi. Tuoreet tiedot on analyysattava välittömästi parantamaan koneoppimismalleja. Korkea läpäisykyky ja matala viive vaaditaan tässä. SSD-levyt ja korkeakapasiteettiset HAMR-levyt moniajo-tekniikan tuella soveltuvat parhaiten tähän tarkoitukseen.

Kun tiedot on käyty läpi alustavassa analyysivaiheessa, ne on tallennettava taloudellisemmin: korkeakapasiteettisilla, mutta edullisilla perinteisillä lähitallennuspalvelimilla. Nämä tallennuspalvelimet soveltuvat hyvin, jos tietoja saattaa tarvita myöhemmin. Vanhat tiedot, joita ei todennäköisesti tarvita, mutta jotka on säilytettävä jonkin muun syyn vuoksi, voidaan siirtää arkistotasolle.

Tietoja käsitellään yhä enemmän reunassa, mikä merkitsee teollisuuden 4.0 aikakauden alkamista, joka muuttaa tietojen käyttötapaamme. Reunatietokoneisuus mahdollistaa tietojen käsittelyn lähellä sitä, missä ne kerätään, sen sijaan, että ne lähetettäisiin perinteiseen pilvipalvelimeen, mikä mahdollistaa niiden nopeamman analyysin ja välittömän reagoinnin muuttuviin tilanteisiin. Nopea tietojenvaihtoverkko auton ja periferia-keskuksen välillä auttaa tekemään itseohjautuvan ajoa turvallisemmaksi ja luotettavammaksi.

Johtopäätös

Toivottavasti tämä analyysi on antanut jotain valaistusta siitä, kuinka tärkeää tieto on itseohjautuvan ajo-alalla. Itseohjautuvien ajoneuvojen massatiellä on kyse runsaasti tietoa, joka on käsiteltävä paitsi auton tietokoneella myös reunatietokoneilla ja pilvessä. Tietojen käsittelyinfrastruktuurin on oltava valmis etukäteen.

Kun 5G:n käyttö yleistyy, itseohjautuvat autot alkavat tuottaa yhä enemmän tietoa, jota voidaan analysoida ja käyttää älykaupunkien luomiseen. Tämän tavoitteen saavuttaminen ei ole helppoa, mutta lopulta avaamme uuden luvun suositun liikennevälineen, auton, historiassa. Itseohjautuvat autot ovat tekoälytekniikoiden, viestintä- ja tietovarastojen edelläkävijöitä. Täysin itseohjautuvan ajo-onnistumiseksi on jatkettava näiden teknologioiden kehittämistä ja parantamista.