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 datamäärät ovat valtavat.

Tiedot anturista käsitellään ei ainoastaan auton tietokoneella reaaliajassa. Osa tietoa lähetetään periferiaan sijaitseviin tietokeskuksiin tarkemmin analysoitavaksi. Ja sitten, monimutkaisen hierarkian kautta, se ohjataan eri pilviin.

Autossa oleva tekoäly on ratkaiseva, mutta myös laivan tietokoneen prosessointikapasiteetti, periferiaan sijaitsevien palvelinten ja pilven prosessointikapasiteetti. Tiedonsiirron nopeus auton ja matala viive ovat myös erittäin tärkeitä.

Tietomäärän ongelma

Jopa tavalliset autot, joiden kuljettaja on 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 voida käsitellä pilvessä tai periferiaan sijaitsevissa tietokeskuksissa, koska se aiheuttaa liian suuren viiveen. Jopa 100 millisekunnin viive voi olla ratkaiseva ero matkustajan tai jalankulkijan elämän ja kuoleman välillä. Auto on vastattava mahdollisimman nopeasti ilmaantuvasti olosuhteisiin.

Viiveen vähentämiseksi tiedon vastaanottamisen ja siihen reagoinnin välillä, osa tiedosta analyoidaan laivan tietokoneella. Esimerkiksi uudet Jeep-mallit on varustettu laivan tietokoneella, jossa on 25-50 prosessoriydintä, joka palvelee risteilyohjausta, sokean kulman valvontaa, esteen varoitusjärjestelmää, automaattista jarrutusta jne. Ajoneuvon solmut viestivät toistensa kanssa sisäisen verkon kautta. Se sopii myös periferiatietokoneen käsitteeseen, jos laivan tietokoneella tarkoitetaan periferiaan sijaitsevaa verkon solmua. Tuloksena on, että miehittämättömät ajoneuvot muodostavat monimutkaisen hybridiverkon, joka yhdistää keskitetyt tietokeskukset, pilven ja monia periferiasolmuja. Nämä sijaitsevat ei ainoastaan autoissa, vaan myös liikenteen valoissa, valvontaposteissa, latausasemissa jne.

Nämä palvelimet ja tietokeskukset auton ulkopuolella tarjoavat kaiken mahdollisen avun itseohjautuvalla ajamin. Ne mahdollistavat auton “näkemisen” sen anturien ulottuvuuden ulkopuolelle, koordinoivat kuormituksen tieliikenneverkossa ja auttavat tekemään optimaalisia päätöksiä.

Vuorovaikutus toistensa ja infrastruktuurin kanssa

GPS ja tietokoneen näköjärjestelmät tarjoavat itseohjautuville autoille tietoa niiden sijainnista ja lähialueista. Kuitenkin laskettujen ympäristöjen ulottuvuus on jatkuvasti kasvamassa. Silti yksi auto voi kerätä vain rajoitetun määrän tietoa. Tiedonvaihto on siis ehdottoman välttämätöntä. Tuloksena on, että kunkin ajoneuvon voi paremmin analysoida ajo-olosuhteita perustuen suurempaan tietokantaan, joka on kerätty itseohjautuvien ajoneuvojen laivastosta. Ajoneuvojen välinen (V2V) viestintäjärjestelmä perustuu verkkotopologiaan, joka on muodostettu ajoneuvoista samalla maantieteellisellä alueella. V2V: tä käytetään tietojen vaihtamiseen ja signaaleiden lähettämiseen muihin ajoneuvoihin, kuten etäisyysvaroituksiin.

V2V-verkkoja voidaan laajentaa tietojen jakamiseksi liikenteen infrastruktuurin kanssa, kuten liikenteen valoilla. On jo aiheellista puhua V2I (ajoneuvo-infrastruktuuri) viestinnästä. V2I-standardeja kehitetään edelleen. Yhdysvalloissa Liittovaltion maantiehallinto (FHWA) julkaisee säännöllisesti erilaisia V2I-oppaita ja raportteja teknologian parantamiseksi. V2I:n hyödyt ulottuvat turvallisuuden lisäksi. Lisäksi turvallisuuden parantamisesta, ajoneuvo-infrastruktuuriteknologia tarjoaa etuja liikkuvuuden ja vuorovaikutuksen kannalta.

Kuljettajat, jotka ajavat saman reitin joka päivä, muistavat kaikki tien reikiintymät. Itseohjautuvat autot ovat myös jatkuvasti oppimassa. Itseohjautuvat autot lataavat saatavilla olevan hyödyllisen tiedon periferiaan sijaitseviin tietokeskuksiin, esimerkiksi latausasemiin. Latausasemat luottavat tekoälyalgoritmeihin, jotka auttavat analysoimaan vastaanotettua tietoa ja tarjoavat mahdollisia ratkaisuja. Pilven kautta tämä tieto välitetään muihin miehittämättömiin ajoneuvoihin yhteisverkossa.

Jos tämä itseohjautuvien autojen välinen tietojen vaihtomalli todella toteutuu muutamassa vuodessa, voidaan odottaa, että exatavu (miljoonia teratavuja) tietoa päivittäin. 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 vaihtamalla muiden autojen, liikenteen valojen ja muiden kaupunki-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 valojen kanssa. Nämä liikenteen valot on varustettu lämpökuvantunnistimilla, jotka havaitsevat jalankulkijoita lähestymässä risteystä; tuloksena on varoitus auton kojussa. Kytketyt pyöräilijät saavat tietoa olinpaikastaan, mikä estää vaarallisia tilanteita. Huonon näkyvyyden sattuessa pysähtyneet autot kytkevät automaattisesti hätävilkkuvilkkut päälle, ilmoittaen kaikille lähestyville autoille niiden sijainnista.

5G-matkapuhelinverkkojen ominaisuudet tulevat tässä hyvin käyttöön. Ne tarjoavat nopean siirtonopeuden, erittäin matalan viiveen ja mahdollisuuden tukea suurelle määrälle samanaikaista yhteyttä. Itseohjautuvat autot ilman tällaisia tietojen prosessointikapasiteetteja eivät voi suorittaa monia tehtäviä nopeammin kuin ihminen. Esimerkiksi määrittämään jalankulkijan ilmestymistä lähimmän risteyksen luona. Lisäksi viiveet on oltava minimissä, koska jopa viiveen murto-osa voi johtaa onnettomuuteen.

Suuret autonvalmistajat, kuten BMW, Daimler, Hyundai, Ford ja Toyota, ovat jo integroineet 5G-tekniikan tuotteisiinsa. Miljardit dollari on jo kulutettu matkapuhelinoperaattorien 5G-verkkojen rakentamiseen. On siis oikea aika antaa ajoneuvoille joukko taitoja, jotka ovat hyödyllisiä päivittäisessä toiminnassa.

Kaikki 5G-yhteydellä varustettujen itseohjautuvien autojen kokeet tulevat tyrehtymään, jos 5G-infrastruktuuria ei ole paikalla. Taas, miehittämätön ajoneuvo voi tuottaa 1 teratavun tietoa tunnissa, joten matkapuhelinverkon on oltava valmis siirtämään tätä tietoa.

Tietojen prosessointi ja tallennus exatavuissa

Ei kaikki tiedon tyypit vaadi välitöntä prosessointia, ja laivan tietokoneella on rajoitettu suorituskyky ja tallennuskapasiteetti. Tämän vuoksi tieto, joka “voi odottaa”, on kerättävä ja analysoitava periferiaan sijaitsevissa tietokeskuksissa, kun taas osa tietoa siirtyy pilveen ja käsitellään siellä.

Se on kaupunkien hallitusten ja autonvalmistajien vastuulla kaikkien autojen, liikenteen ruuhkien, jalankulkijoiden ja reikiintymien tietojen kaappauksesta, prosessoinnista, siirtämisestä, suojaamisesta ja analysoinnista. Jotkut älykaupunkien arkkitehdit ovat jo kokeilemassa koneoppimisalgoritmeja, jotka analysoivat liikenteen tietoa tehokkaammin nopeasti tunnistamaan tien reikiintymiä, säätämään liikennettä ja reagoimaan onnettomuuksiin välittömästi. Globaalista näkökulmasta koneoppimisalgoritmit tarjoavat suosituksia kaupunki-infrastruktuurin parantamiseksi.

Täysin itseohjautuvan ajamin saattamiseksi elämään on ratkaistava tietojen prosessoinnin ja tallennuksen ongelma. Jokainen miehittämätön ajoneuvo voi tuottaa jopa 20 teratavun tietoa päivittäin. Vain yksi auto! Tulevaisuudessa se voi johtaa exatavujen tietomääriin päivittäin. Tämän tiedon tallentamiseksi tarvitaan suorituskykyinen, joustava, turvallinen ja luotettava reunatietoinfra. On myös tietojen prosessoinnin ongelma.

Laivan tietokoneen on tehtävä reaaliaikaisia päätöksiä, se tarvitsee ajan tasalla olevaa tietoa ympäristöstä. Vanha tieto, kuten tieto auton sijainnista ja nopeudesta tuntia sitten, ei yleensä ole enää tarpeen. Tämä tieto on kuitenkin hyödyllistä itseohjautuvan ajamin algoritmien edelleen kehittämiseksi.

Tekoälyjärjestelmien kehittäjien on saatava suuria määriä tietoa kouluttaa syväoppimisen verkkoja: tunnistamaan objekteja ja niiden liikettä kameroiden, lidarin tiedon ja yhdistämään optimaalisesti tietoa ympäristöstä ja infrastruktuurista tehdäkseen päätöksiä. Tieliikenneturvallisuuden asiantuntijoille tieto, jota autot keräävät välittömästi ennen onnettomuuksia tai vaarallisia tilanteita tiellä, on elintärkeää.

Kun tieto kerätään itseohjautuvista autoista ja siirretään niistä periferiaan sijaitseviin tietokeskuksiin, ja sitten se siirtyy pilveen, tietojen tallennuksen optimoidun ja kerroksellisen arkkitehtuurin käyttäminen tulee yhä relevantimmaksi. Tuoreen tiedon on analysoitava välittömästi parantamaan koneoppimismalleja. Korkea läpäisykyky ja matala viive vaaditaan tässä. SSD-levyt ja korkeakapasiteettiset HAMR-levyt moniajo-tekniikoiden tukemisella ovat parhaiten soveltuvia tähän tarkoitukseen.

Kun tieto on käyty läpi alustavan analyysivaiheen, se on tallennettava tehokkaammin: korkeakapasiteettisilla, mutta matalakustannuksilla perinteisillä lähitallennuksilla. Nämä tallennuspalvelimet soveltuvat hyvin, jos tietoa saattaa tarvita tulevaisuudessa. Vanha tieto, jota ei todennäköisesti tarvita, mutta joka on säilytettävä jonkin muun syyn vuoksi, voidaan siirtää arkistointitason.

Tieto käsitellään ja analysoidaan yhä enemmän reunalla, mikä merkitsee teollisuuden 4.0 aikakauden alkamista, joka muuttaa tietojen käyttöä. Reunatietokoneisuus mahdollistaa tiedon prosessoinnin lähellä sitä, missä se kerätään, eikä perinteisessä pilvipalvelimessa, mikä mahdollistaa sen nopean analyysin ja välittömän reagoinnin muuttuviin tilanteisiin. Nopea tietojen vaihtoverkko ajoneuvojen ja periferiatietokeskuksien välillä auttaa tekemään itseohjautuvan ajamin turvallisemmaksi ja luotettavammaksi.

Johtopäätös

Toivottavasti tämä analyysi on heittänyt valoa siihen, kuinka tärkeää tieto on itseohjautuvan ajamin alalla. Itseohjautuvien ajoneuvojen massatieliin liittyy suuren määrän tietojen kerääminen, joka on käsiteltävä ei ainoastaan laivan tietokoneella, vaan myös reunatietokoneilla ja pilvessä. Tiedon prosessoinnin infrastruktuurin on oltava valmis etukäteen.

Kun 5G:n omaksuminen leviää, itseohjautuvat autot alkavat tuottaa yhä enemmän tietoa, jota analysoidaan ja käytetään älykaupunkien luomiseen. Tämän tavoitteen saavuttaminen ei ole helppoa, mutta lopulta avaa uuden luvun yleisen liikennevälineen, auton, historiassa.

Itseohjautuvat autot ovat edelläkävijöitä tekoäly-, viestintä- ja tietotallennusteknologioissa. Saavuttaakseen täysin itseohjautuvan ajamin on jatkettava näiden teknologioiden kehittämistä ja parantamista.