स्व-ड्राइविंग वाहनों की समस्याएं और उन्हें हल करने के तरीके – विचार नेताओं

स्वायत्त वाहनों को केवल सरल कृत्रिम बुद्धिमत्ता से अधिक की आवश्यकता होती है। एक स्व-ड्राइविंग कार विभिन्न स्रोतों जैसे सोनार, कैमरे, रडार, जीपीएस और लिडार से डेटा प्राप्त करती है, जिससे यह किसी भी वातावरण में नेविगेट कर सकती है। इन उपकरणों से प्राप्त जानकारी को जल्दी से संसाधित किया जाना चाहिए, और डेटा की मात्रा बहुत बड़ी होती है।

सेंसर से प्राप्त जानकारी को केवल वाहन के कंप्यूटर द्वारा वास्तविक समय में संसाधित नहीं किया जाता है। कुछ डेटा को आगे के विश्लेषण के लिए परिधीय डेटा केंद्रों में भेजा जाता है। और फिर, एक जटिल पदानुक्रम के माध्यम से, इसे विभिन्न क्लाउड में पुनर्निर्देशित किया जाता है।

वाहन में निहित कृत्रिम बुद्धिमत्ता महत्वपूर्ण है, लेकिन ऑनबोर्ड कंप्यूटरों, परिधीय सर्वरों और क्लाउड की प्रसंस्करण क्षमताएं भी महत्वपूर्ण हैं। वाहन द्वारा डेटा को भेजने और प्राप्त करने की गति और निम्न विलंबता दोनों बहुत महत्वपूर्ण हैं।

डेटा वॉल्यूम समस्या

यहां तक कि सामान्य कारें, जिसमें एक ड्राइवर पहिये के पीछे है, अधिक और अधिक डेटा उत्पन्न कर रही हैं। स्व-ड्राइविंग कारें प्रति घंटे लगभग 1TB डेटा उत्पन्न कर सकती हैं। यह डेटा की मात्रा बहुत बड़ी है। और यह स्वायत्त ड्राइविंग के बड़े पैमाने पर अपनाने के लिए एक बाधा का प्रतिनिधित्व करता है।

दुर्भाग्य से, स्व-ड्राइविंग कार के सभी डेटा को क्लाउड या परिधीय डेटा केंद्रों में संसाधित नहीं किया जा सकता है क्योंकि इससे बहुत अधिक विलंबता आती है। यहां तक कि 100-मिलीसेकंड की देरी एक यात्री या पैदल यात्री के जीवन और मृत्यु के बीच का अंतर बना सकती है। वाहन को उत्पन्न होने वाली परिस्थितियों पर जल्द से जल्द प्रतिक्रिया देनी चाहिए।

विलंबता को कम करने के लिए, जानकारी का एक हिस्सा ऑनबोर्ड कंप्यूटर द्वारा विश्लेषित किया जाता है। उदाहरण के लिए, नए जीप मॉडल में 25-50 प्रोसेसिंग कोर वाला एक ऑनबोर्ड कंप्यूटर होता है जो क्रूज़ नियंत्रण, ब्लाइंड स्पॉट मॉनिटर, बाधा चेतावनी, स्वचालित ब्रेकिंग आदि की सेवा करता है। वाहन नोड्स एक आंतरिक नेटवर्क के माध्यम से एक दूसरे के साथ संवाद करते हैं। यह परिधीय कंप्यूटिंग की अवधारणा में भी फिट बैठता है यदि हम ऑनबोर्ड कंप्यूटर को नेटवर्क के एक परिधीय नोड के रूप में मानते हैं। परिणामस्वरूप, बिना चालक वाले वाहन एक जटिल हाइब्रिड नेटवर्क बनाते हैं जो केंद्रीकृत डेटा केंद्रों, क्लाउड और कई परिधीय नोड्स को जोड़ता है। बाद वाले केवल कारों में नहीं बल्कि ट्रैफिक लाइट, नियंत्रण पोस्ट, चार्जिंग स्टेशन आदि में भी स्थित होते हैं।

ऐसे सर्वर और डेटा केंद्र वाहन के बाहर स्वायत्त ड्राइविंग में सभी संभावित सहायता प्रदान करते हैं। वे कार को अपने सेंसर की सीमा से परे “देखने” की अनुमति देते हैं, सड़क नेटवर्क पर भार को समन्वयित करते हैं और ऑप्टिमल निर्णय लेने में मदद करते हैं।

एक दूसरे और बुनियादी ढांचे के साथ परस्पर क्रिया

जीपीएस और कंप्यूटर विजन सिस्टम स्व-ड्राइविंग कारों को उनके स्थान और तात्कालिक परिवेश के बारे में जानकारी प्रदान करते हैं। हालांकि, गणना किए गए वातावरण की सीमा लगातार बढ़ रही है। फिर भी, एक कार केवल सीमित मात्रा में जानकारी एकत्र कर सकती है। इसलिए, डेटा एक्सचेंज बिल्कुल आवश्यक है। परिणामस्वरूप, प्रत्येक वाहन स्वायत्त वाहन बेड़े द्वारा एकत्र किए गए बड़े डेटा सेट के आधार पर ड्राइविंग स्थितियों का बेहतर विश्लेषण कर सकता है। वाहन-टू-व्हीकल (वी2वी) संचार प्रणाली एक ही भौगोलिक क्षेत्र में वाहनों द्वारा बनाए गए मेश नेटवर्क पर निर्भर करती हैं। वी2वी का उपयोग जानकारी का आदान-प्रदान करने और अन्य वाहनों को संकेत भेजने के लिए किया जाता है, जैसे कि दूरी चेतावनी।

वी2वी नेटवर्क को यातायात बुनियादी ढांचे जैसे ट्रैफिक लाइट के साथ जानकारी साझा करने के लिए विस्तारित किया जा सकता है। यहां वाहन-से-बुनियादी ढांचे (वी2आई) संचार के बारे में बात करना उचित है। वी2आई मानक अभी भी विकसित हो रहे हैं। संयुक्त राज्य अमेरिका में, संघीय राजमार्ग प्रशासन (एफएचडब्ल्यूए) नियमित रूप से वी2आई मार्गदर्शिकाएं और रिपोर्ट जारी करता है ताकि प्रौद्योगिकी में सुधार किया जा सके। वी2आई के लाभ सुरक्षा से बहुत आगे निकल जाते हैं। सुरक्षा में सुधार के अलावा, वाहन-बुनियादी ढांचे की प्रौद्योगिकी गतिशीलता और पर्यावरण के साथ परस्पर क्रिया के मामले में लाभ प्रदान करती है।

जो ड्राइवर हर दिन एक ही मार्ग से गुजरते हैं वे सड़क पर सभी गड्ढों को याद रखते हैं। स्व-ड्राइविंग कारें भी निरंतर सीख रही हैं। स्व-ड्राइविंग कारें उपलब्ध उपयोगी जानकारी को परिधीय डेटा केंद्रों में अपलोड करेंगी, उदाहरण के लिए, चार्जिंग स्टेशनों में एकीकृत। चार्जिंग स्टेशन कृत्रिम बुद्धिमत्ता एल्गोरिदम पर निर्भर करेंगे जो कारों से प्राप्त डेटा का विश्लेषण करने में मदद करेंगे और संभावित समाधान प्रदान करेंगे। क्लाउड के माध्यम से, यह डेटा सामान्य नेटवर्क में अन्य बिना चालक वाले वाहनों को प्रेषित किया जाएगा।

यदि यह स्व-ड्राइविंग कारों के बीच सभी डेटा एक्सचेंज का मॉडल वास्तव में कुछ वर्षों में साकार हो जाता है, तो हम प्रतिदिन एक्साबाइट (लाखों टेराबाइट) डेटा की उम्मीद कर सकते हैं। विभिन्न अनुमानों के अनुसार, इस समय सड़कों पर सैकड़ों हजारों से लेकर दस लाख स्व-ड्राइविंग कारें दिखाई दे सकती हैं।

5जी सफलता की कुंजी

जैसा कि ऊपर उल्लेख किया गया है, स्व-ड्राइविंग कारें अपने सेंसर से नहीं बल्कि अन्य कारों, ट्रैफिक लाइट और शहरी बुनियादी ढांचे के साथ डेटा एक्सचेंज के माध्यम से पैदल यात्रियों और साइकिल चालकों के बारे में जानकारी प्राप्त कर सकती हैं।

कई 5जी से जुड़ी कार परियोजनाएं पहले से ही मौजूद हैं। कार मोबाइल कैरियर के 5जी नेटवर्क और सी-वी2एक्स (सेल्युलर व्हीकल-टू-एवरीथिंग) प्रौद्योगिकी का उपयोग अन्य कारों, साइकिल चालकों और यहां तक कि ट्रैफिक लाइट के साथ संवाद करने के लिए करती है। ट्रैफिक लाइट थर्मल इमेजर से सुसज्जित होती हैं जो पैदल यात्रियों को पार करने की ओर बढ़ते हुए पता लगाती हैं; परिणामस्वरूप, कार के डैशबोर्ड पर एक चेतावनी दिखाई देती है। जुड़े हुए साइकिल चालकों को उनके स्थान के बारे में सूचित किया जाता है, जो खतरनाक स्थितियों को रोकता है। खराब दृश्यता की स्थिति में, पार्क की गई कारें स्वचालित रूप से आपातकालीन फ्लैशर लाइट चालू कर देती हैं, जो सभी आने वाली कारों को उनकी स्थिति की सूचना देती हैं।

5जी मोबाइल नेटवर्क की क्षमताएं यहां काम आती हैं। वे तेज़ गति, बहुत कम विलंबता और एक ही समय में कई समानांतर कनेक्शनों का समर्थन प्रदान करते हैं। ऐसी डेटा प्रोसेसिंग क्षमताओं के बिना स्व-ड्राइविंग कारें कई कार्यों को एक व्यक्ति की तुलना में तेजी से नहीं कर पाएंगी। उदाहरण के लिए, निकटतम पार करने पर पैदल यात्री की उपस्थिति का निर्धारण करने के लिए। इसके अलावा, विलंबता न्यूनतम होनी चाहिए, क्योंकि एक सेकंड का अंश भी देरी एक दुर्घटना का कारण बन सकती है।

बीएमडब्ल्यू, डेमलर, ह्युंडई, फोर्ड और टोयोटा जैसी प्रमुख कार निर्माता अपने उत्पादों में 5जी प्रौद्योगिकी को एकीकृत कर रहे हैं। मोबाइल ऑपरेटरों ने पहले ही 5जी नेटवर्क बनाने में अरबों डॉलर खर्च कर दिए हैं। इसलिए, यह वाहनों को उन कौशलों का एक सेट देने का सही समय है जो दैनिक संचालन में उपयोगी होंगे।

5जी इंफ्रास्ट्रक्चर के बिना 5जी से जुड़ी स्व-ड्राइविंग कारों के साथ सभी प्रयोग थम जाएंगे। फिर से, एक बिना चालक वाले वाहन प्रति घंटे 1TB डेटा उत्पन्न कर सकता है, इसलिए मोबाइल नेटवर्क को इस डेटा को स्थानांतरित करने के लिए तैयार रहना चाहिए।

एक्साबाइट्स की मात्रा में डेटा को संसाधित और संग्रहीत करने के तरीके

सभी डेटा प्रकारों को तुरंत प्रसंस्करण की आवश्यकता नहीं होती है, और ऑनबोर्ड कंप्यूटर की प्रदर्शन और संग्रहण क्षमताएं सीमित होती हैं। इसलिए, जो डेटा “प्रतीक्षा” कर सकता है उसे परिधीय डेटा केंद्रों में एकत्र किया जाना चाहिए और विश्लेषित किया जाना चाहिए, जबकि कुछ डेटा क्लाउड में प्रवासित होगा और वहां प्रसंस्कृत होगा।

यह शहर की सरकारों और ऑटोमेकर्स की जिम्मेदारी है कि वे प्रत्येक कार, यातायात जाम, पैदल यात्री या गड्ढे के बारे में डेटा को कब्जे में लें, संसाधित करें, स्थानांतरित करें, सुरक्षित करें और विश्लेषण करें। कुछ स्मार्ट सिटी आर्किटेक्ट पहले से ही यातायात डेटा को अधिक कुशलता से विश्लेषण करने के लिए मशीन लर्निंग एल्गोरिदम के साथ प्रयोग कर रहे हैं ताकि वे जल्दी से सड़क में गड्ढों की पहचान कर सकें, यातायात को विनियमित कर सकें और दुर्घटनाओं पर तुरंत प्रतिक्रिया दे सकें। वैश्विक दृष्टिकोण से, मशीन लर्निंग एल्गोरिदम शहरी बुनियादी ढांचे में सुधार के लिए सिफारिशें प्रदान करते हैं।

पूरी तरह से स्वायत्त ड्राइविंग को हमारे जीवन में पेश करने के लिए, विशाल मात्रा में डेटा को संसाधित और संग्रहीत करने की समस्या का समाधान करना आवश्यक है। प्रतिदिन, एक बिना चालक वाला वाहन 20 टीबी डेटा उत्पन्न कर सकता है। केवल एक कार! भविष्य में, यह एक दिन में एक्साबाइट के डेटा का उत्पादन कर सकता है। इस डेटा को संग्रहीत करने के लिए, आपको एक उच्च-प्रदर्शन, लचीला, सुरक्षित और विश्वसनीय एज इंफ्रास्ट्रक्चर की आवश्यकता है। इसके अलावा, कुशल डेटा प्रसंस्करण की समस्या है।

वास्तविक समय में निर्णय लेने के लिए, ऑनबोर्ड कंप्यूटर को पर्यावरण के बारे में सबसे अद्यतन जानकारी की आवश्यकता होती है। पुराना डेटा, जैसे कि एक घंटे पहले कार के स्थान और गति की जानकारी, आमतौर पर अब और आवश्यक नहीं है। हालांकि, यह डेटा स्वायत्त ड्राइविंग एल्गोरिदम में आगे सुधार के लिए उपयोगी है।

कृत्रिम बुद्धिमत्ता प्रणाली विकासकर्ताओं को गहरे शिक्षण नेटवर्क को प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा प्राप्त करने की आवश्यकता होती है: कैमरे, लिडार जानकारी और पर्यावरण और बुनियादी ढांचे के बारे में जानकारी को अनुकूल रूप से संयोजित करने के लिए वस्तुओं और उनकी गति की पहचान करने के लिए। सड़क सुरक्षा विशेषज्ञों के लिए, दुर्घटनाओं या सड़क पर खतरनाक स्थितियों से पहले कारों द्वारा एकत्र किया गया डेटा महत्वपूर्ण है।

जैसे ही स्व-ड्राइविंग कारों द्वारा डेटा एकत्र किया जाता है और उनसे परिधीय डेटा केंद्रों में स्थानांतरित किया जाता है, जिसके बाद यह क्लाउड स्टोरेज में प्रवासित होता है, अनुकूलित और स्तरीकृत डेटा स्टोरेज आर्किटेक्चर का उपयोग करने का मुद्दा अधिक प्रासंगिक होता जा रहा है। ताज़ा डेटा को तुरंत विश्लेषित किया जाना चाहिए ताकि मशीन लर्निंग मॉडल में सुधार किया जा सके। यहां उच्च थ्रूपुट और निम्न विलंबता की आवश्यकता है। एसएसडी और उच्च क्षमता वाले एचएएमआर ड्राइव जो मल्टी-ड्राइव प्रौद्योगिकियों का समर्थन करते हैं, इस उद्देश्य के लिए सबसे उपयुक्त हैं।

एक बार डेटा प्रारंभिक विश्लेषण चरण से गुजर जाने के बाद, इसे अधिक कुशलता से संग्रहीत किया जाना चाहिए: उच्च क्षमता वाले लेकिन कम लागत वाले पारंपरिक नियरलाइन स्टोरेज पर। ये स्टोरेज सर्वर तब उपयुक्त होते हैं जब डेटा की भविष्य में आवश्यकता हो सकती है। जो पुराना डेटा अब और आवश्यक नहीं है लेकिन कुछ अन्य कारणों से रखा जाना चाहिए, उसे संग्रहण स्तर पर ले जाया जा सकता है।

डेटा को बढ़ती तरह से एज पर संसाधित और विश्लेषित किया जाएगा, जो उद्योग 4.0 का युग ला रहा है, जो हम डेटा का उपयोग कैसे करते हैं इसे बदल रहा है। एज कंप्यूटिंग डेटा को उस स्थान के पास संसाधित करने की अनुमति देगी जहां यह एकत्र किया जा रहा है, एक पारंपरिक क्लाउड सर्वर के बजाय, जिससे इसे बहुत तेजी से विश्लेषित किया जा सकता है, तुरंत बदलती परिस्थितियों का जवाब दे सकता है। कारों और परिधीय डेटा केंद्रों के बीच जानकारी के आदान-प्रदान का एक उच्च-गति नेटवर्क स्वायत्त ड्राइविंग को सुरक्षित और अधिक विश्वसनीय बनाने में मदद करेगा।

निष्कर्ष

आशा है कि यह विश्लेषण स्वायत्त ड्राइविंग के क्षेत्र में डेटा के महत्व पर कुछ प्रकाश डाला है। स्व-ड्राइविंग वाहनों का बड़े पैमाने पर अपनाने में बहुत सारे डेटा का संग्रह शामिल है जिसे न केवल ऑनबोर्ड कंप्यूटर द्वारा बल्कि एज सर्वर और क्लाउड द्वारा भी संसाधित किया जाना चाहिए। डेटा प्रसंस्करण बुनियादी ढांचे को पहले से तैयार करना चाहिए।

जैसे ही 5जी का अपनाना फैलता है, स्व-ड्राइविंग कारें अधिक और अधिक डेटा उत्पन्न करना शुरू कर देंगी, जिसे बाद में विश्लेषण किया जाएगा और स्मार्ट सिटी को वास्तविकता बनाने के लिए उपयोग किया जाएगा। इस लक्ष्य को प्राप्त करना आसान नहीं होगा, लेकिन अंत में, हम एक लोकप्रिय परिवहन साधन के रूप में कार के इतिहास में एक नया अध्याय खोलेंगे।

स्व-ड्राइविंग कारें कृत्रिम बुद्धिमत्ता, संचार और डेटा स्टोरेज प्रौद्योगिकियों के अग्रिम पंक्ति में हैं। पूरी तरह से स्वायत्त ड्राइविंग के स्तर तक पहुंचने के लिए, इन प्रौद्योगिकियों के विकास और सुधार को जारी रखना आवश्यक है।