自動運転車の問題とその解決方法 – 思考リーダー

自動運転車は、単純な人工知能だけでは不十分です。自走車は、ソナー、カメラ、レーダー、GPS、リダールなど、さまざまな情報源からデータを受信し、どのような環境でもナビゲートできます。デバイスからの情報は迅速に処理され、データ量は巨大です。

センサーの情報は、車のコンピューターがリアルタイムで処理するだけでなく、周辺のデータセンターに送信されてさらに分析され、複雑な階層を経てさまざまなクラウドに転送されます。

車に搭載されたAIは重要ですが、オンボードコンピューターの処理能力、周辺サーバー、クラウドの処理能力も重要です。車のデータ送受信速度と低遅延も非常に重要です。

データ量の問題

通常の車でも、運転手が運転する車は、ますます多くのデータを生成しています。自走車は、約1TBのデータを1時間で生成します。この量のデータは単純に巨大です。これは、自動運転の大量導入の障壁の1つです。

残念ながら、自走車のすべてのデータをクラウドまたは周辺データセンターで処理することはできません。なぜなら、遅延が発生しすぎるからです。100msの遅延でも、乗客や歩行者の命を奪うことになりかねません。車は、可能な限り迅速に状況に応じて反応する必要があります。

情報を受信してから反応するまでの遅延を減らすために、一部の情報はオンボードコンピューターで分析されます。たとえば、新しいジープモデルは、25-50の処理コアを備えたオンボードコンピューターを搭載しており、クルーズコントロール、ブラインドスポットモニター、障害警報、自動ブレーキなどに使用されます。車のノードは、内部ネットワークを介して相互に通信します。これは、周辺コンピューティングの概念にも当てはまります。オンボードコンピューターをネットワークの周辺ノードと見なすと、結果として、無人車は、集中型データセンター、クラウド、多数の周辺ノードの複雑なハイブリッドネットワークを構成します。これらのノードは、車だけでなく、交通信号機、制御ポスト、充電ステーションなどに配置されています。

これらのサーバーとデータセンターは、車の外部にあり、自走車の運転を支援します。車は、センサーの範囲を超えて「見る」ことができ、道路ネットワークの負荷を調整し、最適な決定を下すことができます。

相互作用とインフラストラクチャ

GPSとコンピュータビジョンシステムは、自走車に位置情報と周囲の情報を提供します。ただし、計算された環境の範囲は常に増加しています。ただし、1台の車は、限られた量の情報しか収集できません。したがって、データ交換は絶対に必要です。結果として、各車両は、自走車のフリートによって収集されたより大きなデータセットに基づいて、運転条件をよりよく分析できます。車間通信（V2V）システムは、同じ地理的地域にある車両によって作成されたメッシュネットワークに依存しています。V2Vは、距離警告などの信号を他の車両に送信するために使用されます。

V2Vネットワークは、交通インフラストラクチャーである交通信号機と情報を共有するために拡張できます。ここで、車両とインフラストラクチャーの間の通信（V2I）について話すことが適切です。V2Iの規格はまだ発展しています。アメリカでは、連邦高速道路局（FHWA）は、技術を改善するために、さまざまなV2Iガイドと報告書を定期的に発行しています。V2Iの利点は、安全性を超えています。安全性の向上に加えて、車両とインフラストラクチャーの技術は、移動性と環境との相互作用の面で利点を提供します。

毎日同じルートを運転する運転手は、道路のポットホールをすべて覚えています。自走車も不断に学習しています。自走車は、利用可能な有用な情報を、たとえば充電ステーションに統合された周辺データセンターにアップロードします。充電ステーションは、車からのデータを分析して可能な解決策を提供するための人工知能アルゴリズムに依存します。クラウドを介して、このデータは、共通ネットワークの他の無人車に転送されます。

この自走車間のデータ交換モデルが、数年以内に実現化すれば、1日あたりエクサバイト（テラバイトの百万倍）という大量のデータが生成されることが予想されます。さまざまな推定によると、数十万から数千万の自走車が、この頃には道路に現れる可能性があります。

5Gが成功の鍵

上記のように、自走車は、センサーからだけでなく、他の車、交通信号機、都市インフラストラクチャーとのデータ交換を通じて、歩行者や自転車についての情報を受信できます。

いくつかの5G接続車プロジェクトはすでに存在します。車は、モバイルキャリアの5GネットワークとC-V2X（Cellular Vehicle-to-Everything）技術を使用して、他の車、自転車、そして交通信号機と通信します。後者は、熱画像カメラで交差点に近づく歩行者を検出し、結果として、車のダッシュボードに警告が表示されます。接続された自転車は、自分の位置について通知され、危険な状況を防ぎます。視界が悪い場合、駐車された車は自動的にハザードランプを点灯し、接近するすべての車にその位置を通知します。

5Gモバイルネットワークの機能がここで役立ちます。高速、非常に低遅延、多数の同時接続をサポートする能力を提供します。5Gネットワークのデータ処理能力を持たない自走車は、人間よりも多くのタスクを迅速に実行できません。たとえば、最も近い交差点に歩行者が現れることを判断するには、遅延は最小限でなければなりません。遅延があっても、たとえ1秒の小さな遅延でも、事故につながる可能性があります。

BMW、ダイムラー、ヒョンデ、フォード、トヨタなどの主要な自動車メーカーは、すでに5G技術を製品に統合しています。携帯電話事業者は、5Gネットワークを構築するために数十億ドルを費やしています。したがって、これは、車に日常の運用に役立つスキルセットを与えるのに適した時期です。

5G接続自走車のすべての実験は、5Gインフラストラクチャーが整備されなければ、停滞します。再び、無人車は1時間あたり1TBのデータを生成する可能性があるため、モバイルネットワークはこのデータを転送する準備が必要です。

エクサバイトのデータを処理して保存する方法

すべてのデータタイプが即時の処理を必要とせず、オンボードコンピューターには限られたパフォーマンスとストレージ能力があるため、「待つ」ことができるデータは、周辺データセンターで蓄積され、分析され、データの一部はクラウドに移行して処理されます。

都市政府と自動車メーカーは、すべての車、交通渋滞、歩行者、またはポットホールについてのデータをキャプチャ、処理、転送、保護、分析する責任があります。いくつかのスマートシティアーキテクトは、交通データをより効率的に分析するための機械学習アルゴリズムを実験しています。道路のポットホールを迅速に特定し、交通を規制し、事故に即座に反応するために使用されます。世界的観点から、機械学習アルゴリズムは、都市インフラストラクチャーを改善するための推奨事項を提供します。

完全な自動運転を私たちの生活に導入するには、巨大な量のデータを処理して保存する問題を解決する必要があります。1日あたり、無人車は最大20TBのデータを生成します。1台の車だけです。将来的には、1日あたりエクサバイトのデータが生成される可能性があります。このデータを保存するには、高性能、柔軟性、セキュリティ、信頼性の高いエッジインフラストラクチャーが必要です。効率的なデータ処理も問題です。

オンボードコンピューターがリアルタイムの決定を下すには、環境について最新の情報が必要です。1時間前の車の位置や速度などの古いデータは、通常、必要ではありません。ただし、このデータは、自動運転アルゴリズムのさらなる改善に役立ちます。

人工知能システムの開発者は、ディープラーニングネットワークをトレーニングするために、大量のデータを受け取る必要があります。カメラ、リダール情報、インフラストラクチャーについての情報を最適に組み合わせて、決定を下すために、物体やその動きを識別する必要があります。道路の安全性の専門家にとって、車が事故や道路での危険な状況の直前に収集したデータは、非常に重要です。

自走車がデータを収集し、周辺データセンターに転送し、クラウドストレージに移行するにつれて、最適化された階層型データストレージアーキテクチャーを使用することがますます重要になっています。新しいデータは、機械学習モデルを改善するために、すぐに分析する必要があります。ここでは、高スループットと低遅延が必要です。SSDと高容量HAMRドライブは、マルチドライブ技術をサポートしているため、この目的には最適です。

データが初期分析の段階を通過した後、より効率的に保存する必要があります。高容量だが低コストの従来のニアラインストレージに保存します。これらのストレージサーバーは、将来必要になる可能性のあるデータに適しています。必要ないが、他の理由で保持する必要がある古いデータは、アーカイブレベルに移動できます。

データは、ますますエッジで処理および分析され、インダストリー4.0の時代を迎え、データの使用方法が変わります。エッジコンピューティングにより、データは、従来のクラウドサーバーではなく、収集される場所の近くで処理されるため、迅速に分析され、変化する状況に即座に反応できます。車と周辺データセンターの間の高速ネットワークの情報交換により、自動運転がより安全で信頼性が高くなるでしょう。

結論

この分析により、自動運転の分野におけるデータの重要性が明らかになったことを希望します。無人車の大量導入には、多量のデータが収集され、オンボードコンピューターだけでなく、エッジサーバーとクラウドでも処理される必要があります。データ処理インフラストラクチャーは、事前に準備されていなければなりません。

5Gの導入が広がるにつれて、自走車はますます多くのデータを生成し始めます。これらのデータは分析され、スマートシティの実現に使用されます。この目標を達成することは容易ではありませんが、最終的には、自動車のような人気のある交通手段の歴史に新しい章を開くことになります。

自走車は、人工知能技術、通信、データストレージの最前線にあります。完全な自動運転に到達するには、これらの技術の開発と改善を続ける必要があります。