自動運転車の問題と解決策 – 思想リーダー

自動運転車には、単純な人工知能だけでは不十分です。自動運転車は、ソナー、カメラ、レーダー、GPS、リダーのような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ションできます。デバイスからの情報は迅速に処理され、データの量は巨大です。

センサーの情報は、車のコンピューターによってリアルタイムで処理されるだけでなく、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。

車に搭載された人工知能は重要ですが、車載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。車がデータを送受信する速度と遅延時間も非常に重要です。

データ量の問題

運転手がいる普通の車でも、運転中に多くのデータを生成しています。自動運転車は、1時間に約1TBのデータを生成できます。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。

自動運転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。遅延が発生し、100ミリ秒の遅延でも、乗客や歩行者の命を奪うことになりかねません。車は、できるだけ迅速に状況に応じて反応する必要があります。

遅延を減らすために、情報の一部は車載コンピューターで分析されます。例えば、新しいジープモデルには、25〜50の処理コアを持つ車載コンピューターが搭載されており、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。車載ノードは内部ネットワークで相互に通信します。周辺コンピューティングの概念にも当てはまります。車載コンピューターを周辺ノードと見なすと、無人車は、中央データセンター、クラウド、多く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、信号機、制御ポスト、充電ステーションなどにも配置されています。

車外のサーバーとデータセンターは、自動運転車にすべての支援を提供します。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、自動運転車に位置情報と周囲の情報を提供します。しかし、計算された環境の範囲は不断に拡大しています。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、自動運転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。車間通信システム(V2V)は、同じ地理的エリアの車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、他の車両に情報を交換し、距離警告などの信号を送信するために使用されます。

V2Vネットワークは、信号機などの交通インフラストラクチャと情報を共有するために拡張できます。ここでは、車両とインフラストラクチャ(V2I)の通信について話すことができます。V2I規格は不断に進化しています。米国では、連邦高速道路管理局(FHWA)は、技術を改善するために、定期的にさまざまなV2Iガイドと報告書を発行しています。V2Iの利点は、安全性を超えています。安全性を高めるだけでなく、車両とインフラストラクチャの技術は、モビリティと環境との相互作用において利点を提供します。

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。自動運転車も不断に学習しています。自動運転車は、利用可能な有用な情報を周辺データセンターにアップロードし、例えば充電ステーションに統合されます。充電ステーションは、データを分析して可能な解決策を提供する人工知能アルゴリズムに依存します。このデータはクラウドを介して、共通ネットワークの他の無人車に転送されます。

このような自動運転車間のデータ交換モデルが数年以内に実現化すると、1日あたりエクサバイト(数百万テラバイト)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動運転車がこの時点で道路上に出現する可能性があります。

5Gの成功への鍵

上記のように、自動運転車は、センサーだけでなく、他の車や交通インフラストラクチャとのデータ交換によっても、歩行者や自転車についての情報を受信できます。

すでにいくつかの5G接続車プロジェクトがあります。車は、モバイルキャリアの5GネットワークとC-V2X(セルラー・ビークル・ツー・エブリシング)技術を使用して、他の車、自転車、信号機と通信します。信号機は、熱画像装置で交差点に近づく歩行者を検出し、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、自転車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、駐車した車は自動的にハザードランプを点灯し、近づく車に位置を通知します。

5Gモバイルネットワークの能力はここで役立ちます。高速、低遅延、同時接続の多さを提供します。5Gネットワークがないと、自動運転車は、人間よりも多くのタスクを実行できません。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、遅延は最小限に抑えられます。遅延は、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、ヒュンダイ、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ネットワークの構築に数十億ドルを費やしています。したがって、車に、日常の運用で役立つスキルセットを与えることが適切な時期です。

5G接続自動運転車の実験は、5Gインフラストラクチャが整備されなければ停止します。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、車載コンピューターの性能とストレージ能力は限られています。したがって、「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、一部のデータはクラウドに移行し、そこで処理されます。

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、ポットホールについてのデータを収集、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、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、交通データをより効率的に分析する機械学習アルゴリズムを実験しています。世界的に見ると、機械学習アルゴリズムは、都市インフラストラクチャの改善についての推奨事項を提供します。

完全な自動運転を実現するには、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台の無人車は1日あたり最大20TBのデータを生成できます。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が必要です。効率的なデータ処理も問題です。

車載コンピューターは、環境についての最新情報を必要とします。古いデータ、たとえば1時間前の車の位置と速度についての情報は、通常、必要とされません。しかし、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、リダーの情報、環境とインフラストラクチャの情報を最適に組み合わせて、決定を下すために、オブジェクトとその動きを特定する必要があります。道路の安全性の専門家にとって、事故や道路での危険な状況の直前に車によって収集されたデータは、非常に重要です。

自動運転車によって収集されたデータは、周辺データセンターに転送され、クラウドストレージに移行されます。最適化された階層型データストレージアーキテクチャを使用することが、より重要になってきます。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。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、多ドライブ技術をサポートするため、この目的には最適です。

データが初期分析ステージを通過した後、より効率的に保存する必要があります。高容量で低コストの従来のニアラインストレージに適しています。データが将来必要になる可能性がある場合は、これらのストレージサーバーが適しています。必要とされないが、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、インダストリー4.0の時代を迎え、データの使用方法を変えるエッジでより多く処理され分析されます。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、変化する状況に迅速に反応できます。車と周辺データセンター間の高速ネットワークは、自動運転をより安全で信頼性の高いものにします。

結論

この分析により、自動運転におけるデータの重要性が明らかになったと思います。無人車の大量導入には、多量のデータの収集が必要であり、これらのデータは、車載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は、事前に準備されていなければなりません。

5Gの導入が進むにつれて、自動運転車はより多くのデータを生成し始めます。このデータは分析され、スマートシティの実現に利用されます。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、自動車という人気のある交通手段の歴史に新たな章が開かれることになります。

自動運転車は、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継続する必要があります。