자율 주행 차량의 문제점과 해결 방법 – 사고의 리더들

자율 주행 차량은 단순한 인공지능 이상의 기술이 필요합니다. 자율 주행 차량은 소나, 카메라, 레이더, GPS, 라이더 등 다양한 소스에서 데이터를 수신하여 任意의 환경에서 주행할 수 있습니다. 이러한 장치에서 수신한 정보는 빠르게 처리되어야 하며, 데이터의 양은 어마어마합니다.

센서에서 수신한 정보는 차량의 컴퓨터에서만 실시간으로 처리되지 않습니다. 일부 데이터는 추가 분석을 위해 周辺 데이터 센터로 전송됩니다. 그런 다음 복잡한 계층을 통해 다양한 클라우드로_redirected됩니다.

차량에 탑재된 인공지능은 중요하지만, 차량의 컴퓨팅 성능과 周辺 서버 및 클라우드의 처리 능력도 중요합니다. 차량의 데이터 전송 속도와 지연 시간도 매우 중요합니다.

데이터 양 문제

일반 차량도 운전자가 운전하는 동안 점점 더 많은 데이터를 생성합니다. 자율 주행 차량은 1시간에 약 1TB의 데이터를 생성할 수 있습니다. 이 양의 데이터는 단순히巨大합니다. 이는 자율 주행의 대중화에 대한 한계 중 하나입니다.

불행히도, 자율 주행 차량의 모든 데이터를 클라우드 또는 周辺 데이터 센터에서 처리할 수 없습니다. 이는 너무 많은 지연을 초래하기 때문입니다. 100ms의 지연도 승객 또는 보행자의 생명과 죽음의 차이를 만들 수 있습니다. 차량은 가능한 한 빠르게 상황에 반응해야 합니다.

정보를 수신하고 반응하는 데 걸리는 시간을 줄이기 위해, 일부 정보는 차량의 컴퓨터에서 분석됩니다. 예를 들어, 새로운 지프 모델은 25-50개의 처리 코어를 가진 차량용 컴퓨터를 탑재하고 있습니다. 이는 크루즈 컨트롤, 블라인드 스팟 모니터, 장애물 경고, 자동 제동 등에 사용됩니다. 차량 노드는 내부 네트워크를 통해 서로 통신합니다. 이는 周辺 컴퓨팅의 개념에도 부합합니다. 즉, 차량용 컴퓨터를 네트워크의 周辺 노드로 간주할 수 있습니다. 결과적으로, 무인 차량은 중앙 데이터 센터, 클라우드 및 많은 周辺 노드로 구성된 복잡한 하이브리드 네트워크를 형성합니다. 이러한 노드는 차량뿐만 아니라 교통 신호, 제어 포스트, 충전 스테이션 등에도 있습니다.

차량 외부의 서버와 데이터 센터는 자율 주행에 모든 가능한 도움을 제공합니다. 차량이 센서의 범위를 넘어看到할 수 있도록 도와주며, 도로 네트워크의 부하를 조정하고, 최적의 결정을 내리도록 도와줍니다.

상호 작용과 인프라

GPS와 컴퓨터 비전 시스템은 자율 주행 차량에 위치와 주변 환경에 대한 정보를 제공합니다. 그러나 계산된 환경의 범위는不断히 증가하고 있습니다. 그러나 한 차량은 제한된 양의 정보만 수집할 수 있습니다. 따라서 데이터 교환은絶対적으로 필요합니다. 결과적으로, 각 차량은 자율 주행 차량군이 수집한 더 큰 데이터 세트를 기반으로 주행 조건을 더 잘 분석할 수 있습니다. 차량 간 통신 시스템(V2V)은 동일한 지리적 영역에 있는 차량으로 구성된 메시 네트워크에 의존합니다. V2V는 다른 차량에 거리 경고와 같은 정보를 교환하고 신호를 보내는 데 사용됩니다.

V2V 네트워크는 교통 인프라와 같은 교통 신호와 정보를 공유하기 위해 확장될 수 있습니다. 여기서 이미 V2I(차량-인프라) 통신에 대해 이야기할 수 있습니다. V2I 표준은 계속 발전하고 있습니다. 미국에서는 연방 고속도로 관리局(FHWA)이 기술을 개선하기 위해 다양한 V2I 가이드와 보고서를 정기적으로 발행합니다. V2I의ประโยชน은 안전을 넘어 моб일리티와 환경과의 상호 작용에 대한 이점도 있습니다.

매일 같은 루트를 운전하는 운전자는 도로의 구덩이들을 모두 기억합니다. 자율 주행 차량도不断히 학습합니다. 자율 주행 차량은 유용한 정보를 周辺 데이터 센터에 업로드할 것입니다. 예를 들어, 충전 스테이션에 통합된 데이터 센터입니다. 충전 스테이션은 차량에서 수신한 데이터를 분석하고 가능한 솔루션을 제공하는 인공지능 알고리즘을 사용할 것입니다. 클라우드를 통해 이 데이터는 공통 네트워크의 다른 무인 차량으로 전송될 것입니다.

이러한 자율 주행 차량 간의 데이터 교환 모델이 실제로 몇 년 안에 구현된다면, 우리는 하루에 엑사바이트(백만 테라바이트) 단위의 데이터를 기대할 수 있습니다. 다양한 추정에 따르면, 수십만 대에서 수천만 대의 자율 주행 차량이 도로에 나타날 수 있습니다.

5G는 성공의 열쇠

위에서 언급했듯이, 자율 주행 차량은 센서에서뿐만 아니라 다른 차량, 교통 신호, 도시 인프라와의 데이터 교환을 통해 보행자와 자전거 타는 사람에 대한 정보를 수신할 수 있습니다.

이미 여러 5G 연결 차량 프로젝트가 존재합니다. 차량은 모바일 캐리어의 5G 네트워크와 C-V2X(셀룰러 차량-모든 것) 기술을 사용하여 다른 차량, 자전거 타는 사람, 심지어 교통 신호와 통신합니다. 교통 신호는 열화상 카메라를 사용하여 교차로에 접근하는 보행자를 감지하며, 결과적으로 차량의 대시보드에 경고가 나타납니다. 연결된 자전거 타는 사람은 자신의 위치에 대한 정보를 받으며, 이는 위험한 상황을 방지합니다. 가시성이 나쁜 경우, 주차된 차량은 자동으로 비상 깜빡이등을 켜며, 접근하는 모든 차량에 자신의 위치를 알립니다.

5G 모바일 네트워크의 기능이 여기서 유용합니다. 빠른 속도, 매우 낮은 지연, 다수의 동시 연결을 지원하는 기능을 제공합니다. 이러한 데이터 처리 능력이 없는 자율 주행 차량은 많은 작업을 사람보다 더 빠르게 수행할 수 없습니다. 예를 들어, 가장 가까운 교차로에 나타나는 보행자의 출현을 결정하는 경우입니다. 또한 지연 시간은 최소화되어야 합니다. 1초의 지연도 사고로 이어질 수 있습니다.

메이저 자동차 제조업체인 BMW, Daimler, Hyundai, Ford, Toyota는 이미 5G 기술을 제품에 통합하고 있습니다. 셀룰러 운영자들은 5G 네트워크를 구축하기 위해 이미 수십억 달러를 투자했습니다. 따라서 이 시점에 차량에 유용한 기술을 제공하는 것이 적절합니다.

5G 인프라가 구축되지 않는다면, 5G 연결 자율 주행 차량에 대한 모든 실험은 중단될 것입니다. 다시 말해, 무인 차량은 1시간에 1TB의 데이터를 생성할 수 있으므로, 모바일 네트워크는 이 데이터를 전송할 준비가 되어 있어야 합니다.

엑사바이트 단위의 데이터를 처리하고 저장하는 방법

모든 데이터 유형이 즉시 처리되어야 하는 것은 아닙니다. 또한 차량용 컴퓨터의 성능과 저장 용량은 제한적입니다. 따라서 “기다릴 수 있는” 데이터는 周辺 데이터 센터에서 누적되고 분석되어야 하며, 일부 데이터는 클라우드로 이동하여 처리됩니다.

도시 정부와 자동차 제조업체는 모든 차량, 교통 정체, 보행자, 구덩이에 대한 데이터를 수집, 처리, 전송, 보호 및 분석할 책임이 있습니다. 일부 스마트 시티 아키텍처는 이미 트래픽 데이터를 더 효율적으로 분석하여 빠르게 구덩이를 식별하고, 트래픽을 조정하며, 사고에 즉시 반응하는 기계 학습 알고리즘을 실험하고 있습니다. 전역적인 관점에서, 기계 학습 알고리즘은 도시 인프라를 개선하는 데 대한 권장 사항을 제공합니다.

완전한 자율 주행을 우리의 삶에 도입하기 위해서는,大量의 데이터를 처리하고 저장하는 문제를 해결해야 합니다. 무인 차량은 하루에 최대 20TB의 데이터를 생성할 수 있습니다. 단 한 대의 차량입니다! 미래에는 하루에 엑사바이트 단위의 데이터가 생성될 수 있습니다. 이 데이터를 저장하기 위해서는 고성능, 유연한, 안전한, 신뢰할 수 있는 에지 인프라가 필요합니다. 또한 데이터 처리의 효율성 문제도 있습니다.

차량용 컴퓨터가 실시간으로 결정하기 위해서는, 환경에 대한 최신 정보가 필요합니다. 예를 들어, 1시간 전의 차량 위치와 속도에 대한 정보는 일반적으로 더 이상 필요하지 않습니다. 그러나 이러한 데이터는 자율 주행 알고리즘을 더욱 개선하는 데 유용합니다.

인공지능 시스템 개발자는 깊은 학습 네트워크를 훈련하기 위해大量의 데이터를 받아야 합니다. 예를 들어, 카메라, 라이더 정보, 환경 및 인프라에 대한 정보를 최적으로 결합하여 결정을 내리기 위한 객체와 그 움직임을 식별하는 데 사용됩니다.道路 안전 전문가에게는, 사고 또는 위험한 상황이 발생하기 직전의 차량이 수집한 데이터가 매우 중요합니다.

자율 주행 차량이 데이터를 수집하고 周辺 데이터 센터로 전송한 후, 클라우드 저장소로 이동하는 경우, 최적화된 계층화된 데이터 저장 아키텍처를 사용하는 문제가 더욱 중요해집니다. 최신 데이터는 즉시 분석되어야 하며, 기계 학습 모델을 개선하는 데 사용됩니다. 높은 처리량과 낮은 지연 시간이 필요합니다. SSD와 높은容量의 HAMR 드라이브는 이러한 목적으로 가장 적합합니다.

데이터가 초기 분석 단계를 통과한 후에는, 더 효율적으로 저장되어야 합니다. 높은容量의 저렴한 전통적인 네어라인 저장소가 적합합니다. 이러한 저장 서버는 데이터가 향후 필요할 수 있는 경우에 적합합니다. 필요하지 않은 오래된 데이터지만, 어떤 이유로든 보관해야 하는 경우, 아카이브 수준으로 이동할 수 있습니다.

데이터는 더욱 에지에서 처리되고 분석될 것입니다. 이는 Industry 4.0의 시대를 열어, 데이터를 사용하는 방식을 변경할 것입니다. 에지 컴퓨팅은 데이터를 수집되는 곳 근처에서 처리할 수 있도록 하며, 전통적인 클라우드 서버와는 달리, 상황이 변경됨에 따라 즉시 반응할 수 있습니다. 차량과 周辺 데이터 센터 사이의 정보 교환 네트워크는 자율 주행을 더 안전하고 신뢰할 수 있게 만들 것입니다.

결론

이 분석이 자율 주행 분야에서 데이터의 중요성을 밝히는 데 도움이 되었기를 바랍니다. 무인 차량의 대중화는大量의 데이터를 수집하는 것을 포함하며, 이 데이터는 차량용 컴퓨터와 에지 서버 및 클라우드에서 처리되어야 합니다. 데이터 처리 인프라는事前に 준비되어야 합니다.

5G의 도입이 확대됨에 따라, 자율 주행 차량은 더욱 많은 데이터를 생성할 것입니다. 이 데이터는 분석되어 스마트 시티를 현실화하는 데 사용될 것입니다. 이 목표를 달성하는 것은 쉽지 않을 것입니다. 그러나 결국, 우리는 자동차와 같은 인기 있는 교통 수단의 역사에 새로운 장을 열 것입니다.

자율 주행 차량은 인공지능 기술, 통신, 데이터 저장의 최전선에 있습니다. 완전한 자율 주행 수준에 도달하기 위해서는 이러한 기술을 계속 개발하고 개선해야 합니다.