Problemer med selvkjørende kjøretøy og hvordan løse dem – Tankeledere

Autonome kjøretøy krever mer enn bare kunstig intelligens. Et selvkjørende kjøretøy mottar data fra forskjellige kilder som sonarer, kameraer, radarer, GPS og lidarer, som gjør det mulig å navigere i enhver miljø. Informasjonen fra disse enhetene må prosesseres raskt, og datavolumene er massive.

Informasjonen fra sensorer prosesseres ikke bare av bilens datamaskin i sanntid. Noen data sendes til perifere datacenter for videre analyse. Og deretter, gjennom en kompleks hierarki, blir det omdirigert til forskjellige skytjenester.

Kunstig intelligens som kjøretøyet er utstyrt med er avgjørende, men også datamaskinens prosesseringskapasitet, perifere servere og skytjenesten. Hastigheten på å sende og motta data fra kjøretøyet, sammen med lav forsinkelse, er også veldig viktig.

Problemet med datavolum

Selv vanlige kjøretøy, med en sjåfør bak rattet, genererer mer og mer data. Selvkjørende kjøretøy kan generere omtrent 1 TB med data per time. Dette datavolumet er enkelt gigantisk. Og det representerer en av hindringene for masseutbredelse av autonom kjøring.

Uheldigvis kan ikke all data fra et selvkjørende kjøretøy prosesseres i skytjenesten eller perifere datacenter, da dette introduserer for mye forsinkelse. Selv en forsinkelse på 100 ms kan gjøre forskjellen på liv eller død for en passasjer eller fotgjenger. Kjøretøyet må reagere på nye omstendigheter så raskt som mulig.

For å redusere forsinkelsen mellom å motta informasjon og reagere på den, analyseres en del av informasjonen av datamaskinen ombord. For eksempel er nye Jeep-modeller utstyrt med en datamaskin med 25-50 prosesseringskjerne som betjener cruisekontroll, blindsonemonitor, hindringsvarsel, automatisk bremsing osv. Kjøretøyets noder kommuniserer med hverandre via et internt nettverk. Det passer også inn i konseptet perifer datamaskin hvis vi betrakter datamaskinen ombord som en perifer node i nettverket. Som resultat danner ubemannede kjøretøy et komplekst hybridnettverk som kombinerer sentraliserte datacenter, skytjenesten og mange perifere noder. Disse noder er ikke bare plassert i kjøretøy, men også i trafikklys, kontrollstasjoner, lade-stasjoner osv.

Slike servere og datacenter utenfor kjøretøyet gir all mulig assistanse med autonom kjøring. De gjør det mulig for kjøretøyet å “se” utenfor rekkevidden av sine sensorer, koordinere belastningen på veinettet og hjelpe med å ta optimale beslutninger.

Interaksjon med hverandre og infrastruktur

GPS og datamaskin-synssystemer gir selvkJørende kjøretøy informasjon om deres plassering og nærmiljø. Imidlertid øker rekkevidden av det beregnede miljøet stadig. Likevel kan ett kjøretøy bare samle inn en begrenset mengde informasjon. Derfor er datautveksling absolutt nødvendig. Som resultat kan hvert kjøretøy bedre analysere kjøreforholdene basert på den større datamengden som er samlet inn av den autonome kjøretøyflåten. Kjøretøy-til-kjøretøy (V2V) kommunikasjonssystemer baserer seg på mesh-nettverk som er opprettet av kjøretøy i samme geografiske område. V2V brukes til å utveksle informasjon og sende signaler til andre kjøretøy, som avstandadvarsler.

V2V-nettverk kan utvides for å dele informasjon med trafikkinfrastruktur som trafikklys. Det er allerede relevant å snakke om V2I (kjøretøy-til-infrastruktur) kommunikasjon her. V2I-standarder utvikles stadig. I USA utgir Federal Highway Administration (FHWA) regelmessig forskjellige V2I-veiledninger og rapporter for å forbedre teknologien. Fordelene med V2I strekker seg langt utenfor sikkerhet. I tillegg til å forbedre sikkerheten, gir kjøretøy-infrastrukturteknologi fordeler i form av mobilitet og interaksjon med miljøet.

Sjåfører som kjører samme rute hver dag husker alle hullene på veien. Selvkjørende kjøretøy lærer også stadig. Selvkjørende kjøretøy vil laste opp tilgjengelig nyttig informasjon til perifere datacenter, for eksempel integrert i lade-stasjoner. Lade-stasjoner vil basere seg på kunstig intelligens-algoritmer som vil hjelpe med å analysere dataene mottatt fra kjøretøy og tilby mulige løsninger. Gjennom skytjenesten vil disse dataene overføres til andre ubemannede kjøretøy i det felles nettverket.

Hvis denne modellen for datautveksling mellom alle selvkJørende kjøretøy faktisk materialiseres i noen år, kan vi forvente eksabyte (millioner terabyte) med data per dag. Ifølge forskjellige estimater kan det være fra hundredtusener til titall millioner selvkJørende kjøretøy på veiene på denne tiden.

5G som nøkkel til suksess

Som nevnt ovenfor kan selvkJørende kjøretøy motta informasjon om fotgjengere og syklister ikke bare fra sine sensorer, men også gjennom datautveksling med andre kjøretøy, trafikklys og annen urban infrastruktur.

Flere 5G-tilkoblede kjøretøyprosjekter eksisterer allerede. Kjøretøyene bruker mobiloperatørens 5G-nettverk og C-V2X (Cellular Vehicle-to-Everything) teknologi til å kommunisere med andre kjøretøy, syklister og sogar trafikklys. Disse lysene er utstyrt med termiske avbildere som detekterer fotgjengere som nærmer seg overgangen; som resultat vises en advarsel på kjøretøyets dashboard. Tilkoblede syklister informeres om deres plassering, noe som forebygger farlige situasjoner. I tilfelle av dårlig sikt, slår parkerte kjøretøy automatisk på varselblinkene, som varsler alle kjøretøy som nærmer seg om deres posisjon.

5G-mobilnettverkenes kapasiteter kommer til nytte her. De tilbyr høye hastigheter, svært lav forsinkelse og mulighet til å støtte et stort antall samtidige forbindelser. Selvkjørende kjøretøy uten slike dataproesseringskapasiteter vil ikke kunne utføre mange oppgaver raskere enn en person. For eksempel å bestemme fremtoningen av en fotgjenger ved nærmeste overgang. Dessuten bør forsinkelsene være minimale, da selv en brøkdel av en sekund forsinkelse kan føre til en ulykke.

Store bilprodusenter som BMW, Daimler, Hyundai, Ford og Toyota integrerer allerede 5G-teknologi i sine produkter. Milliarder av dollar er allerede brukt av mobiloperatører på å bygge 5G-nettverk. Så dette er rett tid å gi kjøretøyene en sett med ferdigheter som vil være nyttige i daglig drift.

Alle eksperimenter med 5G-tilkoblede selvkJørende kjøretøy vil gå i stå hvis et 5G-infrastruktur ikke er på plass. Igjen kan et ubemannet kjøretøy generere 1 TB med data per time, så mobilnettverket må være klart til å overføre disse dataene.

Hvordan prosessere og lagre eksabyte med data

Ikke alle datatyper krever umiddelbar prosessering, og datamaskinen ombord har begrensede ytelses- og lagringskapasiteter. Derfor bør data som kan “vente” samles inn og analyseres i perifere datacenter, mens en del av dataene vil migrere til skytjenesten og prosesseres der.

Det er byregjeringers og bilprodusenters ansvar å fange, prosessere, overføre, beskytte og analysere data om hver enkelt bil, trafikkkø, fotgjenger eller hull i veien. Noen smarte byarkitekter eksperimenterer allerede med maskinlæringsalgoritmer som analyserer trafikkdata mer effektivt for å raskt identifisere hull i veien, regulere trafikken og øyeblikkelig reagere på ulykker. Fra et globalt perspektiv gir maskinlæringsalgoritmer anbefalinger for å forbedre byinfrastrukturen.

For å innføre fullt autonome kjøretøy i vårt liv, er det nødvendig å løse problemet med å prosessere og lagre enorme mengder data. Hver dag kan et ubemannet kjøretøy generere opptil 20 TB med data. Bare ett kjøretøy! I fremtiden kan dette føre til eksabyte med data som genereres på en dag. For å lagre disse dataene, trengs en høy-ytelses-, fleksibel-, sikker- og pålitelig kant-infrastruktur. Det er også problemet med effektiv dataprosessering.

For at datamaskinen ombord skal kunne ta beslutninger i sanntid, trenger den den mest oppdaterte informasjonen om miljøet. Gammel data, som informasjon om kjøretøyets plassering og hastighet for en time siden, er vanligvis ikke lenger nødvendig. Likevel er denne dataen nyttig for videre forbedring av autonome kjøring-algoritmer.

Utviklere av kunstig intelligens-systemer må motta store mengder data for å trene dyptlæringsnettverk: identifisere objekter og deres bevegelse gjennom kameraer, lidar-informasjon og kombinere informasjon om miljøet og infrastrukturen på en optimal måte for å ta beslutninger. For vegsikkerhetsspesialister er dataene som samles inn av kjøretøyene umiddelbart før ulykker eller farlige situasjoner på veien vitalt.

Så snart dataene samles inn av selvkJørende kjøretøy og overføres fra dem til perifere datacenter, og deretter migrerer til skytjenesten, blir problemet med å bruke en optimalisert og trinnvis datalagringsarkitektur mer og mer relevant. Ferske data må analyseres umiddelbart for å forbedre maskinlæringsmodellene. Høy gjennomstrømming og lav forsinkelse er nødvendig her. SSD-er og høykapasitets HAMR-er med støtte for fler-drev-teknologi er best egnet for dette formålet.

Etter at dataene har passert den innledende analysefasen, må de lagres mer effektivt: på høykapasitets-, men lavkostnads-, tradisjonelle nærline-lagringsenheter. Disse lagringsserverne er godt egnet hvis dataene kan være nødvendige i fremtiden. Gammel data som er usannsynlig å være nødvendig, men må beholdes av andre grunner, kan flyttes til arkiveringsnivået.

Dataene vil stadig prosesseres og analyseres på kanten, og innføre epoken av Industri 4.0, som endrer hvordan vi bruker data. Kant-datamaskining vil gjøre det mulig å prosessere data nær der de samles inn, i stedet for en tradisjonell skytjeneste, og gjøre det mulig å analysere dem mye raskere, og umiddelbart reagere på endrede situasjoner. Et høyhastighetsnettverk for informasjonsutveksling mellom kjøretøy og perifere datacenter vil hjelpe med å gjøre autonom kjøring tryggere og mer pålitelig.

Konklusjon

Håper denne analysen har kastet lys over hvor viktig data er i feltet autonom kjøring. Masseutbredelse av ubemannede kjøretøy innebærer innhenting av store mengder data som må prosesseres ikke bare av datamaskinen ombord, men også av kant-servere og skytjenesten. Dataprosesserings-infrastrukturen må være klar først.

Så snart 5G-utbredelsen øker, vil selvkJørende kjøretøy begynne å generere mer og mer data, som deretter vil bli analysert og brukt til å gjøre smarte byer til virkelighet. Å oppnå dette målet vil ikke være lett, men til slutt vil vi åpne en ny kapittel i historien om et så populært transportmiddel som bilen.

SelvkJørende kjøretøy er i forkant av kunstig intelligens-teknologier, kommunikasjon og data-lagring. For å nå fullt autonome kjøring, er det nødvendig å fortsette utviklingen og forbedringen av disse teknologiene.