Проблемы самоходных транспортных средств и как их решить – лидеры мнений

Автономные транспортные средства требуют больше, чем простой искусственный интеллект. Самоходный автомобиль получает данные из различных источников, таких как сонары, камеры, радары, GPS и лидары, что позволяет ему ориентироваться в любой среде. Информация от этих устройств должна быть обработана быстро, и объемы данных огромны.

Информация от датчиков обрабатывается не только компьютером автомобиля в реальном времени. Некоторые данные отправляются на периферийные центры данных для дальнейшего анализа. А затем, через сложную иерархию, они перенаправляются в различные облака.

Искусственный интеллект, которым обладает транспортное средство, имеет решающее значение, но также важны возможности обработки информации бортовых компьютеров, периферийных серверов и облака. Скорость отправки и получения данных автомобилем, а также низкая задержка, очень важны.

Проблема объема данных

Даже обычные автомобили, с водителем за рулем, генерируют все больше и больше данных. Самоходные автомобили могут генерировать примерно 1 ТБ данных в час. Этот объем данных просто огромен. И он представляет одну из барьеров для массового внедрения автономного вождения.

К сожалению, все данные самоходного автомобиля не могут быть обработаны в облаке или периферийных центрах данных, поскольку это вводит слишком большую задержку. Даже задержка в 100 мс может сделать разницу между жизнью и смертью пассажира или пешехода. Автомобиль должен реагировать на возникающие обстоятельства как можно быстрее.

Чтобы уменьшить задержку между получением информации и реакцией на нее, часть информации анализируется бортовым компьютером. Например, новые модели Jeep оснащены бортовым компьютером с 25-50 ядрами обработки, который обслуживает круиз-контроль, монитор слепых зон, предупреждение об препятствиях, автоматическое торможение и т. д. Узлы транспортного средства общаются друг с другом через внутреннюю сеть. Он также вписывается в концепцию периферийных вычислений, если мы рассматриваем бортовой компьютер как периферийный узел сети. В результате беспилотные транспортные средства образуют сложную гибридную сеть, которая сочетает централизованные центры данных, облако и многие периферийные узлы. Последние расположены не только в автомобилях, но и в светофорах, контрольных постах, зарядных станциях и т. д.

Такие серверы и центры данных вне автомобиля предоставляют всю возможную помощь в автономном вождении. Они позволяют автомобилю “видеть” за пределами диапазона его датчиков, координировать нагрузку на сеть дорог, и помогают принимать оптимальные решения.

Взаимодействие друг с другом и инфраструктурой

GPS и системы компьютерного зрения предоставляют самоходным автомобилям информацию о их местоположении и ближайших окрестностях. Однако диапазон рассчитанной среды постоянно увеличивается. Тем не менее, один автомобиль может собрать только ограниченное количество информации. Поэтому обмен данными абсолютно необходим. В результате каждый автомобиль может лучше проанализировать условия вождения на основе более значимого набора данных, собранного флотом автономных транспортных средств. Системы связи автомобиль-автомобиль (V2V) полагаются на сети-меш, созданные автомобилями в одной географической области. V2V используется для обмена информацией и отправки сигналов другим автомобилям, таких как предупреждения о расстоянии.

Сети V2V могут быть расширены для обмена информацией с инфраструктурой дорог, такой как светофоры. Уже можно говорить о коммуникации автомобиль-инфраструктура (V2I). Стандарты V2I продолжают развиваться. В США Федеральное управление шоссейных дорог (FHWA) регулярно выпускает различные руководства и отчеты V2I, чтобы помочь улучшить технологию. Преимущества V2I распространяются далеко за пределы безопасности. Помимо повышения безопасности, технология автомобиль-инфраструктура предоставляет преимущества в плане мобильности и взаимодействия с окружающей средой.

Водители, которые ездят по одной и той же маршруту каждый день, помнят все ямы на дороге. Самоходные автомобили также постоянно учатся. Самоходные автомобили будут загружать доступную полезную информацию в периферийные центры данных, например, интегрированные в зарядные станции. Зарядные станции будут полагаться на алгоритмы искусственного интеллекта, которые помогут проанализировать полученные данные от автомобилей и предложить возможные решения. Через облако эти данные будут переданы другим беспилотным автомобилям в общей сети.

Если эта модель обмена данными между всеми самоходными автомобилями действительно материализуется через несколько лет, то мы можем ожидать эксабайты (миллионы терабайт) данных в день. Согласно различным оценкам, к тому времени на дорогах может появиться от сотен тысяч до десятков миллионов самоходных автомобилей.

5G как ключ к успеху

Как упоминалось выше, самоходные автомобили могут получать информацию о пешеходах и велосипедистах не только от своих датчиков, но и через обмен данными с другими автомобилями, светофорами и другой городской инфраструктурой.

Существует несколько проектов подключенных автомобилей 5G. Автомобили используют сеть 5G мобильного оператора и технологию C-V2X (Cellular Vehicle-to-Everything), чтобы общаться с другими автомобилями, велосипедистами и даже светофорами. Последние оснащены тепловизионными камерами, которые обнаруживают пешеходов, подходящих к перекрестку; в результате на приборной панели автомобиля появляется предупреждение. Подключенные велосипедисты информируются о своем местоположении, что предотвращает опасные ситуации. В случае плохой видимости припаркованные автомобили автоматически включают аварийные огни, уведомляя все приближающиеся автомобили о своем положении.

Возможности мобильных сетей 5G здесь очень полезны. Они обеспечивают высокую скорость, очень низкую задержку и возможность поддержки большого количества одновременных соединений. Самоходные автомобили без таких возможностей обработки данных не смогут выполнить многие задачи быстрее, чем человек. Например, чтобы определить появление пешехода на ближайшем перекрестке. Кроме того, задержки должны быть минимальными, поскольку даже доли секунды задержки могут привести к аварии.

Крупные производители автомобилей, такие как BMW, Daimler, Hyundai, Ford и Toyota, уже интегрируют технологию 5G в свои продукты. Мобильные операторы уже потратили миллиарды долларов на строительство сетей 5G. Итак, это правильное время, чтобы дать автомобилям набор навыков, которые будут полезны в повседневной эксплуатации.

Все эксперименты с самоходными автомобилями, подключенными к 5G, прекратятся, если инфраструктура 5G не будет готова. Снова, беспилотное транспортное средство может генерировать 1 ТБ данных в час, поэтому мобильная сеть должна быть готова передать эти данные.

Как обрабатывать и хранить эксабайты данных

Не все типы данных требуют немедленной обработки, и бортовой компьютер имеет ограниченные возможности и емкость хранения. Поэтому данные, которые могут “ждать”, должны накапливаться и анализироваться в периферийных центрах данных, а некоторые данные будут мигрировать в облако и обрабатываться там.

Это ответственность городских властей и производителей автомобилей захватить, обработать, передать, защитить и проанализировать данные о каждом автомобиле, пробке, пешеходе или яме. Некоторые архитекторы умных городов уже экспериментируют с алгоритмами машинного обучения, которые анализируют данные о трафике более эффективно, чтобы быстро выявить ямы на дороге, регулировать трафик и мгновенно реагировать на аварии. С глобальной точки зрения алгоритмы машинного обучения предоставляют рекомендации по улучшению городской инфраструктуры.

Чтобы ввести полностью автономное вождение в нашу жизнь, необходимо решить проблему обработки и хранения огромных объемов данных. Каждый день беспилотное транспортное средство может генерировать до 20 ТБ данных. Только один автомобиль! В будущем это может привести к эксабайтам данных, генерируемых за один день. Чтобы хранить эти данные, необходима высокопроизводительная, гибкая, безопасная и надежная инфраструктура края. Также существует проблема эффективной обработки данных.

Чтобы бортовой компьютер мог принимать решения в реальном времени, ему необходима самая актуальная информация об окружающей среде. Старые данные, такие как информация о местоположении автомобиля и скорости час назад, обычно больше не нужны. Однако эти данные полезны для дальнейшего улучшения алгоритмов автономного вождения.

Разработчики систем искусственного интеллекта должны получить большие объемы данных, чтобы обучить сети глубокого обучения: выявить объекты и их движение через камеры, лидарную информацию и оптимально объединить информацию об окружающей среде и инфраструктуре, чтобы принимать решения. Для специалистов по безопасности дорожного движения данные, собранные автомобилями непосредственно перед авариями или опасными ситуациями на дороге, являются жизненно важными.

Когда данные собираются самоходными автомобилями и передаются от них в периферийные центры данных, после чего они мигрируют в хранилище облака, вопрос о использовании оптимизированной и многоуровневой архитектуры хранения данных становится все более актуальным. Свежие данные должны быть проанализированы немедленно, чтобы улучшить модели машинного обучения. Требуется высокая пропускная способность и низкая задержка. SSD и жесткие диски высокой емкости HAMR с поддержкой многодисковой технологии лучше всего подходят для этой цели.

После того, как данные прошли начальную стадию анализа, их необходимо хранить более эффективно: на высокоемких, но низкозатратных традиционных хранилищах ближней линии. Эти серверы хранения хорошо подходят, если данные могут быть необходимы в будущем. Старые данные, которые вряд ли будут нужны, но должны быть сохранены по какой-то причине, можно переместить на уровень архивации.

Данные будут все больше обрабатываться и анализироваться на краю, что знаменует начало эры Industry 4.0, которая меняет, как мы используем данные. Краевые вычисления позволят обрабатывать данные близко к месту их сбора, а не на традиционном сервере облака, что позволит анализировать их намного быстрее и мгновенно реагировать на меняющиеся ситуации. Высокоскоростная сеть обмена информацией между автомобилями и периферийными центрами данных поможет сделать автономное вождение более безопасным и надежным.

Заключение

Надеюсь, этот анализ пролил свет на то, насколько важны данные в области автономного вождения. Массовое внедрение беспилотных автомобилей предполагает сбор большого количества данных, которые должны быть обработаны не только бортовым компьютером, но и периферийными серверами и облаком. Инфраструктура обработки данных должна быть готова заранее.

Когда внедрение 5G распространяется, самоходные автомобили начнут генерировать все больше и больше данных, которые затем будут анализироваться и использоваться для создания умных городов. Достижение этой цели не будет очень легким, но в конце конца мы откроем новую главу в истории такого популярного средства передвижения, как автомобиль.

Самоходные автомобили находятся на переднем крае технологий искусственного интеллекта, связи и хранения данных. Чтобы достичь уровня полностью автономного вождения, необходимо продолжать разработку и совершенствование этих технологий.