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 просто огромны.

Информация от датчиков обрабатывается не только компьютером автомобиля в реальном времени. Некоторые данные отправляются на периферийные центры обработки 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 бортовыми компьютерами, периферийными серверами и облаком. Скорость передачи и приема данных автомобилем, а также низкая задержка, являются очень важными.

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. Это количество данных просто огромно. И оно представляет одну из барьеров для массового внедрения автономного вождения.

К сожалению, все данные самоходного автомобиля не могут быть обработаны в облаке или периферийных центрах обработки 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 систему круиз-контроля, мониторинг слепых зон, предупреждение об препятствиях, автоматическое торможение и т. д. Узлы автомобиля общаются друг с другом через внутреннюю сеть. Это также вписывается в концепцию периферийных вычислений, если мы рассматриваем бортовой компьютер как периферийный узел сети. В результате беспилотные автомобили образуют сложную гибридную сеть, которая объединяет централизованные центры обработки 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 обработки данных вне автомобиля предоставляют всю возможную помощь в автономном вождении. Они позволяют автомобилю “видеть” за пределами диапазона его датчиков, координировать нагрузку на дорожную сеть и помогать принимать оптимальные решения.

Взаимодействие друг с другом и инфраструктурой

Системы GPS и компьютерного зрения предоставляют самоходным автомобилям информацию о их местоположении и непосредственной окружающей среде. 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, собранных флотом автономных транспортных средств. Системы связи автомобиль-автомобиль (V2V) полагаются на сети-мэш, 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 дорожной инфраструктурой, такой как светофоры. Уже можно говорить о связи 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.除了 повышения безопасности, технология автомобиль-инфраструктура обеспечивает преимущества в плане подвижности 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 обработки данных, например, интегрированные в зарядные станции. Зарядные станции будут полагаться на алгоритмы искусственного интеллекта, которые помогут проанализировать полученные данные 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 в течение нескольких лет, то мы можем ожидать эксабайты (миллионы терабайт) данных в день. Согласно различным оценкам, от сотен тысяч до десятков миллионов самоходных автомобилей могут появиться на дорогах к этому времени.

5G – 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. Светофоры 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 подходящие автомобили о своем положении.

Возможности сетей 5G мобильной связи здесь очень полезны. Они обеспечивают высокие скорости, очень низкую задержку и возможность поддержки большого количества одновременных соединений. Самоходные автомобили без таких возможностей обработки данных не смогут выполнять многие задачи быстрее, чем человек. Например, чтобы определить появление пешехода на ближайшем перекрестке. Более 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. Миллиарды долларов уже были потрачены операторами сотовой связи на строительство сетей 5G. Итак, это правильное время, чтобы дать транспортным средствам набор навыков, которые будут полезны в повседневной эксплуатации.

Все эксперименты с самоходными автомобилями, подключенными к 5G, прекратятся, если инфраструктура 5G не будет создана. 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 обработки 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 необходимы самые актуальные данные 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.

Разработчикам систем искусственного интеллекта необходимо получать большие объемы данных, чтобы обучать глубокие нейронные сети: идентифицировать объекты и их движение через камеры, информацию лидара и оптимально объединять 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 из них в периферийные центры обработки данных, после чего они мигрируют в облачное хранилище, вопрос об 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 высокопроизводительные накопители HAMR с поддержкой технологий многодисковых накопителей лучше всего подходят для этой цели.

После того, как данные прошли начальную стадию анализа, их необходимо хранить более эффективно: на высокопроизводительных, но низкозатратных традиционных накопителях nearline. 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 другой причине, можно переместить на уровень архивации.

Данные будут все больше обрабатываться и анализироваться на краю, что знаменует начало эры Industry 4.0, которая меняет то, как мы используем данные. Обработка на краю позволит обрабатывать данные вблизи от того места, где они собираются, а не на традиционном сервере облачного хранилища, что позволит анализировать их намного быстрее и мгновенно реагировать на меняющиеся ситуации. Высокоскоростная сеть обмена информацией между автомобилями и периферийными центрами обработки 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 развитие и совершенствование этих технологий.