Problemet e automjeteve që zhyten vetë dhe si t'i zgjidhni ato - Udhëheqësit e mendimit

Automjetet autonome kërkojnë më shumë se inteligjencë artificiale e thjeshtë. Një makinë që drejton vetë merr të dhëna nga burime të ndryshme si sonare, kamera, radarë, GPS dhe lidarë, duke e lejuar atë të lundrojë në çdo mjedis. Informacioni nga këto pajisje duhet të përpunohet shpejt, dhe vëllimet e të dhënave janë masive.

Informacioni nga sensorët përpunohet jo vetëm nga kompjuteri i makinës në kohë reale. Disa të dhëna dërgohen në qendrat e të dhënave periferike për analiza të mëtejshme. Dhe më pas, përmes një hierarkie komplekse, ai ridrejtohet në re të ndryshme.

Inteligjenca artificiale me të cilën është pajisur automjeti është thelbësore, por edhe aftësitë përpunuese të kompjuterëve në bord, serverëve periferikë dhe cloud. Shpejtësia e dërgimit dhe marrjes së të dhënave nga makina, së bashku me vonesën e ulët, janë gjithashtu shumë të rëndësishme.

Problemi i vëllimit të të dhënave

Edhe makinat e zakonshme, me një shofer në timon, po gjenerojnë gjithnjë e më shumë të dhëna. Makinat që drejtojnë vetë mund të gjenerojnë afërsisht 1 TB të dhëna në orë. Kjo sasi e të dhënave është thjesht gjigante. Dhe përfaqëson një nga pengesat për adoptimin masiv të drejtimit autonom.

Fatkeqësisht, të gjitha të dhënat e një makine vetë-drejtuese nuk mund të përpunohen në cloud ose në qendrat e të dhënave periferike pasi kjo sjell shumë vonesa. Edhe një vonesë prej 100 ms mund të bëjë dallimin midis jetës ose vdekjes së një pasagjeri ose këmbësori. Makina duhet t'i përgjigjet rrethanave në zhvillim sa më shpejt të jetë e mundur.

Për të zvogëluar vonesën ndërmjet marrjes së informacionit dhe përgjigjes ndaj tij, një pjesë e informacionit analizohet nga kompjuteri në bord. Për shembull, i ri Modele Jeep janë të pajisura me një kompjuter në bord me 25-50 bërthama përpunimi që shërben kontrollin e lundrimit, monitorin e pikës së verbër, paralajmërimin e pengesave, frenimin automatik, etj. Nyjet e automjeteve komunikojnë me njëri-tjetrin nëpërmjet një rrjeti të brendshëm. Ai gjithashtu përshtatet në konceptin e llogaritjes periferike nëse e konsiderojmë kompjuterin në bord si një nyje periferike të rrjetit. Si rezultat, automjetet pa pilot përbëjnë një rrjet kompleks hibrid që kombinon qendrat e centralizuara të të dhënave, cloud dhe shumë nyje periferike. Këto të fundit ndodhen jo vetëm në makina por edhe në semaforë, poste kontrolli, stacione karikimi etj.

Serverë të tillë dhe qendra të dhënash jashtë makinës ofrojnë të gjithë ndihmën e mundshme me drejtimin autonom. Ato lejojnë makinën të "shikojë" përtej rrezes së sensorëve të saj, të koordinojë ngarkesën në rrjetin rrugor dhe të ndihmojë në marrjen e vendimeve optimale.

Ndërveprimi me njëri-tjetrin dhe infrastruktura

GPS dhe sistemet kompjuterike të shikimit u ofrojnë makinave vetë-drejtuese informacione për vendndodhjen e tyre dhe rrethinën e afërt. Sidoqoftë, diapazoni i mjedisit të llogaritur po rritet vazhdimisht. Megjithatë, një makinë mund të mbledhë vetëm një sasi të kufizuar informacioni. Pra, shkëmbimi i të dhënave është absolutisht i nevojshëm. Si rezultat, çdo automjet mund të analizojë më mirë kushtet e drejtimit bazuar në grupin e të dhënave më domethënëse të mbledhura nga flota e automjeteve autonome. Sistemet e komunikimit nga automjeti në automjet (V2V) mbështeten në rrjetet rrjetë krijuar nga automjetet në të njëjtën zonë gjeografike. V2V përdoret për të shkëmbyer informacione dhe për të dërguar sinjale tek automjetet e tjera, të tilla si paralajmërimet për distancën.

Rrjetet V2V mund të zgjerohen për të shkëmbyer informacione me infrastrukturën e trafikut, siç janë semaforët. Tashmë është e përshtatshme të flasim këtu për komunikimin V2I (vehicle-to-infrastructure). Standardet V2I vazhdojnë të evoluojnë. Në SHBA, Administrata Federale e Autostradave (FHWA) lëshon rregullisht të ndryshme Udhëzues dhe raporte të V2I për të ndihmuar në përmirësimin e teknologjisë. Përfitimet e V2I shtrihen shumë përtej sigurisë. Përveç rritjes së sigurisë, teknologjia e infrastrukturës së automjeteve ofron avantazhe në aspektin e lëvizshmërisë dhe ndërveprimit me mjedisin.

Shoferët që shkojnë çdo ditë në të njëjtën rrugë, kujtojnë të gjitha gropat në rrugë. Makinat që drejtojnë vetë po mësojnë gjithashtu vazhdimisht. Makinat që drejtojnë vetë do të ngarkojnë informacione të dobishme të disponueshme në qendrat e të dhënave periferike, për shembull, të integruara në stacionet e karikimit. Stacionet e karikimit do të mbështeten në algoritme të inteligjencës artificiale që do të ndihmojnë në analizimin e të dhënave të marra nga makinat dhe do të ofrojnë zgjidhje të mundshme. Nëpërmjet cloud, këto të dhëna do të transmetohen në mjete të tjera pa pilot në rrjetin e përbashkët.

Nëse ky model i shkëmbimit të të dhënave midis të gjitha makinave vetë-drejtuese materializohet me të vërtetë brenda disa vitesh, atëherë mund të presim ekzabajt (miliona terabajt) të dhënash në ditë. Sipas vlerësimeve të ndryshme, në këtë kohë mund të shfaqen në rrugë nga qindra mijëra deri në dhjetëra miliona makina vetë-drejtuese.

5G si çelësi i suksesit

Siç u përmend më lart, makinat vetë-drejtuese mund të marrin informacion për këmbësorët dhe çiklistët jo vetëm nga sensorët e tyre, por edhe përmes shkëmbimit të të dhënave me makina të tjera, semaforët dhe infrastrukturën tjetër urbane.

Disa Projektet e makinave të lidhura me 5G tashmë ekziston. Makinat përdorin rrjetin 5G të operatorit celular dhe teknologjinë C-V2X (Cellular Vehicle-to-Everything) për të komunikuar me makina të tjera, çiklistët dhe madje edhe semaforët. Këto të fundit janë të pajisura me imazhe termike që zbulojnë këmbësorët që i afrohen vendkalimit; si rezultat, një paralajmërim shfaqet në kroskotin e makinës. Çiklistët e lidhur informohen për vendndodhjen e tyre, gjë që parandalon situata të rrezikshme. Në rast të shikueshmërisë së dobët, makinat e parkuara ndezin automatikisht dritat e ndezjes së urgjencës, duke njoftuar të gjitha makinat që afrohen për pozicionin e tyre.

Këtu janë të dobishme aftësitë e rrjeteve celulare 5G. Ato ofrojnë shpejtësi të shpejtë, vonesë shumë të ulët dhe aftësi për të mbështetur një numër të madh lidhjesh të njëkohshme. Makinat që drejtojnë vetë pa aftësi të tilla përpunimi të të dhënave nuk do të jenë në gjendje të kryejnë shumë detyra më shpejt se një person. Për shembull, për të përcaktuar pamjen e një këmbësori në vendkalimin më të afërt. Për më tepër, vonesat duhet të jenë minimale, pasi edhe një fraksion i sekondës vonesë mund të çojë në një aksident.

Prodhuesit e mëdhenj të makinave si BMW, Daimler, Hyundai, Ford dhe Toyota tashmë po integrojnë teknologjinë 5G në produktet e tyre. Miliarda dollarë janë shpenzuar tashmë nga operatorët celularë duke ndërtuar rrjete 5G. Pra, kjo është koha e duhur për t'i dhënë automjeteve një sërë aftësish që do të jenë të dobishme në funksionimin e përditshëm.

Të gjitha eksperimentet me makina vetë-drejtuese të lidhura me 5G do të ndalen nëse nuk është vendosur një infrastrukturë 5G. Përsëri, një automjet pa pilot mund të gjenerojë 1 TB të dhëna në orë, kështu që rrjeti celular duhet të jetë gati për të transferuar këto të dhëna.

Si të përpunoni dhe ruani ekzabajtë të të dhënave

Jo të gjitha llojet e të dhënave kërkojnë përpunim të menjëhershëm dhe kompjuteri në bord ka performancë të kufizuar dhe aftësi ruajtjeje. Prandaj, të dhënat që mund të "presin" duhet të grumbullohen dhe analizohen në qendrat e të dhënave periferike, ndërsa disa nga të dhënat do të migrojnë në cloud dhe do të përpunohen atje.

Është përgjegjësi e qeverive të qytetit dhe prodhuesve të automjeteve të kapin, përpunojnë, transferojnë, mbrojnë dhe analizojnë të dhënat për çdo makinë, bllokim trafiku, këmbësorë ose gropë. Disa arkitektë të qyteteve të zgjuar po eksperimentojnë tashmë me algoritme të mësimit të makinerive që analizojnë të dhënat e trafikut në mënyrë më efikase për të identifikuar shpejt gropat në rrugë, për të rregulluar trafikun dhe për t'iu përgjigjur menjëherë aksidenteve. Nga një këndvështrim global, algoritmet e mësimit të makinerive ofrojnë rekomandime për përmirësimin e infrastrukturës urbane.

Për të futur makinën plotësisht autonome në jetën tonë, është e nevojshme të zgjidhet problemi i përpunimit dhe ruajtjes së sasive të mëdha të të dhënave. Çdo ditë, një automjet pa pilot mund të gjenerojë deri në 20 TB të dhëna. Vetëm një makinë! Në të ardhmen, mund të çojë në gjenerimin e eksabajt të të dhënave brenda një dite. Për të ruajtur këto të dhëna, ju nevojitet një infrastrukturë e skajshme me performancë të lartë, fleksibël, të sigurt dhe të besueshme. Ekziston edhe problemi i përpunimit efikas të të dhënave.

Që kompjuteri në bord të marrë vendime në kohë reale, ai ka nevojë për informacionin më të përditësuar rreth mjedisit. Të dhënat e vjetra, të tilla si informacioni për vendndodhjen e makinës dhe shpejtësinë një orë më parë, zakonisht nuk nevojiten më. Megjithatë, këto të dhëna janë të dobishme për përmirësimin e mëtejshëm të algoritmeve autonome të drejtimit.

Zhvilluesit e sistemeve të inteligjencës artificiale duhet të marrin sasi të mëdha të dhënash në mënyrë që të trajnojnë rrjetet e të mësuarit të thellë: të identifikojnë objektet dhe lëvizjen e tyre përmes kamerave, informacionin lidar dhe të kombinojnë në mënyrë optimale informacionin rreth mjedisit dhe infrastrukturës në mënyrë që të marrin vendime. Për specialistët e sigurisë rrugore, të dhënat e mbledhura nga makinat menjëherë përpara aksidenteve ose situatave të rrezikshme në rrugë janë jetike.

Ndërsa të dhënat mblidhen nga makinat që drejtojnë vetë dhe transferohen prej tyre në qendrat periferike të të dhënave, pas së cilës ato migrojnë në ruajtjen e cloud, çështja e përdorimit të një arkitekture të ruajtjes së të dhënave të optimizuar dhe me nivele bëhet gjithnjë e më e rëndësishme. Të dhënat e freskëta duhet të analizohen menjëherë për të përmirësuar modelet e mësimit të makinerive. Këtu kërkohet xhiroja e lartë dhe vonesa e ulët. SSD dhe disqet HAMR me kapacitet të lartë me mbështetje për teknologjitë me shumë drejtime janë më të përshtatshmet për këtë qëllim.

Pasi të dhënat të kenë kaluar fazën fillestare të analizës, ato duhet të ruhen në mënyrë më efikase: në ruajtje tradicionale afër linjës me kapacitet të lartë, por me kosto të ulët. Këta serverë ruajtjeje janë të përshtatshëm nëse të dhënat mund të kërkohen në të ardhmen. Të dhënat e vjetra që nuk ka gjasa të nevojiten, por duhet të mbahen për ndonjë arsye tjetër, mund të zhvendosen në nivelin e arkivimit.

Të dhënat do të përpunohen dhe analizohen gjithnjë e më shumë në skaj, duke sjellë epokën e Industry 4.0, e cila po ndryshon mënyrën se si ne përdorim të dhënat. Edge computing do të lejojë që të dhënat të përpunohen afër vendit ku po mblidhen, në vend të një serveri tradicional cloud, duke lejuar që ato të analizohen shumë më shpejt, duke iu përgjigjur menjëherë situatave në ndryshim. Një rrjet me shpejtësi të lartë të shkëmbimit të informacionit ndërmjet makinave dhe qendrave të të dhënave periferike do të ndihmojë në bërjen e drejtimit autonom më të sigurt dhe më të besueshëm.

Përfundim

Shpresojmë që kjo analizë të ketë hedhur pak dritë mbi rëndësinë e të dhënave në fushën e drejtimit autonom. Adoptimi masiv i automjeteve pa pilot përfshin mbledhjen e sasive të shumta të të dhënave që duhet të përpunohen jo vetëm nga kompjuteri në bord, por edhe nga serverët e skajshëm dhe cloud. Infrastruktura e përpunimit të të dhënave duhet të jetë gati paraprakisht.

Ndërsa miratimi i 5G përhapet, makinat vetë-drejtuese do të fillojnë të gjenerojnë gjithnjë e më shumë të dhëna, të cilat më pas do të analizohen dhe përdoren për t'i bërë qytetet inteligjente realitet. Arritja e këtij qëllimi nuk do të jetë shumë e lehtë, por në fund, ne do të hapim një kapitull të ri në historinë e një mjeti transporti kaq të njohur si makina.

Makinat që drejtojnë vetë janë në krye të teknologjive të inteligjencës artificiale, komunikimit dhe ruajtjes së të dhënave. Për të arritur nivelin e drejtimit plotësisht autonom, është e nevojshme të vazhdohet zhvillimi dhe përmirësimi i këtyre teknologjive.