Problemen med självkörande fordon och hur man löser dem – Tankeledare

Självkörande fordon kräver mer än bara enkel artificiell intelligens. En självkörande bil tar emot data från olika källor som sonarer, kameror, radars, GPS och lidar, vilket gör att den kan navigera i vilken miljö som helst. Informationen från dessa enheter måste bearbetas snabbt, och datamängderna är enorma.

Informationen från sensorerna bearbetas inte bara av bilens dator i realtid. En del data skickas till perifera datacenter för ytterligare analys. Och sedan, genom en komplex hierarki, skickas den vidare till olika moln.

Den artificiella intelligens som fordonet är utrustat med är avgörande, men också bearbetningsförmågan hos omborddatorer, perifera servrar och molnet. Hastigheten på att skicka och ta emot data av bilen, tillsammans med låg latens, är också mycket viktigt.

Problem med datavolym

Även vanliga bilar, med en förare bakom ratten, genererar allt mer data. Självkörande bilar kan generera ungefär 1 TB data per timme. Denna mängd data är helt enkelt gigantisk. Och det utgör ett av hindren för den breda tillämpningen av autonom körning.

Tyvärr kan all data från en självkörande bil inte bearbetas i molnet eller perifera datacenter, eftersom det introducerar för mycket fördröjning. Även en fördröjning på 100 ms kan göra skillnaden mellan liv och död för en passagerare eller fotgängare. Bilen måste reagera på uppkommande omständigheter så snabbt som möjligt.

För att minska fördröjningen mellan att ta emot information och reagera på den, analyseras en del av informationen av omborddatorn. Till exempel är nya Jeep-modeller utrustade med en omborddator med 25-50 processorkärnor som servar cruise control, blind spot-varning, hinder-varning, automatisk bromsning etc. Fordonsnoder kommunicerar med varandra via ett internt nätverk. Det passar också in i konceptet perifer databehandling om vi betraktar omborddatorn som en perifer nod i nätverket. Som resultat utgör obemannade fordon ett komplext hybridnätverk som kombinerar centrala datacenter, molnet och många perifera noder. De senare är belägna inte bara i bilar utan också i trafikljus, kontrollstationer, laddningsstationer etc.

Sådana servrar och datacenter utanför bilen tillhandahåller all möjlig hjälp med autonom körning. De tillåter bilen att “se” bortom räckvidden för dess sensorer, koordinera belastningen på vägnätet och hjälpa till att fatta optimala beslut.

Interaktion med varandra och infrastruktur

GPS och datorsynssystem tillhandahåller självkörande bilar med information om deras position och omedelbara omgivning. Men, räckvidden för den beräknade miljön ökar ständigt. Ändå kan en bil bara samla in en begränsad mängd information. Så, datautbyte är absolut nödvändigt. Som resultat kan varje fordon bättre analysera körningsförhållanden baserat på den större datamängden som samlats in av den autonoma fordonsparken. Fordon-till-fordon (V2V) kommunikationssystem bygger på mesh-nätverk som skapas av fordon i samma geografiska område. V2V används för att utbyta information och skicka signaler till andra fordon, såsom avståndsvarningar.

V2V-nätverk kan utvidgas för att dela information med trafikinfrastruktur som trafikljus. Det är redan lämpligt att tala om V2I (fordon-till-infrastruktur) kommunikation här. V2I-standarder fortsätter att utvecklas. I USA, utfärdar Federal Highway Administration (FHWA) regelbundet olika V2I-riktlinjer och rapporter för att hjälpa till att förbättra tekniken. Fördelarna med V2I sträcker sig långt bortom säkerhet. Utöver att förbättra säkerheten, tillhandahåller fordon-infrastrukturteknik fördelar i termer av rörlighet och interaktion med miljön.

Förare som kör samma rutt varje dag minns alla gropar på vägen. Självkörande bilar lär sig också ständigt. Självkörande bilar kommer att ladda upp tillgänglig hjälpsam information till perifera datacenter, till exempel integrerade i laddningsstationer. Laddningsstationer kommer att förlita sig på artificiella intelligensalgoritmer som kommer att hjälpa till att analysera data som tas emot från bilar och erbjuda möjliga lösningar. Genom molnet kommer denna data att skickas till andra obemannade fordon i det gemensamma nätverket.

Om detta modell för datautbyte mellan alla självkörande bilar verkligen materialiseras om några år, kan vi förvänta oss exabyte (miljoner terabyte) data per dag. Enligt olika uppskattningar, från hundratusentals till tiotals miljoner självkörande bilar kan dyka upp på vägarna vid denna tid.

5G som nyckeln till framgång

Som nämnts ovan, kan självkörande bilar ta emot information om fotgängare och cyklister inte bara från sina sensorer, men också genom utbyte av data med andra bilar, trafikljus och annan urban infrastruktur.

Flera 5G-anslutna bilprojekt finns redan. Bilar använder mobiloperatörens 5G-nät och C-V2X (Cellular Vehicle-to-Everything) teknologi för att kommunicera med andra bilar, cyklister och till och med trafikljus. De senare är utrustade med termiska avbildare som upptäcker fotgängare som närmar sig övergången; som resultat visas en varning på bilens instrumentbräda. Anslutna cyklister informeras om sin position, vilket förhindrar farliga situationer. I händelse av dålig sikt, slår de parkerade bilarna automatiskt på varningsblinkers, som meddelar alla närmande bilar deras position.

Förmågan hos 5G-mobilnät kommer väl till pass här. De tillhandahåller snabba hastigheter, mycket låg latens och möjligheten att stödja ett stort antal samtidiga anslutningar. Självkörande bilar utan sådan datorkapacitet kommer inte att kunna utföra många uppgifter snabbare än en person. Till exempel, för att bestämma förekomsten av en fotgängare vid närmaste övergång. Dessutom bör fördröjningar vara minimala, eftersom även en bråkdel av en sekund fördröjning kan leda till en olycka.

Stora biltillverkare som BMW, Daimler, Hyundai, Ford och Toyota integrerar redan 5G-teknik i sina produkter. Miljarder dollar har redan spenderats av mobiloperatörer på att bygga 5G-nät. Så, detta är rätt tid att ge fordon ett set med färdigheter som kommer att vara användbara i daglig drift.

Alla experiment med 5G-anslutna självkörande bilar kommer att avstanna om inte en 5G-infrastruktur är på plats. Återigen, ett obemannat fordon kan generera 1 TB data per timme, så det mobila nätet måste vara redo att överföra denna data.

Hur man bearbetar och lagrar exabyte av data

Inte alla datatyper kräver omedelbar bearbetning, och omborddatorn har begränsad prestanda och lagringsförmåga. Därför bör data som kan “vänta” ackumuleras och analyseras i perifera datacenter, medan en del av data kommer att migrera till molnet och bearbetas där.

Det är stadens myndigheters och biltillverkarnas ansvar att samla in, bearbeta, överföra, skydda och analysera data om varje bil, trafikstockning, fotgängare eller grop. En del smarta stadsarkitekter experimenterar redan med maskinlärningsalgoritmer som analyserar trafikdata mer effektivt för att snabbt identifiera gropar på vägen, reglera trafik och omedelbart reagera på olyckor. Från ett globalt perspektiv, tillhandahåller maskinlärningsalgoritmer rekommendationer för att förbättra urban infrastruktur.

För att införa fullt autonom körning i våra liv, är det nödvändigt att lösa problemet med att bearbeta och lagra enorma mängder data. Varje dag kan ett obemannat fordon generera upp till 20 TB data. Bara en bil! I framtiden kan det leda till exabyte av data som genereras på en dag. För att lagra denna data, behövs en högpresterande, flexibel, säker och tillförlitlig edge-infrastruktur. Det finns också problemet med effektiv datorkapacitet.

För att omborddatorn ska kunna fatta beslut i realtid, behöver den den senaste informationen om miljön. Gamla data, såsom information om bilens position och hastighet för en timme sedan, behövs vanligtvis inte längre. Men, denna data är användbar för att ytterligare förbättra algoritmer för autonom körning.

Utvecklare av artificiell intelligens måste få tillgång till stora mängder data för att träna djupa neurala nätverk: identifiera objekt och deras rörelse genom kameror, lidarinformation och kombinera information om miljön och infrastruktur på bästa sätt för att fatta beslut. För vägsäkerhetsspecialister är data som samlas in av bilar omedelbart före olyckor eller farliga situationer på vägen av stor vikt.

När data samlas in av självkörande bilar och överförs från dem till perifera datacenter, och sedan migrerar till molnlagring, blir frågan om att använda en optimerad och nivåindelad datalagringsarkitektur alltmer relevant. Färsk data måste analyseras omedelbart för att förbättra maskinlärningsmodeller. Hög genomströmning och låg latens krävs här. SSD och högkapacitets HAMR-enheter med stöd för flera enheter är bäst lämpade för detta ändamål.

Efter att data har passerat den initiala analysfasen, måste den lagras mer effektivt: på högkapacitets men lågkostnads traditionell nearline-lagring. Dessa lagringservrar är väl lämpade om data kan behövas i framtiden. Gamla data som inte troligen kommer att behövas, men måste sparas av någon annan anledning, kan flyttas till arkiveringsnivån.

Data kommer att bearbetas och analyseras alltmer vid kanten, och det kommer att inleda eran av Industri 4.0, som förändrar hur vi använder data. Edge-bearbetning kommer att tillåta data att bearbetas nära där den samlas in, snarare än en traditionell molnservrar, vilket gör att den kan analyseras mycket snabbare, och omedelbart reagera på förändrade situationer. Ett höghastighetsnät för informationsutbyte mellan bilar och perifera datacenter kommer att hjälpa till att göra autonom körning säkrare och mer tillförlitlig.

Slutsats

Förhoppningsvis har denna analys gett lite insikt i hur viktigt data är inom området autonom körning. En bred tillämpning av obemannade fordon innebär insamling av stora mängder data som måste bearbetas inte bara av omborddatorn, utan också av edge-servrar och molnet. Datorkapacitetsinfrastrukturen måste vara redo i förväg.

När tillämpningen av 5G sprids, kommer självkörande bilar att börja generera alltmer data, som sedan kommer att analyseras och användas för att göra smarta städer till verklighet. Att uppnå detta mål kommer inte att vara mycket enkelt, men till slut kommer vi att öppna ett nytt kapitel i historien om ett sådant populärt transportmedel som en bil.

Självkörande bilar är i framkanten av artificiell intelligens, kommunikation och data lagring. För att nå nivån av fullt autonom körning, är det nödvändigt att fortsätta utveckla och förbättra dessa tekniker.