ปัญหาของยานพาหนะที่ขับเคลื่อนด้วยตนเองและวิธีแก้ปัญหา – Thought Leaders

ยานพาหนะอัตโนมัติต้องการมากกว่าความฉลาดเทียมที่ง่ายๆ ยานพาหนะที่ขับเคลื่อนด้วยตนเองได้รับข้อมูลจากแหล่งต่างๆ เช่น โซนาร์, กล้อง, เรดาร์, GPS และ ลิดาร์ ทำให้สามารถนำทางใน任何สภาพแวดล้อมได้ ข้อมูลจากอุปกรณ์เหล่านี้ควรประมวลผลอย่างรวดเร็ว และปริมาณข้อมูลมีมาก

ข้อมูลจากเซ็นเซอร์ถูกประมวลผลไม่เพียงโดยคอมพิวเตอร์ของรถในแบบเรียลไทม์ บางข้อมูลถูกส่งไปยังศูนย์ข้อมูลส่วนปลายเพื่อวิเคราะห์เพิ่มเติม จากนั้นผ่านลำดับชั้นที่ซับซ้อน จะถูกส่งไปยังคลาวด์ต่างๆ

ความฉลาดเทียมที่ยานพาหนะมีเป็นสิ่งสำคัญ แต่ความสามารถในการประมวลผลของคอมพิวเตอร์บนรถ, เซิร์ฟเวอร์ส่วนปลาย และคลาวด์ก็สำคัญเช่นกัน ความเร็วในการส่งและรับข้อมูลโดยรถพร้อมกับความหน่วงต่ำมีความสำคัญมาก

ปัญหาของปริมาณข้อมูล

แม้รถทั่วไปที่มีคนขับอยู่หลังพวงมาลัยก็สามารถสร้างข้อมูลได้มากขึ้นเรื่อยๆ ยานพาหนะที่ขับเคลื่อนด้วยตนเองสามารถสร้างข้อมูลได้ประมาณ 1TB ต่อชั่วโมง ปริมาณข้อมูลนี้มากเกินไป และเป็นหนึ่งในอุปสรรคต่อการนำยานพาหนะอัตโนมัติมาใช้กันอย่างแพร่หลาย

ไม่幸ด้วยที่ข้อมูลทั้งหมดของยานพาหนะที่ขับเคลื่อนด้วยตนเองไม่สามารถประมวลผลในคลาวด์หรือศูนย์ข้อมูลส่วนปลายได้ เนื่องจากจะทำให้เกิดความหน่วงมากเกินไป แม้ความหน่วงเพียง 100 มิลลิวินาทีก็สามารถทำให้เกิดความแตกต่างระหว่างชีวิตหรือความตายของผู้โดยสารหรือคนเดินถนนได้ รถต้องตอบสนองต่อสถานการณ์ที่เกิดขึ้นอย่างรวดเร็วที่สุด

เพื่อลดความหน่วงระหว่างการรับข้อมูลและการตอบสนองต่อข้อมูล ส่วนหนึ่งของข้อมูลจะถูกวิเคราะห์โดยคอมพิวเตอร์บนรถ ตัวอย่างเช่น รุ่นใหม่ของ Jeep มีคอมพิวเตอร์บนรถที่มี 25-50 คอร์ประมวลผลที่ให้บริการระบบควบคุมความเร็ว, ระบบเตือนจุดบอด, ระบบเตือนอุปสรรค, ระบบเบรกอัตโนมัติ ฯลฯ โหนดของยานพาหนะสื่อสารกันผ่านเครือข่ายภายใน นอกจากนี้ยังเข้ากันได้กับแนวคิดการประมวลผลส่วนปลายหากเราพิจารณาคอมพิวเตอร์บนรถเป็นโหนดส่วนปลายของเครือข่าย ในผลลัพธ์ ยานพาหนะที่ไม่มีมนุษย์ประกอบด้วย เครือข่ายไฮบริดที่ซับซ้อน ที่รวมศูนย์ข้อมูลส่วนกลาง, คลาวด์ และโหนดส่วนปลายหลายตัว ซึ่งตั้งอยู่ไม่เพียงแต่ในรถยนต์เท่านั้น แต่ยังรวมถึงสัญญาณไฟจราจร, จุดควบคุม, สถานีชาร์จ ฯลฯ

เซิร์ฟเวอร์และศูนย์ข้อมูลนอกรถยนต์ให้การสนับสนุนทั้งหมดที่เป็นไปได้สำหรับการขับเคลื่อนอัตโนมัติ พวกมันทำให้รถยนต์ “เห็น” ได้เกินกว่าระยะของเซ็นเซอร์, จัดสรรภาระงานบนเครือข่ายถนน และช่วยในการตัดสินใจที่เหมาะสมที่สุด

การโต้ตอบกันและกันและโครงสร้างพื้นฐาน

ระบบ GPS และระบบมองเห็นคอมพิวเตอร์ให้ข้อมูลแก่ยานพาหนะที่ขับเคลื่อนด้วยตนเองเกี่ยวกับตำแหน่งและบริเวณโดยรอบของตน อย่างไรก็ตาม พิสัยของสภาพแวดล้อมที่คำนวณได้เพิ่มขึ้นอย่างต่อเนื่อง แต่รถยนต์หนึ่งคันสามารถรวบรวมข้อมูลได้เพียงปริมาณจำกัด ดังนั้นการแลกเปลี่ยนข้อมูลจึงจำเป็นอย่างยิ่ง ในผลลัพธ์ แต่ละยานพาหนะสามารถวิเคราะห์สภาพการขับขี่ได้ดีขึ้นโดยอาศัยชุดข้อมูลที่สำคัญที่รวบรวมโดยฝูงยานพาหนะอัตโนมัติ ระบบสื่อสารระหว่างยานพาหนะต่อยานพาหนะ (V2V) พึ่งพา เครือข่ายเมช ที่สร้างขึ้นโดยยานพาหนะในพื้นที่ทางภูมิศาสตร์เดียวกัน V2V ใช้สำหรับการแลกเปลี่ยนข้อมูลและส่งสัญญาณไปยังยานพาหนะอื่นๆ เช่น การเตือนระยะทาง

เครือข่าย V2V สามารถขยายเพื่อแบ่งปันข้อมูลกับโครงสร้างพื้นฐานการจราจร เช่น ไฟจราจร มันเหมาะสมที่จะพูดถึงการสื่อสารระหว่างยานพาหนะต่อโครงสร้างพื้นฐาน (V2I) ที่นี่ มาตรฐาน V2I ยังคงพัฒนา ในสหรัฐอเมริกา Federal Highway Administration (FHWA) ออก คู่มือและรายงาน V2I เพื่อช่วยปรับปรุงเทคโนโลยี ประโยชน์ของ V2I ขยายไปไกลกว่าความปลอดภัย นอกเหนือจากการเพิ่มความปลอดภัย เทคโนโลยียานพาหนะ-โครงสร้างพื้นฐานให้ประโยชน์ในด้านการเคลื่อนที่และโต้ตอบกับสภาพแวดล้อม

คนขับที่เดินทางไปตามเส้นทางเดียวกันทุกวันจะจำทุกจุดบนถนนได้ ยานพาหนะที่ขับเคลื่อนด้วยตนเองก็เรียนรู้อย่างต่อเนื่องเช่นกัน ยานพาหนะที่ขับเคลื่อนด้วยตนเองจะอัปโหลดข้อมูลที่มีประโยชน์ที่มีอยู่ไปยังศูนย์ข้อมูลส่วนปลาย ตัวอย่างเช่น ที่รวมเข้ากับสถานีชาร์จ สถานีชาร์จจะพึ่งพาอัลกอริทึมความฉลาดเทียมที่จะช่วยวิเคราะห์ข้อมูลที่ได้รับจากยานพาหนะและเสนอวิธีแก้ไขที่เป็นไปได้ ผ่านคลาวด์ ข้อมูลนี้จะถูกส่งไปยังยานพาหนะอื่นๆ ในเครือข่ายร่วม

หากแบบจำลองการแลกเปลี่ยนข้อมูลระหว่างยานพาหนะที่ขับเคลื่อนด้วยตนเองทั้งหมดเป็นจริงในอีกไม่กี่ปี เราก็สามารถคาดหวังข้อมูลจำนวน exabytes (ล้านเทอราไบต์) ต่อวัน ตามการประมาณการจากหลายร้อยพันถึงหลายสิบล้านยานพาหนะที่ขับเคลื่อนด้วยตนเองอาจปรากฏบนถนนในเวลานั้น

5G เป็นกุญแจสู่ความสำเร็จ

ตามที่กล่าวไว้ข้างต้น ยานพาหนะที่ขับเคลื่อนด้วยตนเองสามารถรับข้อมูลเกี่ยวกับผู้เดินถนนและนักปั่นจักรยานไม่เพียงแต่จากเซ็นเซอร์ของตนเองเท่านั้น แต่ยังรวมถึงการแลกเปลี่ยนข้อมูลกับยานพาหนะอื่นๆ, ไฟจราจร และโครงสร้างพื้นฐานเมืองอื่นๆ

มี โครงการรถยนต์ที่เชื่อมต่อ 5G แล้ว รถยนต์ใช้เครือข่าย 5G ของผู้ให้บริการโทรศัพท์มือถือและเทคโนโลยี C-V2X (Cellular Vehicle-to-Everything) เพื่อสื่อสารกับยานพาหนะอื่นๆ, นักปั่นจักรยาน และแม้กระทั่งไฟจราจร ไฟจราจรเหล่านี้ติดตั้งเครื่องมองเห็นความร้อนซึ่งตรวจจับผู้เดินถนนเข้าใกล้ทางข้าม; ในผลลัพธ์ การเตือนจะปรากฏบนแผงหน้าปัดของรถยนต์ นักปั่นจักรยานที่เชื่อมต่อจะได้รับแจ้งเกี่ยวกับตำแหน่งของตน ซึ่งจะป้องกันสถานการณ์ที่อันตราย ในกรณีที่มีความมองเห็นที่ไม่ดี รถยนต์ที่จอดอยู่จะเริ่มไฟเตือนฉุกเฉินโดยอัตโนมัติ ซึ่งจะแจ้งรถยนต์ที่เข้าใกล้ทั้งหมดเกี่ยวกับตำแหน่งของตน

ความสามารถของเครือข่ายโทรศัพท์มือถือ 5G มีประโยชน์มากที่นี่ พวกเขามอบความเร็วที่รวดเร็ว, ความหน่วงต่ำ และความสามารถในการรองรับการเชื่อมต่อพร้อมกันจำนวนมาก ยานพาหนะที่ขับเคลื่อนด้วยตนเองที่ไม่มีความสามารถประมวลผลข้อมูลดังกล่าวจะไม่สามารถทำหลายงานได้เร็วกว่ามนุษย์ ตัวอย่างเช่น เพื่อกำหนดการปรากฏตัวของผู้เดินถนน tạiทางข้ามที่ใกล้ที่สุด นอกจากนี้ ความหน่วงควรน้อยที่สุด เนื่องจากความหน่วงเพียงเศษเสี้ยวของวินาทีสามารถนำไปสู่อุบัติเหตุได้

ผู้ผลิตรถยนต์รายใหญ่ๆ เช่น BMW, Daimler, Hyundai, Ford และ Toyota ได้เริ่มรวมเทคโนโลยี 5G เข้ากับผลิตภัณฑ์ของตนแล้ว ผู้ให้บริการโทรศัพท์มือถือได้ใช้จ่ายหลายพันล้านดอลลาร์ในการสร้างเครือข่าย 5G ดังนั้น这是เวลาที่เหมาะสมที่จะให้รถยนต์มีชุด kỹ năngที่จะมีประโยชน์ในการดำเนินงานประจำวัน

ทุกการทดลองกับรถยนต์ที่ขับเคลื่อนด้วยตนเองที่เชื่อมต่อ 5G จะหยุดลงหากไม่มีโครงสร้างพื้นฐาน 5G ยานพาหนะที่ไม่มีมนุษย์สามารถสร้างข้อมูลได้ 1TB ต่อชั่วโมง ดังนั้นเครือข่ายโทรศัพท์มือถือจึงต้องพร้อมที่จะถ่ายโอนข้อมูลนี้

วิธีการประมวลผลและจัดเก็บข้อมูลจำนวน exabytes

ไม่ทุกประเภทของข้อมูลต้องการการประมวลผลทันที และคอมพิวเตอร์บนรถมีความสามารถและความจุในการจัดเก็บที่จำกัด ดังนั้นข้อมูลที่สามารถ “รอ” ได้ควรสะสมและวิเคราะห์ในศูนย์ข้อมูลส่วนปลาย ในขณะที่บางส่วนของข้อมูลจะย้ายไปยังคลาวด์และประมวลผลที่นั่น

เป็นความรับผิดชอบของหน่วยงานรัฐบาลท้องถิ่นและผู้ผลิตรถยนต์ที่จะจับ, ประมวลผล, ส่ง, ป้องกัน และวิเคราะห์ข้อมูลเกี่ยวกับทุกรถยนต์, การจราจร, ผู้เดินถนน หรือจุดบอดบนถนน นักออกแบบเมืองอัจฉริยะบางคนกำลังทดลองกับอัลกอริทึมการเรียนรู้ของเครื่องจักรที่วิเคราะห์ข้อมูลการจราจรได้อย่างมีประสิทธิภาพมากขึ้นเพื่อระบุจุดบอดบนถนน, จัดระเบียบการจราจร และตอบสนองต่ออุบัติเหตุในทันที จากมุมมองระดับโลก อัลกอริทึมการเรียนรู้ของเครื่องจักรให้คำแนะนำสำหรับการปรับปรุงโครงสร้างพื้นฐานเมือง

เพื่อนำการขับเคลื่อนอัตโนมัติแบบเต็มเข้าสู่ชีวิตของเรา จำเป็นต้องแก้ปัญหาในการประมวลผลและจัดเก็บข้อมูลจำนวนมาก ทุกวัน ยานพาหนะที่ไม่มีมนุษย์สามารถสร้างข้อมูลได้มากถึง 20 TB ต่อวัน เพียงแค่รถยนต์หนึ่งคันเท่านั้น! ในอนาคตอาจนำไปสู่การสร้างข้อมูลจำนวน exabytes ในหนึ่งวัน เพื่อจัดเก็บข้อมูลนี้ คุณต้องการโครงสร้างพื้นฐานระดับ边ที่มีประสิทธิภาพ, 유연, ปลอดภัย และเชื่อถือได้ มีปัญหาในการประมวลผลข้อมูลอย่างมีประสิทธิภาพ

เพื่อให้คอมพิวเตอร์บนรถตัดสินใจแบบเรียลไทม์ มันจำเป็นต้องมีข้อมูลล่าสุดเกี่ยวกับสภาพแวดล้อม ข้อมูลเก่า เช่น ข้อมูลเกี่ยวกับตำแหน่งของรถและความเร็วหนึ่งชั่วโมงที่แล้ว โดยทั่วไปจะไม่จำเป็นอีกต่อไป แต่ข้อมูลนี้มีประโยชน์สำหรับการปรับปรุงอัลกอริทึมการขับเคลื่อนอัตโนมัติ

นักพัฒนาระบบความฉลาดเทียมต้องได้รับข้อมูลจำนวนมากเพื่อฝึกเครือข่ายการเรียนรู้ลึก: ระบุวัตถุและเคลื่อนไหวผ่านกล้อง, ข้อมูลลิดาร์ และรวมข้อมูลเกี่ยวกับสภาพแวดล้อมและโครงสร้างพื้นฐานเพื่อตัดสินใจ สำหรับผู้เชี่ยวชาญด้านความปลอดภัยบนถนน ข้อมูลที่รวบรวมโดยรถยนต์ก่อนเกิดอุบัติเหตุหรือสถานการณ์อันตรายบนถนนมีความสำคัญ

เมื่อข้อมูลถูกรวบรวมโดยยานพาหนะที่ขับเคลื่อนด้วยตนเองและถ่ายโอนจากพวกมันไปยังศูนย์ข้อมูลส่วนปลาย หลังจากนั้นจะย้ายไปยังคลาวด์ การใช้โครงสร้างจัดเก็บข้อมูลแบบแบ่งชั้นที่ได้รับการปรับให้เหมาะสมมีความเกี่ยวข้องมากขึ้น ข้อมูลล่าสุดต้องวิเคราะห์ทันทีเพื่อปรับปรุงโมเดลการเรียนรู้ของเครื่องจักร ความสามารถในการประมวลผลสูงและความหน่วงต่ำจำเป็นต้องใช้ SSD และ ฮาร์ดดิสก์ HAMR ความจุสูง ที่มีการสนับสนุนเทคโนโลยีหลายไดรฟ์เหมาะสมที่สุดสำหรับวัตถุประสงค์นี้

หลังจากที่ข้อมูลผ่านขั้นตอนการวิเคราะห์เบื้องต้นแล้ว มันจะต้องจัดเก็บได้อย่างมีประสิทธิภาพ: บนเซิร์ฟเวอร์จัดเก็บข้อมูลแบบ nearline ที่มีความจุสูงแต่มีต้นทุนต่ำ เซิร์ฟเวอร์จัดเก็บข้อมูลเหล่านี้เหมาะสมหากข้อมูลอาจจำเป็นต้องใช้ในอนาคต ข้อมูลเก่าที่ไม่น่าจะต้องใช้ แต่ต้องเก็บไว้สำหรับเหตุผลอื่นสามารถย้ายไปยังระดับการเก็บรักษา

ข้อมูลจะถูกประมวลผลและวิเคราะห์ที่ระดับ边มากขึ้น ซึ่งจะนำไปสู่ยุคของอุตสาหกรรม 4.0 ซึ่งเปลี่ยนแปลงวิธีการใช้ข้อมูลของเรา การประมวลผลข้อมูลระดับ边จะทำให้สามารถประมวลผลข้อมูลใกล้กับจุดที่มีการรวบรวมข้อมูล มากกว่าเซิร์ฟเวอร์คลาวด์แบบดั้งเดิม ทำให้สามารถวิเคราะห์ได้อย่างรวดเร็วและตอบสนองต่อสถานการณ์ที่เปลี่ยนแปลงได้ทันที เครือข่ายการแลกเปลี่ยนข้อมูลความเร็วสูงระหว่างรถยนต์และศูนย์ข้อมูลส่วนปลายจะช่วยให้การขับเคลื่อนอัตโนมัติปลอดภัยและเชื่อถือได้มากขึ้น

สรุป

หวังว่าการวิเคราะห์นี้จะช่วยให้เข้าใจถึงความสำคัญของข้อมูลในด้านการขับเคลื่อนอัตโนมัติ การนำยานพาหนะที่ไม่มีมนุษย์มาใช้กันอย่างแพร่หลายเกี่ยวข้องกับการรวบรวมข้อมูลจำนวนมากที่ควรประมวลผลไม่เพียงแต่โดยคอมพิวเตอร์บนรถเท่านั้น แต่ยังรวมถึงเซิร์ฟเวอร์ส่วนปลายและคลาวด์ด้วย โครงสร้างพื้นฐานการประมวลผลข้อมูลควรพร้อมก่อน

เมื่อการนำ 5G ไปใช้แพร่หลาย ยานพาหนะที่ขับเคลื่อนด้วยตนเองจะเริ่มสร้างข้อมูลมากขึ้นและมากขึ้น ซึ่งจะถูกวิเคราะห์และใช้เพื่อทำให้เมืองอัจฉริยะเป็นจริง การบรรลุเป้าหมายนี้จะไม่ง่าย แต่สุดท้ายเราจะเปิดบทใหม่ในประวัติศาสตร์ของรถยนต์ที่เป็นรูปแบบการขนส่งที่ได้รับความนิยม

ยานพาหนะที่ขับเคลื่อนด้วยตนเองอยู่ที่แนวหน้าของเทคโนโลยีความฉลาดเทียม, การสื่อสาร และการจัดเก็บข้อมูล เพื่อให้ถึงระดับการขับเคลื่อนอัตโนมัติแบบเต็ม จำเป็นต้องดำเนินการต่อในการพัฒนาและปรับปรุงเทคโนโลยีเหล่านี้