Otonom Araçların Sorunları ve Bunları Çözme Yolları – Düşünce Liderleri

Otonom araçlar, basit yapay zeka dışında daha fazlasına ihtiyaç duyar. Bir otonom araba, sonar, kameralar, radarlar, GPS ve lidar gibi çeşitli kaynaklardan veri alır ve bu sayede herhangi bir ortamda navigasyon yapabilir. Bu cihazlardan alınan bilgiler nhanh bir şekilde işlenmeli ve veri hacmi muazzamdır.

Sensörlerden alınan bilgiler, arabanın bilgisayarında gerçek zamanlı olarak işlenmez. Bazı veriler daha fazla analiz için periferik veri merkezlerine gönderilir ve sonra da karmaşık bir hiyerarşi aracılığıyla çeşitli bulutlara yönlendirilir.

Araçta bulunan yapay zeka çok önemlidir, ancak aynı zamanda araçtaki bilgisayarların, periferik sunucuların ve bulutun işleme kapasiteleri de önemlidir. Arabanın veri gönderme ve alma hızı ile düşük gecikme süresi de çok önemlidir.

Veri Hacmi Sorunu

Sürücü olan sıradan araçlar bile, sürücü arabadayken daha fazla veri üretebiliyor. Otonom araçlar yaklaşık 1TB veri saatte üretebiliyor. Bu veri miktarı gerçekten devasa. Ve bu, otonom sürmenin toplu olarak benimsenmesine engel olan sorunlardan biri.

Maalesef, bir otonom arabanın tüm verisi bulutta veya periferik veri merkezlerinde işlenemez, çünkü bu çok fazla gecikme getirir. Hatta 100-ms’lik bir gecikme, bir yolcunun veya yayanın hayatı veya ölümü arasında fark yaratabilir. Araba, ortaya çıkan durumlara mümkün olduğunca nhanh şekilde tepki vermelidir.

Veri alımı ve buna tepki verme arasındaki gecikmeyi azaltmak için, bilgilerin bir kısmı arabanın bilgisayarında analiz edilir. Örneğin, yeni Jeep modelleri 25-50 işlem çekirdeğine sahip bir araba bilgisayarına sahiptir ve bu, seyir kontrolü, kör nokta izleme, engel uyarısı, otomatik frenleme gibi işlemleri gerçekleştirir. Araç düğümleri, iç ağ üzerinden birbirleriyle iletişim kurar. Ayrıca, periferik hesaplama kavramına uyuyor, araba bilgisayarını ağın periferik bir düğümü olarak düşünürsek. Sonuç olarak, insansız araçlar, merkezi veri merkezleri, bulut ve birçok periferik düğümün birleşiminden oluşan karmaşık bir hibrit ağ oluşturur. Bu düğümler sadece araçlarda değil, aynı zamanda trafik ışıklarında, kontrol noktalarında, şarj istasyonlarında vb. bulunur.

Araç dışındaki bu sunucular ve veri merkezleri, otonom sürme konusunda her türlü yardımı sağlar. Araçların sensörlerinin ötesini “görmelerine”, yol ağındaki yükü koordine etmelerine ve optimal kararlar almalarına yardımcı olurlar.

Araçların Birbirleriyle ve Altyapıyla Etkileşimi

GPS ve bilgisayar görüşü sistemleri, otonom araçlara konumları ve yakın çevreleri hakkında bilgi sağlar. Ancak hesaplanan ortamın menzili sürekli olarak artıyor. Yine de, bir araç sadece sınırlı miktarda bilgi toplayabilir. Bu nedenle, veri değişimi mutlak surette gereklidir. Sonuç olarak, her araç, otonom araç filosunun topladığı daha büyük veri kümesine dayanarak sürüş koşullarını daha iyi analiz edebilir. Araçtan araca (V2V) iletişim sistemleri, aynı coğrafi bölgedeki araçlar tarafından oluşturulan ağ topolojisi ağlarına dayanır. V2V, diğer araçlara bilgi alışverişi yapmak ve mesafe uyarıları gibi sinyaller göndermek için kullanılır.

V2V ağları, trafik ışıkları gibi trafik altyapısı ile bilgi alışverişi yapmak için genişletilebilir. Burada already V2I (araçtan altyapıya) iletişim hakkında konuşmak uygun olur. V2I standartları hala gelişmeye devam ediyor. ABD’de Federal Karayolu İdaresi (FHWA), bu teknolojinin geliştirilmesine yardımcı olmak için düzenli olarak çeşitli V2I rehberleri ve raporları yayınlamaktadır. V2I’nin faydaları güvenlik ötesine geçer. Güvenliği artırmanın yanı sıra, araç-altyapı teknolojisi, mobilite ve çevre ile etkileşim açısından avantajlar sağlar.

Her gün aynı rotayı giden sürücüler, yoldaki tüm çukurları hatırlar. Otonom araçlar da sürekli olarak öğreniyorlar. Otonom araçlar, şarj istasyonlarına entegre edilmiş periferik veri merkezlerine mevcut yararlı bilgileri yükler. Şarj istasyonları, araçlardan alınan verileri analiz etmeye yardımcı olan yapay zeka algoritmalarına dayanacaktır. Bu veriler, bulut aracılığıyla ortak ağdaki diğer insansız araçlara iletilecektir.

Eğer bu otonom araçların tümü arasında gerçekten veri alışverişi modeli birkaç yıl içinde gerçekleşirse, o zaman günde exabyte’ler (milyonlarca terabayt) veri üretilmesini bekleyebiliriz. Various estimates, hundreds of thousands to tens of millions of self-driving cars may appear on the roads by this time.

5G Başarı Anahtarı

Yukarıda bahsedildiği gibi, otonom araçlar, yalnızca sensörlerinden değil, aynı zamanda diğer araçlarla, trafik ışıkları ve diğer kentsel altyapı ile veri alışverişi yaparak yayanlar ve bisikletliler hakkında bilgi alabilir.

Birkaç 5G bağlantılı araba projesi zaten mevcuttur. Araçlar, mobil operatörlerin 5G ağı ve C-V2X (Hücreli Araç-Her Şeye) teknolojisini kullanarak diğer araçlarla, bisikletlilerle ve hatta trafik ışıklarıyla iletişim kurar. Trafik ışıkları, yaklaşan yayanları tespit eden termal görüntüleme cihazlarına sahiptir; sonuç olarak, arabanın gösterge panelinde bir uyarı belirir. Bağlantılı bisikletliler, konumları hakkında bilgilendirilir, bu da tehlikeli durumları önler. Kötü görünürlük durumunda, park edilmiş araçlar otomatik olarak acil durum sinyalini açar ve yaklaşan tüm araçlara konumlarını bildirir.

5G mobil ağlarının özellikleri burada işe yarar. Hızlı hızlar, çok düşük gecikme ve aynı anda birçok bağlantıyı destekleme yeteneği sağlar. Bu veri işleme yeteneklerine sahip olmayan otonom araçlar, birçok görevi bir insan kadar hızlı gerçekleştiremez. Örneğin, en yakın kavşakta bir yayanın ortaya çıkmasını belirlemek için. Ayrıca gecikmeler minimal olmalıdır, çünkü даже bir saniyenin küçük bir kısmı bile bir kaza gâyabilir.

Major araba üreticileri gibi BMW, Daimler, Hyundai, Ford ve Toyota, already 5G teknolojisini ürünlerine entegre ediyor. Milyarlarca dolar, hücresel operatörler tarafından 5G ağları inşa etmek için harcanmış durumda. Bu nedenle, araçlara günlük operasyonda faydalı olacak bir dizi beceri kazandırmak için doğru zaman.

Exabyte’ler Miktarda Veriyi İşleme ve Depolama

Tüm veri türleri hemen işlenmeye gerek duymaz ve arabanın bilgisayarının sınırlı performansı ve depolama kapasitesi vardır. Bu nedenle, “bekleyebilen” veriler periferik veri merkezlerinde biriktirilmeli ve analiz edilmeli, bazı veriler buluta göç edecek ve orada işlenecektir.

Her araba, trafik tıkanıklığı, yayan, çukur hakkında veri toplamak, işlemek, aktarmak, korumak ve analiz etmek şehir yönetimlerinin ve otomobil üreticilerinin sorumluluğundadır. Bazı akıllı şehir mimarları, already trafik verilerini daha verimli bir şekilde analiz eden makine öğrenimi algoritmalarıyla deneyler yapıyor; Böylece yoldaki çukurları nhanh bir şekilde belirleyerek, trafiği düzenleyerek ve kazalara anında tepki verebiliyor. Küresel bir perspektiften, makine öğrenimi algoritmaları, kentsel altyapının iyileştirilmesi için öneriler sağlar.

Tam otonom sürmenin hayatımıza girmesi için, muazzam miktarda verinin işlenmesi ve depolanması sorununu çözmek gerekli. Bir gün, bir insansız araç, 20 TB veri üretebilir. Sadece bir araba! Gelecekte, bu, günde exabyte’ler miktarda veriye yol açabilir. Bu verilerin depolanması için, yüksek performanslı, esnek, güvenli ve güvenilir bir kenar altyapısına ihtiyaç vardır. Ayrıca verilerin verimli bir şekilde işlenmesi sorunu vardır.

Arabanın bilgisayarının gerçek zamanlı kararlar alması için, çevreye ilişkin en güncel bilgileri alması gerekir. Eski veriler, örneğin bir saat önce arabanın konumu ve hızı hakkında bilgi, genellikle artık gerekli değildir. Ancak bu veriler, otonom sürme algoritmalarının daha da geliştirilmesi için faydalıdır.

Yapay zeka sistemlerinin geliştiricileri, derin öğrenme ağlarını eğitmek için büyük miktarda veriye ihtiyaç duyar: kamera, lidar bilgileri ve çevreyi ve altyapıyı optimal bir şekilde birleştirmek için nesneleri ve hareketlerini tanımlamak. Yol güvenliği uzmanları için, araçların kazalar veya tehlikeli durumlar öncesi topladığı veriler çok önemlidir.

Otonom araçlar tarafından toplanan veriler ve periferik veri merkezlerine aktarılan veriler, sonra da bulut depolamaya göç ettiğinde, optimize edilmiş ve katmanlı bir veri depolama mimarisinin kullanımı daha da önemli hale gelir. Taze veriler, makine öğrenimi modellerini iyileştirmek için hemen analiz edilmelidir. Yüksek bant genişliği ve düşük gecikme gereklidir. SSD’ler ve yüksek kapasiteli HAMR sürücüler çoklu sürücü teknolojileri desteği ile bu amaç için en uygunudur.

Veriler ilk analiz aşamasını geçtikten sonra, daha verimli bir şekilde depolanmalıdır: yüksek kapasiteli ancak düşük maliyetli geleneksel nearline depolama sunucularında. Bu depolama sunucuları, veriler gelecekte gerekli olabileceği takdirde uygun olur. İhtiyaç duyulma olasılığı düşük ancak başka nedenlerle saklanması gereken eski veriler, arşivleme düzeyine taşınabilir.

Veriler, kenarda işlenmeye ve analiz edilmeye başlayacak, Endüstri 4.0 döneminin başlangıcını sağlayarak, verilerin kullanım şeklimizi değiştirecek. Kenar hesaplama, verilerin toplanma noktasına yakın bir yerde işlenmesine olanak tanıyacak, böylece geleneksel bir bulut sunucusuna kıyasla çok daha hızlı bir şekilde analiz edilebilecek ve değişen durumlara anında tepki verilebilecek. Araçlar ve periferik veri merkezleri arasındaki yüksek hızlı bilgi alışverişi ağı, otonom sürmenin daha güvenli ve güvenilir olmasını sağlayacak.

Sonuç

Umarız bu analiz, otonom sürme alanında verilerin ne kadar önemli olduğunu açıklamıştır. Toplu olarak otonom araçların benimsenmesi, sadece arabanın bilgisayarında değil, aynı zamanda kenar sunucularında ve bulutta işlenecek大量 miktarda verinin toplanmasını içerir. Veri işleme altyapısı önceden hazır olmalıdır.

5G’nin benimsenmesi yaygınlaştıkça, otonom araçlar daha fazla veri üretecek ve bu veriler analiz edilip akıllı şehirleri gerçeğe dönüştürmek için kullanılacak. Bu hedefe ulaşmak kolay olmayacak, ancak sonunda, bir ulaşım aracı olarak arabanın tarihindeki yeni bir sayfa açılacaktır.

Otonom araçlar, yapay zeka teknolojileri, iletişim ve veri depolamanın ön saflarında yer alıyor. Tam otonom sürme seviyesine ulaşmak için, bu teknolojilerin geliştirilmesi ve iyileştirilmesi gerekli.