Otonom Araçların Sorunları ve Çözümleri – Düşünce Liderleri

Otonom araçlar basit yapay zeka ile çalışmaz. Bir otonom araç, sonarlar, kameralar, radarlar, GPS ve lidarlar gibi çeşitli kaynaklardan veri alır ve bu verilere dayanarak herhangi bir ortamda navigasyon yapabilir. Bu cihazlardan alınan bilgiler hızlı bir şekilde işlenmeli ve veri hacmi çok büyüktür.

Sensörlerden alınan bilgiler sadece arabanın bilgisayarında gerçek zamanlı olarak işlenmez. Bazı veriler daha ileri analiz için peripheral veri merkezlerine gönderilir ve sonra da karmaşık bir hiyerarşi yoluyla çeşitli bulutlara yönlendirilir.

Araçta bulunan yapay zeka çok önemlidir, ancak aynı zamanda arabanın bilgisayarının, peripheral sunucuların ve bulutun işleme kapasitesi de çok önemlidir. Araç tarafından veri gönderme ve alma hızı ile düşük gecikme süresi de çok önemlidir.

Veri Hacmi Sorunu

Sürücü bulunan normal araçlar bile giderek daha fazla veri üretir. Otonom araçlar saatte yaklaşık 1TB veri üretebilir. Bu veri miktarı gerçekten çok büyüktür ve otonom sürüşün yaygın olarak benimsenmesine engel oluşturur.

Maalesef, otonom bir arabanın tüm verisi bulutta veya peripheral veri merkezlerinde işlenemez, çünkü bu fazla gecikme oluşturur. 100 ms’lik bir gecikme, bir yolcunun veya yayanın hayatı veya ölümü arasındaki farkı oluşturabilir. Araç, ortaya çıkan durumlara mümkün olduğunca hızlı tepki vermelidir.

Alınan bilgi ile 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, bir iç ağ üzerinden birbirleriyle iletişim kurar. Ayrıca, araba bilgisayarını peripheral bir düğüm olarak düşünürsek, bu da peripheral hesaplama kavramına uyuyor. Sonuç olarak, otonom araçlar, merkezi veri merkezleri, bulut ve birçok peripheral düğümün birleştiği karmaşık bir hibrit ağ oluşturur. Bu düğümler sadece araçlarda değil, aynı zamanda trafik ışıklarında, kontrol noktalarında, şarj istasyonlarında da bulunur.

Bu sunucular ve araç dışındaki veri merkezleri, otonom sürüş için tüm возмож yardımcı araçları sağlar. Araçların sensörlerinin erişim alanının ötesini “görmelerine”, yol ağındaki yükü koordine etmelerine ve optimal kararlar almalarına yardımcı olurlar.

Araba ve Altyapı ile Etkileşim

GPS ve bilgisayar görüşü sistemleri, otonom araçlara konumları ve yakın çevreleri hakkında bilgi sağlar. Ancak, hesaplanan çevre alanı sürekli olarak artmaktadır. Yine de, bir araç sadece sınırlı miktarda bilgi toplayabilir. Bu nedenle, veri alışverişi kesinlikle gereklidir. Sonuç olarak, her araç, otonom araç filosunun topladığı daha büyük veri kümesine dayanarak sürüş koşullarını daha iyi analiz edebilir. Araç-araç (V2V) iletişim sistemleri, aynı coğrafi alanda bulunan araçlar tarafından oluşturulan ağ topolojisi mesh ağlarına dayanır. V2V, diğer araçlara bilgi alışverişi yapmak ve mesafe uyarıları gibi sinyaller göndermek için kullanılır.

V2V ağları, trafik altyapısı gibi trafik ışıkları ile bilgi alışverişi yapmak için genişletilebilir. Burada already V2I (araç-altyapı) iletişim hakkında konuşmak uygundur. V2I standartları sürekli olarak gelişmektedir. ABD’de Federal Karayolu İdaresi (FHWA), teknolojinin geliştirilmesine yardımcı olmak için düzenli olarak çeşitli V2I rehberleri ve raporları yayınlamaktadır. V2I’nin faydaları güvenlik ötesine geçer. Güvenlikten başka, araç-altyapı teknolojisi, hareketlilik ve çevre ile etkileşim açısından avantajlar sağlar.

Her gün aynı rotayı giden sürücüler, yoldaki tüm çukurları hatırlarlar. Otonom araçlar da sürekli olarak öğrenirler. Otonom araçlar, peripheral veri merkezlerine, örneğin şarj istasyonlarına entegre edilmiş olan kullanılabilir yararlı bilgileri yükler. Şarj istasyonları, araçlardan alınan verileri analiz etmeye yardımcı olan yapay zeka algoritmalarına dayanacaktır. Bu veri, bulut aracılığıyla ortak ağdaki diğer otonom araçlara iletilecektir.

Eğer bu otonom araçların tümü arasında veri alışverişi modeli gerçekten birkaç yıl içinde gerçekleşirse, o zaman günde exabyte’ler (milyonlarca terabayt) veri üretilmesini bekleyebiliriz. Various tahminlere göre, bu zaman diliminde yollarda yüz binlerce ila on milyonlarca otonom araç ortaya çıkabilir.

5G Başarı Anahtarı

Yukarıda bahsedildiği gibi, otonom araçlar sadece sensörlerinden değil, aynı zamanda diğer araçlarla, trafik ışıkları ve diğer kentsel altyapıyla veri alışverişi yaparak yaya ve bisikletliler hakkında bilgi alabilir.

Şu anda birkaç 5G bağlantılı araç projesi bulunmaktadır. Araçlar, mobil operatörün 5G ağı ve C-V2X (Hücreli Araç-Her Şey) teknolojisini kullanarak diğer araçlarla, bisikletlerle ve hatta trafik ışıklarıyla iletişim kurar. Trafik ışıkları, yaklaşan yayaları tespit eden termal görüntüleme cihazlarına sahiptir ve bu nedenle arabanın gösterge panelinde bir uyarı belirir. Bağlı bisikletliler, konumları hakkında bilgilendirilir ve bu da tehlikeli durumların önlenmesine yardımcı olur. Kötü görüş koşullarında, park edilmiş araçlar otomatik olarak acil durum sinyalini açar ve yaklaşan tüm araçları konumları hakkında bilgilendirir.

Burada 5G mobil ağlarının özellikleri işimize yarar. Hızlı hızlar, çok düşük gecikme ve çok sayıda eşzamanlı bağlantıyı destekleme yeteneği sağlar. 5G veri işleme yetenekleri 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 gecikme bir kazaya neden olabilir.

BMW, Daimler, Hyundai, Ford ve Toyota gibi büyük araç üreticileri already ürünlerine 5G teknolojisini entegre etmektedir. Mobil operatörler, 5G ağlarını inşa etmek için milyarlarca dolar harcamıştır. Bu nedenle, araçlara günlük operasyonda faydalı olacak beceriler kazandırmak için doğru zaman.

5G altyapısı yoksa, 5G bağlantılı otonom araçlar ile yapılan tüm deneyler durur. Yine, bir otonom araç saatte 1TB veri üretebilir, bu nedenle mobil ağ bu verilerin aktarılmasına hazır olmalıdır.

Exabyte’ler Miktarda Veriyi İşleme ve Depolama

Tüm veri türleri hemen işlenmek zorunda değildir ve arabanın bilgisayarının performansı ve depolama kapasitesi sınırlıdır. Bu nedenle, “bekleyebilen” veriler peripheral veri merkezlerinde biriktirilip analiz edilmeli ve bazı veriler buluta göç edecek ve orada işlenecektir.

Her araba, trafik tıkanıklığı, yaya, çukur hakkında veri toplamak, işlemek, aktarmak, korumak ve analiz etmek şehir yönetimlerinin ve araç üreticilerinin sorumluluğundadır. Bazı akıllı şehir mimarları, trafik verilerini daha verimli bir şekilde analiz eden ve yoldaki çukurları hızlı bir şekilde belirleyen, trafiği düzenleyen ve kazalara anında tepki veren makine öğrenimi algoritmalarıyla already deneyler yapmaktadır. Küresel olarak, makine öğrenimi algoritmaları, kentsel altyapıyı iyileştirmek için öneriler sağlar.

Tamamen otonom sürüşü hayatımıza sokmak için, büyük miktarda veriyi işleme ve depolama sorununu çözmek gerekir. Bir otonom araç, günde yaklaşık 20 TB veri üretebilir. Sadece bir araç! Gelecekte, günde exabyte’ler miktarda veri üretimi olabilir. Bu verilerin depolanması için yüksek performanslı, esnek, güvenli ve güvenilir bir edge altyapısına ihtiyaç vardır. Ayrıca, verilerin verimli bir şekilde işlenmesi sorunu da vardır.

Araç bilgisayarının gerçek zamanlı kararlar alması için, çevre hakkında en güncel bilgileri alması gerekir. Eski veriler, örneğin arabanın konumu ve bir saat önceki hızı, artık gerekli değildir. Ancak, bu veriler otonom sürüş algoritmalarının geliştirilmesi için faydalıdır.

Yapay zeka sistemlerinin geliştiricileri, derin öğrenme ağlarını eğitmek için büyük miktarda veriye ihtiyaç duyar: kameralardan, lidar bilgilerinden ve çevreyi ve altyapıyı optimize ederek kararlar almak için nesneleri ve hareketlerini tanımlar. Yol güvenliği uzmanları için, araçların kazalar veya tehlikeli durumlar oluşmadan önce topladığı veriler çok önemlidir.

Otonom araçlar tarafından toplanan veriler ve peripheral veri merkezlerine aktarılan veriler, sonra da bulut depolamaya göç eden veriler, optimize edilmiş ve katmanlı bir veri depolama mimarisinin kullanımını daha da önemli hale getirir. Taze veriler, makine öğrenimi modellerini iyileştirmek için hemen analiz edilmelidir. Yüksek hız ve düşük gecikme gereklidir. SSD’ler ve yüksek kapasiteli HAMR sürücüler çoklu sürücü teknolojileri 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 sunucuları. Bu depolama sunucuları, veriler gelecekte gerekebilecekse uygundur. İhtiyaç duyulmayan ancak başka nedenlerle saklanması gereken eski veriler, arşivleme düzeyine taşınabilir.

Veriler, endüstri 4.0 döneminin başlangıcını müjdeleyerek, veri kullanımını değiştiren edge’de giderek daha fazla işlenip analiz edilecektir. Edge hesaplama, verilerin toplanma noktasına yakın bir yerde işlenmesine olanak tanır, bu da geleneksel bir bulut sunucusu yerine, değişen durumlara hemen tepki verilmesini sağlar. Araçlar ve peripheral veri merkezleri arasındaki yüksek hızlı bilgi alışverişi ağı, otonom sürüşü daha güvenli ve güvenilir hale getirecektir.

SONUÇ

Umarız ki bu analiz, otonom sürüş alanında veri ne kadar önemli olduğunu açıklamıştır. Otonom araçların yaygın olarak benimsenmesi, çok miktarda verinin toplanması ve bu verilerin sadece arabanın bilgisayarında değil, aynı zamanda edge sunucularında ve bulutta işlenmesini gerektirir. Veri işleme altyapısı önceden hazırlanmalıdır.

5G’nin benimsenmesi arttıkça, otonom araçlar daha fazla veri üretecek ve bu veriler akıllı şehirleri gerçeğe dönüştürmek için analiz edilecek ve kullanılacaktır. Bu hedefe ulaşmak kolay olmayacak, ancak sonunda, bir araç gibi popüler bir ulaşım aracı olan arabanın tarihindeki yeni bir chapter açacağız.

Otonom araçlar, yapay zeka teknolojileri, iletişim ve veri depolama alanlarında öncüdür. Tamamen otonom sürüş seviyesine ulaşmak için, bu teknolojilerin geliştirilmesi ve iyileştirilmesi gerekmektedir.