Проблеми самоходних транспортних засобів та як їх вирішити – лідери думок

Автономні транспортні засоби вимагають більшого, ніж проста штучна інтелект. Самоходний автомобіль отримує дані з різних джерел, таких як сонари, камери, радари, GPS і лідари, що дозволяє йому навігацію в будь-якому середовищі. Інформація з цих пристроїв повинна бути оброблена швидко, а об’єми даних просто колосальні.

Інформація з датчиків обробляється не тільки комп’ютером автомобіля в реальному часі. Деякі дані надсилаються в периферійні центри даних для подальшого аналізу. І потім, через складну ієрархію, вона перенаправляється в різні хмари.

Штучний інтелект, яким володіє транспортний засіб, є важливим, але також важливими є можливості обробки даних бортових комп’ютерів, периферійних серверів і хмари. Швидкість надсилання і прийому даних автомобілем, разом з низькою затримкою, також дуже важливі.

Проблема об’єму даних

Даже звичайні автомобілі, з водієм за кермом, генерують все більше даних. Самоходні автомобілі можуть генерувати близько 1 ТБ даних на годину. Ця кількість даних просто гігантська. І вона представляє одну з бар’єрів для масового впровадження автономного руху.

На жаль, всі дані самоходного автомобіля не можуть бути оброблені в хмарі або периферійних центрах даних, оскільки це вводить занадто велику затримку. Навіть затримка в 100 мс може зробити різницю між життям або смертю пасажира або пішохода. Автомобіль повинен реагувати на виниклі обставини якомога швидше.

Щоб зменшити затримку між прийомом інформації і реакцією на неї, частина інформації аналізується бортовим комп’ютером. Наприклад, нові моделі Jeep оснащені бортовим комп’ютером з 25-50 процесорними ядрами, який служить для контролю швидкості, моніторингу сліпих зон, попередження про перешкоди, автоматичного гальмування тощо. Вузли транспортного засобу спілкуються один з одним через внутрішню мережу. Це також вписується в концепцію периферійної обробки даних, якщо ми розглядаємо бортовий комп’ютер як периферійний вузол мережі. В результаті, безпілотні транспортні засоби утворюють складну гібридну мережу, яка поєднує централізовані центри даних, хмару і багато периферійних вузлів. Останні розташовані не тільки в автомобілях, але і в світлофорах, контрольних постах, станціях зарядки тощо.

Такі сервери і центри даних поза автомобілем забезпечують всю можливу допомогу в автономному русі. Вони дозволяють автомобілю “бачити” за межами діапазону його датчиків, координувати навантаження на дорожню мережу і допомагати приймати оптимальні рішення.

Взаємодія один з одним і інфраструктурою

Системи GPS і комп’ютерного зору забезпечують самоходні автомобілі інформацією про їхнє розташування і безпосереднє оточення. Однак діапазон розрахованого середовища постійно збільшується. Все ж таки, один автомобіль може зібрати обмежену кількість інформації. Тому обмін даними абсолютно необхідний. В результаті кожен автомобіль може краще аналізувати умови руху на основі більш значної кількості даних, зібраних флотом автономних транспортних засобів. Системи зв’язку транспортного засобу з транспортним засобом (V2V) залежать від мережі типу “мережа”, створеної транспортними засобами в одному і тому ж географічному районі. V2V використовується для обміну інформацією і надсилання сигналів іншим автомобілям, таких як попередження про відстань.

Мережі V2V можуть бути розширені для обміну інформацією з дорожньою інфраструктурою, наприклад, світлофорами. Тут вже можна говорити про зв’язок транспортного засобу з інфраструктурою (V2I). Стандарти V2I продовжують розвиватися. У США Федеральне управління шосейних доріг (FHWA) регулярно видає різні посібники і звіти V2I, щоб допомогти покращити технологію. Переваги V2I виходять далеко за межі безпеки. Окрім підвищення безпеки, технологія зв’язку транспортного засобу з інфраструктурою забезпечує переваги у мобільності і взаємодії з середовищем.

Водії, які щодня їдуть однією і тією ж дорогою, пам’ятають всі ями на дорозі. Самоходні автомобілі також постійно вчаться. Самоходні автомобілі завантажать доступну корисну інформацію в периферійні центри даних, наприклад, інтегровані в станції зарядки. Станції зарядки будуть покладатися на алгоритми штучного інтелекту, які допоможуть проаналізувати дані, отримані від автомобілів, і запропонувати можливі рішення. Через хмару ці дані будуть передані іншим безпілотним автомобілям у спільній мережі.

Якщо ця модель обміну даними між усіма самоходними автомобілями дійсно матеріалізується через кілька років, то ми можемо очікувати екзабайтів (мільйонів терабайт) даних на добу. За різними оцінками, від сотень тисяч до десятків мільйонів самоходних автомобілів можуть з’явитися на дорогах до цього часу.

5G як ключ до успіху

Як згадувалося вище, самоходні автомобілі можуть отримувати інформацію про пішоходів і велосипедистів не тільки з їхніх датчиків, але і через обмін даними з іншими автомобілями, світлофорами і іншою міською інфраструктурою.

Існують вже кілька проектів 5G для зв’язку автомобілів. Автомобілі використовують мережу 5G мобільного оператора і технологію C-V2X (Cellular Vehicle-to-Everything), щоб спілкуватися з іншими автомобілями, велосипедистами і навіть світлофорами. Останні оснащені тепловізійними камерами, які виявляють пішоходів, що підходять до переходу; в результаті на панелі приладів автомобіля з’являється попередження. Зв’язані велосипедисти інформуються про своє розташування, що запобігає небезпечним ситуаціям. У разі поганої видимості припарковані автомобілі автоматично включають аварійні вогні, повідомляючи всі підходящі автомобілі про своє розташування.

Можливості мобільних мереж 5G зручні тут. Вони забезпечують швидкі швидкості, дуже низьку затримку і можливість підтримувати велику кількість одночасних з’єднань. Самоходні автомобілі без таких можливостей обробки даних не зможуть виконувати багато завдань швидше, ніж людина. Наприклад, визначити появу пішохода на найближчому переході. Крім того, затримки повинні бути мінімальними, оскільки навіть фракція секунди затримки може привести до аварії.

Великі виробники автомобілів, такі як BMW, Daimler, Hyundai, Ford і Toyota, вже інтегрують технологію 5G у свої продукти. Мільярди доларів вже були витрачені мобільними операторами на будівництво мереж 5G. Тому це правильний час, щоб дати транспортним засобам набір навичок, які будуть корисні в повсякденній експлуатації.

Всі експерименти з самоходними автомобілями, зв’язаними з 5G, зупиняться, якщо інфраструктура 5G не буде створена. Знову ж таки, безпілотний автомобіль може генерувати 1 ТБ даних на годину, тому мобільна мережа повинна бути готова передавати ці дані.

Як обробляти і зберігати екзабайти даних

Не всі типи даних вимагають негайної обробки, а бортовий комп’ютер має обмежені можливості обробки і зберігання. Тому дані, які можуть “чекати”, повинні бути накопичені і проаналізовані в периферійних центрах даних, а частина даних буде перенесена в хмару і оброблена там.

Відповідальність міської влади і виробників автомобілів полягає в тому, щоб захопити, обробити, передати, захистити і проаналізувати дані про кожен автомобіль, затор, пішохода або яму. Деякі архітектори розумних міст вже експериментують з алгоритмами машинного навчання, які аналізують дані про трафік більш ефективно, щоб швидко виявити ями на дорозі, регулювати рух і миттєво реагувати на аварії. З глобальної точки зору алгоритми машинного навчання надають рекомендації щодо покращення міської інфраструктури.

Щоб ввести повністю автономне водіння в нашу життя, потрібно вирішити проблему обробки і зберігання величезних обсягів даних. Кожен день безпілотний автомобіль може генерувати до 20 ТБ даних. Только один автомобіль! У майбутньому це може привести до генерації екзабайтів даних на добу. Для зберігання цих даних потрібна високопродуктивна, гнучка, безпечна і надійна інфраструктура краю. Є також проблема ефективної обробки даних.

Щоб бортовий комп’ютер міг приймати рішення в реальному часі, йому потрібно найбільш актуальна інформація про середовище. Стара інформація, така як дані про розташування автомобіля і швидкість годину тому, зазвичай вже не потрібна. Однак ця інформація корисна для подальшого покращення алгоритмів автономного руху.

Розробники систем штучного інтелекту повинні отримувати великі об’єми даних, щоб навчати глибокі мережі: визначати об’єкти і їхнє рух через камери, дані лідарів і оптимально поєднувати інформацію про середовище і інфраструктуру, щоб приймати рішення. Для спеціалістів з безпеки дорожнього руху дані, зібрані автомобілями безпосередньо перед аваріями або небезпечними ситуаціями на дорозі, є життєво важливими.

Під час збору даних самоходними автомобілями і передачі їх в периферійні центри даних, після чого вони переміщуються в хмарне сховище, питання використання оптимізованої і багаторівневої архітектури зберігання даних стає все більш актуальним. Свежі дані повинні бути проаналізовані негайно, щоб покращити моделі машинного навчання. Вимагається висока пропускна здатність і низька затримка. Для цього найкраще підходять твердотільні накопичувачі і високоякісні накопичувачі HAMR з підтримкою технологій багаторівневого зберігання.

Після того, як дані пройшли початковий етап аналізу, їх потрібно зберігати більш ефективно: на високоякісних, але низькобюджетних традиційних серверах зберігання. Ці сервери добре підходять, якщо дані можуть бути потрібні в майбутньому. Старі дані, які малоймовірно будуть потрібні, але повинні бути збережені з інших причин, можна перемістити на рівень архівування.

Дані будуть все більше оброблятися і аналізуватися на краю, що ознаменує початок епохи Індустрії 4.0, яка змінює спосіб нашого використання даних. Обробка даних на краю дозволить обробляти дані біля місця їх збору, а не на традиційному сервері хмари, що дозволить аналізувати їх значно швидше і миттєво реагувати на зміни ситуації. Високошвидкісна мережа обміну інформацією між автомобілями і периферійними центрами даних допоможе зробити автономне водіння безпечнішим і надійнішим.

Висновок

Надіясь, цей аналіз пролив деяке світло на важливість даних у сфері автономного руху. Масове впровадження безпілотних автомобілів передбачає збір великої кількості даних, які повинні бути оброблені не тільки бортовим комп’ютером, але і серверами краю і хмарою. Інфраструктура обробки даних повинна бути готова заздалегідь.

По мірі поширення 5G самоходні автомобілі будуть генерувати все більше даних, які потім будуть аналізуватися і використані для створення розумних міст. Досягнення цієї мети не буде дуже легким, але в кінцевому підсумку ми відкриємо нову главу в історії такого популярного виду транспорту, як автомобіль.

Самоходні автомобілі знаходяться на передовому краї технологій штучного інтелекту, зв’язку і зберігання даних. Щоб досягти рівня повністю автономного руху, потрібно продовжувати розвиток і покращення цих технологій.