Проблеми самоходних транспортних засобів та як їх вирішити – лідери думок

Автономні транспортні засоби вимагають більше, ніж проста штучна інтелект. Самохідний автомобіль отримує дані з різних джерел, таких як сонари, камери, радари, GPS та лідари, що дозволяє йому рухатися в будь-якому середовищі. Інформація з цих пристроїв повинна бути оброблена швидко, а об’єми даних є величезними.

Інформація з сенсорів обробляється не тільки комп’ютером автомобіля в реальному часі. Деякі дані передаються 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 та хмари. Швидкість передачі та прийому даних автомобілем, разом з низькою затримкою, є дуже важливими.

Проблема об’єму даних

Дажи звичайні автомобілі, з водієм за кермом, генерують все більше даних. Самохідні автомобілі можуть генерувати приблизно 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 самохідного 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 виникнення обставин якомога швидше.

Для зменшення затримки між прийомом інформації та 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 периферійного обчислення, якщо ми розглядаємо бортовий комп’ютер як периферійний вузол мережі. В результаті безпілотні транспортні засоби складаються з складної гібридної мережі, яка поєднує в собі централізовані центри даних, хмару та багато периферійних вузлів. Останні розташовані не тільки в автомобілях, але також у світлофорах, контрольних постах, зарядних станціях тощо.

Такі сервери та центри даних поза автомобілем забезпечують всю можливу допомогу автономному руху. Вони дозволяють автомобілю “бачити” за межами діапазону його сенсорів, координувати навантаження на мережу доріг та допомагати приймати оптимальні рішення.

Взаємодія один з одним та інфраструктурою

GPS та системи комп’ютерного зору забезпечують самохідні автомобілі інформацією про їхнє розташування та безпосереднє оточення. Однак діапазон розрахованого середовища постійно збільшується. Все ж таки, один автомобіль може зібрати обмежену кількість інформації. Тому обмін даними є абсолютно необхідним. В результаті кожен автомобіль може краще аналізувати умови руху на основі більш значної кількості даних, зібраних флотом автономних транспортних засобів. Системи спілкування автомобіль-автомобіль (V2V) залежать від сіток-меш, створених автомобілями в одному географічному районі. V2V використовується для обміну інформацією та надсиланні сигналів іншим автомобілям, таких як попередження про відстань.

Системи V2V можуть бути розширені для обміну інформацією з інфраструктурою доріг, chẳng hạn як світлофори. Вже можна говорити про спілкування автомобіль-інфраструктура (V2I) тут. Стандарти V2I продовжують розвиватися. У США Федеральне управління шосейних доріг (FHWA) регулярно видає різні посібники та звіти V2I, щоб допомогти покращити технологію. Переваги V2I виходять далеко за межі безпеки. Окрім підвищення безпеки, технологія автомобіль-інфраструктура забезпечує переваги щодо мобільності та взаємодії з середовищем.

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

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

5G як ключ до успіху

Як згадувалося вище, самохідні автомобілі можуть отримувати інформацію про пішоходів та велосипедистів не тільки з їхніх сенсорів, але також через обмін даними з іншими автомобілями, світлофорами та іншою міською інфраструктурою.

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

В цьому випадку корисними виявляються можливості мобільних мереж 5G. Вони забезпечують швидку швидкість, дуже низьку затримку та можливість підтримувати велику кількість одночасних підключень. Самохідні автомобілі без таких можливостей обробки даних не зможуть виконувати багато завдань швидше, ніж людина. Наприклад, щоб 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 та Toyota, вже інтегрують технологію 5G у свої продукти. Мільярди доларів вже були витрачені мобільними операторами на будівництво мереж 5G. Тому це правильний час, щоб надати транспортним засобам набір навичок, які будуть корисними в щоденній експлуатації.

Всі експерименти з самохідними автомобілями, підключеними до 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 передати ці дані.

Як обробляти та зберігати екзабайти даних

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

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

Для введення повністю автономного руху в нашу життя необхідно вирішити проблему обробки та зберігання величезних обсягів даних. Кожен день безпілотний автомобіль може генерувати до 20 ТБ даних. Лише одна машина! В майбутньому це може привести до генерації екзабайт даних на день. Для зберігання цих даних потрібно високопродуктивна, гнучка, безпечна та надійна інфраструктура краю. Є також проблема ефективної обробки даних.

Для того, щоб бортовий комп’ютер приймав рішення в реальному часі, йому потрібно найактуальніша інформація про середовище. Старі дані, такі як інформація про розташування автомобіля та швидкість годину тому, зазвичай більше не потрібні. Однак ці дані корисні для подальшого покращення алгоритмів автономного руху.

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

Як дані збираються самохідними автомобілями та передаються з них у периферійні центри даних, після чого вони мігрують у хмарне сховище, питання використання оптимізованої та ієрархічної архітектури зберігання даних стає дедалі більш актуальним. Свіжі дані повинні бути проаналізовані негайно, щоб покращити моделі машинного навчання. Вимагається висока пропускна здатність та низька затримка. Для цього найкраще підходять SSD та жорсткі диски високої ємності HAMR з підтримкою технологій багаторазового підключення.

Після того, як дані пройшли початковий етап аналізу, їх потрібно зберігати більш ефективно: на високій ємності, але низькій вартості традиційному сховищі. Ці сервери схову підходять, якщо дані можуть бути потрібні в майбутньому. Старі дані, які малоймовірно будуть потрібні, але повинні бути збережені з якоїсь іншої причини, можуть бути переміщені на рівень архівування.

Дані будуть все більше оброблятися та аналізуватися на краю, що запускає епоху Industry 4.0, яка змінює те, як ми використовуємо дані. Обчислення на краю дозволять обробляти дані біля місця їх збору, а не на традиційному сервері хмари, що дозволить аналізувати їх набагато швидше та миттєво реагувати на зміни ситуації. Швидка мережа обміну інформацією між автомобілями та периферійними центрами даних допоможе зробити автономний рух безпечнішим та надійнішим.

Висновок

Сподіваємося, що цей аналіз пролив світло на те, як важливі дані в галузі автономного руху. Масове впровадження безпілотних автомобілів включає збирання великої кількості даних, які повинні бути оброблені не тільки бортовим комп’ютером, але також серверами краю та хмарою. Інфраструктура обробки даних повинна бути готова заздалегідь.

Як впровадження 5G поширюється, самохідні автомобілі починають генерувати все більше даних, які потім будуть аналізуватися та використані для створення розумних міст. Досягнення цієї мети не буде дуже легким, але в кінцевому підсумку ми відкриємо нову главу в історії такого популярного засобу транспорту, як автомобіль.

Самохідні автомобілі знаходяться на передовій штучної інтелектуальної технології, зв’язку та зберігання даних. Для досягнення рівня повністю автономного руху необхідно продовжувати розвиток та покращення цих технологій.