As technology advances, Autonomous vehicles are gaining attention. Autonomous vehicles generate about 1 GB of data per second, which includes sensory data, road condition information, location, and data from surrounding vehicles. Massive amounts of data, increasing computing power, real-time operations, and security concerns have combined to accelerate the development of edge computing technology in the field of driverless cars. And major AI (artificial intelligence) technologies, such as deep learning, are being integrated into edge computing frameworks.
Nog niet zo lang geleden is de manier waarop we reizen drastisch veranderd. Apollo Go, een van de pioniers op het gebied van autonome voertuigen, luidt een nieuw tijdperk in voor de manier waarop we reizen. De nauwe integratie van onbemande autonome rijtechnologie en edge computing technologie heeft de manier van reizen slimmer, veiliger en efficiënter gemaakt.
Randtechnologie voor AI kunnen verzamelde gegevens lokaal verwerken en in realtime beslissingen nemen en voorspellingen doen zonder afhankelijk te zijn van externe bronnen. Edge computing platformen zijn alleen slimmer en veiliger als ze vooraf getrainde deep learning modellen kunnen hosten en de rekenkracht hebben om lokaal real-time redeneringen uit te voeren.
Benefits of Edge Computing in Autonomous vehicles
Edge computing is zeer geschikt voor bandbreedte-intensieve en latentie-gevoelige toepassingen zoals onbemande zelfrijdende auto's. Dankzij de vooruitgang op het gebied van communicatie in voertuigen en 5G Vehicular Networking (V2X) is het nu mogelijk om een betrouwbare communicatielink te bieden tussen het voertuig en het infrastructuurnetwerk (V2I).
Vehicle edge computing (VEC) systemen, die grote hoeveelheden gegevens parallel moeten berekenen, moeten voldoende rekenkracht leveren om onbemande zelfrijdende auto's veilig te houden. Hierdoor kunnen gegevens direct worden verwerkt, zelfs wanneer de bestuurderloze auto met hoge snelheden rijdt.
1. Lage latentie
Een lage latentie is zeer essentieel. Er is onderzocht dat het minstens 150-200ms duurt om gegevens in een netwerk heen en weer te sturen. Edge computing technologie lokaliseert de gegevens en kan de gegevensoverdracht en verwerkingstijd verkorten.
2. Snelheid
Om veiligheidsredenen moet een groot deel van de enorme hoeveelheid verzonden gegevens in de auto worden verwerkt. Dit vereist een zeer hoog niveau van gegevensrekenkracht. Het gebruik van edge AI-technologie om opslagruimte te meten kan ervoor zorgen dat de CPU van de onbemande zelfrijdende auto alle rekentaken kan uitvoeren. Dit helpt de latentie te verminderen en de nauwkeurigheid te verbeteren.
3. Betrouwbaarheid
De veiligheid van onbemande zelfrijdende auto's is cruciaal. Edge computing vermindert de druk van de congestie van het cloudnetwerk en biedt een betere betrouwbaarheid door de gegevensverwerking te beperken. Omdat edge computing en edge datacenters zich in de auto bevinden, wordt de gegevensverwerking minder beïnvloed door netwerkproblemen. Zelfs in het geval van een stroomstoring in het datacenter zal on-board intelligente edge computing in onbemande zelfrijdende auto's efficiënt blijven werken omdat ze alle gegevens lokaal kunnen verwerken.
4. Beveiliging
An autonomous vehicles car needs to provide strong capability of data calculation to ensure its own security. The security of an unmanned self-driving car should cover all levels of the unmanned self-driving edge computing stack. This security includes sensor security, operating system security, control system stability and communication security.
5. Schaalbaarheid
Automotive edge computing is essentially a distributed architecture that sends data to the edge of the network and analyzes it in real time. This reduces network latency during data transmission and the data no longer needs to be transmitted over the network to the cloud for processing.
Conclusie
Bestuurderloze systemen zijn uiterst complex. Ze integreren veel technologieën en bevatten processen zoals detectie, lokalisatie en besluitvorming. Deze complexiteit stelt veel uitdagingen aan het ontwerp van edge computing systemen voor onbemand autonoom rijden.
It is believed that with the continuous integration of driverless and edge computing technologies, autonomous vehicles cars will guide us into a new era of mobility.