Onder impuls van de 5G-golf staan toepassingen zoals samenwerking tussen voertuigen en de weg, slim parkeren, intelligente vervoersplanning en autonoom rijden algemeen op de agenda. Tegelijkertijd heeft 5G geleid tot een enorme explosieve toename van de hoeveelheid data. Steeds meer toepassingen draaien in de cloud, en veel specifieke toepassingsscenario’s stellen zeer strenge eisen aan de latentie. Door de snelle toename van omvangrijke realtime gegevens vindt de voorbewerking plaats aan de rand (edge), waardoor “edge computing” zijn intrede heeft gedaan op het gebied van intelligent vervoer.
Wat is edge computing?
Edge Computing vormt de centrale schakel in de 5G-netwerkarchitectuur. Het verwijst naar een gedistribueerd, open platform dat kernfuncties zoals netwerk, rekenkracht, opslag en applicaties integreert aan de rand van het netwerk, dicht bij de bron van de apparaten of gegevens. Edge computing is een gedistribueerd computerraamwerk dat bedrijfsapplicaties dichter bij gegevensbronnen brengt, zoals IoT-apparaten of lokale edge-servers. Deze benadering van de gegevensbron kan enorme zakelijke voordelen opleveren: snellere inzichten, betere responstijden en een betere beschikbaarheid van bandbreedte.
In het tijdperk van het Internet of Everything zullen enorme aantallen apparaten met het netwerk worden verbonden voor gegevensverzameling en interactie met gebruikers. Edge computing wordt vaak in verband gebracht met het Internet of Things. IoT-apparaten beschikken over steeds krachtigere verwerkingscapaciteit, waardoor de enorme hoeveelheden gegenereerde gegevens naar de “rand” van het netwerk kunnen worden verplaatst. Dit betekent dat gegevens niet voortdurend heen en weer hoeven te worden overgedragen tussen gecentraliseerde servers voor verwerking. Daardoor is edge computing efficiënter in het beheren van grote hoeveelheden gegevens van IoT-apparaten, met een lagere latentie, snellere verwerking en schaalbaarheid. Onder invloed van het multiplicatoreffect van 5G en AI, dat de mogelijkheden voor draadloze gegevensoverdracht met hoge bandbreedte en lage latentie uitbreidt, zijn de verwachtingen hooggespannen over wat edge computing kan bereiken. Deze technologie zal de snelheid van edge computing-systemen aanzienlijk verhogen en uiteindelijk hun vermogen om realtime-toepassingen te ondersteunen verbeteren.
Volgens voorspellingen van IDC zal het aantal wereldwijde IoT-verbindingen in 2025 groeien tot 27 miljard, en zal het aantal IoT-apparaten 100 miljard bedragen. De totale hoeveelheid wereldwijde data zal in 2025 naar verwachting 163 ZB bedragen, en meer dan 70% aan data en applicaties zal in de toekomst aan de rand worden gegenereerd en verwerkt.
In de beginjaren van cloud computing dachten veel mensen dat de waarde van de terminal zijn grenzen had bereikt. Alle gegevens zouden via het netwerk naar de cloud worden verzonden voor verwerking en berekening, en vervolgens weer naar de terminal van de gebruiker worden teruggestuurd. Maar de feitelijke ontwikkeling is enigszins onverwacht verlopen. Veel toepassingsscenario’s stellen zeer strenge eisen aan de latentie. Als je volledig op de cloud vertrouwt, zal de efficiëntie onvermijdelijk afnemen.
Toepassing van edge computing in intelligent vervoer
De implementatie van intelligent vervoer is een enorm systeemproject. Naast de aanpassing van de stedelijke ruimte en het wegennet is er ook behoefte aan een stabiel en betrouwbaar beheersysteem dat de nieuwste software- en hardwaretechnologieën combineert om complexe toepassingen in diverse scenario’s aan te kunnen. Volgens een onderzoeksrapport van adviesbureau McKinsey neemt vervoer het grootste aandeel in binnen de industriële toepassingen van edge computing.
Naarmate de hoeveelheid verkeersgegevens in steden toeneemt, zal ook de behoefte van gebruikers aan realtime verkeersinformatie op grote schaal toenemen. Als alle gegevens worden teruggestuurd naar het cloudcomputingcentrum, zullen er problemen ontstaan, zoals verspilling van bandbreedte en vertragingen. Als de gegevens echter in realtime op de edge-server worden geanalyseerd en verwerkt, kunnen gebruikers beslissingen nemen op basis van de realtime wegomstandigheden en de beschikbare middelen. Instructies dienovereenkomstig.
Edge computing wordt in de transportsector toegepast in toepassingen die gebaseerd zijn op geografische locatiegegevens, zoals slim stadsvervoer en facilitair beheer. Wat betreft technologie voor locatiebepaling kan edge computing gegevens op basis van geografische locatiegegevens in realtime verwerken en verzamelen, zonder dat deze naar een cloudcomputingcentrum hoeven te worden verzonden. Neem de nodige maatregelen.
Bovendien kan bij de toepassing van videobewakingssystemen in stedelijke omgevingen een nieuw serviceplatform voor videobewakingssoftware en -hardware worden ontwikkeld, waarin edge computing-modellen en videobewakingstechnologie worden geïntegreerd, om zo de intelligente verwerkingsmogelijkheden van de front-endcamera’s van het videobewakingssysteem te verbeteren, wat op zijn beurt weer van invloed is op het vroegtijdige waarschuwingssysteem en het afhandelingsmechanisme.
Het is niet moeilijk in te zien dat “cloud computing” te vergelijken is met het brein van slimme apparaten, dat relatief complexe processen verwerkt, terwijl “edge computing” te vergelijken is met de zenuwuiteinden van slimme apparaten, die bepaalde “onbewuste” reacties uitvoeren – iets wat de ontwikkeling van de sector al geruime tijd parten speelt. Er is hoop op oplossingen voor veel van deze problemen.
Toepassing van edge computing bij de samenwerking tussen voertuigen en de weg
De meest typische toepassingsscenario’s, zoals slimme auto’s, kunnen geen gegevens naar de cloud verzenden voor verwerking voordat er beslissingen worden genomen. In plaats daarvan moet er een grote hoeveelheid realtime gegevens worden verzameld. Dit is de meerwaarde van edge computing.
Wanneer een zelfrijdende auto bijvoorbeeld met gevaar wordt geconfronteerd en op tijd moet stoppen, moet hij gegevens naar de “cloud” uploaden, het stopcommando berekenen en dit vervolgens naar de auto doorsturen, waarna de auto hierop reageert. Het is dan beter om het voertuig zelf over een bepaalde rekenkracht te laten beschikken om dit probleem op te lossen. Tegelijkertijd kunnen we ons ook een scenario voorstellen waarin plotselinge natuurrampen, signaalstoringen of technische storingen ervoor zorgen dat zelfrijdende auto’s en treinen in een bepaald gebied geen netwerkverbinding meer hebben. In dat geval kunnen ze alleen vertrouwen op de rekenkracht die edge computing hen biedt om “reflexmatige” reacties uit te voeren en zo hun veiligheid te waarborgen.
Bovendien evolueert intelligent vervoer van verkeersbeheer in één enkel scenario naar geïntegreerde vervoersdiensten voor verschillende scenario’s. V2X-scenario’s kunnen intelligent rijden veiliger, efficiënter, zuiniger en gebruiksvriendelijker maken, bijvoorbeeld door waarschuwingen voor snelheidslimieten, waarschuwingen voor slecht weer, herinneringen bij het invoegen en verkeersregeling op kruispunten, enz. De belangrijkste technologieën van V2X zijn onder meer waarneming, high-definition kaarten en positionering. Hoge eisen aan rekenkracht, hoge mobiliteit, hoge betrouwbaarheid en realtime prestaties brengen grote technische uitdagingen met zich mee, en edge computing zal op het gebied van samenwerking tussen voertuigen en wegen meer technologische doorbraken realiseren.
Toepassing van edge computing bij stilstaand verkeer
De toepassing van edge computing bij slim parkeren komt ook tot uiting in het parkeerbeheersysteem en het Internet of Vehicles, en is van invloed op de toekomstige parkeercapaciteit en de planning van het wegverkeer. Op dit moment maakt slim parkeren deel uit van de strategische ontwikkeling van nieuwe infrastructuur en slimme steden. Edge computing draagt ertoe bij dat slim parkeren verder wordt verfijnd en geperfectioneerd. De methoden voor slim parkeerbeheer hebben grote vooruitgang geboekt, waardoor de integratie van technologie en bedrijfsvoering in een stroomversnelling is geraakt.
De hoeveelheid big data van statische verkeersinformatie neemt in de loop van de tijd exponentieel toe, en cloudopslag en andere soortgelijke diensten staan onder druk door een groot aantal complexe verzoeken om gegevensverwerking. De ontwikkeling van slim parkeren is gebaseerd op één gecentraliseerd cloudcomputingmodel voor gegevensverwerking, dat niet alle problemen aankan. Om deze problemen op te lossen is de integratie van meerdere computingmodellen nodig. Het edge computing-model kan de verwerking zo dicht mogelijk bij de gegevensbron brengen, waardoor de daadwerkelijke behoeften aan de rand van het verwerkingsmodel worden afgehandeld. Edge computing biedt verschillende belangrijke voordelen voor slim parkeren, zoals de verwerking van enorme hoeveelheden gegevens, lage latentie en locatiebewustzijn.
Samenvatten
Op dit moment bevindt de Chinese markt voor edge computing zich nog in de beginfase van de sector en biedt deze een groot potentieel voor een technologische doorbraak. Diverse soorten marktpartijen zijn actief bezig met het uitstippelen van strategieën om deze markt te veroveren. Grote fabrikanten en wetenschappelijke onderzoeksinstellingen zijn bezig met het opstellen van normen en specificaties. Hoewel er nog geen consensus is bereikt, zijn er in binnen- en buitenland meerdere brancheallianties gevormd om de normen en technologische vooruitgang op het gebied van edge computing krachtig te bevorderen. Om de productienormen voor deze apparaten te harmoniseren, is het nodig dat enkele belangrijke bedrijven op het gebied van intelligent vervoer het voortouw nemen bij het opstellen van normen.
De opkomst van edge computing maakt slim vervoer veiliger. Of het nu gaat om weg-, spoor-, zee- of luchtvervoer, veiligheid staat in de vervoerssector voorop. Ik ben ervan overtuigd dat er in de toekomst meer technologische doorbraken zullen plaatsvinden op het gebied van “edge computing” in slim vervoer, waardoor ons dagelijks vervoersleven effectief kan worden verbeterd.
