स्व-चालित कारों का उदय कृत्रिम बुद्धिमत्ता में प्रगति का एक प्रमाण है, लेकिन उनकी सफलता सिर्फ एआई से कहीं अधिक पर निर्भर करती है। स्वायत्त वाहन विभिन्न वातावरणों में नेविगेट करने के लिए कैमरे, जीपीएस, सोनार, लिडार और रडार सहित सेंसर के नेटवर्क पर निर्भर करते हैं। कार का ऑनबोर्ड कंप्यूटर वास्तविक समय में इस जानकारी को संसाधित करता है; कुछ डेटा को गहन विश्लेषण के लिए बाहरी डेटा केंद्रों में भी प्रेषित किया जाता है, जो अंततः विभिन्न क्लाउड सिस्टम के माध्यम से आगे बढ़ता है। इस विशाल मात्रा में डेटा को संभालना स्वायत्त वाहन उद्योग के लिए एक महत्वपूर्ण चुनौती है।
इस संदर्भ में इंटरनेट ऑफ थिंग्स की भूमिका महत्वपूर्ण हो जाती है। यह न केवल एआई क्षमताओं के बारे में है बल्कि ऑनबोर्ड कंप्यूटिंग, परिधीय सर्वर और क्लाउड प्रौद्योगिकियों की शक्ति के बारे में भी है। तेजी से डेटा ट्रांसमिशन को सक्षम करने और कम विलंबता सुनिश्चित करने में IoT बुनियादी ढांचे की दक्षता स्वायत्त वाहनों के निर्बाध कामकाज के लिए महत्वपूर्ण है।
डेटा प्रोसेसिंग चुनौतियाँ
आज, ड्राइवरों वाली नियमित कारें भी बढ़ती मात्रा में डेटा का उत्पादन कर रही हैं। जब सेल्फ-ड्राइविंग कारों की बात आती है, तो डेटा जेनरेशन दूसरे स्तर पर होता है, चारों ओर पहुंचता है 1टीबी प्रति घंटा. चुनौती इस सारी जानकारी के प्रसंस्करण में है।
सेल्फ-ड्राइविंग कार के सभी डेटा को संसाधित करने के लिए केवल क्लाउड या परिधीय डेटा केंद्रों पर निर्भर रहना अव्यावहारिक है, क्योंकि इससे अत्यधिक देरी होती है। स्वायत्त ड्राइविंग की दुनिया में, 100-मिलीसेकंड की देरी भी गंभीर हो सकती है, जो संभावित रूप से पैदल यात्री या कार यात्री के लिए जीवन और मृत्यु के बीच का अंतर हो सकती है। इसलिए, इन वाहनों को बदलती परिस्थितियों पर तुरंत प्रतिक्रिया देने के लिए सुसज्जित किया जाना चाहिए, जिससे तेज डेटा प्रोसेसिंग महत्वपूर्ण हो जाए।
सूचना प्राप्त करने और उस पर प्रतिक्रिया देने के बीच अंतराल को कम करने के लिए, डेटा का एक हिस्सा कार के ऑनबोर्ड कंप्यूटर द्वारा संसाधित किया जाता है। उदाहरण के लिए, नए जीप मॉडल को लें। वे लगभग 50 प्रोसेसिंग कोर वाले ऑनबोर्ड कंप्यूटर से सुसज्जित हैं। यह कंप्यूटर ब्लाइंड-स्पॉट मॉनिटरिंग, क्रूज़ कंट्रोल, स्वचालित ब्रेकिंग, बाधा चेतावनी इत्यादि जैसे कार्यों की एक श्रृंखला को शक्ति प्रदान करता है। विभिन्न वाहन नोड्स आंतरिक रूप से संचार करते हैं, एक इन-व्हीकल नेटवर्क बनाते हैं।
यह कॉन्फ़िगरेशन की अवधारणा के साथ अच्छी तरह से संरेखित है इंटरनेट ऑफ थिंग्स के भीतर एज कंप्यूटिंग फ़्रेमवर्क, ऑनबोर्ड कंप्यूटर को IoT नेटवर्क का एक परिधीय नोड मानते हुए। परिणामस्वरूप, स्वायत्त वाहन बनते हैं एक जटिल संकर नेटवर्क जो केंद्रीकृत डेटा केंद्रों, क्लाउड सेवाओं और कई परिधीय नोड्स को एकीकृत करता है। नोड्स वाहनों तक सीमित नहीं हैं; वे चार्जिंग स्टेशन, नियंत्रण पोस्ट, ट्रैफिक लाइट आदि में भी अंतर्निहित हैं।
वाहन के बाहर डेटा केंद्र और सर्वर ड्राइवर रहित नेविगेशन में बहुत सहायता करते हैं। वे वाहन को उसकी सेंसर सीमा से परे "देखने" में सक्षम बनाते हैं, सड़क नेटवर्क यातायात भार का प्रबंधन करते हैं, और इष्टतम ड्राइविंग निर्णय लेने में सहायता करते हैं। यह इंटरकनेक्टेड प्रणाली सड़क सुरक्षा में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करती है।
सेल्फ-ड्राइविंग कार प्रौद्योगिकी में डेटा एक्सचेंज क्रांति
कंप्यूटर विज़न सिस्टम और जीपीएस स्वचालित कारों को उनके स्थान और परिवेश के बारे में आवश्यक जानकारी से लैस करते हैं। फिर भी, उनके ठिकाने की गणना की विस्तारित सीमा के बावजूद, एक अकेली कार केवल सीमित मात्रा में डेटा एकत्र कर सकती है। इसलिए, वाहनों के बीच डेटा का आदान-प्रदान महत्वपूर्ण है। यह एक्सचेंज प्रत्येक वाहन को स्वायत्त वाहनों के पूरे बेड़े द्वारा एकत्र किए गए बड़े डेटासेट का उपयोग करके ड्राइविंग स्थितियों को बेहतर ढंग से समझने की अनुमति देता है। वाहन-से-वाहन प्रणाली जाल नेटवर्क का उपयोग करें जानकारी साझा करने और एक दूसरे को दूरी की चेतावनी जैसे संकेत भेजने के लिए एक ही क्षेत्र के भीतर वाहनों द्वारा गठित।
इसके अलावा, वाहन-से-वाहन नेटवर्क का उत्तरोत्तर विस्तार हो रहा है, जिसमें ट्रैफिक लाइट जैसे सड़क बुनियादी ढांचे के साथ बातचीत शामिल है। यहीं पर वाहन-से-बुनियादी ढांचे का संचार काम आता है। V2I मानक लगातार विकसित हो रहे हैं। उदाहरण के लिए, संयुक्त राज्य अमेरिका में, संघीय राजमार्ग प्रशासन नियमित रूप से गाइड और रिपोर्ट प्रकाशित करता है तकनीकी प्रगति को बढ़ावा देना। V2I के लाभ सुरक्षा से कहीं अधिक हैं। सड़क सुरक्षा में सुधार के अलावा, वाहन-से-बुनियादी ढांचा तकनीक गतिशीलता और पर्यावरणीय संपर्क लाभ प्रदान करती है।
जिस प्रकार प्रतिदिन एक ही मार्ग पर यात्रा करने वाले ड्राइवर हर गड्ढे से परिचित हो जाते हैं, उसी प्रकार सेल्फ-ड्राइविंग कारें भी अपने वातावरण से लगातार सीखती रहती हैं। स्वायत्त वाहन परिधीय डेटा केंद्रों पर उपयोगी जानकारी अपलोड करेंगे, जिन्हें चार्जिंग स्टेशनों और अन्य वस्तुओं में एकीकृत किया जा सकता है। एआई एल्गोरिदम से लैस, ये स्टेशन कारों से डेटा का विश्लेषण करेंगे और संभावित समाधान प्रस्तावित करेंगे। फिर यह जानकारी क्लाउड के माध्यम से अन्य स्वायत्त वाहनों के साथ साझा की जाएगी।
यदि अगले कुछ वर्षों में सभी सेल्फ-ड्राइविंग कारों के बीच डेटा विनिमय का यह मॉडल लागू हो जाता है, तो हम रोजाना भारी मात्रा में डेटा उत्पन्न होने की उम्मीद कर सकते हैं - जो संभावित रूप से लाखों टेराबाइट्स तक पहुंच सकता है। उस समय तक, अनुमान बताते हैं कि सड़कों पर स्व-चालित कारों की संख्या सैकड़ों हजारों से लेकर लाखों तक हो सकती थी।
स्वायत्त कारें और 5जी
फिर, सेल्फ-ड्राइविंग कारें न केवल अपने सेंसर के माध्यम से बल्कि अन्य वाहनों, ट्रैफिक लाइट और अन्य शहरी बुनियादी ढांचे प्रणालियों के साथ साझा किए गए डेटा के माध्यम से पैदल चलने वालों और साइकिल चालकों के बारे में जानकारी इकट्ठा करने में सक्षम हैं। कई लोगों द्वारा इसकी सुविधा दी जा रही है 5G-कनेक्टेड कार परियोजनाएँ. स्वायत्त कारें उपयोग करती हैं सेल्युलर व्हीकल-टू-एवरीथिंग अन्य ट्रैफ़िक लाइटों, साइकिल चालकों और कारों के साथ संचार के लिए प्रौद्योगिकी और 5G नेटवर्क।
क्रॉसवॉक के पास पैदल चलने वालों को महसूस करने के लिए ट्रैफिक लाइट में थर्मल इमेजर लगाए जा सकते हैं, जिससे कार के डैशबोर्ड पर अलर्ट दिखाई देने लगेगा। इस नेटवर्क से जुड़े साइकिल चालक अपना स्थान आस-पास के वाहनों को प्रसारित कर सकते हैं, जिससे दुर्घटनाओं का खतरा काफी कम हो जाता है। इसके अतिरिक्त, खराब दृश्यता की स्थिति में, पार्क किए गए वाहन स्वचालित रूप से अपने आपातकालीन फ्लैशर्स को सक्रिय कर सकते हैं, जिससे अन्य ड्राइवरों को उनकी उपस्थिति के बारे में सचेत किया जा सकता है।
5जी मोबाइल नेटवर्क का आगमन सेल्फ-ड्राइविंग कारों की उन्नति के लिए अमूल्य साबित हो रहा है। 5G नेटवर्क उच्च गति, बेहद कम विलंबता और एक साथ कई कनेक्शनों को संभालने की क्षमता प्रदान करते हैं। इन क्षमताओं के बिना, स्वायत्त वाहन पास के क्रॉसवॉक पर पैदल चलने वालों का पता लगाने जैसे महत्वपूर्ण कार्यों में मनुष्यों से बेहतर प्रदर्शन करने के लिए संघर्ष करेंगे। इसके अलावा, न्यूनतम देरी की आवश्यकता महत्वपूर्ण है, क्योंकि एक सेकंड का मामूली सा अंश भी सुरक्षा और संभावित दुर्घटना के बीच अंतर हो सकता है।
टोयोटा, बीएमडब्ल्यू, हुंडई और फोर्ड सहित प्रमुख ऑटोमोटिव निर्माता पहले से ही अपने वाहनों में 5जी तकनीक को शामिल कर रहे हैं। 5G नेटवर्क के निर्माण में सेलुलर ऑपरेटरों द्वारा अरबों डॉलर का निवेश किए जाने के साथ, वाहनों को रोजमर्रा के संचालन के लिए आवश्यक क्षमताओं से लैस करने का इससे बेहतर समय नहीं हो सकता है।
हालाँकि, 5G से जुड़ी स्वायत्त कारों के साथ सभी प्रगति और प्रयोग एक मजबूत 5G बुनियादी ढांचे की उपलब्धता पर निर्भर हैं। यह देखते हुए कि एक स्वायत्त वाहन प्रति घंटे 1TB तक डेटा उत्पन्न कर सकता है, इन नेटवर्कों को भविष्य में और भी अधिक मांगों को पूरा करने की क्षमता के साथ, ऐसी विशाल डेटा स्थानांतरण मांगों को संभालने के लिए पहले से ही तैयार रहना चाहिए।
डेटा के एक्साबाइट को प्रभावी ढंग से संग्रहीत और संसाधित करना
सेल्फ-ड्राइविंग कारों द्वारा एकत्र किए गए डेटा का प्रत्येक टुकड़ा तत्काल प्रसंस्करण की मांग नहीं करता है, और ऑनबोर्ड कंप्यूटर के प्रदर्शन और भंडारण क्षमताओं की सीमाएं हैं। इसलिए, ऐसे डेटा को संचित करना व्यावहारिक है जो कुछ देरी का सामना कर सकता है और परिधीय डेटा केंद्रों में इसका विश्लेषण कर सकता है। इसके साथ ही, अन्य डेटा सेट को प्रोसेसिंग के लिए क्लाउड पर माइग्रेट किया जा सकता है।
प्रत्येक पैदल यात्री, कार, गड्ढे या ट्रैफिक जाम के बारे में डेटा एकत्र करने, संसाधित करने, स्थानांतरित करने, सुरक्षित रखने और विश्लेषण करने की जिम्मेदारी शहर की सरकारों और वाहन निर्माताओं दोनों पर आनी चाहिए। कुछ स्मार्ट सिटी योजनाकार ट्रैफ़िक डेटा का अधिक कुशलता से विश्लेषण करने के लिए पहले से ही मशीन लर्निंग एल्गोरिदम का लाभ उठा रहे हैं। ये एल्गोरिदम तेजी से सड़क के गड्ढों जैसे मुद्दों की पहचान कर सकते हैं, यातायात प्रवाह को अनुकूलित कर सकते हैं और दुर्घटनाओं पर तत्काल प्रतिक्रिया प्रदान कर सकते हैं। व्यापक पैमाने पर, शहर के बुनियादी ढांचे को बढ़ाने के लिए सिफारिशें पेश करने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग किया जा रहा है।
हमारे दैनिक जीवन में पूरी तरह से स्वायत्त ड्राइविंग को एकीकृत करने के लिए भारी मात्रा में डेटा के प्रसंस्करण और भंडारण की चुनौती को संबोधित करने की आवश्यकता है। एक स्व-चालित वाहन प्रत्येक दिन 20 टीबी तक डेटा उत्पन्न कर सकता है। आगे देखते हुए, इससे एक ही दिन में एक्साबाइट डेटा उत्पन्न हो सकता है। इसे प्रबंधित करने के लिए कुशल डेटा प्रोसेसिंग क्षमताओं के साथ-साथ डेटा भंडारण के लिए एक लचीले, उच्च-प्रदर्शन, विश्वसनीय और सुरक्षित बुनियादी ढांचे की आवश्यकता होती है।
ऑनबोर्ड कंप्यूटर के लिए वास्तविक समय पर निर्णय लेने के लिए, उसके पास अपने पर्यावरण के बारे में नवीनतम जानकारी तक पहुंच होनी चाहिए। जो डेटा पुराना हो चुका है, जैसे एक घंटे पहले का वाहन का स्थान और गति, आमतौर पर तत्काल निर्णय लेने के लिए अनावश्यक हो जाता है। हालाँकि, यह ऐतिहासिक डेटा स्वायत्त ड्राइविंग एल्गोरिदम के चल रहे सुधार के लिए महत्वपूर्ण मूल्य रखता है, जिसके लिए वास्तविक समय प्रसंस्करण और दीर्घकालिक डेटा उपयोग के बीच संतुलन की आवश्यकता होती है।
गहन शिक्षण नेटवर्क को प्रभावी ढंग से प्रशिक्षित करने के लिए, सिस्टम डेवलपर्स को पर्याप्त मात्रा में डेटा की आवश्यकता होती है। इसमें कैमरा फ़ीड और लिडार जानकारी के माध्यम से वस्तुओं और उनकी गतिविधियों की पहचान करना और निर्णय लेने के लिए पर्यावरण और बुनियादी ढांचे के बारे में डेटा को बेहतर ढंग से एकीकृत करना शामिल है। सड़क सुरक्षा विशेषज्ञों के लिए, घटनाओं या खतरनाक स्थितियों से ठीक पहले स्वायत्त कारों द्वारा एकत्र किया गया डेटा अमूल्य है।
एक संरचित और कुशल डेटा भंडारण प्रणाली की आवश्यकता बढ़ती जा रही है क्योंकि स्वायत्त वाहन डेटा एकत्र करते हैं जो परिधीय डेटा केंद्रों तक रिले किया जाता है और अंततः क्लाउड में संग्रहीत होता है। उच्च थ्रूपुट और कम विलंबता की आवश्यकता वाले मशीन लर्निंग मॉडल को परिष्कृत करने के लिए ताज़ा डेटा का तुरंत विश्लेषण किया जाना चाहिए। सॉलिड स्टेट ड्राइव (एसएसडी) और उच्च क्षमता वाली हीट-असिस्टेड मैग्नेटिक रिकॉर्डिंग (Hamr) मल्टी-ड्राइव प्रौद्योगिकियों के समर्थन से सुसज्जित ड्राइव, इन कार्यों के लिए आदर्श रूप से उपयुक्त हैं।
एक बार स्वायत्त वाहनों के डेटा का प्रारंभिक विश्लेषण हो जाने के बाद, इसे अधिक लागत प्रभावी ढंग से संग्रहीत करने की आवश्यकता होती है, आदर्श रूप से उच्च क्षमता लेकिन कम लागत वाले पारंपरिक निकटवर्ती भंडारण समाधानों पर। डेटा के लिए इन स्टोरेज सर्वर की आवश्यकता होती है जो भविष्य में सहायक हो सकते हैं। पुराना डेटा जिसका उपयोग होने की संभावना कम है लेकिन फिर भी उसे बनाए रखने की आवश्यकता है, उसे अभिलेखीय भंडारण में भेजा जा सकता है।
किनारे पर डेटा के प्रसंस्करण और विश्लेषण की दिशा में बदलाव इसकी एक बानगी है उद्योग 4.0, हमारे डेटा उपयोग में क्रांति ला रहा है। एज कंप्यूटिंग पारंपरिक दूर के क्लाउड सर्वर पर निर्भर होने के बजाय डेटा को उसके संग्रह बिंदु के पास संसाधित करने में सक्षम बनाता है। यह दृष्टिकोण बहुत तेज़ विश्लेषण की अनुमति देता है, जिससे बदलती परिस्थितियों पर तत्काल प्रतिक्रिया संभव हो पाती है। एक सुपर फास्ट और प्रभावी नेटवर्क जो डेटा केंद्रों और वाहनों के बीच सूचना के हस्तांतरण का समर्थन करता है, सेल्फ-ड्राइविंग तकनीक की सुरक्षा और विश्वसनीयता में सुधार करेगा।
निष्कर्ष
स्व-चालित कारों की प्रगति कृत्रिम बुद्धिमत्ता में एक छलांग और जटिल डेटा नेटवर्क को संभालने में IoT की महत्वपूर्ण भूमिका को दर्शाती है। सेंसरों की एक श्रृंखला से सुसज्जित और एज कंप्यूटिंग द्वारा समर्थित स्वायत्त वाहन, सड़क सुरक्षा और शहरी गतिशीलता को नया आकार दे रहे हैं। 5जी नेटवर्क की शुरूआत उनकी क्षमताओं को और बढ़ा रही है, जिससे अन्य वाहनों और शहरी बुनियादी ढांचे के साथ तेज, अधिक विश्वसनीय संचार सक्षम हो रहा है।
हालाँकि, बड़ी मात्रा में उत्पन्न डेटा का प्रभावी प्रसंस्करण और भंडारण एक महत्वपूर्ण चुनौती बनी हुई है। जैसे-जैसे हम सड़कों पर संभावित रूप से लाखों डेटा-जनरेटिंग स्वायत्त वाहनों के साथ भविष्य की ओर बढ़ रहे हैं, इस क्रांतिकारी तकनीक की सफलता और सुरक्षा के लिए कुशल और सुरक्षित डेटा बुनियादी ढांचे का विकास अनिवार्य हो जाता है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://www.iotforall.com/addressing-data-processing-challenges-in-autonomous-vehicles
