Sự nổi lên của ô tô tự lái là minh chứng cho những tiến bộ trong trí tuệ nhân tạo, nhưng thành công của chúng không chỉ phụ thuộc vào AI. Xe tự hành dựa vào mạng lưới cảm biến, bao gồm máy ảnh, GPS, sóng siêu âm, lidars và radar để điều hướng các môi trường khác nhau. Máy tính trên xe xử lý thông tin này theo thời gian thực; một số dữ liệu cũng được truyền đến các trung tâm dữ liệu bên ngoài để phân tích sâu hơn, cuối cùng di chuyển qua các hệ thống đám mây khác nhau. Việc xử lý lượng dữ liệu khổng lồ này là một thách thức đáng kể đối với ngành công nghiệp xe tự hành.

Trong bối cảnh này, vai trò của Internet of Things trở nên quan trọng. Nó không chỉ nói về khả năng AI mà còn về sức mạnh của điện toán tích hợp, máy chủ ngoại vi và công nghệ đám mây. Hiệu quả của cơ sở hạ tầng IoT trong việc cho phép truyền dữ liệu nhanh chóng và đảm bảo độ trễ thấp là rất quan trọng để các phương tiện tự lái hoạt động liền mạch.

Những thách thức xử lý dữ liệu

Ngày nay, ngay cả những chiếc ô tô thông thường có người lái cũng đang tạo ra lượng dữ liệu ngày càng tăng. Khi nói đến ô tô tự lái, việc tạo dữ liệu ở một cấp độ khác, đạt khoảng 1TB mỗi giờ. Thách thức nằm ở việc xử lý tất cả thông tin này.

Sẽ là không thực tế nếu chỉ dựa vào đám mây hoặc trung tâm dữ liệu ngoại vi để xử lý tất cả dữ liệu của ô tô tự lái, vì điều này gây ra sự chậm trễ quá mức. Trong thế giới lái xe tự động, ngay cả độ trễ 100 mili giây cũng có thể rất nghiêm trọng, có khả năng là sự khác biệt giữa sự sống và cái chết đối với người đi bộ hoặc hành khách trên ô tô. Do đó, những phương tiện này phải được trang bị để ứng phó ngay lập tức với các tình huống thay đổi, khiến việc xử lý dữ liệu nhanh chóng trở nên quan trọng.

Để giảm thiểu độ trễ giữa việc nhận và phản hồi thông tin, một phần dữ liệu được xử lý bởi máy tính trên xe. Lấy mẫu xe Jeep mới làm ví dụ. Chúng được trang bị một máy tính tích hợp gồm khoảng 50 lõi xử lý. Máy tính này cung cấp một loạt chức năng như giám sát điểm mù, kiểm soát hành trình, phanh tự động, cảnh báo chướng ngại vật, v.v. Các nút xe khác nhau giao tiếp nội bộ, tạo ra một mạng trong xe.

Cấu hình này phù hợp tốt với khái niệm điện toán biên trong Internet of Things framework, coi máy tính trên bo mạch là một nút ngoại vi của mạng IoT. Kết quả là, các phương tiện tự động hình thành một mạng hỗn hợp phức tạp tích hợp các trung tâm dữ liệu tập trung, dịch vụ đám mây và nhiều nút ngoại vi. Các nút không giới hạn ở phương tiện; chúng cũng được nhúng trong các trạm sạc, trạm điều khiển, đèn giao thông, v.v.

Các trung tâm dữ liệu và máy chủ bên ngoài xe hỗ trợ rất nhiều cho việc điều hướng không cần người lái. Chúng cho phép phương tiện “nhìn” ngoài phạm vi cảm biến, quản lý lưu lượng giao thông trên mạng lưới đường bộ và hỗ trợ đưa ra quyết định lái xe tối ưu. Hệ thống kết nối này thể hiện một bước nhảy vọt đáng kể về an toàn đường bộ.

Cuộc cách mạng trao đổi dữ liệu trong công nghệ xe tự lái

Hệ thống thị giác máy tính và GPS trang bị cho xe tự lái những thông tin cần thiết về vị trí và môi trường xung quanh. Tuy nhiên, bất chấp phạm vi tính toán nơi ở của họ ngày càng mở rộng, một chiếc ô tô chỉ có thể thu thập một lượng dữ liệu hữu hạn. Vì vậy, việc trao đổi dữ liệu giữa các phương tiện là rất quan trọng. Việc trao đổi này cho phép mỗi phương tiện hiểu rõ hơn về điều kiện lái xe bằng cách sử dụng bộ dữ liệu lớn hơn được thu thập bởi toàn bộ đội xe tự hành. Hệ thống xe với xe sử dụng mạng lưới được hình thành bởi các phương tiện trong cùng khu vực để chia sẻ thông tin và gửi tín hiệu như cảnh báo khoảng cách cho nhau.

Hơn nữa, mạng lưới Xe với Xe đang dần mở rộng để bao gồm các tương tác với cơ sở hạ tầng đường bộ, như đèn giao thông. Đây là lúc hoạt động giao tiếp giữa xe với cơ sở hạ tầng phát huy tác dụng. Các tiêu chuẩn V2I không ngừng phát triển. Ví dụ, ở Hoa Kỳ, Cục quản lý đường cao tốc liên bang thường xuyên xuất bản hướng dẫn và báo cáo để thúc đẩy tiến bộ công nghệ. Lợi ích của V2I vượt xa sự an toàn. Ngoài việc cải thiện an toàn đường bộ, công nghệ Xe-Cơ sở hạ tầng còn mang lại lợi thế về tính di động và tương tác với môi trường.

Giống như những người lái xe đi cùng một tuyến đường hàng ngày trở nên quen thuộc với mọi ổ gà, xe tự lái cũng liên tục học hỏi từ môi trường của chúng. Xe tự lái sẽ tải thông tin hữu ích lên các trung tâm dữ liệu ngoại vi, có thể được tích hợp vào các trạm sạc và các vật thể khác. Được trang bị thuật toán AI, các trạm này sẽ phân tích dữ liệu từ ô tô và đề xuất các giải pháp tiềm năng. Thông tin này sau đó sẽ được chia sẻ với các phương tiện tự hành khác thông qua đám mây.

Nếu mô hình trao đổi dữ liệu này giữa tất cả các xe tự lái đi vào hoạt động trong vài năm tới, chúng ta có thể dự đoán một lượng dữ liệu đáng kinh ngạc được tạo ra hàng ngày - có khả năng lên tới hàng triệu terabyte. Vào thời điểm đó, ước tính cho thấy số lượng xe tự lái trên đường có thể dao động từ hàng trăm nghìn đến hàng chục triệu.

Ô tô tự hành và 5G

Một lần nữa, ô tô tự lái có khả năng thu thập thông tin về người đi bộ và người đi xe đạp không chỉ thông qua cảm biến mà còn thông qua dữ liệu được chia sẻ với các phương tiện khác, đèn giao thông và hệ thống cơ sở hạ tầng đô thị khác. Điều này đang được hỗ trợ bởi một số Dự án ô tô kết nối 5G. Xe tự lái sử dụng Xe di động đến mọi thứ công nghệ và mạng 5G để liên lạc với các đèn giao thông, người đi xe đạp và ô tô khác.

Đèn giao thông có thể được gắn thiết bị chụp ảnh nhiệt để cảm nhận người đi bộ đang đến gần lối băng qua đường, kích hoạt cảnh báo xuất hiện trên bảng điều khiển của ô tô. Người đi xe đạp được kết nối với mạng này có thể thông báo vị trí của họ tới các phương tiện gần đó, giảm đáng kể nguy cơ tai nạn. Ngoài ra, trong điều kiện tầm nhìn kém, các phương tiện đang đỗ có thể tự động kích hoạt đèn nháy khẩn cấp, cảnh báo cho những người lái xe khác về sự hiện diện của họ.

Sự ra đời của mạng di động 5G đang chứng tỏ vô giá cho sự tiến bộ của xe tự lái. Mạng 5G cung cấp tốc độ cao, độ trễ cực thấp và khả năng xử lý nhiều kết nối cùng một lúc. Nếu không có những khả năng này, các phương tiện tự hành sẽ gặp khó khăn để vượt trội hơn con người trong các nhiệm vụ quan trọng như phát hiện người đi bộ ở lối qua đường dành cho người đi bộ gần đó. Hơn nữa, nhu cầu về độ trễ tối thiểu là rất quan trọng, vì ngay cả một phần nhỏ của giây cũng có thể tạo nên sự khác biệt giữa sự an toàn và khả năng xảy ra tai nạn.

Các nhà sản xuất ô tô lớn, bao gồm Toyota, BMW, Hyundai và Ford, đã tích hợp công nghệ 5G vào xe của họ. Với hàng tỷ đô la được các nhà khai thác di động đầu tư vào việc xây dựng mạng 5G, đây là thời điểm không thể tốt hơn để trang bị cho các phương tiện những khả năng cần thiết cho hoạt động hàng ngày.

Tuy nhiên, tất cả những tiến bộ và thử nghiệm với ô tô tự lái được kết nối 5G đều phụ thuộc vào sự sẵn có của cơ sở hạ tầng 5G mạnh mẽ. Do một chiếc xe tự hành có thể tạo ra tới 1TB dữ liệu mỗi giờ, các mạng này phải được chuẩn bị sẵn sàng để đáp ứng nhu cầu truyền dữ liệu khổng lồ như vậy, với khả năng đáp ứng những nhu cầu lớn hơn nữa trong tương lai.

Lưu trữ và xử lý hàng Exabyte dữ liệu một cách hiệu quả

Không phải mọi dữ liệu được thu thập bởi ô tô tự lái đều yêu cầu xử lý ngay lập tức và có những hạn chế về hiệu suất cũng như khả năng lưu trữ của máy tính trên xe. Do đó, việc tích lũy dữ liệu có thể gây ra độ trễ và phân tích dữ liệu đó trong các trung tâm dữ liệu ngoại vi là điều thiết thực. Đồng thời, các bộ dữ liệu khác có thể được di chuyển lên đám mây để xử lý.

Trách nhiệm thu thập, xử lý, di chuyển, bảo vệ và phân tích dữ liệu về mọi người đi bộ, ô tô, ổ gà hoặc ùn tắc giao thông sẽ thuộc về cả chính quyền thành phố và nhà sản xuất ô tô. Một số nhà quy hoạch thành phố thông minh đã tận dụng thuật toán học máy để phân tích dữ liệu giao thông hiệu quả hơn. Các thuật toán này có thể nhanh chóng xác định các vấn đề trên đường như ổ gà, tối ưu hóa luồng giao thông và đưa ra phản hồi ngay lập tức cho các vụ tai nạn. Ở quy mô rộng hơn, các thuật toán học máy đang được sử dụng để đưa ra các đề xuất nhằm tăng cường cơ sở hạ tầng thành phố.

Việc tích hợp lái xe tự động hoàn toàn vào cuộc sống hàng ngày của chúng ta đòi hỏi phải giải quyết thách thức xử lý và lưu trữ lượng dữ liệu khổng lồ. Một chiếc xe tự lái có thể tạo ra tới 20 TB dữ liệu mỗi ngày. Nhìn về phía trước, điều này có thể dẫn đến việc tạo ra hàng exabyte dữ liệu chỉ trong một ngày. Việc quản lý điều này đòi hỏi cơ sở hạ tầng biên linh hoạt, hiệu suất cao, đáng tin cậy và an toàn để lưu trữ dữ liệu, cùng với khả năng xử lý dữ liệu hiệu quả.

Để máy tính trên bo mạch đưa ra quyết định theo thời gian thực, nó phải có quyền truy cập vào thông tin mới nhất về môi trường của nó. Dữ liệu đã lỗi thời, chẳng hạn như vị trí và tốc độ của phương tiện từ một giờ trước, thường trở nên dư thừa để đưa ra quyết định ngay lập tức. Tuy nhiên, dữ liệu lịch sử này có giá trị quan trọng đối với việc cải tiến liên tục các thuật toán lái xe tự động, đòi hỏi sự cân bằng giữa xử lý thời gian thực và sử dụng dữ liệu lâu dài.

Để đào tạo mạng học sâu một cách hiệu quả, các nhà phát triển hệ thống cần có lượng dữ liệu đáng kể. Điều này bao gồm việc xác định các vật thể và chuyển động của chúng thông qua nguồn cấp dữ liệu camera và thông tin lidar, đồng thời tích hợp tối ưu dữ liệu về môi trường và cơ sở hạ tầng để đưa ra quyết định. Đối với các chuyên gia về an toàn đường bộ, dữ liệu được xe tự lái thu thập ngay trước khi xảy ra sự cố hoặc tình huống nguy hiểm là vô giá.

Nhu cầu về một hệ thống lưu trữ dữ liệu có cấu trúc và hiệu quả ngày càng tăng khi các phương tiện tự hành thu thập dữ liệu được chuyển tiếp đến các trung tâm dữ liệu ngoại vi và cuối cùng được lưu trữ trên đám mây. Dữ liệu mới cần được phân tích kịp thời để tinh chỉnh các mô hình học máy, đòi hỏi thông lượng cao và độ trễ thấp. Ổ đĩa thể rắn (SSD) và Ghi từ tính hỗ trợ nhiệt dung lượng cao (HAMR) được trang bị hỗ trợ công nghệ đa ổ đĩa là lý tưởng cho những tác vụ này.

Sau khi dữ liệu từ các phương tiện tự lái đã trải qua quá trình phân tích ban đầu, dữ liệu đó cần được lưu trữ tiết kiệm chi phí hơn, lý tưởng nhất là trên các giải pháp lưu trữ gần tuyến truyền thống có dung lượng cao nhưng chi phí thấp hơn. Những máy chủ lưu trữ này cần thiết cho dữ liệu có thể hữu ích trong tương lai. Dữ liệu cũ ít có khả năng được sử dụng nhưng vẫn cần được giữ lại có thể được gửi đến kho lưu trữ.

Sự thay đổi theo hướng xử lý và phân tích dữ liệu ở biên là một dấu hiệu nổi bật của Công nghiệp 4.0, cách mạng hóa việc sử dụng dữ liệu của chúng tôi. Điện toán biên cho phép dữ liệu được xử lý gần điểm thu thập thay vì dựa vào các máy chủ đám mây truyền thống ở xa. Cách tiếp cận này cho phép phân tích nhanh hơn nhiều, cho phép phản ứng ngay lập tức với các tình huống thay đổi. Một mạng siêu nhanh và hiệu quả hỗ trợ truyền thông tin giữa trung tâm dữ liệu và phương tiện sẽ cải thiện độ an toàn và độ tin cậy của công nghệ xe tự lái.

Kết luận

Sự tiến bộ của ô tô tự lái cho thấy bước nhảy vọt về trí tuệ nhân tạo và vai trò quan trọng của IoT trong việc xử lý các mạng dữ liệu phức tạp. Xe tự hành, được trang bị một loạt cảm biến và được hỗ trợ bởi điện toán biên, đang định hình lại an toàn đường bộ và di chuyển trong đô thị. Sự ra đời của mạng 5G đang nâng cao hơn nữa khả năng của họ, cho phép liên lạc nhanh hơn, đáng tin cậy hơn với các phương tiện khác và cơ sở hạ tầng đô thị.

Tuy nhiên, việc xử lý và lưu trữ hiệu quả lượng lớn dữ liệu được tạo ra vẫn là một thách thức đáng kể. Khi chúng ta hướng tới một tương lai với hàng triệu phương tiện tự động tạo dữ liệu trên đường, việc phát triển cơ sở hạ tầng dữ liệu an toàn và hiệu quả trở nên cấp thiết cho sự thành công và an toàn của công nghệ mang tính cách mạng này.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.iotforall.com/addressing-data-processing-challenges-in-autonomous-vehicles