智慧和力量:自动驾驶汽车需要软技能和硬技能来解决我们的交通困境

每个人都知道,自动驾驶汽车的未来依赖于人工智能(AI)的巨大进步,并正在推动这种进步。但自动驾驶汽车需要的不仅仅是人工智能。自动驾驶车辆使用声纳、雷达、激光雷达和GPS来感知和导航环境。在这个过程中,他们产生了大量的数据。

这些数据必须提供给每辆车上的人工智能,也必须提供给边缘数据中心,以便进行进一步的分析。这就是为什么尽管人工智能可能是自动驾驶汽车的神童,但它的兄弟数据管理和存储的边缘下一代通信技术同样重要(如果不太可能成为头条新闻)。

自动驾驶汽车需要什么?传感器、人工智能、边缘存储、通信……

自动驾驶汽车需要什么工具?首先,这取决于我们所说的“自主”程度。自动驾驶汽车技术是一场革命性的革命,而且确实如此不同程度的自主今天。

当然,今天路上行驶的许多汽车根本就没有自动驾驶功能。一些汽车有辅助驾驶员的功能级控制,比如稳定性控制。还有一些组合了多个功能级控件来执行更复杂的任务。例如,车道定心与自动调整巡航控制相结合,可以帮助避免在快速移动、拥挤的高速公路上发生事故。在有限的自动驾驶汽车,车辆可以控制所有安全功能在某些情况下,但司机可以随时接管。在70个城市测试项目让司机做好控制车辆的准备。全自动的车辆还没有在今天的街道上普遍运行;当它们这样做时,它们只需要人类输入目的地和导航首选项!

要使汽车行业实现这一目标,需要多种技术有限的全自动的的水平。

全球定位系统(GPS)告诉车辆它的位置。GPS设备现在是一个多功能芯片上的系统,其中包括特定应用的计算模块,用于进行密集的计算以获得准确的位置信息。这些计算的输入是来自至少四颗近地卫星的数据。一些GPS芯片,比如Linx Technologies F4系列GPS接收机模块可以追踪多达48种不同的卫星信号。边缘存储在保存车辆去过的地方的细节方面起着关键作用。

除了知道车辆的位置,自动驾驶汽车还需要知道周围的情况。多台摄像机提供了周边地区360度的全景。当然,每个摄像头都生成一个由像素数组表示的二维图像,每个像素都需要多个颜色和光强度的数据坐标。

麻省理工学院的ShadowCam可以看到角落;TrackNet同时检测和跟踪目标

人工智能的进步,尤其是深度学习,使复杂的图像分析成为可能,包括跟踪对象跨多个图像分析人类的姿势。麻省理工学院的研究人员最近发布了一款“ShadowCam”该系统使用计算机视觉技术,专注于光强的变化来检测和分类在地面上移动的阴影,包括人眼很难检测到的变化。这项技术旨在帮助自动驾驶汽车“看到拐角”,以识别接近的可能导致碰撞的物体。

肮脏的摄像机、低强度的环境光和低能见度会限制摄像机的数据质量,所以激光雷达(LIDAR, light Detection and测距)也被用来收集附近环境的数据。激光雷达利用脉冲激光测量距离,探测物体的范围,然后创建三维点云,用来分析和推理环境中的物体。

这些分析需要在飞行器上进行,以避免决策延误;从多个始终流媒体摄像机中捕获和存储3D对象映射和图像数据对边缘存储提出了额外的需求。

自动驾驶汽车必须彼此互动,并与边缘基础设施互动

GPS和视觉系统为自动驾驶汽车提供附近环境的信息。一辆车只能收集到有限的远程环境信息,但通过在车辆之间共享信息,每辆车可以更好地了解更广阔区域的情况。车对车(V2V)通信系统创建自组网在同一区域的车辆之间。V2V用于共享信息,并向附近的车辆发送接近警告等信号。

V2V还可以扩展到与附近的交通基础设施(如交通灯)通信。这就是所谓的车辆到基础设施(V2I)通信。V2I标准还处于开发的早期阶段。在美国,联邦公路管理局(FHWA)发布了关于V2I的指导信息,以帮助推进该技术。美国联邦住宅管理局局长格雷戈里•纳多表示,V2I的好处不仅限于安全性:“除了提高安全性,车辆到基础设施技术还提供了巨大的机动性和环境效益。”

远程通信将越来越依赖于5 g蜂窝技术,可以提供300兆/秒的带宽和1毫秒的延迟。华为最近宣布专门为自动驾驶汽车设计的5G组件。

如何处理边缘数据管理在数千艾字节

数据管理和存储是实现全自动驾驶汽车的关键挑战。这些工具可以在5TB和20TB之间产生每天的数据,这是每辆车的数据。仅在美国,目前就有超过2.72亿辆汽车在路上行驶,如果未来所有的汽车都是自动驾驶的,那么仅在美国,每天捕获的数据就可能达到544960万tb(或5449eb)。高性能、灵活、可伸缩、安全边缘存储基础设施对获取这些数据至关重要。管理这些数据以高效地获得尽可能多的价值需要复杂的数据编排功能。

人工智能的实时决策需要最新的信息。历史信息,比如车辆的位置和一小时前的速度数据,对于车载人工智能来说通常并不重要。然而,汽车设计师、自动驾驶和安全工程师将希望获得这些数据。人工智能工程师依靠大量数据来训练机器学习模型,对场景中的物体和运动进行分类,识别和分析激光雷达数据中的物体,并优化结合环境和基础设施数据来做出决策。安全工程师将对车辆在事故发生前或险情发生前收集的数据特别感兴趣。在自动驾驶汽车的开发和部署中,边缘数据管理将再次成为这一关键环节的关键推动者。

随着自动驾驶汽车生成和收集的数据从车辆转移到边缘数据中心,最终还会传输到本地数据中心和云数据中心,经过优化和分层存储架构将最大限度地积极和有效地利用大量数据。最近获取的数据用于即时理解和构建机器学习模型,需要高吞吐量和低延迟,可以在基于ssd和高容量HAMR驱动器的快速访问存储系统上管理,并配备性能增强的多执行器技术。

在完成大部分分析之后,数据可以保持可用性,但在高容量、低成本的传统近线存储上存储效率更高。当在不久的将来可能需要一些数据,但大多数数据不会被定期访问时,近线存储很有用。可能不会被访问但由于遵从性或其他业务原因而保留的旧数据可以移动到归档层。

自动驾驶汽车正在推动人工智能、通信和存储的边界。这三种技术对于实现全自动汽车的目标都至关重要。要了解更多关于边缘数据的作用,请查看我们的一些相关文章,包括只有在边缘的数据才能让无人驾驶汽车安全,如果IT基础设施继续发展,5G将使人工智能处于领先地位,处于边缘的数据:如何构建新的IT架构

2019 - 11 - 01 - t15:15:53 + 0

关于作者:

托尼Glavis