您好,欢迎来到中国自动驾驶高精地图产业创新发展论坛2019!

问答:使用Edge AI解决联网汽车难题

发布日期:2020-04-06

GRCChdmap

2020-04-06 15:26:51

手机阅读

通过边缘计算访问本地实时数据处理可以解决关键的联网汽车挑战,例如驾驶员/道路安全以及交通效率。FogHorn产品副总裁Ramya Ravichandar解释了更多。



通过边缘计算访问本地实时数据处理可以解决关键的联网汽车挑战,例如驾驶员/道路安全以及交通效率。FogHorn产品副总裁Ramya Ravichandar解释了更多。


到2023年,预计将售出超过7250万辆联网汽车,这将使近70%的乘用车与外部资源积极交换数据。这些智能车辆产生的数据量将使传统的数据处理解决方案无法收集和分析,以及处理这些数据的相关延迟,这将导致潜在的生死攸关情况。福格霍恩。


我们与Ravichandar谈谈互联汽车制造商如何实施边缘AI解决方案以进行实时视频识别,多因素身份验证以及其他创新功能,以减少网络延迟并优化数据收集,分析和安全性。


Digital Journal:自动驾驶和联网汽车的当前趋势是什么?


Ramya Ravichandar:汽车公司正在寻求改善实时功能并加快乘用车的自主运行。互联车辆技术通过将车辆的操作和控制范围扩展到驾驶员之外,从而包括内部网络和系统,从而将交通运输的新领域引入。旨在解决联网汽车和自动驾驶汽车(AV)功能的主要问题之一是驾驶员和道路安全。诸如面部识别,人工智能和计算机视觉之类的技术已被应用到智能车辆中,以提高驾驶体验的安全性。


DJ:这辆车会是什么样子,并且在5年或10年的时间里将能做什么?


Ravichandar:联网汽车将继续增强驾驶员体验。即使技术开发人员和制造商正在投资研发,使用AV进行运输的未来仍是未知之数。在短期内,随着5G技术的兴起,车辆之间以及与基础设施之间的通信方式将发生转变。视音频将成为网络中的另一个计算平台,该平台可支持整套新应用。我们所知的汽车将成为您目的地的中介延伸;例如,如果要去上班,汽车只是移动办公室。我们已经看到了为使工人的工作效率最大化而装备公车的趋势。


在大约十年中,汽车行业将更多地由服务驱动,并且资产所有权将不断减少。人们会选择旅行和体验,而不是专注于实际拥有。通过这种不断变化的模型,我们今天所知道的生态系统也将发生变化。从加油站到机械车间,将有与AV乘客互动的新模式。现在将可以重新使用大型停车位,以使社区更加受益。汽车到AV将通过系统产生连锁反应其未来的大部分时间将取决于创建构建和操作视音频系统所需的智能。尽管安全系统和高清地图已经引起了广泛的关注,但在可能大规模接受AV之前,还需要开发许多其他智能密集型技术。例如,几乎所有的AV都有望成为电动汽车,而这将需要更多的车载智能和系统生命周期管理。这些是使电池和充电系统以及支持制动,电机性能,安全性,乘客环境和预测性维护的其他系统的效率和寿命最大化所需的。管理这些新系统所需的计算级别需要可靠的高速计算,这将需要大量减少发送到云的流量,以降低延迟。


DJ:相对于车辆,人工智能的发展如何?

AI正在实现多种驾驶体验功能。从GPS到IoT传感器到电池监控,车辆诊断,甚至在实际车辆的制造过程中,AI都可用于车辆功能。人工智能的功能大大提高了普通汽车的功能,并将继续提高与驾驶员友好的功能,并结合机器学习和边缘计算。人工智能已演变为新规范,因为今天生产的几乎每辆汽车都包含某种形式的人工智能-它已成为交通事故预防和车辆诊断的标准。


DJ:影响AI和联网车辆的主要挑战是什么?


Ravichandar:如今,汽车产生的数据比以往任何时候都多得多,而有效地收集,合并,处理和部署所有传感器数据已成为一项巨大的挑战。到2023年,预计将售出7250万辆联网汽车,近70%的乘用车将积极与外部资源交换数据。对于传统的数据处理解决方案(例如云和本地)而言,如此大量的数据将是压倒性的,无法收集和分析。数据的庞然大物威胁着车辆到车辆(V2V)的清晰通信线的模糊,以及物联网网络连接的速度-当涉及到联网车辆时,这可能是生死攸关的场景。


自动驾驶汽车(AV)的未来运输取决于创建所需的情报和处理程序,以构建和运行复杂的自动驾驶系统。例如,许多自动驾驶汽车有望成为电动汽车,这将需要更多的车载智能以最大化电池和充电系统的效率和使用寿命。这些功能还将提高支持制动,电机性能,安全性,乘客环境和预测性维护的系统的效率。


DJ:如何解决数据过载问题?


Ravichandar:来自智能汽车的兴起的大量数据预计不会消退。如果有的话,它会增加并继续爆炸。使用5G时,许多此类通信速度都大大提高,并且延迟时间非常短。但是,利用边缘支持的AI解决方案来更快,更有效地处理此数据,从而使数据的庞然大物变得更易于管理。Edge + 5G + AI是关键的交叉技术,可以有意义地推断,管理和转换所生成的大量数据。这不仅是来自车辆的数据,还包括来自附近其他正在通信的车辆,基础设施和资产的数据。

由于还有更多的数据可供提取,因此这也提高了从车辆数据中获得的见解的质量。


DJ:边缘计算如何成为可行的解决方案?


Ravichandar:边缘计算提供对本地实时数据处理的访问,以实现更准确的实时洞察并减少网络延迟。边缘计算解决了预计的联网汽车挑战,例如提高道路安全性,提高交通效率,利用附加数据使联网汽车“更智能”并在高交通区域保持一致的连接性。互联汽车制造商正在实施支持边缘计算的AI解决方案,以实现实时视频识别,多因素身份验证和其他创新功能,以减少网络延迟并优化数据收集,分析和安全性。


边缘计算解决方案还可以帮助编织大量车辆数据池中的“脏数据”。因此,结合使用闭环边缘云ML模型,从车辆数据产生的可行见解将变得更加完善,其有效性和准确性将继续提高。距全自动驾驶汽车控制装置尚有数年之遥,但现在已有许多现有的边缘计算应用程序可用于提高商业和公共交通的效率,可靠性和安全性。其中包括车辆控制和安全系统,例如摄像头,驾驶员辅助和防撞功能,这些系统每年都在改进和添加到新车辆中。


DJ:为什么在这种情况下边缘计算优于云计算?


Ravichandar:边缘计算技术将数据处理中心直接带入了车辆本身,这与依靠远程数据中心进行关键的命令和控制决策以及与这些中心的持续连接相反。从源头处理数据可提供更准确的实时见解并减少网络延迟,这对于车辆内的安全功能而言至关重要。借助云计算,往返行程中存在等待时间,车辆数据要发送到云,进行处理,分析然后再以可行的见解发送回去。这可能会危及生命。借助边缘计算,汽车制造商可以消除安全隐患,并通过在其车辆中部署支持边缘的系统来快速走上自动驾驶之路。必须指出的是,边缘计算是云的补充,对于诸如联合学习之类的新兴趋势,它们正处于同步发展阶段。


DJ:这项技术是否存在任何网络安全问题?


Ravichandar:边缘计算平台可以构建为在异构环境中运行,从而简化了来自多个供应商的多种不同系统在单个车辆中的集成。通过消除将数据从源传输到数据处理中心的需要,可以****地减少暴露数据的风险。Edge AI不仅可以收集,处理和分析数据,还可以从边缘生成的数据中获得可行的见解-所有这些都无需连接到云。


作者: TIM SANDLE     APR 4, 2020

摘自:digitaljournal.com




END





点击上方蓝字关注我们



  • 电话咨询
  • 021-22306692
  • 15021948198
None