Инновации на колесах: как периферийные вычисления трансформируют автопром

Автомобили, пожалуй, являются идеальными периферийными устройствами. Они географически разбросаны, обеспечивают поток данных в реальном времени и позволяют автономные действия.

Нигде периферия не острее, чем в автосекторе. От подключенных автомобилей к подключенным заводам и людям — edge меняет то, как авто производят и управляют. Растет распространение сетевых автомобилей, а также периферийных систем, связанных с сетями датчиков в производстве. В процессе нарастает сближение технологических и автосекторов.

См. также: MIT разрабатывает автономную систему 감지, используя тени

Например, в 2015 году BMW Group начал использовать AWS для нового подключенного приложения, собирающего данные с датчиков BMW 7 Series для динамически обновленной картографической информации. BMW построил сервис CARASSO (car-as-a-sensor) на технологиях Amazon Web Services: «Запуская на AWS, CARASSO может адаптироваться к быстро меняющимся нагрузкам, масштабируясь вверх и вниз на два порядка величины за 24 часа». Технология должна была обрабатывать данные от парка в 100 000 автомобилей, проезжающих более пяти миллиардов миль.

Лидером выступает Консорциум периферийных вычислений в автопроме (AECC), объединяющий ведущие авто- и технологические компании. «Четко видим спрос и требования рынка к подключенным и автономным автомобилям, которые ускорят потребность в дополнительных вычислениях прямо на краю сети», — сказал Гэн Ву, fellows Intel и главный технолог по беспроводным стандартам в группе платформенной инженерии Intel Corporation.

Исследователи AECC опубликовали три прогноза на пять лет:

• Подключенные автомобили будут генерировать около $150 млрд годовой выручки.
• Число подключенных автомобилей вырастет до ~100 млн глобально.
• Объем данных, передаваемых между автомобилями и облаком, составит ~100 петабайт в месяц.

Всё это возможно благодаря периферийным вычислениям, обеспечивающим «использование сетевой инфраструктуры для улучшения характеристик указанных сервисов, включая реализацию отклика приложений в реальном времени через низколатентную сеть и распределенные вычисления».

Однако работы еще много, предупреждает отчет. «Считаем, что текущие архитектуры мобильной связи и облачные вычисления не полностью оптимизированы для эффективной обработки требований подключенных автомобилей. Поэтому полезно исследовать, как перепроектировать системную архитектуру и пересмотреть сетевое развертывание для лучшего управления трафиком».

Исследователи AECC советуют развертывать «топологически осведомленные вычислительные и хранилищные ресурсы» для повышения эффективности. Предсказываются следующие типы сервисов:

• Интеллектуальное вождение: создание карт с реальными данными и помощь в вождении на основе облачных вычислений, требующие подключения автомобилей к облаку и сетям для передачи больших объемов данных между автомобилями и между автомобилем и облаком.
• Мобильность как сервис (MaaS). Данные мобильности могут использоваться третьими сторонами для новых сервисов; пример — управление трафиком дорожными органами. Включает совместное использование транспорта, каршеринг, паркинг, мультимодальную навигацию — сквозное маршрутизирование с разными видами транспорта. Эти сервисы «должны строиться на интеллектуальном вождении, HD-картах и помощи в круиз-контроле».
• Финансы и страхование: Данные из подключенных авто дают страховщикам возможность ближе подойти к клиентам. «Автостраховщики принимают модель usage-based insurance, отслеживая привычки вождения: поведение, частоту, время суток. Это позволяет лучше оценить риск и предложить более справедливую стоимость. В будущем, где доступна реальная информация в реальном времени, станут возможны динамические страховые премии в реальном времени. Данные от автомобиля (данные о движении) и состояния водителя обрабатываются и возвращаются пользователю в виде информации о страховой премии в реальном времени».
• Искусственный интеллект: «Технологии ИИ, такие как машинное обучение, реализуют необходимые интеллектуальные возможности для поддержки автономного вождения, круиз-контроля, создания HD-карт, что требует больших данных и высокоинтеллектуального анализа. Фокус — на технологиях, позволяющих такие ИИ-сервисы в распределенных вычислениях с локальными сетями».
• Радиотехнологии доступа (RAT). «Беспроводные технологии будут соединять автомобиль с распределенными вычислительными платформами с большей гибкостью в качестве и стоимости. Включает не только сотовые технологии, но и локальный радиодоступ: Wi-Fi, LPWA (широкополосные сети с низким потреблением)».

Во многих отношениях автомобили — идеальные периферийные устройства, разбросанные среди потребителей и бизнеса, предоставляющие непрерывный поток данных в реальном времени и поддерживающие процессы, позволяющие автономные действия и реакции.