ड्रायव्हरलेस तंत्रज्ञानाच्या पलीकडे: ऑटोमोटिव्ह उद्योगाचे भविष्य

काही काळापूर्वी, ऑटोमोटिव्ह उद्योगातील नावीन्यपूर्ण इंजिन पॉवर वाढवणे, नंतर कार्यक्षमता वाढवणे, त्याचवेळी एरोडायनॅमिक्स सुधारणे, आराम पातळी वाढवणे आणि वाहनांचे स्वरूप पुन्हा डिझाइन करणे याभोवती फिरत होते. आता, भविष्यात ऑटोमोटिव्ह उद्योगाच्या हालचालीचे मुख्य चालक हायपरकनेक्टिव्हिटी आणि ऑटोमेशन आहेत. जेव्हा भविष्यातील कारचा विचार केला जातो, तेव्हा ड्रायव्हरलेस कारचा विचार प्रथम मनात येतो, परंतु वाहन उद्योगाचे भविष्य ड्रायव्हरलेस तंत्रज्ञानापेक्षा कितीतरी अधिक चिन्हांकित असेल.

मोटारींचे परिवर्तन घडवून आणणारे प्रमुख घटक म्हणजे त्यांची कनेक्टिव्हिटी - दुसऱ्या शब्दांत, त्यांची कनेक्टिव्हिटी, जी रिमोट अपडेट्स, भविष्यसूचक देखभाल, सुधारित ड्रायव्हिंग सुरक्षा आणि सायबर धोक्यांपासून डेटा संरक्षणासाठी मार्ग मोकळा करते. कनेक्टिव्हिटीचा आधारस्तंभ, डेटाचे संकलन आणि संग्रहण आहे.

अर्थात, कारच्या वाढीव कनेक्टिव्हिटीमुळे ड्रायव्हिंग अधिक आनंददायक बनले आहे, परंतु कनेक्ट केलेल्या कारद्वारे मोठ्या प्रमाणात डेटाचे संकलन, प्रक्रिया आणि निर्मिती हे याच्या केंद्रस्थानी आहे. गतवर्षी जे जाहीर केले होते त्यानुसार अंदाज, पुढील दहा वर्षांत, सेल्फ-ड्रायव्हिंग कार इतकी माहिती निर्माण करायला शिकतील की ती साठवण्यासाठी 2 टेराबाइट्सपेक्षा जास्त म्हणजेच आताच्या तुलनेत खूप जास्त जागा लागेल. आणि ही मर्यादा नाही - तंत्रज्ञानाच्या पुढील विकासासह, आकृती फक्त वाढेल. यावर आधारित, उपकरणे उत्पादकांनी स्वतःला विचारले पाहिजे की, या वातावरणात ते डेटा व्हॉल्यूममधील लक्षणीय वाढीशी संबंधित मागण्यांना प्रभावीपणे कसे प्रतिसाद देऊ शकतात.

सेल्फ-ड्रायव्हिंग कारचे आर्किटेक्चर कसे विकसित होईल?

सेल्फ-ड्रायव्हिंग व्हेईकल डेटा मॅनेजमेंट, ऑब्जेक्ट डिटेक्शन, मॅप नेव्हिगेशन आणि निर्णय घेणे यासारख्या क्षमतांमधील पुढील सुधारणा मशीन लर्निंग आणि आर्टिफिशियल इंटेलिजन्स मॉडेल्सच्या प्रगतीवर मोठ्या प्रमाणावर अवलंबून असतात. ऑटोमेकर्ससाठी आव्हान स्पष्ट आहे: मशीन लर्निंग मॉडेल जितके अधिक प्रगत होतील तितका वापरकर्त्यांसाठी ड्रायव्हिंगचा अनुभव अधिक चांगला होईल.

त्याच वेळी, ऑप्टिमायझेशनच्या बॅनरखाली मानवरहित वाहनांच्या आर्किटेक्चरमध्ये बदल होत आहेत. उत्पादक प्रत्येक विशिष्ट अनुप्रयोगाच्या गरजेसाठी स्थापित केलेल्या मायक्रोकंट्रोलरच्या विस्तृत नेटवर्कची निवड करण्याची शक्यता कमी आहे, त्याऐवजी गंभीर संगणकीय शक्तीसह एक मोठा प्रोसेसर स्थापित करण्यास प्राधान्य देतात. मल्टिपल ऑटोमोटिव्ह मायक्रोकंट्रोलर्स (MCUs) पासून एका मध्यवर्ती MCU मध्ये हे संक्रमण आहे जे बहुधा भविष्यातील वाहनांच्या आर्किटेक्चरमध्ये सर्वात लक्षणीय बदल असेल.

डेटा स्टोरेज फंक्शन कारमधून क्लाउडवर स्थानांतरित करणे

सेल्फ-ड्रायव्हिंग कारमधील डेटा थेट बोर्डवर, त्वरित प्रक्रिया आवश्यक असल्यास किंवा क्लाउडमध्ये संग्रहित केला जाऊ शकतो, जो सखोल विश्लेषणासाठी अधिक योग्य आहे. डेटाचे राउटिंग त्याच्या कार्यावर अवलंबून असते: ड्रायव्हरला ताबडतोब आवश्यक असलेला डेटा आहे, उदाहरणार्थ, मोशन सेन्सरची माहिती किंवा जीपीएस सिस्टममधील स्थान डेटा, याव्यतिरिक्त, यावर आधारित, कार निर्माता महत्त्वपूर्ण निष्कर्ष काढू शकतो आणि, त्यांच्यावर, ADAS ड्रायव्हर सहाय्य प्रणाली सुधारण्यासाठी कार्य करणे सुरू ठेवा.

वाय-फाय कव्हरेज क्षेत्रात, क्लाउडवर डेटा पाठवणे आर्थिकदृष्ट्या न्याय्य आणि तांत्रिकदृष्ट्या सोपे आहे, परंतु जर कार गतीमान असेल, तर एकमेव उपलब्ध पर्याय 4G कनेक्शन (आणि शेवटी 5G) असू शकतो. आणि जर सेल्युलर नेटवर्कवर डेटा ट्रान्समिशनची तांत्रिक बाजू गंभीर समस्या निर्माण करत नसेल तर त्याची किंमत आश्चर्यकारकपणे जास्त असू शकते. या कारणास्तव अनेक सेल्फ-ड्रायव्हिंग कार काही काळ घराजवळ किंवा वाय-फायशी कनेक्ट करता येतील अशा अन्य ठिकाणी सोडाव्या लागतील. त्यानंतरच्या विश्लेषणासाठी आणि स्टोरेजसाठी क्लाउडवर डेटा अपलोड करण्यासाठी हा खूपच स्वस्त पर्याय आहे.

कनेक्ट केलेल्या कारच्या नशिबात 5G ची भूमिका

विद्यमान 4G नेटवर्क बहुतेक ऍप्लिकेशन्ससाठी मुख्य संप्रेषण चॅनेल बनून राहतील, तथापि, 5G तंत्रज्ञान कनेक्टेड आणि स्वायत्त कारच्या पुढील विकासासाठी एक प्रमुख उत्प्रेरक बनू शकते, ज्यामुळे त्यांना इमारती आणि पायाभूत सुविधांसह एकमेकांशी जवळजवळ त्वरित संवाद साधण्याची क्षमता मिळते. (V2V, V2I, V2X ).

स्वायत्त कार नेटवर्क कनेक्शनशिवाय कार्य करू शकत नाहीत आणि 5G ही भविष्यातील ड्रायव्हर्सच्या फायद्यासाठी वेगवान कनेक्शन आणि कमी विलंबाची गुरुकिल्ली आहे. वेगवान कनेक्शन गती वाहनाला डेटा संकलित करण्यासाठी लागणारा वेळ कमी करेल, ज्यामुळे वाहतूक किंवा हवामानातील अचानक बदलांवर वाहन जवळजवळ त्वरित प्रतिक्रिया देऊ शकेल. 5G चे आगमन ड्रायव्हर आणि प्रवाशांसाठी डिजिटल सेवांच्या विकासात प्रगती दर्शवेल, जे अधिक आनंददायी प्रवासाचा आनंद घेतील आणि त्यानुसार, या सेवा प्रदात्यांच्या संभाव्य नफ्यात वाढ होईल.

डेटा सुरक्षा: चावी कोणाच्या हातात आहे?

हे स्पष्ट आहे की स्वायत्त वाहनांना नवीनतम सायबर सुरक्षा उपायांनी संरक्षित केले पाहिजे. एकात म्हटल्याप्रमाणे अलीकडील अभ्यास, 84% ऑटोमोटिव्ह अभियांत्रिकी आणि IT प्रतिसादकर्त्यांनी चिंता व्यक्त केली की ऑटोमेकर्स सतत वाढत्या सायबर धोक्यांना प्रतिसाद देण्यात मागे पडत आहेत.

ग्राहक आणि त्यांच्या वैयक्तिक डेटाची गोपनीयता सुनिश्चित करण्यासाठी, कनेक्ट केलेल्या कारच्या सर्व घटकांना - कारमधील हार्डवेअर आणि सॉफ्टवेअरपासून ते नेटवर्क आणि क्लाउडशी जोडण्यापर्यंत - उच्च पातळीच्या सुरक्षिततेची हमी देणे आवश्यक आहे. स्वयं-ड्रायव्हिंग कारद्वारे वापरल्या जाणाऱ्या डेटाची सुरक्षितता आणि अखंडता सुनिश्चित करण्यात ऑटोमेकर्सना मदत करण्यासाठी खाली काही उपाय दिले आहेत.

1. क्रिप्टोग्राफिक संरक्षण कूटबद्ध डेटाचा प्रवेश मर्यादित करते ज्यांना वैध "की" माहित आहे अशा व्यक्तींच्या विशिष्ट मंडळाला.
2. एन्ड-टू-एंड सुरक्षेमध्ये डेटा ट्रान्समिशन लाइनमधील प्रत्येक एंट्री पॉइंटवर हॅकिंगचा प्रयत्न शोधण्यासाठी उपायांचा संच लागू करणे समाविष्ट आहे - मायक्रोसेन्सरपासून 5G कम्युनिकेशन मास्टपर्यंत.
3. संकलित डेटाची अखंडता हा एक महत्त्वाचा घटक आहे आणि याचा अर्थ असा आहे की वाहनांकडून मिळालेली माहिती प्रक्रिया होईपर्यंत आणि अर्थपूर्ण आउटपुट डेटामध्ये रूपांतरित होईपर्यंत अपरिवर्तित संग्रहित केली जाते. रूपांतरित डेटा दूषित झाल्यास, यामुळे कच्च्या डेटामध्ये प्रवेश करणे आणि त्यावर पुनर्प्रक्रिया करणे शक्य होते.

प्लॅन बी चे महत्व

सर्व मिशन-गंभीर कार्ये पार पाडण्यासाठी, वाहनाची मध्यवर्ती स्टोरेज प्रणाली विश्वासार्हपणे ऑपरेट करणे आवश्यक आहे. परंतु सिस्टम अयशस्वी झाल्यास ऑटोमेकर्स ही उद्दिष्टे पूर्ण झाल्याचे कसे सुनिश्चित करू शकतात? मुख्य सिस्टम अयशस्वी झाल्यास घटना रोखण्याचा एक मार्ग म्हणजे अनावश्यक डेटा प्रोसेसिंग सिस्टममध्ये डेटाची बॅकअप प्रत तयार करणे, तथापि, हा पर्याय अंमलात आणणे आश्चर्यकारकपणे महाग आहे.

म्हणून, काही अभियंत्यांनी वेगळा मार्ग स्वीकारला आहे: ते मानवरहित ड्रायव्हिंग मोड, विशेषत: ब्रेक, स्टीयरिंग, सेन्सर्स आणि संगणक चिप्स प्रदान करण्यात गुंतलेल्या वैयक्तिक मशीन घटकांसाठी बॅकअप सिस्टम तयार करण्यावर काम करत आहेत. अशा प्रकारे, कारमध्ये दुसरी प्रणाली दिसून येते, जी कारमध्ये संग्रहित सर्व डेटाचा अनिवार्य बॅकअप न घेता, गंभीर उपकरणे अपयशी झाल्यास, रस्त्याच्या कडेला कार सुरक्षितपणे थांबवू शकते. सर्व फंक्शन्स खरोखर महत्त्वपूर्ण नसल्यामुळे (आपत्कालीन परिस्थितीत आपण एअर कंडिशनिंग किंवा रेडिओशिवाय करू शकता), हा दृष्टिकोन, एकीकडे, गैर-गंभीर डेटाचा बॅकअप तयार करण्याची आवश्यकता नाही, याचा अर्थ कमी खर्च, आणि दुसरीकडे, हे सर्व अजूनही सिस्टम अयशस्वी झाल्यास विमा प्रदान करते.

स्वायत्त वाहन प्रकल्प जसजसा पुढे जाईल, वाहतुकीची संपूर्ण उत्क्रांती डेटाभोवती तयार केली जाईल. स्वायत्त वाहने अवलंबून असलेल्या मोठ्या प्रमाणावरील डेटावर प्रक्रिया करण्यासाठी मशीन लर्निंग अल्गोरिदमचे रुपांतर करून आणि त्यांना सुरक्षित ठेवण्यासाठी आणि बाह्य धोक्यांपासून संरक्षित ठेवण्यासाठी मजबूत आणि कार्यक्षम धोरणे अंमलात आणून, उत्पादक कधीतरी अशी कार विकसित करण्यास सक्षम होतील जी पुरेशी सुरक्षित असेल. भविष्यातील डिजिटल रस्त्यांवर चालवा.

स्त्रोत: www.habr.com