Hindi pa matagal na ang nakalipas, ang inobasyon sa industriya ng automotive ay umiikot sa pagtaas ng lakas ng makina, pagkatapos ay pagtaas ng kahusayan, habang sabay-sabay na pagpapabuti ng aerodynamics, pagtaas ng mga antas ng kaginhawaan at muling pagdidisenyo ng hitsura ng mga sasakyan. Ngayon, ang pangunahing mga driver ng paggalaw ng industriya ng automotive sa hinaharap ay hyperconnectivity at automation. Pagdating sa kotse ng hinaharap, unang naiisip ang mga walang driver na kotse, ngunit ang hinaharap ng industriya ng sasakyan ay mamarkahan ng higit pa sa teknolohiyang walang driver.
Isa sa mga pangunahing salik na nagtutulak sa pagbabago ng mga sasakyan ay ang kanilang pagkakakonekta - sa madaling salita, ang kanilang pagkakakonekta, na nagbibigay daan para sa malayuang pag-update, predictive na pagpapanatili, pinahusay na kaligtasan sa pagmamaneho at proteksyon ng data mula sa mga banta sa cyber. Ang pundasyon ng pagkakakonekta, sa turn, ay ang pagkolekta at pag-iimbak ng data.
Siyempre, ang mas mataas na koneksyon ng kotse ay naging mas kasiya-siya sa pagmamaneho, ngunit sa gitna nito ay ang koleksyon, pagproseso at pagbuo ng isang malaking halaga ng data ng konektadong kotse. Ayon sa inihayag noong nakaraang taon , sa susunod na sampung taon, ang mga self-driving na sasakyan ay matututong bumuo ng napakaraming impormasyon na ang pag-iimbak nito ay mangangailangan ng higit sa 2 terabytes, iyon ay, mas maraming espasyo kaysa ngayon. At hindi ito ang limitasyon - sa karagdagang pag-unlad ng teknolohiya, ang bilang ay lalago lamang. Batay dito, dapat tanungin ng mga tagagawa ng kagamitan ang kanilang sarili kung paano, sa kapaligirang ito, maaari silang epektibong tumugon sa mga hinihingi na nauugnay sa makabuluhang pagtaas sa dami ng data.
Paano bubuo ang arkitektura ng mga self-driving na sasakyan?
Ang mga karagdagang pagpapahusay sa mga kakayahan tulad ng self-driving na pamamahala ng data ng sasakyan, pagtuklas ng bagay, pag-navigate sa mapa, at paggawa ng desisyon ay lubos na umaasa sa mga pag-unlad sa machine learning at mga modelo ng artificial intelligence. Malinaw ang hamon para sa mga gumagawa ng sasakyan: kung nagiging mas advanced ang mga modelo ng machine learning, mas maganda ang karanasan sa pagmamaneho para sa mga user.
Kasabay nito, ang mga pagbabago sa arkitektura ng mga unmanned na sasakyan ay nagaganap sa ilalim ng bandila ng pag-optimize. Ang mga tagagawa ay lalong maliit ang posibilidad na mag-opt para sa isang malawak na network ng mga microcontroller na naka-install para sa mga pangangailangan ng bawat partikular na application, sa halip ay mas gustong mag-install ng isang malaking processor na may seryosong kapangyarihan sa pag-compute. Ito ang paglipat mula sa maraming automotive microcontrollers (MCUs) patungo sa isang gitnang MCU na malamang na ang pinakamahalagang pagbabago sa arkitektura ng mga sasakyan sa hinaharap.
Paglilipat ng data storage function mula sa kotse papunta sa cloud
Maaaring i-store ang data mula sa mga self-driving na sasakyan nang direkta sa board, kung kinakailangan ang agarang pagproseso, o sa cloud, na mas angkop para sa malalim na pagsusuri. Ang pagruruta ng data ay nakasalalay sa pag-andar nito: mayroong data na kailangan agad ng driver, halimbawa, impormasyon mula sa mga sensor ng paggalaw o data ng lokasyon mula sa isang GPS system, bilang karagdagan, batay dito, ang tagagawa ng kotse ay maaaring gumawa ng mahahalagang konklusyon at, batay sa kanila, patuloy na magtrabaho sa pagpapabuti ng ADAS driver assistance system.
Sa isang lugar ng saklaw ng Wi-Fi, ang pagpapadala ng data sa cloud ay makatwiran sa ekonomiya at teknikal na simple, ngunit kung ang sasakyan ay gumagalaw, ang tanging magagamit na opsyon ay maaaring isang 4G na koneksyon (at kalaunan ay 5G). At kung ang teknikal na bahagi ng paghahatid ng data sa isang cellular network ay hindi naglalabas ng mga seryosong isyu, ang gastos nito ay maaaring napakataas. Ito ay para sa kadahilanang ito na maraming mga self-driving na kotse ang kailangang iwanang ilang oras malapit sa bahay o sa ibang lugar kung saan maaari silang konektado sa Wi-Fi. Ito ay isang mas murang opsyon para sa pag-upload ng data sa cloud para sa kasunod na pagsusuri at imbakan.
Ang papel ng 5G sa kapalaran ng mga konektadong kotse
Ang mga kasalukuyang 4G network ay patuloy na magiging pangunahing channel ng komunikasyon para sa karamihan ng mga application, gayunpaman, ang teknolohiya ng 5G ay maaaring maging isang pangunahing katalista para sa karagdagang pag-unlad ng mga konektado at autonomous na mga kotse, na nagbibigay sa kanila ng kakayahang makipag-usap halos kaagad sa isa't isa, sa mga gusali at imprastraktura (V2V, V2I, V2X ).
Ang mga autonomous na sasakyan ay hindi maaaring gumana nang walang koneksyon sa network, at ang 5G ay ang susi sa mas mabilis na koneksyon at pinababang latency para sa kapakinabangan ng mga driver sa hinaharap. Ang mas mabilis na bilis ng koneksyon ay magbabawas sa oras na kinakailangan para sa sasakyan upang mangolekta ng data, na nagpapahintulot sa sasakyan na mag-react halos kaagad sa mga biglaang pagbabago sa trapiko o kondisyon ng panahon. Ang pagdating ng 5G ay mamarkahan din ang pag-unlad sa pagbuo ng mga digital na serbisyo para sa mga driver at pasahero, na mas mag-e-enjoy sa paglalakbay, at, nang naaayon, ay tataas ang potensyal na kita para sa mga provider ng mga serbisyong ito.
Seguridad ng data: kaninong mga kamay ang susi?
Malinaw na ang mga autonomous na sasakyan ay dapat protektahan ng pinakabagong mga hakbang sa cybersecurity. Gaya ng nakasaad sa isa , 84% ng mga sumasagot sa automotive engineering at IT ay nagpahayag ng pagkabahala na ang mga automaker ay nahuhuli sa pagtugon sa patuloy na dumaraming mga banta sa cyber.
Upang matiyak ang privacy ng customer at ang kanilang personal na data, lahat ng bahagi ng mga konektadong sasakyan - mula sa hardware at software sa loob mismo ng kotse hanggang sa koneksyon sa network at cloud - ay dapat na garantiya ang pinakamataas na antas ng seguridad. Nasa ibaba ang ilang hakbang upang matulungan ang mga automaker na matiyak ang seguridad at integridad ng data na ginagamit ng mga self-driving na sasakyan.
- Nililimitahan ng proteksyon ng cryptographic ang pag-access sa naka-encrypt na data sa isang partikular na lupon ng mga taong nakakaalam ng wastong "susi".
- Ang end-to-end na seguridad ay nagsasangkot ng pagpapatupad ng isang hanay ng mga hakbang upang matukoy ang isang pagtatangka sa pag-hack sa bawat entry point sa isang linya ng paghahatid ng data - mula sa mga microsensor hanggang sa 5G na mga masts ng komunikasyon.
- Ang integridad ng mga nakolektang data ay isang mahalagang salik at nagpapahiwatig na ang impormasyong natanggap mula sa mga sasakyan ay hindi nababago hanggang sa ito ay maproseso at ma-convert sa makabuluhang data ng output. Kung na-corrupt ang na-convert na data, ginagawa nitong posible na ma-access ang raw data at muling iproseso ito.
Ang kahalagahan ng plan B
Upang maisagawa ang lahat ng mga gawaing kritikal sa misyon, dapat gumana nang mapagkakatiwalaan ang central storage system ng sasakyan. Ngunit paano matitiyak ng mga automaker na natutugunan ang mga layuning ito kung nabigo ang system? Ang isang paraan upang maiwasan ang mga insidente sa kaganapan ng isang pangunahing pagkabigo ng system ay upang lumikha ng isang backup na kopya ng data sa isang kalabisan na sistema ng pagproseso ng data, gayunpaman, ang pagpipiliang ito ay hindi kapani-paniwalang mahal upang ipatupad.
Samakatuwid, ang ilang mga inhinyero ay nagsagawa ng ibang ruta: gumagawa sila ng mga backup system para sa mga indibidwal na bahagi ng makina na kasangkot sa pagbibigay ng unmanned driving mode, sa partikular na mga preno, pagpipiloto, mga sensor at mga computer chip. Kaya, ang isang pangalawang sistema ay lilitaw sa kotse, na, nang walang ipinag-uutos na backup ng lahat ng data na nakaimbak sa kotse, sa kaganapan ng isang kritikal na pagkabigo ng kagamitan, ay maaaring ligtas na ihinto ang kotse sa gilid ng kalsada. Dahil hindi lahat ng mga function ay tunay na mahalaga (sa isang emergency na magagawa mo nang wala, halimbawa, air conditioning o isang radyo), ang diskarteng ito, sa isang banda, ay hindi nangangailangan ng paglikha ng isang backup ng hindi kritikal na data, na nangangahulugang nabawasan ang mga gastos, at, sa kabilang banda, ang lahat ng ito ay nagbibigay pa rin ng seguro sa kaso ng pagkabigo ng system.
Habang umuusad ang autonomous na proyekto ng sasakyan, ang buong ebolusyon ng transportasyon ay bubuo sa paligid ng data. Sa pamamagitan ng pag-angkop sa mga algorithm ng machine learning para maproseso ang napakalaking data na umaasa sa mga autonomous na sasakyan, at pagpapatupad ng matatag at maisasagawa na mga diskarte para panatilihing ligtas at protektado ang mga ito mula sa mga panlabas na banta, ang mga manufacturer ay makakabuo ng sasakyan na sapat na ligtas upang magmaneho sa mga kalsada sa hinaharap.
Pinagmulan: www.habr.com