محاسبات لبه‌ای در وسایل نقلیه خودران

محاسبات لبه با فعال کردن پردازش بلادرنگ جریان‌های عظیم داده از حسگرهایی مانند LiDAR، رادار و دوربین‌ها، در حال متحول کردن خودروهای خودران است. برخلاف محاسبات ابری سنتی که به سرورهای دور متکی است، محاسبات لبه داده‌ها را به صورت محلی در خودروها یا دستگاه‌های لبه نزدیک پردازش می‌کند، تأخیر را کاهش داده و قابلیت اطمینان را افزایش می‌دهد. این امر برای خودروهای خودران بسیار مهم است، جایی که تصمیمات در کسری از ثانیه می‌توانند از برخورد جلوگیری کرده و ایمنی مسافران را تضمین کنند. محاسبات لبه با ادغام 5G، هوش مصنوعی و ارتباطات خودرو به همه چیز (V2X)، به خودروها این امکان را می‌دهد که به طور یکپارچه با سایر خودروها، زیرساخت‌ها و عابران پیاده تعامل داشته باشند و یک سیستم حمل و نقل هوشمند منسجم ایجاد کنند.

چرا این موضوع اهمیت دارد؟ رانندگی خودران برای پیمایش در محیط‌های پیچیده، از خیابان‌های شلوغ شهر گرفته تا جاده‌های روستایی با اتصال ضعیف، نیاز به تجزیه و تحلیل فوری داده‌های حسگر دارد. پردازش با تأخیر کم در لبه، وابستگی به سرورهای ابری را کاهش می‌دهد، هزینه‌های پهنای باند را کاهش می‌دهد و عملکرد را در مناطقی با اتصال شبکه ضعیف افزایش می‌دهد. به عنوان مثال، سیستم‌های V2X به خودروها این امکان را می‌دهند که به‌روزرسانی‌های ترافیک را در لحظه به اشتراک بگذارند و مدیریت ترافیک و بهره‌وری سوخت را بهبود بخشند. علاوه بر این، هوش مصنوعی لبه از یادگیری ماشینی داخلی پشتیبانی می‌کند و به خودروها اجازه می‌دهد بدون ارتباط مداوم ابری، با شرایط پویا سازگار شوند.

این همگرایی فناوری‌ها، راه را برای شهرهای هوشمند و جاده‌های امن‌تر هموار می‌کند. با بهره‌گیری از هوش لبه‌ای، وسایل نقلیه متصل می‌توانند با واحدهای کنار جاده‌ای (RSU) و زیرساخت‌های هوشمند هماهنگ شوند و از ازدحام و انتشار گازهای گلخانه‌ای بکاهند. ادغام شبکه‌های 5G، تجزیه و تحلیل بلادرنگ را تضمین می‌کند، در حالی که اقدامات امنیت سایبری مانند بلاکچین از داده‌های حساس محافظت می‌کنند. همزمان با تکامل وسایل نقلیه خودران به سمت خودران کامل، محاسبات لبه‌ای به عنوان سنگ بنای نوآوری در برنامه‌های حمل و نقل، گروه‌بندی کامیون‌ها و نگهداری پیش‌بینی‌کننده عمل می‌کند. در این بخش بررسی می‌شود که چگونه این پیشرفت‌ها در حال تغییر شکل حمل و نقل هستند و زمینه را برای آینده‌ای فراهم می‌کنند که در آن حمل و نقل هوشمند هم کارآمد و هم ایمن باشد.

چگونه محاسبات لبه‌ای، خودروهای خودران را بهبود می‌بخشد؟

محاسبات لبه‌ای با پردازش داده‌ها به صورت محلی، برخلاف محاسبات ابری که به سرورهای دور متکی است، انقلابی در وسایل نقلیه خودران ایجاد می‌کند. این تغییر برای خودروهای خودران حیاتی است، جایی که تصمیم‌گیری با تأخیر کم برای ایمنی و عملکرد حیاتی است. با پردازش داده‌های حسگر از LiDAR، رادار و دوربین‌های موجود در دستگاه یا در دستگاه‌های لبه‌ای نزدیک، وسایل نقلیه به پردازش در زمان واقعی دست می‌یابند و تأخیرهایی را که می‌تواند منجر به تصادفات شود، به حداقل می‌رسانند. به عنوان مثال، تشخیص عابر پیاده نیاز به تجزیه و تحلیل فوری دارد، که محاسبات لبه‌ای بدون تأخیر انتقال ابری ارائه می‌دهد.

مزایا واضح است:

تأخیر بسیار کم: ناوبری در کسری از ثانیه و جلوگیری از برخورد را امکان‌پذیر می‌کند.

بهره‌وری پهنای باند: داده‌های ارسالی به فضای ابری را کاهش می‌دهد و هزینه‌های پهنای باند را پایین می‌آورد.

قابلیت اطمینان: عملکرد را در مناطقی با اتصال شبکه ضعیف، مانند جاده‌های روستایی، تضمین می‌کند.

محاسبات لبه از کاربردهای کلیدی در رانندگی خودکار پشتیبانی می‌کند. این فناوری، ارتباط خودرو با همه چیز (V2X) را تقویت می‌کند و به خودروها اجازه می‌دهد تا داده‌ها را از طریق شبکه‌های 5G با سایر خودروها (V2V)، زیرساخت‌ها (V2I) یا عابران پیاده (V2P) به اشتراک بگذارند. این امر مدیریت ترافیک را بهبود می‌بخشد، ازدحام را کاهش می‌دهد و بهره‌وری سوخت را بهبود می‌بخشد. به عنوان مثال، هوش لبه، داده‌های تلفیقی حسگر را برای نقشه‌برداری از محیط اطراف در زمان واقعی پردازش می‌کند و ناوبری دقیق را امکان‌پذیر می‌سازد. علاوه بر این، هوش مصنوعی لبه، مدل‌های یادگیری ماشین را به صورت داخلی اجرا می‌کند و از تشخیص مانع و رانندگی تطبیقی ​​​​بدون وابستگی مداوم به ابر پشتیبانی می‌کند.

در مقایسه با محاسبات ابری، محاسبات لبه‌ای زمان پاسخ سریع‌تر و وابستگی کمتری به محاسبات متمرکز ارائه می‌دهد که برای وسایل نقلیه متصل در محیط‌های پویا بسیار مهم است. همچنین با ادغام با واحدهای کنار جاده‌ای (RSU) برای به‌روزرسانی‌های ترافیک در زمان واقعی، از شهرهای هوشمند پشتیبانی می‌کند. محاسبات لبه‌ای با بهینه‌سازی تجزیه و تحلیل داده‌ها به صورت محلی، تأخیر شبکه را به حداقل می‌رساند و آن را به سنگ بنای سیستم‌های حمل و نقل هوشمند تبدیل می‌کند. این رویکرد تضمین می‌کند که وسایل نقلیه خودران به طور کارآمد، ایمن و مقرون به صرفه عمل می‌کنند و راه را برای برنامه‌های تحرک مقیاس‌پذیر و زیرساخت‌های هوشمند قوی هموار می‌کنند.

فعال کردن فناوری‌ها برای محاسبات لبه در وسایل نقلیه خودران

محاسبات لبه در خودروهای خودران برای ارائه پردازش بلادرنگ و اتصال یکپارچه به فناوری‌های پیشرفته متکی است. شبکه‌های 5G، همراه با محاسبات لبه با دسترسی چندگانه (MEC)، نقشی محوری دارند و ارتباط با تأخیر کم را برای سیستم‌های خودرو به همه چیز (V2X) ارائه می‌دهند. 5G تعاملات V2V، V2I و V2P را امکان‌پذیر می‌کند و به خودروها اجازه می‌دهد داده‌های ترافیکی را با واحدهای کنار جاده‌ای (RSU) یا زیرساخت‌های هوشمند به اشتراک بگذارند و مدیریت ترافیک و جلوگیری از تصادف را بهبود بخشند. تنظیمات MEC خصوصی از اپراتورهای ناوگان پشتیبانی می‌کنند، در حالی که MEC عمومی ادغام گسترده‌تر شهر هوشمند را تضمین می‌کند و خودروهای متصل را پاسخگوتر می‌سازد.

هوش مصنوعی (AI) و یادگیری ماشین، هوش لبه‌ای را هدایت می‌کنند و داده‌های حسگرها را از LiDAR، رادار و دوربین‌ها به صورت بلادرنگ پردازش می‌کنند. مدل‌های یادگیری عمیق، که روی سخت‌افزارهای تخصصی مانند NVIDIA DRIVE یا Qualcomm Snapdragon اجرا می‌شوند، تجزیه و تحلیل بلادرنگ را برای ناوبری و تشخیص مانع امکان‌پذیر می‌کنند. این پلتفرم‌ها منابع محاسباتی را بهینه می‌کنند و عملکرد را با مصرف برق متعادل می‌کنند. به عنوان مثال، هوش مصنوعی لبه‌ای شرایط جاده را فوراً تجزیه و تحلیل می‌کند و وابستگی به محاسبات ابری را کاهش می‌دهد.

ادغام حسگرها، داده‌ها را از منابع مختلف برای نقشه‌برداری دقیق از محیط ادغام می‌کند. با ترکیب ورودی‌های لیدار، رادار و دوربین، وسایل نقلیه به تصمیم‌گیری دقیق در لحظه دست می‌یابند. محاسبات لبه‌ای این داده‌ها را به صورت محلی فیلتر می‌کند، استفاده از پهنای باند را به حداقل می‌رساند و بار روی سرورهای ابری را کاهش می‌دهد. این امر برای سیستم‌های حمل و نقل هوشمند (ITS) بسیار مهم است، جایی که تجزیه و تحلیل کارآمد داده‌ها از تحرک هوشمند پشتیبانی می‌کند.

فناوری‌های کلیدی عبارتند از:

5G و MEC: ارتباط سریع و قابل اعتماد V2X را فعال کنید.

هوش مصنوعی لبه‌ای: یادگیری ماشینی داخلی را برای پاسخ‌های پویا تقویت می‌کند.

ادغام حسگرها: داده‌ها را برای ناوبری دقیق و بلادرنگ ترکیب می‌کند.

مزایای محاسبات لبه در سیستم‌های خودروهای خودران

محاسبات لبه با فعال کردن پردازش در زمان واقعی، خودروهای خودران را متحول می‌کند و مزایای قابل توجهی برای ایمنی، کارایی و مقیاس‌پذیری ارائه می‌دهد. محاسبات لبه با پردازش داده‌های حسگر از LiDAR، رادار و دوربین‌ها به صورت محلی، پاسخ‌های با تأخیر کم را که برای پیشگیری از برخورد بسیار مهم است، تضمین می‌کند. به عنوان مثال، تشخیص موانع یا عابران پیاده در میلی‌ثانیه، ایمنی خودرو را افزایش می‌دهد و خطرات تصادف را در محیط‌های پویا مانند خیابان‌های شهری کاهش می‌دهد. مدیریت ترافیک با پشتیبانی هوش لبه از ارتباط خودرو با همه چیز (V2X) بهبود می‌یابد. از طریق V2V و V2I، خودروها داده‌های بلادرنگ را با واحدهای کنار جاده‌ای (RSU) و زیرساخت‌های هوشمند به اشتراک می‌گذارند و جریان ترافیک را بهینه کرده و ازدحام را کاهش می‌دهند. این امر منجر به بهره‌وری سوخت، کاهش هزینه‌ها و انتشار گازهای گلخانه‌ای برای خودروهای متصل می‌شود. محاسبات لبه همچنین با فیلتر کردن داده‌ها به صورت محلی، استفاده از پهنای باند را به حداقل می‌رساند و وابستگی به محاسبات ابری را کاهش می‌دهد و هزینه‌های پهنای باند را کاهش می‌دهد. برای شهرهای هوشمند، محاسبات لبه سیستم‌های حمل و نقل هوشمند مقیاس‌پذیر (ITS) را فعال می‌کند. این سیستم از برنامه‌های تحرک و دسته‌های کامیون پشتیبانی می‌کند، جایی که خودروها برای صرفه‌جویی در سوخت و ساده‌سازی لجستیک هماهنگ می‌شوند. با پردازش داده‌ها در لبه، سیستم‌های رانندگی خودران حتی در مناطقی با اتصال شبکه ضعیف قابل اعتماد باقی می‌مانند و عملکرد مداوم را تضمین می‌کنند. مزایای کلیدی عبارتند از: ایمنی پیشرفته: تجزیه و تحلیل بلادرنگ برای تشخیص فوری خطر. افزایش بهره‌وری: بهینه‌سازی ترافیک و بهره‌وری سوخت از طریق V2X. مقیاس‌پذیری: پشتیبانی از ادغام شهر هوشمند و مدیریت ناوگان.



کاربردهای عملی و نمونه‌های صنعتی
محاسبات لبه، برنامه‌های کاربردی دگرگون‌کننده را تقویت می‌کند وسایل نقلیه خودران، فعال کردن پردازش بلادرنگ برای طیف گسترده‌ای از موارد استفاده. در تجارت ناوگان‌های خودرانشرکت‌هایی مانند Waymo harness هوش لبه‌ای از طریق پیشرفته کامپیوتر جاسازی شده سیستم‌هایی برای پردازش داده‌های حسگر از لیدار، رادار، و دوربین‌ها، ساده‌سازی تحویل و لجستیک. این ناوگان‌ها به ... متکی هستند. هوش مصنوعی لبه‌ای برای تجزیه و تحلیل بلادرنگ، تضمین ناوبری کارآمد و پیشگیری از برخورد در محیط‌های پویا. به عنوان مثال، یک مینی کامپیوتر بدون فن ون‌های تحویل را قادر می‌سازد تا فوراً مسیرها را تطبیق دهند و برش دهند مصرف سوخت و زمان‌های تحویل.


در شهرهای هوشمند، محاسبات لبه‌ای افزایش می‌دهد مدیریت ترافیک از طریق ارتباط خودرو با همه چیز (V2X) سیستم‌ها. واحدهای کنار جاده‌ای (RSU) و زیرساخت هوشمند، با قدرت قوی کامپیوتر صنعتی رکمونت راه‌حل‌ها، داده‌ها را به صورت محلی پردازش می‌کنند تا فعال شوند وی۲آی ارتباطات، هماهنگی علائم راهنمایی و رانندگی و کاهش ازدحام. آپولو گو بایدو ادغام می‌شود 5G و کامپیوتر قابل نصب در رک سیستم‌هایی برای پشتیبانی رانندگی خودکار در مناطق شهری، تقویت ایمنی خودرو و جریان ترافیک. این هم‌افزایی، مقیاس‌پذیری را تقویت می‌کند سیستم‌های حمل و نقل هوشمند (ITS)، حمایت کردن اپلیکیشن‌های تحرک برای به‌روزرسانی‌های ترافیک در لحظه.


موبایل‌آی اینتل نشان می‌دهد محاسبات لبه‌ای در خودروهای مصرفی، با اعمال نفوذ یادگیری عمیق روی یک مینی کامپیوتر صنعتی برای تشخیص مانع و ناوبری. با پردازش همجوشی حسگر داده‌های روی برد، Mobileye کاهش می‌دهد تأخیر شبکه و وابستگی به ابر، تضمین قابلیت اطمینان در مناطقی با شرایط نامناسب اتصال شبکهاین رویکرد همچنین کاهش می‌دهد هزینه‌های پهنای باند، ساختن وسایل نقلیه متصل قابل دسترس تر و کارآمدتر.




کاربردهای کلیدی عبارتند از:


ناوگان‌های خودران: بهینه‌سازی مسیر در لحظه برای لجستیک
یکپارچه‌سازی شهر هوشمند: V2X برای هماهنگی ترافیک و بهره‌وری سوخت
خودروهای مصرفی: هوش مصنوعی لبه‌ای داخلی برای ناوبری ایمن‌تر.


این مثال‌ها نشان می‌دهند که چگونه محاسبات لبه، با پیشرفت برنامه‌های کاربردی مبتنی بر لبه توسط شرکت‌هایی مانند NVIDIA و Tesla، به تحرک هوشمند قدرت می‌بخشد. محاسبات لبه با ترکیب شبکه‌های 5G، امنیت سایبری و تجزیه و تحلیل داده‌ها، تضمین می‌کند که وسایل نقلیه خودران کارآمد، ایمن و آماده برای پذیرش گسترده شهری هستند.




پلتفرم محاسبات لبه ناهموار، رانندگی خودران را تقویت می‌کند




با دسترسی کامل به رانندگی خودکار در مناطق اصلی شهری هانگژو، پیشرفت دستگاه‌های هوشمند در مرکز پیشرفت فناوری قرار گرفته است. برای پاسخگویی به این تقاضا، ما یک پلتفرم هوش مصنوعی محاسباتی لبه ناهموار را معرفی می‌کنیم که برای رانندگی خودکار و سیستم‌های حمل و نقل هوشمند طراحی شده و مجهز به عملکرد قوی CPU و GPU است.



قدرت محاسباتی برتر


پلتفرم SIN-3412-R680E از پردازنده‌های نسل دوازدهم/سیزدهم اینتل بهره می‌برد که از حداکثر 24 هسته و 32 رشته پردازشی برای مدیریت کارآمد وظایف پیچیده پشتیبانی می‌کنند. این پلتفرم دارای دو اسلات حافظه 64 گیگابایتی ECC است که پشتیبانی قابل اعتمادی را برای عملیات حیاتی تضمین می‌کند. برای ذخیره‌سازی، یک اسلات کلید M.2 2280 M با پشتیبانی از SSDهای Gen4 x4 NVMe ارائه می‌دهد، به علاوه دو گزینه ذخیره‌سازی قابل تعویض در حالت روشن (hot-swappable) در پنل جلویی: یک HDD/SSD 2.5 اینچی SATA و یک سینی اختیاری M.2 2280 Gen4 x4 NVMe که نیازهای ذخیره‌سازی متنوعی را برطرف می‌کند.



رابط‌های کاربری گسترده و قابلیت‌های توسعه


SIN-3412-R680E مجموعه‌ای غنی از رابط‌های ورودی/خروجی داخلی، از جمله شش پورت USB 3.2 Gen2، سه پورت اترنت 2.5G/پورت اترنت گیگابیت و یک پورت اترنت اختیاری 10G را ارائه می‌دهد. همچنین شامل دو رابط RS-232/422/485 قابل برنامه‌ریزی نرم‌افزاری برای اتصال همه‌کاره است. برای توسعه، این پلتفرم دارای یک اسلات PCIe x16 با عرض اسلات 6.5 میلی‌متری اضافی برای کارت‌های GPU است. یک براکت قفل‌کننده GPU نوآورانه، پایداری را تضمین می‌کند، در حالی که یک قاب جاذب شوک منحصر به فرد، ارتعاشات فرکانس بالا را کاهش می‌دهد و عملکرد قابل اعتماد را در برنامه‌های جاده‌ای و خارج از جاده تضمین می‌کند. این دستگاه از NVIDIA® RTX A4000، A5000، A6000، 6000 Ada و پردازنده‌های گرافیکی سری RTX 40 منتخب پشتیبانی می‌کند.




گزینه‌های توسعه اضافی


این پلتفرم سه اسلات PCIe اضافی برای کارت‌های ضبط دوربین صنعتی/GMSL2 یا سایر کارت‌های توسعه، دو اسلات mini PCIe کامل برای توسعه پورت CAN bus/COM و یک اسلات کلید M.2 B برای ماژول‌های 4G LTE، 5G NR یا WiFi ارائه می‌دهد که امکان سفارشی‌سازی انعطاف‌پذیر را فراهم می‌کند.




طراحی حرارتی نوآورانه


طراحی خنک‌کننده بدون فنِ اثبات‌شده، عملکرد پایدار CPU و GPU را در دماهای بین -25 تا 60 درجه سانتیگراد تضمین می‌کند. این امر باعث کاهش نویز، افزایش قابلیت اطمینان و افزایش طول عمر می‌شود و آن را برای رانندگی خودکار در محیط‌های شهری ایده‌آل می‌سازد.



چشم‌اندازهای کاربردی


پلتفرم SIN-3412-R680E، با عملکرد فوق‌العاده و قابلیت توسعه انعطاف‌پذیر، پشتیبانی قوی برای رانندگی خودران و حمل و نقل هوشمند ارائه می‌دهد. این پلتفرم در محیط‌های پیچیده با اطمینان عمل می‌کند و نیازهای حمل و نقل هوشمند شهری را برآورده می‌سازد. با تکامل شهرهای هوشمند، این پلتفرم یک عامل کلیدی در فناوری خودروهای خودران است که طراحی نوآورانه و عملکرد قابل اعتمادی را برای آینده حمل و نقل هوشمند ارائه می‌دهد. برای سوالات یا کسب اطلاعات بیشتر، با ما تماس بگیرید!