Периферийные вычисления в автономных транспортных средствах

Периферийные вычисления преобразуют автономные транспортные средства, обеспечивая обработку в реальном времени огромных потоков данных от таких датчиков, как LiDAR, радар и камеры. В отличие от традиционных облачных вычислений, которые полагаются на удаленные серверы, периферийные вычисления обрабатывают данные локально на транспортных средствах или близлежащих периферийных устройствах, значительно сокращая задержку и повышая надежность. Это критически важно для беспилотных автомобилей, где решения, принимаемые за доли секунды, могут предотвратить столкновения и обеспечить безопасность пассажиров. Благодаря интеграции 5G, искусственного интеллекта и связи «автомобиль-все» (V2X), периферийные вычисления позволяют транспортным средствам беспрепятственно взаимодействовать с другими автомобилями, инфраструктурой и пешеходами, создавая целостную интеллектуальную транспортную систему.

Почему это важно? Автономное вождение требует мгновенного анализа данных с датчиков для навигации в сложных условиях, от оживленных городских улиц до сельских дорог с нестабильной связью. Обработка данных с низкой задержкой на периферии сети снижает зависимость от облачных серверов, сокращая затраты на пропускную способность и повышая производительность в районах со слабым сетевым соединением. Например, системы V2X позволяют транспортным средствам обмениваться информацией о дорожной ситуации в режиме реального времени, улучшая управление дорожным движением и повышая топливную эффективность. Кроме того, периферийный ИИ поддерживает бортовое машинное обучение, позволяя транспортным средствам адаптироваться к динамическим условиям без постоянной связи с облаком.

Эта конвергенция технологий прокладывает путь к умным городам и более безопасным дорогам. Благодаря использованию периферийных вычислений, подключенные транспортные средства могут координировать свои действия с придорожными устройствами (RSU) и интеллектуальной инфраструктурой, снижая заторы и выбросы. Интеграция сетей 5G обеспечивает аналитику в реальном времени, а меры кибербезопасности, такие как блокчейн, защищают конфиденциальные данные. По мере того, как автономные транспортные средства развиваются в направлении полной автономности, периферийные вычисления становятся краеугольным камнем, стимулируя инновации в мобильных приложениях, движении грузовиков колоннами и прогнозируемом техническом обслуживании. В этом разделе рассматривается, как эти достижения меняют транспортную систему, создавая основу для будущего, где интеллектуальная мобильность будет одновременно эффективной и безопасной.

Как периферийные вычисления улучшают работу автономных транспортных средств?

Граничные вычисления совершают революцию в автономных транспортных средствах, обрабатывая данные локально, в отличие от облачных вычислений, которые полагаются на удаленные серверы. Этот сдвиг жизненно важен для беспилотных автомобилей, где принятие решений с низкой задержкой имеет решающее значение для безопасности и производительности. Обрабатывая данные с датчиков LiDAR, радаров и камер, установленных на борту или на близлежащих граничных устройствах, транспортные средства обеспечивают обработку в реальном времени, минимизируя задержки, которые могут привести к авариям. Например, обнаружение пешехода требует мгновенного анализа, который обеспечивают граничные вычисления без задержек, характерных для облачных вычислений.

Преимущества очевидны:

Сверхнизкая задержка: обеспечивает навигацию за доли секунды и предотвращение столкновений.

Эффективность использования полосы пропускания: уменьшает объем данных, отправляемых в облако, снижая затраты на полосу пропускания.

Надежность: Обеспечивает работоспособность в районах с плохим сетевым соединением, например, на сельских дорогах.

Периферийные вычисления поддерживают ключевые приложения в автономном вождении. Они обеспечивают связь «автомобиль-все» (V2X), позволяя транспортным средствам обмениваться данными с другими автомобилями (V2V), инфраструктурой (V2I) или пешеходами (V2P) через сети 5G. Это улучшает управление дорожным движением, снижает заторы и повышает топливную эффективность. Например, периферийный интеллект обрабатывает данные, полученные от датчиков, для построения карты окружающей среды в режиме реального времени, обеспечивая точную навигацию. Кроме того, периферийный ИИ запускает модели машинного обучения на борту, поддерживая обнаружение препятствий и адаптивное вождение без постоянной зависимости от облачных сервисов.

По сравнению с облачными вычислениями, граничные вычисления обеспечивают более быстрое время отклика и меньшую зависимость от централизованных вычислительных систем, что критически важно для подключенных транспортных средств в динамичной среде. Они также поддерживают концепцию «умных городов», интегрируясь с придорожными блоками (RSU) для получения информации о дорожной ситуации в режиме реального времени. Оптимизируя анализ данных локально, граничные вычисления минимизируют задержку в сети, что делает их краеугольным камнем интеллектуальных транспортных систем. Такой подход обеспечивает эффективную, безопасную и экономичную работу автономных транспортных средств, открывая путь для масштабируемых мобильных приложений и надежной интеллектуальной инфраструктуры.

Технологии, обеспечивающие работу граничных вычислений в автономных транспортных средствах

В автономных транспортных средствах граничные вычисления основаны на передовых технологиях, обеспечивающих обработку данных в реальном времени и бесперебойную связь. Сети 5G в сочетании с многодоступными граничными вычислениями (MEC) играют ключевую роль, обеспечивая связь с низкой задержкой для систем «транспортное средство — всё» (V2X). 5G обеспечивает взаимодействие V2V, V2I и V2P, позволяя транспортным средствам обмениваться данными о дорожном движении с придорожными устройствами (RSU) или интеллектуальной инфраструктурой, улучшая управление дорожным движением и предотвращение столкновений. Частные системы MEC поддерживают операторов автопарков, в то время как публичные системы MEC обеспечивают более широкую интеграцию в «умный город», делая подключенные транспортные средства более отзывчивыми.

Искусственный интеллект (ИИ) и машинное обучение лежат в основе периферийного интеллекта, обрабатывая данные с датчиков LiDAR, радаров и камер в режиме реального времени. Модели глубокого обучения, работающие на специализированном оборудовании, таком как NVIDIA DRIVE или Qualcomm Snapdragon, обеспечивают аналитику в реальном времени для навигации и обнаружения препятствий. Эти платформы оптимизируют вычислительные ресурсы, балансируя производительность и энергопотребление. Например, периферийный ИИ мгновенно анализирует дорожные условия, снижая зависимость от облачных вычислений.

Технология объединения данных с датчиков интегрирует информацию из множества источников для точного картирования окружающей среды. Благодаря сочетанию данных с LiDAR, радаров и камер, транспортные средства принимают точные решения в режиме реального времени. Вычисления на периферии сети фильтруют эти данные локально, минимизируя использование полосы пропускания и снижая нагрузку на облачные серверы. Это имеет решающее значение для интеллектуальных транспортных систем (ИТС), где эффективный анализ данных поддерживает интеллектуальную мобильность.

Ключевые технологии включают в себя:

5G и MEC: Обеспечьте быструю и надежную связь V2X.

Периферийный ИИ: Обеспечивает работу встроенной системы машинного обучения для динамического реагирования.

Слияние данных с датчиков: Объединяет данные для точной навигации в режиме реального времени.

Преимущества граничных вычислений в системах автономных транспортных средств

Периферийные вычисления преобразуют автономные транспортные средства, обеспечивая обработку данных в реальном времени и значительные преимущества в плане безопасности, эффективности и масштабируемости. Обрабатывая данные с датчиков LiDAR, радаров и камер локально, периферийные вычисления обеспечивают низкую задержку, критически важную для предотвращения столкновений. Например, обнаружение препятствий или пешеходов за миллисекунды повышает безопасность транспортных средств, снижая риск аварий в динамичных условиях, таких как городские улицы. Управление дорожным движением улучшается благодаря поддержке периферийным интеллектом связи «транспортное средство — всё» (V2X). Благодаря V2V и V2I транспортные средства обмениваются данными в реальном времени с придорожными устройствами (RSU) и интеллектуальной инфраструктурой, оптимизируя транспортный поток и уменьшая заторы. Это приводит к повышению топливной эффективности, снижению затрат и выбросов для подключенных транспортных средств. Периферийные вычисления также минимизируют использование полосы пропускания за счет локальной фильтрации данных, снижая зависимость от облачных вычислений и уменьшая затраты на полосу пропускания. Для умных городов периферийные вычисления позволяют создавать масштабируемые интеллектуальные транспортные системы (ИТС). Они поддерживают мобильные приложения и движение грузовиков в колонне, где транспортные средства координируют свои действия для экономии топлива и оптимизации логистики. Благодаря обработке данных на периферии сети, системы автономного вождения остаются надежными даже в районах с плохим сетевым соединением, обеспечивая стабильную работу. К основным преимуществам относятся: Повышенная безопасность: аналитика в реальном времени для мгновенного обнаружения опасностей. Повышение эффективности: оптимизация дорожного движения и экономия топлива благодаря технологии V2X. Масштабируемость: поддержка интеграции с системами «умного города» и управления автопарком.



Практическое применение и примеры из промышленности
Периферийные вычисления обеспечивают работу революционных приложений в автономные транспортные средства, обеспечивая обработка в реальном времени для широкого спектра применений. В коммерческом секторе. автономные флоты, такие компании, как Waymo, используют жгуты проводов. периферийный интеллект через продвинутый встроенный ПК системы обработки данные датчика от Лидар, радар, и камерыоптимизируя доставку и логистику. Эти автопарки полагаются на периферийный ИИ для аналитика в реальном времениобеспечивая эффективную навигацию и предотвращение столкновений в динамичных средах. Например, безвентиляторный мини-ПК позволяет фургонам доставки мгновенно адаптировать маршруты, сокращая расход топлива и сроки доставки.


В умные города, граничные вычисления улучшает управление дорожным движением через технология V2X (связь транспортного средства со всем окружающим миром) системы. Придорожные блоки (RSU) и интеллектуальная инфраструктура, работающий на основе надежной технологии промышленный стоечный компьютер решения, обработка данных локально для обеспечения V2I Связь, координация светофоров и снижение заторов. Приложение Apollo Go от Baidu интегрирует в себя 5G и ПК для установки в стойку системы для поддержки автономное вождение в городских районах, стимулируя безопасность транспортных средств и транспортного потока. Эта синергия способствует масштабируемости. интеллектуальные транспортные системы (ИТС), поддерживающий мобильные приложения для получения информации о дорожной ситуации в режиме реального времени.


Компания Intel демонстрирует возможности своей продукции Mobileye. граничные вычисления в потребительских автомобилях, используя глубокое обучение на Промышленный мини-ПК для обнаружение препятствий и навигации. Путем обработки слияние данных с датчиков Благодаря встроенной передаче данных, Mobileye снижает задержка сети и зависимость от облака, обеспечивая надежность в районах с плохим качеством сетевое подключениеТакой подход также снижает затраты на пропускную способность, изготовление подключенные транспортные средства Более доступный и эффективный.




Основные области применения включают:


Автономные флоты: Оптимизация маршрутов в режиме реального времени для логистики.
Интеграция в концепцию «умного города»: Технология V2X для координации дорожного движения.
Потребительские автомобили: Встроенный искусственный интеллект для более безопасной навигации.


Эти примеры демонстрируют, как периферийные вычисления обеспечивают интеллектуальную мобильность, а такие компании, как NVIDIA и Tesla, развивают приложения на основе этих технологий. Сочетая сети 5G, кибербезопасность и анализ данных, периферийные вычисления гарантируют эффективность, безопасность и готовность к широкому внедрению автономных транспортных средств в городах.




Надежная платформа для периферийных вычислений обеспечивает работу автономного вождения.




По мере того, как автономное вождение становится полностью доступным в основных городских районах Ханчжоу, развитие интеллектуальных устройств выходит на первый план в технологическом прогрессе. Для удовлетворения этого спроса мы представляем надежную платформу ИИ для периферийных вычислений, разработанную специально для автономного вождения и интеллектуальных транспортных систем, оснащенную мощными процессорами CPU и GPU.



Превосходная вычислительная мощность


Платформа SIN-3412-R680E работает на базе процессоров Intel 12-го/13-го поколений, поддерживая до 24 ядер и 32 потоков для эффективного выполнения сложных задач. Она оснащена двумя слотами для оперативной памяти ECC объемом 64 ГБ, что обеспечивает надежную поддержку критически важных операций. Для хранения данных предлагается слот M.2 2280 M key, поддерживающий твердотельные накопители NVMe Gen4 x4, а также два варианта накопительных накопителей с возможностью горячей замены на передней панели: один 2,5-дюймовый SATA HDD/SSD и опциональный лоток M.2 2280 Gen4 x4 NVMe, удовлетворяющие различным потребностям в хранении данных.



Широкий спектр интерфейсов и возможностей расширения.


SIN-3412-R680E предлагает богатый набор встроенных интерфейсов ввода-вывода, включая шесть портов USB 3.2 Gen2, три порта Ethernet 2.5G/Gigabit Ethernet и опциональный порт Ethernet 10G. Также имеются два программно-управляемых интерфейса RS-232/422/485 для универсального подключения. Для расширения платформа оснащена одним слотом PCIe x16 с дополнительной шириной слота 6,5 мм, зарезервированной для видеокарт. Инновационный кронштейн для фиксации видеокарты обеспечивает стабильность, а уникальная амортизирующая рама смягчает высокочастотные вибрации, гарантируя надежную работу как на дорогах, так и на бездорожье. Поддерживаются видеокарты NVIDIA® RTX A4000, A5000, A6000, 6000 Ada и некоторые видеокарты серии RTX 40.




Дополнительные возможности расширения


Платформа предлагает три дополнительных слота PCIe для плат захвата изображения с камер GMSL2/промышленного назначения или других плат расширения, два полноразмерных слота mini PCIe для расширения шины CAN/COM-порта и один слот M.2 B key для модулей 4G LTE, 5G NR или WiFi, обеспечивая гибкие возможности настройки.




Инновационная тепловая конструкция


Проверенная безвентиляторная система охлаждения обеспечивает стабильную работу процессора и видеокарты при температурах от -25°C до 60°C. Это снижает уровень шума, повышает надежность и продлевает срок службы, что делает его идеальным для автономного вождения в городских условиях.



Перспективы подачи заявок


Платформа SIN-3412-R680E, благодаря своей выдающейся производительности и гибким возможностям расширения, обеспечивает надежную поддержку автономного вождения и интеллектуального транспорта. Она стабильно работает в сложных условиях, отвечая требованиям интеллектуальной городской мобильности. По мере развития умных городов эта платформа становится ключевым фактором развития технологий автономных транспортных средств, предлагая инновационный дизайн и надежную работу для будущего интеллектуального транспорта. Для получения дополнительной информации или по любым вопросам, пожалуйста, свяжитесь с нами!