Теперь практически на каждой автомобильной выставке есть стенд, где обещают, что edge computing сделает автономное вождение неизбежным уже в течение нескольких следующих продуктовых циклов. Данные датчиков обрабатываются локально; задержка сокращается до миллисекунд; автомобиль принимает решения за доли секунды. Звучит убедительно... но базовая технология пока не достигла такого уровня. Для менеджеров автопарков, которые видят будущее за автономными транспортными средствами, разрыв между реальным технологическим стеком и нашими ожиданиями может быть разочаровывающим.

Какие задачи должен решать edge computing

Система автономного вождения должна в реальном времени обрабатывать потоки данных с камер, радаров и lidar, сверять их с актуальной картой и принимать решение по управлению достаточно быстро, чтобы оно имело значение на скорости движения по автомагистрали. Передача такого объема данных на облачный сервер и ожидание ответа создают задержку, которую не может допустить ни одна система безопасности. Edge computing переносит обработку непосредственно в автомобиль, чтобы решения принимались там же, где находятся датчики.

Ниже приведены примеры для каждого уровня — от наиболее терпимого к задержке до наименее терпимого.

Облако (допустимая задержка от нескольких секунд до нескольких часов)

• Обучение и совершенствование моделей вождения на основе данных, собранных со всего автопарка
• Обновление и распространение HD-карт
• Беспроводные over-the-air обновления программного обеспечения и прошивки
• Аналитика автопарка, например объединение данных телематики и событий ADAS для отчетов о потенциальных авариях
• Планирование маршрутов и прогнозирование дорожной ситуации в регионе
• Центры удаленной помощи, где человек помогает застрявшему автомобилю

Дорожная инфраструктура (десятки миллисекунд, используется многими автомобилями)

• Придорожные устройства на перекрестках, передающие приближающимся автомобилям информацию о фазах светофоров
• Предупреждения о дорожных работах и опасностях, передаваемые автомобилям до места аварии или перекрытия полосы
• Камеры и lidar на перекрестках, передающие информацию о пешеходах или поперечном движении, которое собственные датчики автомобиля не могут видеть
• Серверы multi-access edge computing на площадках 5G, обеспечивающие локальную координацию
• Координация platooning и перестроений между находящимися рядом автомобилями

В автомобиле (единицы миллисекунд, подключение не требуется)

• Sensor fusion, объединяющая данные камер, радаров и lidar в единую картину
• Обнаружение и классификация объектов, включая пешеходов, велосипедистов и другие автомобили
• Решения по автоматическому экстренному торможению и предотвращению столкновений
• Удержание в полосе и адаптивный круиз-контроль
• Мониторинг водителя на предмет сонливости и отвлечения внимания
• Непрерывная локализация и планирование траектории движения

Эта часть обещаний вполне соответствует действительности. Проблемы начинаются с того, сколько стоит реализовать все это действительно хорошо.

Где аппаратное обеспечение все еще отстает

Sensor fusion — практика объединения данных нескольких локальных датчиков непосредственно на локальном процессоре устройства для мгновенного и точного принятия решений без ожидания ответа от удаленного облачного сервера — требует значительной вычислительной мощности, чтобы надежно работать в автомобиле. Современным автомобильным процессорам часто сложно обеспечить такую производительность без чрезмерного потребления электроэнергии или выделения слишком большого количества тепла.

Для автопарков проблема дополнительно осложняется несколькими факторами:

• Энергопотребление edge-процессоров конкурирует со всеми остальными системами, использующими электрическую систему автомобиля. Для электромобилей это особенно важно, поскольку каждый ватт, направленный на вычисления, — это ватт, который не используется для увеличения запаса хода.
• Управление температурой добавляет стоимость и сложность, с которыми производители все еще пытаются справиться, особенно для автомобилей, которые в течение рабочего дня находятся под прямыми солнечными лучами или подолгу работают на холостом ходу.
• Предположения о подключении, заложенные во многие системы с маркировкой "AV-ready", по-прежнему подразумевают периодические облачные обновления карт и моделей. Это становится проблемой в сельских районах и зонах со слабым покрытием, где работает множество легких коммерческих и сервисных автопарков.
• Стоимость растет быстрее, чем возможности. Удвоение вычислительной мощности для обработки немного более сложного сценария движения не просто удваивает цену — она часто увеличивается в несколько раз, поскольку автомобильные чипы должны соответствовать требованиям по сертификации и надежности, которых нет у потребительской электроники.

Что это означает для решений о закупках автопарка

• Относитесь к заявлению "autonomy-ready" как к маркетинговому утверждению, которое необходимо проверять, а не как к характеристике, которую можно принимать за чистую монету. Спросите, что система умеет делать сегодня и что она сможет поддерживать только после будущего обновления программного или аппаратного обеспечения. Это разные продукты с разными последствиями для бюджета.
• Оценивайте функции ADAS по их сегодняшним преимуществам. Удержание в полосе, автоматическое экстренное торможение и адаптивный круиз-контроль уже сейчас обеспечивают измеримую ценность для безопасности и не зависят от вычислительных прорывов, необходимых для полной автономности. Закладывать бюджет на эти возможности имеет смысл независимо от того, как будет развиваться более широкий рынок автономных транспортных средств.
• Учитывайте пробелы в покрытии при любой оценке. Система, которая зависит от частой синхронизации с облаком, будет работать по-разному в автопарке, охватывающем как плотные городские маршруты, так и сельские сервисные территории.

Больше всего от текущей ситуации выигрывают автопарки, которые отделяют вопрос вычислительной мощности от вопроса безопасности. Edge computing продолжит совершенствоваться, и со временем аппаратное обеспечение сократит разрыв между реальностью и маркетинговыми обещаниями. До тех пор разумное решение о покупке — то, которое основано на том, что автомобиль может доказуемо делать уже сегодня.

Как выглядит управление автономным автопарком до появления полной автономности

Для автомобилей, которые уже находятся на дорогах, управление автономным автопарком в основном означает управление парком автомобилей, оснащенных ADAS. Обучение водителей должно объяснять, что системы ADAS могут и чего не могут делать, чтобы водители воспринимали удержание в полосе и автоматическое торможение как дополнительный уровень безопасности, а не как замену внимательности. Данные этих систем, если платформа управления автопарком настроена на их сбор, дают руководителям операционных подразделений возможность заранее замечать закономерности потенциальных аварий до того, как они превратятся в страховые случаи.

Обсуждения страхования и ответственности тоже меняются: страховые компании начинают спрашивать автопарки, какие технологии помощи водителю установлены и как они обслуживаются. Если начать собирать и вести такую документацию уже сейчас, это поставит автопарк в выгодное положение независимо от того, насколько быстро будет развиваться базовое аппаратное обеспечение.

EMKAY помогает менеджерам автопарков оценивать решения в области автомобильных технологий с учетом реальных операционных потребностей. Свяжитесь с нашей командой по телефону 630.250.7400 или по адресу info@emkay.com.