自动驾驶握紧人工智能边缘计算这张王牌才有更大赢面？( 二 )

低延迟
零（低）延迟对于汽车安全是必须保障的。众多自动驾驶汽车制造商都在设想，传感器数据将汇集云端，用于进一步数据处理、深度学习、培训和分析。这使汽车制造商能够收集海量驾驶数据，并能运用机器学习来完善人工智能自动驾驶。据估计，通过网络来回发送数据至少需要150-200毫秒。考虑到汽车正在运动，需要对汽车的控制做出实时的决定，这看起来并不长的时间在行车过程中着实过长。
据丰田公司称，到2025年，汽车和云端之间的数据传输量可能达到每月10EB ，是目前的10000倍。云计算的设计速度不足以满足自动驾驶汽车对海量数据的处理。
自动驾驶汽车将在局部（边缘）级别实时执行车道跟踪、交通监控、目标检测或语义分割等对时间敏感的处理任务，并相应地采取驾驶行动。同时，对于长期任务，将传感器数据发送到云端进行数据处理，并最终将分析结果发送回自动驾驶汽车。
因此，边缘计算技术将提供一个端到端的系统架构框架，用于将计算过程分布到局部网络。一辆设计良好的人工智能自动驾驶联网汽车将是一个协作的边缘云计算系统、高效的视频/图像处理和多层分布式（5G）网络——本地化和云处理的混合。边缘人工智能计算是对云的补充，而不是完全取代云。

文章图片
边缘-云端协作计算
速度
考虑到在网络上来回传输的大量数据，出于安全原因，大部分处理必须在车辆上进行。由于依赖于连接性和数据传输速度，车辆在不需要传输数据的情况下需要计算连续数据的速度将有助于减少延迟和提高准确性。
人与机器之间的相互依赖性意味着信息的实时传输速度至关重要。使用边缘人工智能计算需要有足够的局部计算处理和内存容量，以确保自动驾驶汽车和人工智能处理器能够执行其所需的任务。
可靠性
自动驾驶汽车的安全性至关重要。边缘计算减少了阻塞的云网络的压力，并通过减少数据处理和车辆之间的延迟来提供更好的可靠性。未经多久，自动驾驶汽车制造商就意识到了云计算的局限性。虽然云是必要的，但自动驾驶汽车需要更分散的方法。
由于边缘计算和边缘数据中心的位置离车辆较近，因此在较远位置发生影响本地车辆的网络问题的可能性较小。即使在附近的数据中心出现故障的情况下，自动驾驶车辆的车载智能边缘推断也将继续有效地独立运行。
如今，汽车制造商为电力故障、网络故障甚至计算故障提供了多层保护和冗余。车辆还具有动态改变路线和供电网络流量的能力，甚至可以做出决策，让自动驾驶汽车安全停车。具有edgeAI计算功能的无人驾驶汽车可以通过预测分析支持车载诊断，该系统可以在其生命周期内不断成长演进。
有如此多的边缘计算车辆连接到网络，数据可以通过多种途径重新连接，以确保车辆保留对所需信息的访问。有效将车联网（IoV）和边缘计算结合到一个全面的分布式边缘架构中，提供无与伦比的可靠性和可用性。
安全性
自动驾驶车辆设计边缘计算生态系统的终极挑战是为自动驾驶提供足够的算力、冗余和安全性，以保证车辆行驶的安全。因此，保护自动驾驶边缘计算系统免受感测和计算堆栈不同层的攻击是安全体系建设的重中之重。
自动驾驶车辆的安全性应覆盖自动驾驶边缘计算栈的不同层次，涉及传感器安全性、操作系统安全性、控制系统安全性和通信安全性。