Edge computing ja isesõitvad autod: Miks pilveteenusest ei piisa?
Isesõitvad autod on üks põnevamaid ja kiiremini arenevaid tehnoloogiaid, mis lubavad muuta transpordi turvalisemaks ja efektiivsemaks. Siiski nende toimimiseks on vaja ülikiiret andmetöötlust, sest igas sekundis koguvad ja analüüsivad need sõidukid tohutul hulgal andmeid. Siinkohal tulebki mängu edge computing (serva arvutamine) – andmetöötlus, mis toimub auto sees või lähedal asuvates serverites, mitte kauges pilves. [1] [2] Täpsemalt võib seda nimetada Multi-access edge computing (MEC) ehk mobiilne serva arvutamine (mobile edge computing). Head tõlget eesti keelde sellest väga polegi, seetõttu edaspidi tekstis kasutan ikkagi inglise keelset väljendit "edge computing", kuna väljend "serva arvutamine" võib pisut segadust tekitav olla (ei tegele siinkohal mingi kujundi serva pikkuse arvutamisega).
Järgnevalt uuringi, miks ei võiks kõiki andmeid autost lihtsalt pilve suurde serverisse saata ja seal töödelda? Ja kuidas täpsemalt ikkagi aitab edge computing isesõitvatel autodel teha kiiremaid ja turvalisemaid otsuseid?
Pilvetehnoloogia on väga kasulik suurte andmehulkade analüüsiks ja pikaajaliste mustrite tuvastamiseks, kuid selle suurim puudus isesõitvate autode kontekstis on latentsus. Kui kujutada ette näiteks olukorda, kus auto peab vältima mingisugust ootamatut takistust ja peab pidurdama – auto saadab kõigepealt oma andmed pilve, ootab et andmed ära töödeldaks ja alles siis saab vastuse. Kuna otsuse tegemine on millisekundite mäng, võib paraku vastuse saabudes juba liiga hilja olla. Edge computing lahendab selle probleemi, töödeldes kriitilised andmed autos endas või lähimas servtöötlussõlmes. See vähendab drastiliselt reaktsiooniaega ja tagab, et auto suudab teha kiireid otsuseid isegi ilma internetiühenduseta. Sisuliselt töödeldaksegi suurem osa andmetest kohapeal, edastades pilve ainult olulise info, vähendades seeläbi ka andmeedastuse koormust. Testid on näidanud, et pilvepõhisel andmetöötlusel võib latentsus olla vahemikus kuskil 50-200 millisekundit, samas kui edge computing-u abil võib see olla 1-10 millisekundi kandis. See erinevus on liikluses kriitilise tähtsusega. [3]
Kui siin natuke ka privaatsusteemal rääkida, siis edge computing on tõepoolest võimeline suurendama sõiduki kasutaja privaatsust ja turvalisust. Kuna suur osa andmeid jääb lokaalselt töödeldavaks, ei pea neid pidevalt pilve saatma, mis vähendab võimalust, et tundlikud sõiduki ja reisijate andmed satuksid valedesse kätesse. Siiski isesõitvate sõidukite laialdane kasutuselevõtt toob esile erinevaid privaatsusprobleeme. Kuna sõidukid kasutavad hulga kaameraid ja andureid, et tuvastada teisi sõidukeid, liiklusmärke, takistusi ja jalakäijaid, siis selle tulemusena koguvad nad suures koguses visuaalseid andmeid, nagu näiteks inimeste liikumiste jälgimine. Murettekitav on ka isesõitvate sõidukite ja õiguskaitseorganite vaheline suhe. [4] Näiteks on San Francisco politseiosakond tunnistanud, et autonoomsed sõidukid salvestavad pidevalt oma ümbrust ja võivad aidata uurimistes ning kusjuures sellist teavet on juba mitmel korral ka kasutatud. [5]
Kuigi pilveteenus jääb endiselt isesõitvate autode puhul oluliseks osaks (tarkvarauuendused, kaardiuuendused ja masinõppe mudelite uuendamine), ei asenda see edge computing-u rolli reaalajas andmetöötluseks. Isesõitvad autod vajavad kombinatsiooni mõlemast tehnoloogiast: pilv suuremahuliseks andmeanalüüsiks ja edge computing kiirete otsuste tegemiseks.
Viidatud kirjandus
2. https://hackmd.io/@judywatson/why-is-edge-computing-vital-for-autonomous-vehicles
3. https://www.indmall.in/faq/how-much-faster-is-edge-computing/
4. https://www.eff.org/deeplinks/2023/08/impending-privacy-threat-self-driving-cars
6. https://stlpartners.com/articles/edge-computing/mobile-edge-computing/
Kommentaarid
Postita kommentaar