پلتفرم لبه عصبی برای داده های وسایل نقلیه متصل و خودروهای بدون راننده

  06 ژانویه 2022 // توسط نیک فلاهرتی

استارت‌آپ بریتانیایی Wejo با مایکروسافت و Palantir بر روی یک پلت‌فرم پردازش لبه عصبی برای داده‌های خودروی متصل و دوقلوهای دیجیتال خودرو (با ویدئو) همکاری کرده است.

Wejo مستقر در منچستر، که سال گذشته به یک شرکت خرید ویژه در فهرست نزدک تبدیل شد، در حال توسعه یک پلتفرم یادگیری ماشینی است تا از طریق مشارکتی که در CES 2022 این هفته اعلام شد، مدیریت هوشمند داده‌های وسایل نقلیه را در مقیاس بزرگ فراهم کند.

تأخیر و هزینه‌های ذخیره‌سازی داده‌ها، موانع بالقوه‌ای در مهار و مقیاس‌پذیری قدرت ارتباطات خودروهای بلادرنگ، هم با سایر وسایل نقلیه و هم با زیرساخت‌هایی هستند که برای تقویت شهرهای هوشمند تنظیم شده‌اند. وسایل نقلیه قرار است بیش از 25 گیگابایت داده در ساعت تولید کنند که به مدیریت پیچیده تری نیاز دارد.

پلتفرم عصبی مبتنی بر پلتفرم ADEPT Wejo است که با شرکت ایالات متحده Palantir توسعه یافته است تا نحوه مدیریت این داده ها در خودرو را بهینه کند، آن را در لبه پردازش کند و در نهایت با ابر ارتباط برقرار کند. این فرآیند نه تنها بار داده را کاهش می‌دهد و بینش داده‌ها را به حداکثر می‌رساند، بلکه هزینه‌های تولیدکنندگان خودرو را کاهش می‌دهد و تولید خودرو را بهبود می‌بخشد تا تجربه رانندگی بهتری را ارائه دهد – از وسایل نقلیه ایمن‌تر پشتیبانی می‌کند، امکان پیشرفت‌های بیشتر در EV و تحرک خودکار، و کاهش ازدحام و انتشار گازهای گلخانه‌ای چلوگیری می کند .

Wejo Neural Edge داده‌های AV، EV و CV را قبل از انتقال فقط اطلاعات ضروری به ابر، فیلتر و تجزیه و تحلیل می‌کند. این شرکت در حال حاضر تریلیون ها نقطه داده را از 11.9 میلیون وسیله نقلیه و بیش از 60 میلیارد سفر در سراسر جهان، در برندها و مدل های مختلف مدیریت می کند.

این پلتفرم از پردازش لبه‌های داخل خودرو استفاده می‌کند که Wejo در حال توسعه آن است تا فقط داده‌های مفید و ارزشمند را قبل از انتقال به ابر فیلتر کند. فناوری نرم افزار تعبیه شده در ترکیب با پلت فرم محاسبات ابری Microsoft Azure با بهینه سازی داده های دریافتی از وسیله نقلیه، هزینه های شبکه و ذخیره سازی را برای سازندگان خودرو کاهش می دهد. الگوریتم‌های یادگیری ماشینی، داده‌های سفر و رویداد خودرو را بازسازی می‌کنند، با استفاده از 20 درصد از داده‌های وسایل نقلیه مستقل، الکتریکی و سایر وسایل نقلیه متصل، آن‌ها را بازسازی می‌کنند تا 100 درصد داده‌ها را نشان دهند، بدون هیچ گونه افت در صحت یا یکپارچگی داده‌ها. داده های کمتر به ذخیره سازی کمتری نیاز دارد که به نوبه خود مصرف انرژی را کاهش می دهد.

Wejo Neural Edge همچنین استانداردسازی و متمرکز کردن داده‌هایی را که از وسایل نقلیه خودمختار، الکتریکی و متصل می‌آیند را امکان‌پذیر می‌سازد. این نه تنها یک بلوک کلیدی برای برقراری ارتباط در زمان واقعی فراهم می‌کند، بلکه از ارتباط با خدمات زیرساختی مانند علائم جاده‌ای، چراغ‌های راهنمایی و پارکینگ‌ها نیز پشتیبانی می‌کند، بنابراین وسایل نقلیه می‌توانند به راحتی جاده پیش رو را پیش‌بینی کنند و تجربه‌های حرکتی را بهینه کنند. https://www.eenewseurope.com