Samochody autonomiczne zatkają danymi sieć komórkową. To realna groźba

Samochody autonomiczne dostarczają niewyobrażalnych ilości danych. Przesyłanie ich to wciąż problem, na który nie ma rozwiązania.

Kiedy w 1969 roku Apollo 11 podbijało księżyc wyposażone było w komputer z pamięcią RAM wielkości 2 kB i dyskiem twardym mieszczącym 32 kB danych.  Według danych IAV, dziś podczas testów pojedynczy samochód autonomiczny jest w stanie w godzinę wyprodukować 15 terabajtów danych. Czyli 15 tys. GB. Dla porównania – w produkowanych dziś laptopach montuje się dyski o pojemności od 128 do 2048 GB. Zebrane dane służą do analizy sytuacji drogowej i pozwalają maszynom uczyć się jak się zachować, by uniknąć zagrożeń. A im więcej samochodów, tym więcej danych do zgromadzenia i przetworzenia.

Dużą część z tych danych stanowią informacje przekazywane przez wszelkiej maści czujniki zamontowane w pojeździe. Lidar produkuje 70 MB na sekundę, kamera – ok. 40. Do tego trzeba doliczyć m.in. dane z lokalizatora GPS, żyroskopu, akcelerometru, radarów i wszelkich innych urządzeń zamontowanych na pokładzie. Mierzy się lokalizację pojazdu, odległość do przechodniów, innych pojazdów, przeszkód na drodze. Odczytuje się dane dotyczące ruchu drogowego, czy znaki drogowe. I wciąż mówimy wyłącznie o informacjach produkowanych przez jeden samochód, a trzeba pamiętać jeszcze o danych wynikających z komunikacji z innymi pojazdami, albo elementami infrastruktury drogowej.

Dziś, z punktu widzenia firm zajmujących się przygotowaniem pojazdów do autonomicznej jazdy, szczególnie ważne jest analizowanie wszystkich danych zebranych przez auta biorące udział w testach. Flota Waymo pokonała już ponad 5 mln mil, czyli ok. 9 mln km, Uber w grudniu zeszłego roku miał na koncie 2 miliony – to oznacza niezliczoną ilość danych, nad którymi trzeba zapanować. To wyzwanie nawet dla specjalistów od big data.

Potrzebne na już

Danymi, dostarczanymi przez pojazdy autonomiczne trzeba się zająć jak najszybciej. Właściwie idealnie byłoby na bieżąco dopasowywać algorytmy zachowania do zbieranych danych, a nie zbierać dane i potem szukać pod nie odpowiednich algorytmów. To działanie może się rozpocząć już na pokładzie samochodu – dziś jednostki obliczeniowe o dużych zdolnościach, upchane w przestrzeni ładunkowej samochodów, mogą na bieżąco analizować i reagować na np. wyłącznie na nietypowe wydarzenia, które wymagały interwencji kierowcy. Komputer może się uczyć jego zachowań, by uniknąć zagrożenia w kolejnej, podobnej sytuacji. Albo odpowiednio oznaczać te zdarzenia, by były po fakcie analizowane w pierwszej kolejności.

Takie wybiórcze analizowanie ad hoc jest konieczne, gdyż dziś nie ma możliwości bieżącego umieszczania takiej ilości nieprzetworzonych danych nawet w dedykowanych bazach danych (zwanych „jeziorami” – data lakes), gdzie zostają poddane analizie za pomocą odpowiednich narzędzi.

I nie można zapominać, że o ile ilość informacji generowanych przez taki pojazd raczej już nie będzie rosła, to danych dostarczanych przez zewnętrzne źródła i gromadzonych w chmurze przybywa bardzo szybko. Te też muszą podlegać rejestracji i dalszej analizie, by w zestawieniu z danymi zebranymi przez pojazd dawały pełen obraz sytuacji.

Analiza to problem wtórny

Na początek trzeba rozwiązać problem sposobu gromadzenia danych, które producenci mogą poddać analizie. Dziś najprostszym sposobem na przesłanie zebranych danych jest fizyczne podłączenie do samochodu po zakończeniu testu. Jest to możliwe przy niewielkich flotach testowych, ale wraz z wzrostem liczby samochodów, a w szczególności, gdy trafią one do sprzedaży, zrobi się to niemożliwe. Upload do chmury? Dziś sieci komórkowe nie zapewniają odpowiednio stabilnego transferu danych, szczególnie jeśli weźmiemy pod uwagę, że samochody a) poruszają się, b) poruszają się nie tylko w centrach miast, dobrze pokrytych przez nadajniki sieci komórkowych. Problem ma załatwić dopiero tzw. sieć 5G. Docelowo ma być ona zdolna do przesyłu do 20 GB danych na sekundę, z opóźnieniem ok. 1 ms. Ale kiedy to nastąpi – dziś trudno wyrokować, optymistyczne plany mówią o wprowadzeniu 5G w roku 2022. A historia 3G pokazuje, że od chwili wprowadzenia, do osiągnięcia pełni możliwości może minąć kilka lat.

Dziś firmy zajmujące się pracami nad samochodami autonomicznymi próbują rozwiązać problem na własną rękę. Przykładowo, w brytyjskim Millbrook Proving Ground, centrum testowym wykorzystywanym przez wielu producentów samochodów, prowadzi się badania na temat możliwości pokrycia zasięgiem 5G 280-hektarowego obszaru obiektu.

Zbieranie danych – opór społeczny

Jednak nawet jeśli w końcu transfer danych nie będzie problemem, trzeba się liczyć ze sprzeciwem ze strony użytkowników dróg. Amerykańska Federalna Komisja Handlu zamieściła na swojej stronie ciekawy raport stowarzyszenia Usenix.

Wynika z niego, że o ile badani nie mają problemu z tym, że pojazdy autonomiczne gromadzą bez przerwy dane z drogi i analizują zapisane informacje np. o wypadkach, o tyle gdy uświadomiono im, że mogą to być to wystarczające dane by rozpoznawać poszczególne pojazdy a nawet osoby i w razie potrzeby je śledzić, większość stwierdziła, że czuje się z tym bardzo niekomfortowo.

Tymczasem dziś dostępne są już urządzenia skonstruowane właśnie w tym celu. Przykładem takiego rozwiązania jest Ekin Patrol G2.

Nie jest to zwykła belka świetlna jakie montuje się np. na pojazdach uprzywilejowanych. To urządzenie rejestrujące obraz pod kątem 360 stopni, które potrafi czytać numery rejestracyjne, rozpoznawać postaci zarejestrowane w kartotekach policyjnych, czy mierzyć prędkość przejeżdżających pojazdów.

I w przeciwieństwie do samochodów autonomicznych tutaj już nie trzeba transferować tak ogromnej ilości danych. Czyżbyśmy stali o krok od permanentnej inwigilacji?