Автомобили научились «видеть» обстановку за поворотом
Загруженные дороги итальянского города Модены стали испытательным полигоном при разработке сенсорной технологии, которая позволяет автомобилям «видеть» сквозь здания и другие транспортные средства, чтобы избежать столкновения
Еще недавно система hands-free, а до этого усилитель рулевого управления устанавливались в автомобилях в качестве дополнительной опции. Но есть одна важная функция, внедрение которой все еще запаздывает: автоматическая система обеспечения безопасности движения и предотвращения столкновений, работающая в режиме реального времени, пишет Хабр.
Реализация европейского проекта CLASS по инициативе Барселонского суперкомпьютерного центра (BSC) началась в 2018 году и завершилась в июне текущего года. Муниципалитет Модены, компания Atos, автопроизводитель Maserati и команда IBM Research из г. Хайфа (Израиль) в сотрудничестве с Университетом Модены и Реджо-Эмилии (UNIMORE) превратили загруженные дороги Модены в лабораторию под открытым небом.
Мобильность или хаос: есть ли будущее у электрических самокатов в Казахстане
Улицы крупных казахстанских городов быстро и органично впитали в свой культ... →
Они доказали: город и автомобили можно оснастить датчиками, которые позволят транспортным средствам «знать», что находится за объектами поблизости, а также «заглядывать» за углы. Это решение поможет водителям избегать столкновений и будет способствовать улучшению дорожной обстановки.
CLASS: прототип системы перекрестной проверки слепых зон в масштабах города
Заблаговременно предупредить автомобиль или водителя о приближающемся транспортном средстве или внезапном появлении ребенка из-за припаркованной машины не способен ни один из существующих датчиков.
Между тем современные автомобили, как правило, могут подключаться к интернету через сотовую сеть. На многих улицах в большинстве крупнейших городов разных стран постоянно осуществляется мониторинг. Для этого используются принадлежащие муниципальным властям камеры и датчики. Если бы данные с этих камер и датчиков передавались движущимся по прилегающим дорогам автомобилям, они смогли бы «чувствовать» ту или иную приближающуюся, но пока не находящуюся в зоне их видимости опасность.
С другой стороны, автомобили с датчиками и возможностями подключения, движущиеся по улицам в разных направлениях, стали бы источником информации на участках, которые не просматриваются муниципальными устройствами.
В рамках данного проекта разработан экспериментальный прототип системы, который сочетает периферийные вычисления с облачными инфраструктурами, объединяя муниципальные устройства и транспортные средства как источники информации для проведения перекрестной сверки в режиме реального времени.
Датчики на каждом шагу
Сначала эксперты установили на улицах высокотехнологичные датчики и подключили их к основному ЦОД города через оптоволоконную сеть. Этот центр стал выполнять роль облака для проекта. Затем они оснастили автомобили Maserati — седан Quattroporte и кроссовер Levante — множеством датчиков, в том числе HD-камерами, лидарами и GPS, подключенными к инфраструктуре города через выделенный сегмент LTE-сети.
Разработчики также установили на эти автомобили графические ускорители Nvidia Jetson и ноутбуки, служившие макетом консоли бортовой системы Advanced Driver Assistance System (ADAS), чтобы водители могли получать уведомления CLASS от городского ЦОД.
В ходе испытаний в рамках проекта CLASS автомобили Quattroporte и Levante передвигались по улицам Модены, отправляя данные с датчиков в городской центр. Предупреждения о потенциальных опасностях выводились на экраны ноутбуков, служивших макетом системы ADAS.
Для профессиональных водителей-испытателей Maserati все эти протоколы и компоненты стали единым каналом уведомлений, отображающихся на консоли ADAS. Уведомления заблаговременно предупреждали водителей о возможных столкновениях и препятствиях, предоставляя достаточно времени, чтобы среагировать.
Залогом эффективной работы прототипа CLASS стала интеграция в реальном времени данных от камер и датчиков, установленных на рядом проезжающих транспортных средствах, с автомобилем и облаком. Обработка этих данных включала обнаружение объектов, отмеченных видеокамерами, лидарами и радарами, анализ потенциальных траекторий движения этих объектов и прогнозы ДТП.
За прогнозирование траекторий и столкновений отвечал движок Lithops, который в рамках проекта адаптировали для быстрой обработки периферийных и облачных данных с минимальными затратами и на инфраструктуре serverless.
Планирование рабочего процесса с учетом временных ограничений и необходимости передачи данных от периферийных устройств в облако осуществлялось с помощью инструментов COMPS и dataClay от BSC. Использовав высокоскоростную глубокую нейронную сеть (YOLO), команда университета UNIMORE осуществила преобразование входных видеоданных в аналитический поток объектов, что позволило поднять производительность мобильного графического ускорителя выше характеристик по умолчанию.
Для оценки производительности прототипа CLASS эксперты разработали и применили первый универсальный инструмент сопоставительного анализа для Apache OpenWhisk под названием owperf, предназначенный специально для обработки событий. В рамках проекта CLASS было задано новое направление развития вычислений serverless с использованием одного из фреймворков EXPRESS, который изначально нацелен на снижение эксплуатационных расходов.
От улиц Модены до вашего города
Проект CLASS завершился летом 2021 года, но разработчики только начинают детально анализировать результат. Он продемонстрировал возможность построения единой системы дорожного движения, а также пользу комплексных ИТ для водителей и для администрации муниципалитетов, открывая дорогу к созданию интеллектуальных городов будущего.
Подписывайтесь на наш канал в Telegram
