روش رایج دستگاه های اینترنت اشیا برای پردازش، استفاده از محاسبات ابری ست. به طوری که حسگر ها بعد از جمع آوری داده ها، آن ها را به یک سیستم مرکزی میفرستند تا مجموعه داده ها را به فضای ابری جهت پردازش بفرستد و نتایج را به سیستم مرکزی برگرداند.
یک دوربین را در نظر بگیرید که بعد از هر چند میکرو ثانیه، عکس می گیرد و عکس ها را برای پردازش ، به فضای ابری می فرستند. در حالی که میتوان بجای این همه عکس، تنها عکس های مهم جدا شوند و به سمت سیستم مرکزی و فضای ابری بروند و در پهنای باند و حجم صرفه جویی شود.
علاوه بر افزایش حجم داده ها، مشکل دیگری که فضای ابری دارد هزینه پهنای باند بالایی است که به شرکت ها تحمیل میکند. شرکت ها از راه حلی که بتواند هزینه پهنای باند و تاخیر ناشی از ترافیک را کاهش دهند استقبال میکنند.
محاسبات لبه چیست؟
همان طور که از اسمش پیداست، به محاسباتی می گویند که در لبه شبکه های کامپیوتری اتفاق می افتد. لبه، عنوان مکانی ست که دستگاه های انتهایی شبکه به بقیه قسمت ها شبکه دسترسی پیدا میکنند. مواردی مانند تلفن، لپتاب، ربات های صنعتی و حسگر ها از جمله تجهیزات لبه هستند. لبه محلی ست که این دستگاه ها برای تحویل دادن داده ها و دریافت دستورالعمل به هم متصل می شوند و به روز رسانی های نرم افزاری را از یک مرکز داده مستقر یا ابری دریافت میکنند.
امروزه حجم داده هایی که حسگر ها، نود ها ، برنامه ها و... تولید میکنند افزایش پیدا کرده است. برای کاهش حجم داده های ارسالی، ترافیک شبکه و مسافتی که داده طی میکند از محاسبات لبه استفاده می شود. محاسبات ابری، چندین سیستم مرکزی را درگیر میکند اما در محاسبات لبه حجم قابل توجهی از محاسبات در داخل دستگاه انجام میگیرد و وظیفه سرور ها برای پردازش کم میشود.
در سیستم های بلادرنگ مدت زمان پاسخگویی حائز اهمیت است، و محاسبات ابری بخاطر تاخیر و ترافیکی که در شبکه ایجاد می کنند پاسخگوی این نیاز معمولا نیستند. استفاده از سیستم های محاسبات لبه، 10 میلی ثانیه سرعت پاسخگویی را بیشتر کرده است. با افزایش دستگاه های بلادرنگ، اهمیت پردازش لبه چندین برابر شده است.
خودرو های هوشمند بر اساس پردازش لبه ساخته شده اند و از امنیت و پهنای باند مناسبی بهره می برند. در نتیجه تجزیه و تحلیل داده سریعتر انجام میگیرد و بخاطر نبود مشکلات پهنای باند و تاخیر، احتمال تصادف کمتر میشود.
محاسبات لبه چه مزیتی برای ماشین های متصل دارد؟
محاسبات لبه به نحوه های متفاوتی می تواند به خودروسازان کمک کند:
افزایش قدرت پردازش محلی:
برای مدیریت رشد تصاعدی داده ها در خودرو ها، به محاسبات لبه نیاز است. به خصوص وقتی که برای هوشمندی بیشتر خودرو ها، نیاز به حسگر ها افزایش می یابد. از آنجایی که محاسبات لبه، یک سیستم غیرمتمرکز است، محدودیت های مربوط به توان محاسباتی خودرو و ظرفیت شبکه را می توان دور زد. هنگامی که قدرت محاسباتی کافی در دسترس باشد، جا برای یادگیری ماشین و هوش مصنوعی باز می شود و روش های هوشمندانه تر، برای مدیریت موقعیت هایی که خودرو آفلاین است پیدا می شود. برای مثال، اگر بخاطر نبود اینترنت امکان برقراری تماس اضطراری نباشد، کد لبه می تواند به جای ارسال پیام، مکان وسیله نقلیه را به صورت صوتی به مرکز اعلام کند.
مدیریت ایمن برنامه های حیاتی-امنیتی :
وجود دستگاه های لبه تعبیه شده در خودرو ، تضمین میکند که حتی زمانی که خودرو آفلاین است، هشدار های مهم برای رانندگی ایمن را دریافت کند. از هیچ خودرویی نمی توان انتظار داشت که همیشه به اینترنت متصل باشد. برنامه های حیاتی-امنیتی زمانی قابل اعتماد هستند که داده های آن ها با دقت و سرعت، در داخل خودرو پردازش شوند. محاسبات لبه می تواند نقشی حیاتی در تضمین این امر ایفا کند.
پر کردن شکاف بین پردازش های داخلی و خارجی:
محاسبات لبه شکاف بین نرم افزار تعبیه شده داخل خودرو و نرم افزار خارج از خودرو را پر میکند. این امر باعث میشود که تیم های توسعه بتوانند سرویس ها را به صورت سراسری(end to end) طراحی کنند و تمرکز خود را بر روی تجربه کاربر نهایی قرار دهند. این به نوبه خود، برای خودروسازان جهت توسعه خدمات جدید بسیار ارزشمند است.
محاسبات لبه، به ویژه در دنیای خودرو های بی سیم، در مرحله نوپایی قرار دارد. این فناوری باید مورد توجه همه خودروسازان قرار بگیرد و روی آن جهت تحقیق و توسعه سرمایه گذاری شود. باید انتظار داشت که قابلیت های لبه به ابر، در وسایل نقلیه بیشتر و رایج شود، چرا که این یک گام طبیعی برای بیشتر شدن خودرو های متصل است.
