一年一度的世界行動通信大會(MWC2018)上,5G當仁不讓成為一大技術主角。步入愛立信、高通、英特爾、華為、中興等科技巨頭們的展台,「Leading 5G、Perfect 5G、Boost 4G to 5G」的標語,似乎在宣告著5G商用時代的正式到來。
 
自动驾驶和智慧城市的世界里 5G真是最后缺的那一环吗?
除5G之外,機器學習、人工智慧和雲計算被視為自動駕駛、智慧汽車等領域的關鍵技術,但5G是否是那最後缺的那一環?5G對數據收集、儲存、處理和應用帶來的影響究竟如何?
 
網路是否越快就越好?
5G的噱頭主要聚焦在網速的提高上,但這是物聯網和自動駕駛汽車等應用案例的關鍵嗎?
Sierra Wireless公司物聯網解決方案副總裁兼總經理Olivier Pauzet表示:「或許對於一些非常高頻寬的應用來說,現在大多數物聯網應用的關鍵限制因素是數據編排,而不是網路速度。「這限制了物聯網應用的成長,它使用低頻寬、低功耗的物聯網設備,並且在物聯網「深度邊緣」的處理能力有限。
數據編排,而非更高的網路速度,能真正地幫助更好地處理,這些邊緣設備上的數據,從這些設備提取數據,將此數據與雲中的其他數據源整合,並更新這些設備上的安全性和其他軟體」。
市場調研機構IHS發佈的5G經濟報告預測,到2035年,5G將在全球創造12.3萬億美元經濟產出,並創造2200萬個工作崗位。其中,中國將獲得950萬個工作崗位,位列全球首位,遠超美國(340萬個)。
可靠性至關重要——依靠雲計算實現自動駕駛的想法不實際
在很多方面,汽車正在成為「車輪上的大型電腦」,並配備了許多傳感器,如雷射雷達。雷射雷達傳感器發出一個光脈衝,並測量反射回來,以確定物體之間的距離,從而生成汽車周圍環境的精確3D地圖。
這些傳感器以及其他必要的系統(如GPS),導致每台自動駕駛汽車每駕駛8小時,就會產生和消耗大約4TB的數據。而如果反應緩慢,很可能會導致致命事故。
為了適應這麼大量的數據,今天許多公司正在將他們的計算轉移到雲中,但未來這種動作會越來越頻繁。
邊緣計算的目標是快速處理數據,而不會在廣域網上傳輸時產生延遲。
「大多數自動駕駛車輛都在開發這種技術,只需最少的連接互聯網即可運行,大多數時候他們在開車時,向互聯網報告特定的統計數據,但算法和地圖已經預先加載到車上,我不認為網路速度是一個巨大的限制因素,除非它變得更加可靠」,Mesosphere公司指出。
Scale公司首席執行官Alexandr Wang,也贊同可靠性更為重要的觀點。Scale是Sensor Fusion Annotation API的製造商,用於雷射雷達和雷達點雲數據,為自動駕駛汽車、無人駕駛飛機、地圖等提供動力。它還為世界上一些最先進的自動車公司提供培訓數據,如通用Cruise、Alphabet旗下Waymo、優步和本田。
最大的問題是連接的可靠性,如果汽車依賴雲處理步驟運行,肯定會出現連接失敗,並可能危及乘客安全的情況。
5G連接性在測試中必須證明,其具有很高的可靠性,才能讓任何汽車製造商確信,他們可以在任何真實的世界環境中,都可以依靠它。它必須要變得更便宜、可靠和快速。


 

自动驾驶和智慧城市的世界里 5G真是最后缺的那一环吗?


邊緣計算大展身手

雲計算似乎對自動駕駛汽車沒有意義,但邊緣計算卻能大展身手。Mesosphere公司的Knaup指出,在使邊緣計算用例可行的過程中,面臨許多挑戰。他還特別指出了網路可靠性,並補充說,邊緣節點通常在異構平台上,這使事情變得複雜。
他補充說,管理處理大量非結構化數據的基礎設施,以及收集敏感數據(例如從智慧家庭收集的數據)的隱私保護要求,也需要在邊緣計算前進時加以解決。
然而,Knaup也指出了這些機會:「隨著我們預計將看到,邊緣設備的數量大幅增加,這種潛力可能會激增:從自動駕駛汽車到聯網智慧體育館,甚至是醫療數據方面,都將迎來重大變化。
邊緣計算帶來了更快的反應時間(由於延遲更低)、卸載計算任務的能力(反過來降低能耗)和更好的位置感知等優勢。
Sierra Wireless的Pauzet則表示,標準的LPWA技術是專為IoT設計的,首個蜂窩數據網路技術,為創建物聯網應用的新用例,提供了巨大的機會:
LPWA使得真正具有突破性的智慧城市、電網、農業和其他應用所需的低成本、低功耗設備的激增成為可能。挑戰在於將LPWA與數據編排、雲和AI技術相結合。
這樣,公司就可以最大限度地減少與開發,部署和運行這些應用程序相關的時間和成本,同時最大限度地提高這些應用程序,提供的數據的洞察力。
如果5G如今已經成功投入商用,真的能產生顛覆性影響嗎?
如果5G如今已經成功投入商用,一些公司會大量增加「智慧」建築/高速公路/基礎設施(即所有門,電梯,固定裝置,跑道等)中傳感器的數量,以實現持續和即時的健康和安全,如以及相關係統的使用情況監測。
5G的可用性,還將減少對有線回程網路的依賴,以將數據從邊緣計算/儲設備傳輸回區域計算/設備。
深度學習算法的性能,隨著可以學習的數據量的增加而增加,因而可以從設備中收集更多的數據,以提高深度學習應用的準確性。


 

自动驾驶和智慧城市的世界里 5G真是最后缺的那一环吗?

 

據Garther對5G行業的生命週期分析,目前正處於快速上升期
另一方面,如果5G今天可用,Pauzet則不確定這一行業的數據移動,存和處理理念,以及體系結構會發生什麼變化:
「儘管5G確實提供了,在短距離內提供數千兆位速度,和大容量的機會,開闢了許多新用例,但真正改變這些理念和架構的是智慧數據編排。」
「當今行業面臨的主要挑戰,是如何更高效和更有效地提取、處理、分析和更新物聯網數據——近期解決這一挑戰的方法,是更好地協調數據,而不是在短距離內更快地傳輸數據。 」
Reference: http://3smarket-info.blogspot.tw/2018/03/5g.html
arrow
arrow
    全站熱搜

    BENEVO 發表在 痞客邦 留言(0) 人氣()