ساختار داده در خودروهای متصل

صنعت خودروسازی با ظهور وسایل نقلیه متصل و بویژه اتومبیل‌های خودران، دستخوش تحول بزرگی شده است. این نوع وسایل نقلیه، نوید انقلابی در نحوه سفرهای ما می دهند و تردد در جاده‌ها احتمالاً ایمن‌تر و کارآمدتر خواهند شد. با این حال، برای اینکه این آرزوهای ما برای خودرهای نسل جدید به واقعیت تبدیل شوند، خودروهای در حال حرکت باید بتوانند حجم زیادی از داده‌ها را جمع‌آوری، مخابره و پردازش کنند.

ثبت داده‌های متصل (Connected Data) یک فناوری کلیدی است که به فرآیند جمع‌آوری انوع داده‌ها از حسگرها، دوربین‌ها و سایر سیستم‌های خودرو اشاره دارد. سپس این داده‌ها به سرورهای موجود در خودرو یا یک سرور مرکزی بیرون از خودرو ارسال می شود، جایی که می توان آنها را برای بهبود عملکرد خودرو تجزیه و تحلیل کرد.

داده‌های متصل

به داده‌های تولیدشده توسط خودروهای متصل به اصطلاح داده‌های متصل گفته می‌شود که در درجۀ اول، می تواند به بهبود ایمنی وسایل نقلیه کمک کند. با جمع‌آوری داده‌ها در مورد نحوه عملکرد خودرو، مهندسان مکانیک و الکترونیک می‌توانند مشکلات احتمالی را شناسایی کرده و بهبودهایی را انجام دهند. دوم، ثبت داده های متصل می تواند به بهبود کارایی خودروها نیز کمک کند. با تجزیه و تحلیل داده‌ها در مورد نحوه رانندگی، مهندسان می توانند استراتژی‌هایی برای بهینه‌سازی عملکرد خودرو و سفرهای لذتبخش‌تر، طراحی کنند.

داده‌های متصل می‌تواند برای صنعت خودرو و خودروسازان نیز مزایای ویژه‌ای فراهم کند. با تحلیل داده‌ها از نحوۀ استفاده از وسایل نقلیه، آسیب به قطعات و روندهای استهلاک،  خودروسازان می توانند محصولات و خدمات جدیدی را توسعه دهند که نیازهای مشتریان خود را برآورده کند. آنها همچنین می توانند از داده‌ها برای شناسایی روندها و پیش بینی آینده صنعت خودرو استفاده کنند.

ساختار

در جمع آوری، مخابره و پردازش داده‌های متصل، چالش‌هایی وجود دارد. اولین چالش، چگونگیِ جمع‌آوری داده ها از منابع مختلف موجود در خودرو است. وسایل نقلیه متصل و بویژه خودران و الکتریکی دارای تعداد زیادی حسگر، دوربین و سیستم ها پپیچیدۀ هسنند که با دقت و نرخهای متنوعی، داده تولید می کنند. توسعه سیستمی که بتواند داده ها را از همه این منابع جمع آوری کرده و در یک جریان داده واحد ادغام کند، بسیار مهم است.

یکی از محبوبترین ساختارهای جمع آوری و مخابره داده‌ها در خودروهای متصل، Time Based JSON است. در این روش،  داده‌های مختلف از سنسورها و ماژولهای خودرو در قالب یک فایل JSON تجمیع شده و در فواصل زمانی ثابت یا متغیر به بیرون از خودرو (مثلا یک مرکز پردازش ابری) مخابره می‌شوند. استاندارد یکتایی برای کلیدهای و نامگذاری‌ها وجود ندارد. همه چیز به توافق بین سرویس‌گیرنده و سرویس‌دهنده باز می‌گردد. در کاربِـرد از ساختار مسطحِ چندنرخی استفاده شده است.

استانداردهای متنوعی برای نرخ جمع‌آوری و ارسال دیتا در حوزه اینترنت اشیاء و به تبع آن در حوزه خودروهای متصل وجود دارد. همانطور که در بالا اشاره شد، محبوب‌ترین روش ارسال دیتا، روشِ تجمیعی است. به طور کلی دو مفهوم اصلی در مدیریتِ داده‌های خودروهای متصل مطرح است:

• نرخ مخابرۀ اطلاعات
• دقت اطلاعات

گاهی ممکن است به دلایل مختلف، نرخ جمع‌آوری با نرخ مخابره یکسان نباشد. به عنوان مثال، اطلاعات هر یک ثانیه جمع‌آوری شوند و هر ۵ ثانیه تجمیع و ارسال شوند.

نمودار بالا، نمودار نوسان سرعت یک خودرو، در فاصله یک سفرِ ۱۰.۷ ثانیه‌ای است. در نقاط قرمز رنگ، سرعت خودرو هر یک ثانیه دریافت و مخابره می‌شود. نرخ مخابره و نرخ جمع‌آوری یکسان است و اطلاعات سرعت بین هر مخابره، جمع آوری نشده و از دست خواهند رفت. اطلاعاتی که بعضاً دارای اهمیت هستند.

به نقاط سبزرنگی که برخی از آنها در قله‌ها و دره‌ها قرار دارند توجه کنید! این نقاط کمترین و بیشترین سرعت خودرو در بازه یک سفر را نشان می‌دهند. در صورتی که جمع‌آوری و مخابره نشوند، اطلاعات حساسی مانند میانگین سرعت خودرو که کاربردهای بسیار زیادی در مدیریت خودرو دارد، نادرست محاسبه خواهد شد!

یک راه‌حل استفاده از متدهای هوشمند و بهینه در جمع‌آوری و ارسال دیتا است. سه نوع متد از لحاظ سطح پیچیدگی و البته دقت، در تصویر زیر نمایش داده شده است! کاربِـرد از هر سه نوع پشتیبانی می‌کند.

فایلِ زیر یک نمونه از ساختار مسطح مورد استفاده در کاربِـرد است. این اطلاعات در یک سیکل یک ثانیه‌ای، جمع‌آوری و از خودرو مخابره می‌شود. عناصری که به دقت بالاتر از نرخِ ارسال (اینجا یک ثانیه) نیاز دارند، مانند داده‌های شتاب (Accelemeter)، یک آرایه به آن تخصیص داده شده است. همانطور که می‌بینید، مقدار شتاب لحظه‌ای در محور افقی (فیلدِ acceleration_y) با نرخ ۱۰هرتز جمع‌آوری و در فایل قرار گرفته است تا دقت بالاتری را پوشش دهد. در این نمونه خاص، نرخ مخابره، هر یک ثانیه، نرخ جمع‌آوری اطلاعات مربوط به شتاب هر ۱۰۰ میلی ثانیه و نرخ جمع‌‌آوری سنسورهای دیگر خودرو، هر یک ثانیه است.

برای آشنایی بیشتر با نوع و ساختار دیتاهایی که در کاربِرد پشتیبانی می‌شود می‎‌توانید شبیه‌ساز سفر را امتحان کنید.

حجم

دوم، چالش ذخیره و پردازش داده‌ها وجود دارد. حجم داده‌ای که توسط وسایل نقلیه متصل تولید می شود بسیار بسیار زیاد است. توسعۀ سیستم‌هایی که می‌توانند این داده‌ها را به طور موثر ذخیره و پردازش کنند، مهم خواهد بود. خودروهای متصل امروزی، به طور متوسط دارای ۱۰۰ سنسور متنوع هستند. طبق گزارشی از کمپانی مکینزی، هر خودروی متصل در هر ساعتی که خاموش نیست، ۲۵ گیگابایت دیتا تولید میکند. این عدد ۳۰ برابر بیشتر از تماشای یک فیلم یک ساعته با کیفیت HD و یک ماه گوش دادن بدون توقف به یک کانال موسیقی آنلاین است! البته تمام این داده‌ها از خودرو به بیرون مخابره نمی‌شوند.

سوم، چالش حفاظت از داده‌ها وجود دارد. داده‌های جمع‌آوری شده توسط وسایل نقلیه چه از لحاظ حریم خصوصی و چه از نظر پتانسیل‌های بالایی که برای خرابکاری دارند، حساس خواهد بود! توسعه اقدامات امنیتی و توجه به امنیت در طراحی برای محافظت از این داده ها در مقابل دسترسی‌های غیرمجاز بسیار مهم است.

تنوع

با وجود همۀ چالش‌ها، داده‌های متصل یک فناوری کلیدی است . با جمع آوری و تجزیه و تحلیل داده‌ها، خودروهایی وفق‌پذیرتر و پاسخگوتر خواهیم داشت. موارد نمونه‌ای از داده‌هایی است که می‌تواند از یک خودروی متصل جمع‌آوری و مخابره شود:

• داده‌های GPS: مکان، سرعت و مسیر خودرو
• داده‌های شتاب‌سنج: شتاب و کاهش سرعت خودرو
• داده‌های ژیروسکوپ: سرعت زاویه‌ای خودرو
• داده‌های دوربین: تصاویری از جاده و محیط اطراف
• داده‌های رادار: اطلاعات مربوط به اشیاء در مسیر خودرو
• داده‌های لیدار: یک نقشۀ سه بعدی از محیط اطراف خودرو

از این داده‌ها می توان برای بهبود عملکرد خودرو به روش های مختلفی استفاده کرد. با تجزیه و تحلیل داده‌های تعداد زیادی خودرو، خودروسازان قادرند مدل‌هایی را توسعه دهند که نحوه رفتار خودروها در موقعیت‌های مختلف را پیش‌بینی کنند. از این اطلاعات می توان برای بهبود ایمنی و کارایی خودروها و جاده ها استفاده کرد. درواقع خلاقیت و نوآوری در تنوع داده در خودروهای متصل، هیچگاه پایان نیافته و هنوز ادامه دارد.