Vraag aan om het even wie naar zijn visie over de technologie van de toekomst en ongetwijfeld staat de zelfrijdende auto in zijn top vijf. Hoewel de ontwikkelingen op dat vlak snel gaan, moet om de weg vrij te maken voor intelligente zelfrijdende auto's, vrachtwagens en zelfs schepen nog een aantal zaken op punt gesteld worden.
Om voertuigen autonoom te laten rijden, is realtime enorm veel juiste data nodig. En daar knelt vaak het schoentje. Want, wat zijn juiste data? En waar verwerk en bewaar je die?
We vinden het vanzelfsprekend, maar eigenlijk is het verkeer een chaotische puzzel. Als mens lukt dat evenwel bijzonder goed: we laveren met fiets of auto door files en over drukke kruispunten. Wij ‘zien’ zelfs wat onze medeweggebruikers van plan zijn.
Een ‘connected car’ heeft het veel moeilijker met deze ‘chaos’. Hij leest wel verkeersborden en kan ook communiceren met andere ‘digitale’ voertuigen. Zodra zich ook maar één ‘niet-geconnecteerd’ object – de mens – hier tussendoor beweegt, weet het voertuig niet hoe die gaat handelen in de chaos. Dus gaat de wagen naar een veilige modus: als hij niet zeker is dat hij kan doorrijden, blijft hij gewoon staan. Je kan je de file en ergernis al voorstellen op een druk kruispunt in het centrum van een drukke stad.
Artificiële intelligentie
De automobielindustrie – en breder ook alles wat met infrastructuur te maken heeft – staat dus voor een uitdagende overgangsperiode, waar de vraag naar meer gemak en veiligheid een dramatische verandering teweegbrengt. Om te slagen, zal artificiële intelligentie (ai) mainstream moet worden om zo die complexiteit en technologische vereisten van verbonden autonetwerken te beheren. Cruciaal daarbij wordt de manier waarop data worden gedeeld, bewaard en geanalyseerd. Zowel in de wagen als in het datacenter. En liefst vrij snel. Want tegen 2025, voorziet Dell Technologies tot 10 exabytes data per maand van ongeveer honderd miljoen operationele slimme auto’s over de hele wereld.
Waar komt al die data vandaan?
Dat lijkt heel veel. Maar hoe autonomer de auto wordt, hoe meer data er nodig zijn. In de huidige generatie auto’s, de voorhoede van echte connected car-technologie, zitten al diverse automatische toepassingen. Het zogenaamde Advanced Driver Assistance System (ADAS) omvat functies zoals automatisch remmen, bescherming tegen botsingen, en adaptieve snelheidsregelaars. Elk met eigen sensoren die elk enorm veel data creëren.
Om je een beter idee te geven over de schaal van de uitdaging: één front-radarsensor kan per seconde 2.800 Mbits aan data genereren. Voor autonoom rijden op level 3 zijn tot 200.000 km sensordata vereist. Dit wil zeggen: meer dan 3.300 uren, of 4.2 petabyte data voor één sensor (vastgelegd bij een rijsnelheid zestig km/u)! Omdat auto’s vandaag al gemiddeld meer dan tien sensoren hebben, is het gemakkelijk je voor te stellen dat de vereisten exponentieel zullen stijgen tegen de tijd dat auto’s volledig autonoom rijden (level 5).
Wat betekent dit voor het datacenter?
En dan spreken we nog niet over contractuele en wettelijke verplichtingen om testgegevens of data over onderhoud meerdere decennia te bewaren. Klassieke oplossingen voor archivering zoals tape zijn eenvoudigweg geen haalbare opties.
Om effectieve voertuig-tot-voertuig- en voertuig-naar-infrastructuur–communicatie mogelijk te maken, is er ook behoefte aan meer en snellere connectiviteit met datacenters en verschillende openbare clouds (via edge-netwerken). Zodat de realtime-overdracht van gegevens vergemakkelijkt en de efficiëntie en verhoogde veiligheid gewaarborgd. Softwarebeheer, firmware-updates, bugfixes… het zal niet meer bij de dealer gebeuren, maar over-the-air.
Dus je moet evolueren naar een toekomstbestendige architectuur waar de opslagcapaciteit naadloos is op te waarderen, zonder de prestaties te beïnvloeden. Je hebt een compleet nieuwe benadering van databeheer nodig. Die nieuwe strategie moet niet alleen rekening houden met de technologie in de voertuigen zelf, maar zal ook gebruik moeten maken van cloud-native policies. Daarom moet er een nieuwe generatie ai-datacenters ontstaan, uitgerust met nieuwe hardware- en software-architectuur die grootschalige, realtime-analyse mogelijk zullen maken. In deze omgevingen moeten compute en storage at the edge worden geoptimaliseerd. Dichter bij de actie, want elke fractie van een seconde vertraging kan verstrekkende gevolgen hebben in het verkeer.
