Как большие данные помогают попасть в точку назначения
В среднем человечество ежедневно генерирует 2,5 млрд гигабайтов данных. Согласно прогнозам аналитических компаний, количество данных, генерируемых ежегодно, достигнет 43 триллионов гигабайт уже к 2020. Среди всей этой информации: твитов, репостов и видео, есть та, которую многие компании используют для развития сервисов.
Люди уже нашли применение большим данным в маркетинге для оценки желаний клиентов. Big Data также используется в медицине для улучшения диагностики и в банковской среде для составления персонализированных предложений. Большие данные используются и в автомобильной сфере, помогая водителям быстрее достигать точки назначения. Как? Об этом мы сегодня и поговорим.
Welcome on board! / изображение WayRay
Помогают объехать пробки
Данные помогают водителям добраться до точки назначения в прямом смысле этого слова. Речь идет о навигаторах — они строят кратчайший маршрут без пробок и дорожных работ.
Навигаторы каждые несколько секунд отправляют свои координаты в систему поставщика приложения. На основании полученных данных алгоритм строит трек, то есть маршрут с информацией о скорости движения. На основании суммы треков, полученных от множества водителей, и идет выявление заторов.
Автомобили являются частью сети и формируют стабильный поток информации. При этом они могут обмениваться данными с окружающей инфраструктурой. Использоваться для определения дорожных заторов могут и камеры видеонаблюдения, установленные на перекрестках в городе. Исследователи работают над различными вариантами реализации таких решений.
Например, чтобы создать коммуникации вида «автомобиль-автомобиль» и «автомобиль-инфраструктура», ученые предлагают использовать модули OBU (On-Board Units), которые определяют положение автомобиля и скорость в ограниченных временных интервалах. Эта информация будет поступать в RSU (Roadside Unit), а затем в кластеры, ответственные за агрегацию данных и их обработку.
Кластеры принимают данные по API и занимаются интерпретацией. Например, если на одном участке несколько пользователей приложения-навигатора движутся с маленькой скоростью, система понимает, что движение на нем затруднено. Подробнее об одном из предлагаемых алгоритмов можно почитать здесь.
Пользователи также могут самостоятельно отправлять в сервис данные: информацию о ДТП, ремонтных работах, ямах на дороге и др. Агрегатор по кусочкам собирает получаемую информацию в единую картину и, сопоставляя данные с координатами GPS, проставляет баллы загруженности дороги. На основе этих данных идет построение навигационных маршрутов.
Когда маршрут построен, приложение проводит его мониторинг, чтобы освежить информацию о ситуации на пути. Алгоритм отвечает за построение маршрута, который был бы свободен от пробок. Если на маршруте образовался затор, то алгоритм ищет другую дорогу. Если альтернативных вариантов (даже с пробками, но более быстрых) не обнаружено, то маршрут остается прежним. Упрощенная форма этого алгоритма представлена ниже:
Блок-схема варианта алгоритма для мониторинга маршрута
Ученые уверены, что точность подобных систем значительно вырастет, когда все или почти все автомобили начнут общаться друг с другом и обмениваться данными. В перспективе они изменят правила поведения на дороге. Этого мнения придерживается Тим Ломакс (Tim Lomax), аналитик из Texas A&M Transportation Institute.
«Если автомобили начнут «общаться» друг с другом, нам не будут нужны светофоры, — говорит Тим. — Машина, подъезжая к перекрестку, будет сообщать о намерении его пересечь, а окружающие транспортные средства будут знать, как избежать столкновения». Ломакс говорит, что это станет шагом навстречу повсеместному использованию беспилотных автомобилей.
Сами довезут до места
Беспилотные автомобили — это еще одно направление, в котором большие данные могут оказать значительное влияние. Беспилотные автомобили являются частью интернета вещей и ведут к росту числа генерируемых данных. Чтобы построить маршрут, автопилот должен понять, по каким дорогам придется проехать, и что он встретит на пути. Для этого автомобили, помимо собственных сенсоров, черпают информацию из так называемых карт окружения. В будущем этот список пополнится другими участниками движениями и элементами инфраструктуры: светофорами, зданиями, даже деревьями.
Всего выделяют шесть уровней автоматизации транспортных средств, где 0 означает полностью ручное управление во всех режимах, а 5 — полностью автономный транспорт. На втором уровне система принимает решения по ускорению/торможению и управлению в относительно простых условиях (например, потоковое движение на трассе), однако водитель должен постоянно мониторить ситуацию и быть готовым взять управление на себя в любую секунду. Третий и четвертый уровни подразумевают, что автомобиль способен ездить самостоятельно, однако в сложных ситуациях (например, в городах с плотным трафиком) система предполагает переключение на ручное управление или, на четвертом уровне, предложит ему сделать это. На пятом уровне вмешательство водителя не требуется ни в каких ситуациях.
Изображение WayRay
Сегодня исследователи работают над переходом со второго уровня на третий. Например, уже несколько лет Google тестирует свои беспилотные автомобили в рамках проекта Waymo. Компания Tesla с 2015 года оснащает автомобили автопилотом, способным ездить на трассах и автобанах. В этом направлении работают также компании Apple и Mercedes, а Honda, Nissan и Toyota планируют представить автономные транспортные средства к 2020 году.
Автомобили этих компаний могут считаться автономными, но пока не обмениваются данными с другими участниками дорожного движения и инфраструктурой. Когда это произойдет, можно считать, что переход на следующий уровень автоматизации уже близко.
Помогают понять обстановку
Автопроизводители постепенно превращают машины (даже не беспилотные) в объекты интернета вещей. «Большие гаджеты» получают доступ в сеть и синхронизируются друг с другом. На заводах в автомобили встраивают Wi-Fi, GPS-навигацию, электронную почту и др. По оценкам экспертов, к 2020 году рынок сервисов для подключенных автомобилей достигнет планки в 40 млрд долларов.
Например, работу над подключенными автомобилями ведет компания Land Rover. Они создали систему из массива датчиков, которые определяют момент, когда машина наезжает на выбоину. Собранные данные затем отправляются местным дорожным службам, чтобы они могли быстро среагировать и заделать «дырку», и другим автомобилям, которые предупреждают водителей об опасности и подготовят подвеску к возможному удару. В компании заявляют, что система также способна определять разбитые люки и ливневые решетки. Подобными разработками занимаются и в компании Volvo. Только в их случае технология определяет состояние дорожного покрытия и предупреждает других водителей о наличии скользких участков.
С развитием этих технологий компании планируют стать на шаг ближе к разработке автономных автомобилей. «В будущем мы хотим создать системы, которые автоматически проведут машину мимо ям на дороге без выезда из полосы, — рассказывает Майк Белл (Mike Bell), директор отдела по разработке подключенных автомобилей в Land Rover. — Если выбоина большая, то машина будет замедляться вплоть до остановки, чтобы снизить ущерб от удара».
Сейчас команда работает над системой для автомобилей Range Rover, но в перспективе данные будут транслироваться на приемники всего онлайн-транспорта. JLR уже объединились с Ford для тестирования систем коммуникации подключенных автомобилей.
По словам представителей компаний, они надеются создать экосистему из самообучающихся автомобилей. Когда машина знает, что от неё хочет водитель, она будет более полезной. Если автомобиль «видит», что вы приближаетесь к супермаркету, он может подсказать, какие продукты нужно купить домой. Однако пока такие технологии существуют лишь на бумаге или находятся на ранних этапах своего развития.
И хотя автомобиль не может напомнить о походе в магазин, он способен сообщить, что пора заехать в автосервис. Специальные устройства, подключаемые к диагностическим портам, связываются с приложением на смартфоне и передают данные о состоянии автомобиля производителю. Они отслеживают возникающие неисправности, следят за пробегом. Все это помогает вендору работать на перспективу и улучшать водительский опыт.
Рынок «носимых устройств» для автомобилей, по оценкам McKinsey, к 2020 году вырастет до $215 млрд. И на нем предлагаются решения не только для мониторинга узлов автомобиля, но и для оценки состояния водителя. Например, наша система Element. Это небольшой гаджет, который подключается в порт OBD-II, и собирает и анализирует данные автомобиля и об автомобиле. Узнать о том, какой вы водитель, кроме как услышать мнение пассажира (или другого участника движения), сложно. Element же позволяет сделать именно это — дополнительно формирует отчеты о вашем «поведении на дороге».
Устройство связывается с приложением на смартфоне по 3G UMTS/HSPA 850/1900 МГц. Сети телекоммуникационных операторов обеспечивают доступ к сервису в формате 24/7. Например, в США оператором выступила B2B-компания Orange Business Services.
Сервис сообщает информацию о пройденном расстоянии и средней скорости. Также может сообщить водителю о том, сколько времени он провел за рулем. Приложение присылает уведомления только после того, как поездка закончилась, поскольку мы не хотим лишний раз отвлекать пользователя от дороги.
Часть информации гаджет вычисляет на основании показаний датчиков: гироскопа и акселерометра. Собранные данные, которые хранятся в цифровом виде, использует развлекательное приложение Autoyoga — оно позволяет проходить квесты, связанные с нахождением новых маршрутов. В будущем приложение будет давать небольшие советы и рекомендации по улучшению стиля вождения.
Рост рынка устройств для бортовой диагностики составит почти 17% в течение следующих нескольких лет. По словам Виталия Пономарева, генерального директора WayRay, такие решения позволят сделать еще один шаг навстречу подключенным автомобилям: их рынок уже сейчас растёт в десять раз быстрее, чем весь рынок автомобилестроения целиком.
