エッジで処理できるデータがクラウドサービスに送信されるのはなぜですか?


7

最近、AWS IoTプラットフォームに関するAmazonの情報を読んでいて、興味深い使用例に出くわしました。

AWS IoTを使用して車の安全のために湿気を検出する例

道路状況データがどの程度正確に検知されているかは記載されていませんが、センサー濡れた道路を検出できる場合、Amazonがデータをクラウドに送信するよう提案するのはなぜですか?直接車両のセンサデータを処理し、それが処理されるのを待っている、クラウドにデータを送信するデータを受信し、むしろセンシングよりも、ドライバーに警告だけに単純ではないでしょうその後、ドライバーに警告しますか?実際に得られる可能性のある分析データ以外の利点はあまりわかりません。

Amazonの使用例は、分析データを取得したい場合にのみ有益ですか、それとも、クラウドの使用を提案する他の理由がありますか?


理由の1つは、販売しようとしているサービスを人々に利用させることだけだと思いますが、技術的な理由があれば、それに興味があります。

回答:


6

デバイス上で処理するかクラウドで処理するかを選択する際には、多くの要因があります。

クラウドでの処理の利点

  1. アルゴリズムが浮動小数点を使用するか、GPUで実行する場合、センサーの組み込みプロセッサーで実行できない可能性があります。

  2. そうでない場合でも、アルゴリズムが高級言語で開発された場合、センサーで実行するように移植するには(開発者の時間で)コストがかかりすぎる可能性があります。

  3. センサーから計算をオフロードすると、(これがネットワーク/無線の使用にどのように影響するかに応じて)バッテリーの寿命が延びる可能性があります。

  4. アルゴリズムをクラウドで実行すると、多数のセンサーからのデータを組み合わせて、システムレベルの決定を行うことができます。この例では、異なる車のセンサーをフィルタリングすることを意味している可能性があるため、1台の車を洗ってもすべての車で雨警報は発生しません。

  5. クラウドでの処理により、複雑なアーキテクチャであるメッシュネットワークがなくても、情報を多くの場所に配布できます。

  6. より多くのデータをログに記録できるため、より優れた分析、監査、およびより優れたアルゴリズムの開発が可能になります。

オンボード処理の利点

  1. 生のセンサデータは、高帯域幅であれば、それはデータを要約し、(するのに必要な処理に応じて、要約送信するために少ないバッテリーを使用する場合がありますまとめて)。これは、8ビットの湿気の読み取り値を1秒あたり100回送信する代わりに、それをフィルタリングして、10秒ごとに1ビットのウェット/ドライフラグを送信することを意味します。

  2. さらに進んで、センサーが報告すべき興味深い見た目を持っている場合にのみネットワークをウェイクアップします(たとえば、ウェット/ドライの状態変化)。

  3. センサー側のネットワーク帯域幅を減らすと、サーバー側のネットワーク帯域幅も減少するため、より多くのユーザー(より多くのセンサー)にサービスを非常に安価に拡張できます。

  4. ネットワークが利用できない場合でも、同じまたは制限された機能でサービスを実行できる場合があります。この例では、あなたの車は、それが見える滑りやすい道路についてあなたに警告することができるかもしれませんが、他の車からの事前の警告を与えることはできません。

全体

通常、この2つの組み合わせが最適です。デバイスで可能な限り多くの処理を実行し、ネットワークの必要性をできる限り減らし、クラウドでより高度なアルゴリズムを実行して、より多くの入力を組み合わせたり、より多くの計算能力を使用したりできます。

(MatlabまたはPythonでプロトタイプが作成されたため)すべての処理をクラウドで実行し始め、開発者がそれに費やす時間がある場合は、オフライン機能を有効にするためにパーツを徐々にRustに移植します。

通常使用しているデバイスで大量のデータを処理する場合がありますが、生データをサンプリングしてログに記録することもできるため、後で(ネットワークが利用可能な場合)クラウドにアップロードして分析することができます。


3

図から明らかではないかもしれないことは、提案された付加価値は、車両のあるセットから別のセットに情報を渡すように見えることです。1つの場所にある車からのセンサー情報を処理(ノイズ除去、パターン認識)して、近い将来これらの条件に遭遇すると予測される他の車両に渡すことができます。

多分忙しいエリアでピアツーピアで情報を渡すことができるかもしれませんが、センサー予測から信頼データを抽出する能力を失い、複数のデータソースを簡単に組み合わせることができます

センサーデータの値については、安全マージンと停止距離を(たとえば)しばらくすると残留水が多くなる曲がりの前に調整できるため、自動運転車が最もメリットがあると思いますにわか雨が降っています。

モデルが車から供給されたセンサーデータでトレーニングされ、リアルタイムの気象フィードに基づいて予測的に実行される可能性があります。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.