Praktické využití analýzy dat na periferii sítě

Edge computing může být přínosem pro podniky různých oborů. Tento distribuovaný výpočetní model, který přibližuje úložné a výpočetní kapacity zdrojům dat, dokáže zkrátit reakční dobu, snížit latenci sítě a náklady na připojení, a dokonce posílit bezpečnost.

Výpočetní prostředky na periferii sítě slouží u systémů, jako je internet věcí (IoT), ke vzdálenému zpracování dat generovaných připojenými zařízeními. Bez takového řešení by množství dat z koncových zařízení snadno zahltilo centrální datovou infrastrukturu podniku – nebo si vyžádalo vysoké náklady na přesun do cloudových úložišť k analýze.

Přesunem analytických funkcí blíže místu vzniku dat lze dosáhnout vyšší efektivity a akceschopnosti. Přínosy analýzy dat na periferii sítě ilustrují příklady z praxe.

Bezpečnost na silnicích silnicích

Společnost Trimble Transportation poskytuje řešení a systémy pro optimalizaci tras, sledování pohybu, bezpečnost a dodržování předpisů. Palubní telematická zařízení, jimiž jsou vybavená vozidla jejích zákazníků – nejčastěji silničních přepravců – denně generují na deset miliard údajů. Ty zahrnují více než 50 proměnných, včetně teploty motoru, otáček turbodmychadla, tlaku oleje nebo průtoku a hladiny chladiva.

Stále více senzorů sleduje vozidlo a jeho okolí a upozorňuje řidiče na problémy, jako je nízký tlak v pneumatikách, vybočení z pruhu nebo překážky při couvání. To sice výrazně posiluje bezpečnost, ale také generuje velké objemy dat, které je nutné rychle zpracovat, aby byla využitelná v reálném čase.

Trimble vyvíjí hardware a software pro dopravní a logistické společnosti. Z nich buduje síťový systém s hvězdicovou topologií, kde ústředí přepravce představuje centrální bod a jednotlivá vozidla paprsky, přičemž analýza dat na periferii umožňuje získávat informace rychleji.

„V centrále se nachází aplikace jako řízení přepravy, příjem objednávek, bezpečnost a compliance a další provozní systémy využívající data dodávaná z ‚paprsků‘ sítě vybavených technologiemi jako jsou palubní počítače, elektronická záznamová zařízení a další, připojená do cloudu přes 4G LTE. Ta provádí i řadu výpočtů,“ vysvětluje Chris Orban, viceprezident pro datovou vědu ve společnosti Trimble.

Z pohledu bezpečnosti všechna zařízení Trimble komunikují s řídicí jednotkou motoru nákladního vozidla a bezpečnostními systémy. Mohou ta upozornit na události jako prudké brzdění, nedodržení bezpečné vzdálenosti nebo ztráta stability s rizikem převrácení. Řidič tak dostává okamžité výstrahy a může přizpůsobit styl jízdy, případně mohou bezpečnostní systémy zafungovat automaticky, například ochrana proti převrácení zbrzdí rychle jedoucí vozidlo při průjezdu zatáčkou na přiměřenou rychlost.

Další významnou oblastí analýzy dat v edge prostředí, do které Trimble investuje, je zpracování video. „Mnoho nákladních vozidel je dnes vybaveno kamerami – namířených na vozovku vpřed i vzad, do kabiny, na boční zrcátka apod. Z nich lze získávat nesmírné množství cenných informací,“ říká Chris Orban.

„Namísto obyčejné palubní kamery máme dnes integrovaný video systém, který dokáže varovat při vybočení z jízdního pruhu, pomoci přesně přistavit vozidlo k nakládací rampě nebo spolehlivě zaznamenat situaci při náhlé změně rychlosti nebo směru, například manévru, kterým se chce řidič vyhnout kolizi. Záznam může posloužit jednak jako důkaz, jednak pro účely řidičského výcviku. Naši zákazníci postupem času u svých řidičů díky změně jejich chování zaznamenávají 10–15% snížení počtu nehod, kterým bylo možné předejít,“ uzavírá Orban.

Řízení provozu

Město Las Vegas využívá edge computing, včetně implementace IoT, k řízení provozu a automatizaci komunikace s autonomními vozidly. Město v rámci svého IT oddělení vytvořilo i nový datově analytický tým, který má na starost správu a využití dat.

„Hledáme způsoby, jak zvýšit provozní efektivitu i užitek pro obyvatele,“ říká Michael Lee Sherwood, ředitel pro inovace z IT oddělení lasvegaské radnice. „Edge computing umožňuje IoT systémům zpracovávat důležitá data a provádět analýzu v reálném čase.“

Dopravní systém přezdívaný Blackjack využívá platformu od společnosti Cisco, která sleduje provoz, poskytuje statistiky v reálném čase a umožňuje komunikaci s autonomními vozidly.

Město Las Vegas začalo se zaváděním technologie edge computingu v roce 2018 při budování chytrých dopravních řešení. Jeden z hlavních důvodů pro zavedení analýzy dat na periferii sítě vyplynul ze spolupráce s provozovateli autonomních vozidel, kteří potřebovali data téměř v reálném čase.

Další technologie, prediktivní analýza a umělá inteligence (AI), pomáhají při rozhodování o zefektivňování provozu a v blízké budoucnosti bude mít zásadní vliv z hlediska zmírnění dopravních zácp, komfortu cestování a zkrácení doby dojezdu. Právě využití umělé inteligence u některých z nejnovějších chytrých městských systémů ještě více posiluje potřebu edge computingu a analýzy dat na periferii sítě. Největším problémem u edge computingu při tom podle Michaela Lee Sherwooda je rozhodnout, která data na periferii sítě zpracovávat, a jakým způsobem a po jakou dobu budou je uchovávat.

Mezi přínosy prvotní fáze projektu patří automatické přizpůsobování načasování semaforů aktuální intenzitě provozu. ¨

„To je doklad, že z moderních technologií mohou mít prospěch všichni obyvatelé,“ poznamenává Sherwood.

Pozorování zeměkoule

Společnost Satellogic, která poskytuje soukromým subjektům i státním institucím vysokofrekvenční geoprostorové snímkování s vysokým rozlišením, dotáhla koncept edge computingu do extrému. Její síť družic pořizuje multispektrální a hyperspektrální snímky a videozáznam, přičemž si firma své družice konstruuje sama. Ve spolupráci s několika partnery, včetně poskytovatele softwaru pro analýzu velkých dat Palantir Technologies, při tom pracuje na přesunu datové analýzy na periferii sítě – tedy na palubu družic.

„Edge computing má pro zákazníky Satellogic tři hlavní přínosy,“ říká technický ředitel a spoluzakladatel firmy Gerardo Richarte. „Za prvé, edge computing nám umožňuje upozorňovat zákazníky na sledované události v reálném čase. Čím blíže jsme zdroji informací, tím rychleji dokážeme upozornění generovat a odesílat.“

Za druhé, firma může ihned reagovat, včetně změny zadání pro satelit. „Označí-li algoritmus určitý objekt zájmu, můžeme okamžitě satelit instruovat, aby se na tento objekt zaměřil, sledoval jej, případně spustil jiný druh záznamu, například plnohodnotné video,“ vysvětluje Richarte. Právě video je ideální aplikace pro edge AI, protože je příliš datově náročné na to, aby bylo nepřetržitě přenášené na zemi ke zpracování a vyhodnocování.

Za třetí, edge computing je možné využít ke stanovení priorit přenosů dat. „Přenosy dat z oběžné dráhy na zemi mají omezenou kapacitu a mohou trvat déle, než je u některých aplikací únosné. „Pokud data nejprve necháme vyhodnotit našimi algoritmy, je možné uspořádat přenos tak, aby vyhovoval prioritám a cílům jednotlivých zákazníků,“ říká Gerardo Richarte.

Článek vyšel, tak jako mnoho dalších zajímavých textů, v CIO Business World 6/21.