יישום פוג עבור מערכות תחבורה ציבורית משופרות

האתגר של ניידות עירונית והבטחה של צוק איתן

מערכות תחבורה ציבוריות מהוות את רשת ההפצה של ערים מודרניות, העברת מיליוני אנשים מדי יום.אך המערכות הללו נמצאות תחת לחץ עצום. עומס תעבורה עולה הכלכלה העולמית מאות מיליארדי דולרים בשנה בפרודוקטיביות אבודה.אוטובוסים ורכבות בפני עיכובים כרוניים, מחלחלים, והחלטות מהירות לא יעילות. מידע בזמן אמת עבור נוסעים לעתים קרובות לבלוטים מאחורי תנאים אמיתיים, קידוד אמון ושימוש.

מחשוב פוג מופיע כשינוי ארכיטקטוני חזק כדי לטפל צוואר הבקבוק הזה.על ידי העברת חישוב, אחסון ורשתות קרוב יותר למקור הנתונים - האוטובוסים, הרכבות, אותות התנועה ויחידות צדי הכביש - מחשוב ערפל מאפשר את הגמישות הנמוכה, עיבוד גבוה גבוה גבוה כי קובעי תעבורה חכמים מודרניים. מאמר זה מספק מדריך סמכותי, מעשי ליישום ערפל עבור מערכות תחבורה ציבוריות משופרות, כיסוי יסודות טכניים, אסטרטגיות הפעלה אמתיות, ואדריכלים, תוכניות תחבורה יעילה יותר, תוכניות אבטחה, תוכניות תחבורה יעילה יותר, תוכניות תחבורה יעילה יותר, תוכניות אבטחה, תוכניות אבטחה, יעיל יותר, תוכניות.

מה זה Fog Computing? A Clear Architectural Definition

מחשוב פוג הוא תשתית מבוזרת שיושבת בין הענן לבין מכשירים קצה, ויוצרת המשך של כוח עיבוד.ה-FLT:0 המכון הלאומי לתקנים וטכנולוגיה (NIST) irFLT:1 מגדירה אותו כ"פרדיגמה של משאבים אופקית, פיזית או וירטואלית השוכן בין de-devices חכמים ומרכזי מחשוב מסורתיים או נתונים".

ההבחנה המרכזית היא בהיררכיה.בפריסת תחבורה חכמה טיפוסית:

(FLT:0) שכבת דידייק: 1 חיישנים על אוטובוסים (GPS, אבחון מנוע, דלפק נוסעים), מצלמות בתחנות, ומכשירי כרטיס מבצעים עיבוד מינימלי.
(FLT:0) Fog Layer:FLT:1 שרתים מקומיים או שערים שרכובים על כלי רכב, במרכזי תחבורה, או לאורך כבישים.הם מפעילים ניתוח בזמן אמת, לשלוט אורות תנועה, ותנועות צי לתאם.
(FLT:0Cloud Layer:BuildFLT:1) מרכזי נתונים מרכזיים שמאוחסנים נתונים היסטוריים, מפעילים אלגוריתמי אופטימיזציה לטווח ארוך ומספקים ניתוחי לוח זמנים עבור מתכננים עירוניים.

מודל תלת-שכבי זה מקטין את זמן הסבב מתקופות (ענן בלבד) למילימטרים (מחוסנים) הוא גם חותך את עלויות רוחב הפס מכיוון שהזנת וידאו גולמית וזרמי חיישן מעובדים באופן מקומי, ורק התראות מצטברות או סיכומים מועברים לענן. A 2022 מחקר שפורסם ב-FLT:0IE עסקאות על מערכות חכמות תחבורה FLT, שנמצאו 1:1 אשר מופחתת לפתרונות ענן.

יתרונות מרכזיים לתחבורה ציבורית: מעבר ל-Buzzzwords

אינטליגנציה בזמן אמת

מחשוב פוג הופך נתונים גולמיים להחלטות ניתנות לפעולה בתוך אלפיות שניות.לדוגמה, כאשר אוטובוס מזהה אירוע בלם פתאומי דרך חיישני החוצות שלו, הערפל מעבד מיד מד תאוצה ונתונים מהירים לגלגל כדי לקבוע אם התנגשות היא קרובה.

ניכוי שקיפות זה משנה

בנוגע להעדפות התנועה, כל מילימטרים ספירה.אוטובוס מתקרב לצומת צריך לבקש הרחבה ירוקה או מוקדם ירוק בזמן אמת.עם עיבוד בענן בלבד, שינוי האות יכול לבוא מאוחר מדי.ערפל נודס הממוקם בצומת עצמו יכול לעבד את הבקשה העדיפות ולתאים את התזמון בתוך 10 מ"שניות.

Bandwidth ו- Cost Optimization

כלי רכב מודרניים מייצרים נתונים מסיביים - אוטובוס אחד עם מצלמות מרובות וחיישנים יכול לייצר 30-50 GB ליום. שליחת כל הנתונים הגולמיים לענן על רשתות סלולריות יהיה יקר מאוד ולעתים לא מעשי בשל פערים הכיסוי. Fog nodes, סינון וניתוח נתונים באופן מקומי.לדוגמה, ניתן לעבד את הזנת המצלמה כדי לזהות רק אירועים ספציפיים (למשל, נוסעים, פני זיהוי אבטחה או ספירת נתונים) ולהפחית את עלויות אחסון סלולריות בלבד.

אחריות ומבצע Offline

תלות בענן יוצרת נקודה אחת של כישלון.אם רשתות טיפות, מערכות ממוקדות בענן הופכות עיוורות.ערפל נודות, לעומת זאת, ממשיכות לפעול באופן אוטונומי.הם יכולים לאחסן נתונים באופן מקומי, לקבל החלטות קריטיות (כמו הובלת אוטובוס סביב כביש חסום), ולהסתנן עם הענן כאשר קישוריות משוחזרת.

סקאביה ללא תשתיות

כמו ערים להוסיף חיישנים חדשים, תחנות טעינה לרכב חשמלי, או מעבורות אוטונומיות, שכבת ערפל מקנה את האופקי.הוספת ערפל חדש בקופה אוטובוס או יחידת כביש חדש עולה חלק מהגדלת יכולת הענן המרכזית.הטבע המופץ גם מונע עלייה של תנועה אחת (למשל, אירוע מרכזי) ממדהים את כל הרשת.

אסטרטגיות יישום: הדפסה מילולית

שלב 1: Assess Connectivity and Edge Device Readness

לפני פריסת ערפל, לבדוק את התשתית הקיימת שלך.האם האוטובוסים שלך מצוידים ביחידות טלמטיות שיכולות להפעיל מיכלי דוקר מקומיים?האם בקרי אותות התנועה שלך תומכים בפרוטוקולים תקשורת פתוחים?כלי רכב מודרניים רבים ויחידות צדי דרכים כבר יש את הכוח הנייח הדרוש; לעתים קרובות שדרוגים קושחה יכולים לאפשר יכולות ערפל.עבור ציים ישנים יותר, לשקול רטרוfit עם מחשבים חד-board כמו NVIDIAson או Raspberryel עם מעבדי עם 4 AI.

שלב 2: עיצוב אדריכלות הערפל

ערפל נופל לשתי קטגוריות: נייח (במרכזי תחבורה, צמתים, מחסנים) ונייד (על כלי רכב).

(FLT:0) ערפל נייד: 1FLT חייב לעמוד בתנודות, קיצוניות טמפרטורה וכוח מוגבל. השתמש במחשבים תעשייתיים מחוספסים עם אחסון SSD ו 4G/5G קישוריות. Include GNSS עבור מיקום.
(FLT:0) ערפל ערפל אסטרי: לעתים קרובות (FLT:1 לעתים קרובות) שוכן במתקני מזג אוויר ליד אורות תנועה או מקלטי אוטובוס.הם יכולים להיות בעלי יכולת גבוהה יותר (CPU / GPU) ו- Ethernet קדמית.

כל הצומת צריך לתמוך (FLT:0) המכיל מיקרו-שירותי חשמלמLT ( 1:1) באמצעות Kubernetes או Docker Swarm כדי לפשט עדכונים ולהגדיל את מערכת ניהול מרכזית כדי לפקח על בריאות ללא צומת, לעדכן תוכנה, לסובב מפתחות קריפטוגרפיים.

שלב 3: בחרו פרוטוקולי תקשורת

תקשורת אמינה, נמוכה יחסית בין קצה, ערפל וענן הוא חיוני.

(ב) ⁇ :0 (5GIRLT:1) - מציע חתלתת מתחת ל-10 מיליון לבה ורשת המסוימת עבור תעבורת מעבר ייעודית.
(FLT:0DSRC (הופנה מהדף קצר-Range Communicationsir)FLT 1 - תוכנן במיוחד עבור V2X, עם טווחים של עד 1 ק"מ וסטנדרט בוגר עבור עדיפות אות התנועה.
(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0)LoRaWANveFLT:1 - עבור נתונים של חיישן כוח נמוך (למשל, טמפרטורה, רטט) שאינו זקוק לעומס גבוה.

השתמש בגישה היברידית: פקודות בזמן אמת קריטי על DSRC או 5G, אבחון תקופתי על פני התא, והנתונים עלו על Wi-Fi כאשר כלי רכב חוזרים למחסנים.

שלב 4: ניהול נתונים וביטחון

מחשוב פוג מחלק נתונים על פני צמתים רבים, מרחיב את פני השטח של ההתקפה.מיישם את אמצעי האבטחה האלה:

(FLT:0) מודולים אבטחה של אבטחה (HSM) ,R1) או TPM צ'יפס על כל ערפל לאחסון מפתח מאובטח.
(ב) עיין ב-[[1924]] ב[[1924]], ב[[1924]], ב[[1924]], [[1924]], [[1924]], [[1924]]]]
(ב) כל בקשה חייבת להיות אותנטית, אפילו בתוך רשת הערפל.
(ב) אנונימיות המידע (FLT:0) בדרגה 1 של ערפל - הפשיט מידע המאפשר זיהוי אישי (PII) מנתוני נוסעים לפני כל העלאת מידע.
(ב) מנגנוני עדכון (PLT:0) Over-the-air (טא) עדכון מנגנונים של מנגנוני מנגנוני ייצוב: 1 עם קושחה חתום כדי למנוע זריקת קוד זדוני.

שלב 5: טייס ומכשיר

אל תנסו את כל העיר רולף מיד.בחר מסלול אוטובוס גבוה טרף או מסדרון מכווץ. Equip 5-10 אוטובוסים עם ערפל נייד ותקנה צמתים נייחים בצמתים מרכזיים. להפעיל את הטייס במשך 3-6 חודשים, למדוד מדדי בסיס (עיכוב, שימוש רוחב פס, זמני תגובה), ולהשוות מסדרון בקרה באמצעות שימוש מסורתי בנתונים, לא להתאים את האלגוריתם של מיקום עסקי, ולא לבנות אלגוריתמים מלאים.

אדריכלות טכנית: בתוך הערפל

אדג'-to-Fog Data Flow

זרימת נתונים טיפוסית בצי אוטובוסים חכם נראית כך:

(FLT:0) Ingestion:FLT:1 onboard Edge מכשירים (הפך, GPS, OBD-II קורא) לדחוף נתונים גולמיים לערפל הנייד ללא צומת באמצעות USB או אוטובוס CAN.The ערפל פועל מנוע עיבוד זרם בזמן אמת (למשל, Apache Flink או צינור C++ מותאם אישית).
(FLT:0) עיבוד מקומי:BuildFLT:1 ערפל חל מודלים של למידת מכונה עבור גילוי מכשולים, ספירת נוסעים (באמצעות TensorFlow Lite או ONNX Runtime), וגילוי אוטומטי של מנוע.מודלים הם מאומנים מראש ומותאמים להתאמה עבור הקצוב כוח נמוך.
(ב) אם אירוע מסוכן מזוהה (למשל, מעבר להולכי רגל), הערפל שולח מסר V2X לכלי רכב ולתשתיות סמוכים בתוך 5 מ'.
(FLT:0) ⁇ ועומס: ההרחבה: 1 (FreaLT:1) בכל 60 שניות, ערפל נוטע מאגד נתונים שאינם קריטיים (מהירות של גידול, ספירת נוסעים מצטברת, אבחון מנוע) לתוך עומס דחוס JSON ומעביר אותו לענן מעל התא.
(FLT:0Cloud Analytics:IRFLT:1) הענן מקבל נתונים מצטברים מכל הערפל, מפעיל ניתוח מגמה היסטורי, ומעדכן מודלים לתזמון צי.הוא גם דוחף מודלים ML מעודכנים בחזרה לערפל כאשר גרסאות חדשות מאומתות.

המלצות קשיחות

עבור ערפל ייצור נייד node, לשקול את המפרטים הבאים:

CPU: 4-8 הליבה ARM Cortex-A78 או x86 (אינטל אטום)
RAM: 8 GB מינימום, 16 GB מומלץ עבור מודלים מרובים של ML
אחסון: 256 GB NVMe SSD (עבור השחיקה מקומית)
NVIDIA Jetson Xavier NX או דומה להפרעה בזמן אמת
קישוריות: 5G מודם (sub-6 GHz), Wi-Fi 6, רדיו DSRC
Power: 12-24V DC קלט, < 25W טיפוסי הצריכה
איכות הסביבה: דירוג IP65, -20 מעלות C עד 60 מעלות צלזיוס

צמתים מהירים יכולים להשתמש ב-GPUs חזקים יותר (למשל, NVIDIA A100) עבור כלי טיס גבוה יותר, במיוחד עבור ניתוח וידאו ממצלמות מרובות.

מחקרים: היכן מחשוב פוג כבר הופך את המעבר

ניהול צי אוטובוסים חכם - Linz, אוסטריה

ב Linz, פרויקט טייס הטיל מחשוב ערפל על 20 אוטובוסים כדי לייעל ניהול נתיב ותחזוקה חיזוי.כל אוטובוס אירח ערפל פועל anomaly זיהוי על נתוני רטט המנוע וטמפרטורה.כאשר סימנים מוקדמים של שינוי כושל התגלו, ערפל הוסיף אוטומטית את האוטובוס ל תור תחזוקה ועדכן את מערכת ההפעלה מבוססת ענן כדי להתאים את התוצאה: התמוטטות בלתי מתוכננת צנחה על ידי 40%, זמינות אוטובוס, ולהגדיל את ה -12% בשעות השיא של הטייסים בזמן ה-ה.

קונסולת אור - פיטסבורג, ארה"ב

העיר פיטסבורג יישמה מערכת אותות תנועה אדפטיבית מבוססת ערפל הנקראת Surtrac. במקום לשלוח את כל הנתונים לשרת מרכזי, כל ערפל של צומת מעבד נתונים זיהוי רכב מקומי ולנהל משא ומתן על תזמון אות עם צמתים שכנים באמצעות אלגוריתם מבוזר.תיאום זה ערפל ניתן להפחית את זמני הנסיעה על ידי 25% ו-ידי idling על ידי 40% מעבר למסדרון.

תחזוקה חיזויית ל- Light Rail - סינגפור

רשות התחבורה היבשתית של סינגפור רשמה ערפל על כלי רכב לרכבת הקלה כדי לפקח על טמפרטורות נושאות גלגלים, לעקוב אחר מצב, ואת ההמראה הנוכחית. ערפל השתמש בזיהוי זמן של זוועות עד 72 שעות מראש.זה אפשר לצוותי תחזוקה לבצע החלפת ממוקדים במהלך שעות ספורות במקום השבתות חירום.התוכנית הפחתת הפרעות שירות על ידי 60% וחסכה מיליון דולר בעלויות תחזוקה של שנה.

אתגרים וכיצד להתגבר עליהם

מורכבות אבטחה

מחיקת האינטליגנציה על פני מאות או אלפי צמתים מגבירה את פני השטח של ההתקפה.כל ערפל חייב להיות קשה נגד טמפרינג פיזי (למשל, בתחנות בלתי מזוהות) וניצולים מרוחקים. Solutions כוללים שימוש בסביבות הוצאה מהימן (TEEs) כמו אינטל SGX, יישום פגיעת ראייה רגילה, ודרשה את כל התקשורת בין-לא-דה לשימוש ב-TLS.

אפשרויות וסטנדרטים

מערכות מעבר בדרך כלל כרוכות בחומרה ובתוכנה ממספר ספקים על פני דורות שונים.חוסר סטנדרטיזציה במחשוב ערפל יכול להוביל לכאבי ראש אינטגרציה. Mitigate זה על ידי אימוץ סטנדרטים פתוחים כגון FLT:0 OpenFog Reference ArchitectureFLT:1 (כיום חלק מ-Internet Consortium) ושימוש בפרוטוקולים ידועים (MQTT, OPC UA, DDS) לצורך החלפת נתונים הנדרשים לכל יישומי מכולה ויישומים סטנדרטיים.

כוח וקונסטרינטים סביבתיים

על משטח ערפל חייב לפעול באופן אמין על כוח הרכב, אשר יכול להיות רועש וכפוף טיפות מתח. השתמש אספקת חשמל ברמה תעשייתית עם רגולציה מתח וכוח בלתי ניתן לניתוק (גיבוי superacitor) עבור צמתים נייחים באזורים מרוחקים, לשקול כוח סולארי עם אחסון סוללות.להבטיח מערכות קירור יכול להתמודד עם טמפרטורות מכופות עד 50 מעלות צלזיוס ללא ביצועים מטושטשים.

עלויות רקו

בעוד מחשוב ערפל חוסך רוחב פס ועלויות ענן, ההשקעה מעלה בחומרה, התקנה והכשרה יכולה להיות משמעותית. בנה מודל בעלות כוללת (TCO) שגורמים בדמי נתונים מופחתים של ענן, הוצאות תחזוקה נמוכות יותר בשל יכולות חיזוי, חיסכון דלק מפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת העיכוב, ושיפור שביעות רצון הנוסעים (אשר יכול להגדיל את ההכנסות ממס).

העתיד: פוג, AI ו-Autoction

במבט קדימה, מחשוב ערפל יהיה עמוד השדרה של תחבורה ציבורית אוטונומית מלאה.מעבורות אוטונומית אוטובוסים דורשים קבלת החלטות רציונאלית, נמוכה, אשר לא יכול להסתמך על קישוריות בענן.ערפל נוש על הסיפון יפעיל אלגוריתמים שליטה, בעוד שערפל תשתיות בקרבת מקום לספק תכנון עולמי וניהול תנועה. השילוב של רשת 5G שרטוט וערפל יאפשר כלי רכב אוטונומיים רבים לתאם בצורה חלקה.

מגמה נוספת היא (FLT:0) למידה מגובשת של ערפל 1 (FLT:0) , שבו ערפל נושך מודלים של למידת מכונה שיתופית ללא שיתוף נתונים גולמיים.לדוגמה, כל אוטובוס יכול להכשיר מודל מקומי לחיזוי הביקוש של נוסעים בהתבסס על נתוני המסלול שלו, ולאחר מכן לשתף רק עדכוני מודל ( ⁇ s) עם הענן המרכזי.זה משמר פרטיות ומפחית באופן דרסטי את העברת הנתונים תוך כדי עדיין לייצר מודל משותף שמשפר את תחזית העיר.

צ'יפס של AI (למשל, NVIDIA Orin, Qualcomm Cloud 100) מתפתחים במהירות, ומאפשרים ערפל ערפל לעמוד מול מודלים מתוחכמים יותר ויותר. בקרוב, ערפל יהיה מסוגל עיבוד שפה טבעית בזמן אמת עבור אינטראקציות מבוססות קול, ראיית מחשב לאיתור חבילות חשודות, ואפילו משא ומתן אלגוריתמי עם נקודות אחרות עבור תמחור דינמי של אזורי גודש.

מסקנה: אי-אפשרות אסטרטגית לערים חכמות יותר

מחשוב פוג אינו מותרות עתידנית לתחבורה ציבורית – זוהי אבולוציה מעשית, הכרחית.על ידי פריסת כוח העיבוד בקצה הרשת, ערים יכולות לשפר באופן דרמטי את ההיענות בזמן אמת, יעילות תפעולית, בטיחות וחווית נוסעים.הטכנולוגיה בוגרת, החומרה היא זולה, והיתרונות הוכחו בטייסים בעולם האמיתי מאוסטריה ועד לסוכנויות טרנזילות שמשקיעות כיום בתשתיות ערפליות בלתי ניתנות לצמצום, אך הן באמת, אך הן יכולות להשתלב בתאונות דרכים יעילות, אך הן יעילות, אך הן אינן יכולות להשתלבות, אך הן יכולות להיות מעורבות, אך הן בעלות השפעה סביבתית, אך הן בלתי-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-לספק-לספק-ל-ל-ל-לספקית-לספק-לספק-ל-ל-לספק-לספק-לספק-לספק-לספק-לספק-ל-לספק-לספק-ל-ל-ל-ל-לספק-ל-ל-ל-ל