کامپیوتر منطقه‌ای: قهرمان جدید شبکه‌های هوشمند خودروها!

خب، بذارید یه قصه باحال براتون تعریف کنم درباره دنیاشونِ ماشین‌های هوشمند و متصل! این روزا، با رشد شدید خودروهای خودران و وصل به اینترنت – همون‌هایی که بهشون Connected Vehicles (CV) می‌گن – دارن کوهی از داده تولید می‌کنن. این داده‌ها رو بهش می‌گن Vehicular Big Data یا همون VBD، یعنی کلی اطلاعات درباره حرکت، رفتار، شرایط جاده و کلی چیزای دیگه که از ماشین‌ها جمع میشه.

حالا این حجم عظیم داده‌ها برای سیستم حمل و نقل هوشمند (Intelligent Transportation System یا ITS) فوق‌العاده‌ست، اما چالش‌های خفن خودش رو هم داره؛ مثلاً پردازش دقیق این داده‌ها، ارسالشون بین ماشین‌ها و مراکز و اینکه چجوری منابع فنی رو به اندازه کافی سریع و مقیاس‌پذیر در اختیار قرار بدن.

تا همین چند وقت پیش، براش راه‌حل معروفشون استفاده از ابر یا همون Cloud بود. Cloud Computing یعنی پردازش و ذخیره‌سازی داده‌ها توی سرورهای بزرگ و دور از محل اصلی. روش قشنگیه چون منابعش مقیاس‌پذیر و فراوونه؛ ولی مشکل اینه که چون داده‌ها باید کلی راه رو تا سرورهای ابر طی کنن، تاخیر میفته، هزینه هم زیاد میشه چون باید داده رو جابه‌جا کنی.

بعدش اومدن گفتن خب، Edge Computing بهتر میشه، یعنی پردازش داده‌ها رو تا حد ممکن نزدیک محل تولیدش (مثلاً تو خود ماشین یا نزدیکیش) انجام میدیم تا تاخیر کم بشه. اما اینم وقتی حجم داده‌ها خیلی زیاد میشه، نمی‌تونه جواب بده و مقیاس‌پذیریش محدوده.

حالا راه‌حل خلاقانه‌ای که تو این مقاله پیشنهاد شده اسمش هست Regional Computing یا همون رایانش منطقه‌ای. Regional Computing یه لایه‌ی جدید بین Edge (لبه شبکه) و Cloud (ابر) اضافه می‌کنه. میشه گفت یه جایی وسط این دوتاست: نه خیلی دور که مثل ابر باشه، نه خیلی نزدیک که محدود به گوشه باشه! داستانش اینه که می‌تونه داده‌ها رو تقریباً نزدیک منبعشون پردازش کنه اما امکانات و ظرفیتش از Edge یا Fog Node – که Fog هم یه نوع رایانش واسطه‌ای کم‌ظرفیته – بیشتره.

یه نکته خیلی باحال این Regional Computing اینه که می‌تونه خودش رو هوشمندانه با شلوغی‌های مختلف مثل ساعتای پیک (اوج ترافیک) و غیرش هماهنگ کنه و کارها رو بسته به شرایط، به یکی از سه جا انتقال بده: خود خودرو (اگه پردازش سبکه)، رایانش منطقه‌ای یا همون RC Layer (اگه حجم داده متوسطه)، و یا Cloud (اگه خیلی سنگینه یا نیاز به منابع خاص داره).

این مقاله یه الگوریتم داینامیک آفلودینگ پیشنهاد داده. Offloading یعنی اینکه سیستم تشخیص بده چه کاری رو باید کجا بفرسته تا کارا سریع‌تر و بهینه‌تر پیش بره. این الگوریتم دائم داره بار کاری، مصرف شبکه و الگوهای زمانی ترافیک رو چک می‌کنه و هوشمندانه تصمیم می‌گیره که کار رو به کدوم قسمت بسپاره.

برای اینکه حرفاشون رو ثابت کنن، یه شبیه‌ساز به نام RegionalEdgeSimPy نوشتن. این شبیه‌ساز با پایتون نوشته شده و مخصوص سناریوهای دیتاهای بزرگ ماشین‌هاست. حالا نتایج شبیه‌سازی نشون داده که این چارچوب جدید واقعاً خوب جواب میده: تاخیر کلی سیستم کلی کم میشه، مصرف انرژی پایین میاد و هزینه عملیات هم کمتر میشه. خلاصه، رایانش منطقه‌ای به عنوان یه راهکار مقیاس‌پذیر و موثر برای شبکه نسل جدید خودروها معرفی شده.

پس اگه دوست داری بدونی آینده ترافیک و پردازش داده‌ها چجوری قرار پیش بره، بدون که Regional Computing داره تبدیل میشه به قهرمان ناشناخته سیستم‌های هوشمند حمل و نقل! کلی اصطلاح هم این وسط یاد گرفتیم که اگه سر بحث با دوستات باز شد، حرف واسه گفتن داشته باشی!

منبع: +