淺談電動車的雲系統與安全管理機制

作者：徐昌鴻（亞東科技大學 機械系 副教授兼系主任）

近幾年科技發展對於移動式計算和物聯網(Internet of Thing, IoT)大幅的增加，其中數十億移動和物聯網設備連接到互聯網，因此產生了網絡邊緣與無數節點連接與數據。

然而，由於網路的頻寬有所限制，雲端的服務潛在了可控與不容許延遲的需求，特別來自於收集物聯網設備的數據。網路平台具有重要的隱私問題，若上述許多節點與數據在現今的雲設備架構進行數據的傳輸和訊號處理，假若發生訊息被截取或侵入情形，則此數十億的網路節點的防護的建置，則具有非常高的挑戰性。

為了應對這些資訊加解密的挑戰，邊緣計算（及其控制器）則成為一種新興的計算模式且備受關注。透過將數據儲存、計算和控制推向網絡邊緣，邊緣計算則順勢被定義為可滿足基本低延遲、高可擴展性和能源效率等功能性要求，作為減輕網絡流量負擔的解決方案。

眾所週知，隨著各種物聯網應用（例如智慧城市、工業自動化和聯網汽車）的出現，邊緣計算處理這些異構物聯網環境變得具有挑戰性，因為受到人工智慧(Artificial intelligent, AI)與廣義領域（例如自然語言處理、計算機視覺、語音識別、國際象棋（例如 AlphaGo 和機器人技術）取得人工智慧成功的案例。早期十多年前人工智慧的邊緣計算可克服新出現工業挑戰，藉此產生新跨學科，例如邊緣 AI 或邊緣智能等研究後續的關注與研究。然而，科技的進步必需搭配合適的設備性能並考量製造成本與加解密通訊等問題，從而將人工智能集成到邊緣控制是另一個重要的配套措施與發展方向。

對於分析雲端數據的傳統人工智能方法即不太適應用於邊緣計算過程，理由為廣域網路中移動大量數據將造成通訊上的嚴重傳輸延遲，更惶論數據傳輸過程中潛在的隱私洩露。因此，AI 的應用程序在處理 IoT 數據的設備將受到功能性和能源效率過低的衝擊，因為許多人工智能應用程序需要高計算能力，這大大超過了資源和能源受限的物聯網設備的能力。為了應對這些挑戰，本期特刊重點關注邊緣智能與通訊領域應用後的架構與關鍵方法，以亞東科技大學機械工程系智慧電動車研究團隊為例作介紹。

亞科大機械實驗室提出以物聯網為基礎結合現在趨勢的電動車為核心本體，透過嵌入式與單晶片控制器等整合作為本次開發研究的目的。研究方向為「物聯網整合雲端系統之電動車長程電能管理系統」，相關研究議題如下：

1. 道路影像即時串流系統：透過鏡頭與信號發射器，將影像傳雲端讓觀察者能夠利用電腦與手機立即觀看行車影像。
2. 物聯網雲端感測器的數值監測與管理：以電車各項感測器數值透過雲端物聯網平台傳輸至觀察者的手機及電腦系統，讓駕駛人得以獲得良好車輛管理與監控各項數據。
3. 車輛周圍障礙物距離警示：透過物理性感測器以及影像鏡頭偵測顯示周圍障礙物或其他車輛之距離，並傳送訊息提醒駕駛以減少駕駛因未注意與障礙物之間距而引發的交通事故。
4. 駕駛安全之人臉辨識系統：以人工智慧 AI 類神經網路(Neural Network, AINN)識別駕駛者於道路行駛中出現打瞌睡或不專心駕車等狀態，可有警示訊號給予提醒，讓行車用路更為安全。
5. 再生能源監測管理系統：一般電動車輛具有行駛上的里程焦率感，本研究即整合車輛行駛中的電能回收系統及超級充電裝置進行鋰電池的充電，藉以提高延伸性的里程數。車輛的電力使用與全車微電系統以邊緣計算控制器進行模組式分工並回傳雲系統進行整合，本研究以中華電信為搭載平台，有效即時提供數據傳輸應用需求。

綜整行車安全功能可用來確認駕駛人道路安全性，提高電動車穩定度。邊緣控制器即擔任相當重要的角色了。

瀏覽 596 次