வினை தந்திரம் கற்போம் : இணைக்கப்பட்ட கார்கள் தொழில்நுட்பம்!

Connected Cars (இணைக்கப்பட்ட கார்கள்) எனப்படும் கான்செப்ட்டில் பல வகைகள் உண்டு

இணைக்கப்பட்ட கார்கள் ( connected cars technologies ) பற்றி இன்று பார்க்கலாம்.

டிரைவர் இல்லாத ( Driverless ) கார்கள் அல்லது தானியங்கி கார்கள், தொழில்நுட்ப உலகில் ஒரு புரட்சிகரமான ஒரு தொழில்நுட்பம் என்பதில் சந்தேகமில்லை.

தானியங்கி கார்களில் Image Recognition, Machine Learning, Neural Networks முதலான AI (Artificial Intelligence) தொழில்நுட்பங்கள் மிகப்பெரும் பங்காற்றுகின்றன. ( Machine Learning பற்றி தெரிந்து கொள்ள இந்த தொடரின் முந்தைய கட்டுரையை வாசிக்கவும்).

தானியங்கி கார்கள் பற்றி விவாதிக்கும் முன் அதற்கு முந்தைய நிலையில் உள்ள, அதனோடு தொடர்புடைய சில தொழில்நுட்பங்களைப் பற்றி பார்ப்போம்:

Connected Cars Technologies (இணைக்கப்பட்ட கார்கள்) எனப்படும் கான்செப்ட்டில் பல வகைகள் உண்டு:

V2I (Vehicle To Infrastructure) என்பது சாலைகளின் அங்கமாக இருக்கும் lane markings, சிக்னல்கள், சாலை குறியீடுகள் இவைகளோடு கார்கள் wireless முறையில் நடத்தும் தகவல் பரிமாற்றம். இவை பாதுகாப்பு, இயக்கம் மற்றும் சூழல் பற்றிய தகவல் பரிமாற்றம் ஆகும்.
connected_cars technologies
V2V (Vehicle To Vehicle) என்பது சுற்றுப்புறத்தில், அருகில் இருக்கும் வாகனங்களின் வேகம், இருப்பு நிலை (Position) பற்றிய தகவல்களை தரும் தொழில்நுட்பம்.

இதன் இலக்கு விபத்துகளை தவிர்ப்பது, போக்குவரத்து நெரிசலை குறைப்பது, ஓட்டுனருக்கு ஓர் இணக்கமான சூழலை உருவாக்கித் தருவது போன்றவை.

V2C (Vehicle To Cloud) என்பது Cloud Systemகளோடு, கார்கள் நடத்தும் தகவல் பரிமாற்றம். உதாரணமாக, உங்கள் இல்லமோ (smart home), போக்குவரத்து நிறுவனமோ cloud -ல் இணைந்து இருந்தால், அவற்றிலிருந்து தகவல்களை காரிலிருந்தவாறே பெற முடியும்.

V2P (Vehicle To Pedestrian) மற்றும் V2X (Vehicle To Everything) என மேலும் சில வகைகள் உண்டு.
ஓட்டுனருக்கும், கார்களுக்குமான தொழில்நுட்ப ரீதியிலான உறவு பரிணாம வளர்ச்சியடையும்.

அதே நேரத்தில், Safety, Security மற்றும் தொடர்புடைமை (Connectedness) என்ற மூன்றும் இந்த துறையின் மூன்று தூண்களாக திகழ்கின்றன.

V2V தொழில்நுட்பம், ஒரு காருக்கு அதனை சுற்றி 360 டிகிரியில், சுமார் 300 மீட்டர் அளவு சுற்றுப்புறத்தில் உள்ள மற்ற கார்களை (Connected) பற்றி அதிமுக்கியமான தகவல்களை தருகிறது. இதில் விபத்து அல்லது மோதல் குறித்த எச்சரிக்கைகளும் அடக்கம்.

V2V- யில் கார்களிலும் சாலைகளில் இருக்கும் மற்ற அங்கங்களிலும் இருக்கும் சென்சார்களும், மற்ற சாதனங்களும் IEEE 802.11p standards பிரகாரம், தரவுகளை பரிமாற்றம் செய்கின்றன.

இவை இருப்பு நிலை (Position), மோஷன் வெக்டர் (Motion Vector), வாகன உருவ அமைப்பு (Vehicle Configuration) பற்றிய தகவல்களாகும்.

டிரைவர் இல்லாத கார்கள்

இவற்றை வைத்து உருவாக்கப்படும் கணக்கீடுகள், Driverless கார்களில் பயன்படும் ஆட்டோனோமோஸ் பிரேக்கிங் (Autonomous Braking), Steering Maneuver போன்ற இயக்கங்களுக்கு பயன்படுத்த முடியும்.
Connected Cars Technologies
இந்த தகவல்கள் சூழ்நிலைகளுக்கு தகுந்தபடி, காட்சி எச்சரிக்கைகளாகவோ, இருக்கை அதிர்வுகளாகவோ (Seat Vibration) அல்லது ஒலி எச்சரிக்கையாகவோ ஓட்டுனருக்கு தரப்படும்.

V2V தொடர்புகள், DSCRC எனப்படும் Dedicated Short-Range Communications Protocol-ஐ பயன்படுத்துகின்றன. இந்த DSRC, IEEE 802.11p, IEEE 1609.1-4 மற்றும் SAE 2735 முதலான Standards-களை பின்பற்றுகிறது.

IEEE 802.11p Standards பின்வரும் தகவல் தொடர்பு சாதனங்களுக்கிடையேயான தரவு பரிமாற்றம் பற்றியது: Road-side Units (RSUs) மற்றும் மொபைல் யூனிட் (V2V); மொபைல் ரேடியோ யூனிட்கள் (V2I); Portable units மற்றும் mobile units (Vehicle-2-Pedestrian) முதலானவை.

V2C (Vehicle To Cloud) என்பது முன்பே சொன்னதைப் போல், connected cars பிற cloud-ல் இணைந்துள்ள சாதனங்களுடன் தகவல் பரிமாற்றம் செய்ய உதவுகிறது.

Vehicle தகவல்கள் என்பது சென்சார் தரவு, பயன்பாட்டுத்தரவு என பல வகை தரவுகளை உள்ளடக்கியது:

Vehicle இருப்புநிலை:  ஜி பி எஸ் ஆயக்கூறுகள் (GPS coordinates), வேக வரம்பு, ஆக்சிலரேஷன், திசைகாட்டி நோக்குநிலை; ஓட்டும் நிலை, என்ஜின் RPM, என்ஜின் வெப்பநிலை, எரிபொருள் அளவு;

சுற்றுப்புறம்: வாகன உள் மற்றும் வெளி வெப்பநிலை மழை அறிகுறி, ஈரப்பதம்;

மேலும் வாகனத்தின் வழித்தடம், வேகம், அதன் பாகங்களின் தேய்மானம், சாலைகளின் நிலை, ஓட்டுனரின் நடத்தை (behaviour), மேலும் பல Telematics data- வை சேகரித்து அனுப்பப்படுகிறது.

இந்த தகவல்கள் ஆராயப்பட்டு, வாகனங்களின் செயல்திறன், தற்போதைய நிலை போன்றவற்றை கணித்து, வாகனத்தின் பாதுகாப்பை உறுதி செய்ய முடியும்.

இவை மட்டுமின்றி, Self-Driving கார்களின் கேமரா அனுப்பும் படங்களும் இந்த தரவுகளில் அடக்கம். Neural Networks இதிலிருக்கும் Pattern ஐ கண்டறிந்து Machine Learning க்கு feed செய்யும்.

இந்த படங்களில் எது டிராஃபிக் விளக்கு, கம்பம், மரம், பாதசாரிகள், சாலைக்குறியீடுகள் என தாமாகவே பிரித்தறியும்.

தானியங்கி வாகனம்

டெஸ்லா, கூகிள் உள்ளிட்ட பல நிறுவனங்கள் ஓட்டுனரில்லா, தானியங்கி கார்களின் ஆராய்ச்சி மற்றும் தயாரிப்பில் முனைப்பாக செயல்படுகின்றன. ஹர்மான் இன்டர்நேஷனல் நிறுவனத்தின் Cloud Solutions-இன் உபதலைவர் ஸ்டீவன் சுர்ஹை (Steven Surhigh) 2040 ஆம் ஆண்டில் இயங்கும் வாகனங்களில் 50 லிருந்து 75 சதவிகித வாகனங்கள், ஓட்டுனரில்லா, தானியங்கி வாகனங்களாக இருக்கும் என ஆராய்ச்சிகள் கணிப்பதாக சுட்டிக்காட்டுகிறார்.

இன்னும் பலருக்கு ஓட்டுனரில்லா, தானியங்கி வாகனங்களின் பாதுகாப்பில் நம்பிக்கை இல்லை. அவர்களுக்கு ஒரு கொசுறு தகவல் அமெரிக்காவின் தேசிய நெடுஞ்சாலை போக்குவரத்து பாதுகாப்பு நிர்வாகத்தின், U.S. National Highway Traffic Safety Administration (NHTSA) அறிக்கை ஓட்டுநரால் இயக்கப்படும் வாகனங்களை விட, ஓட்டுனரில்லா, தானியங்கி வாகனங்களின் பாதுகாப்பானவை என குறிப்பிடுகிறது.

எது எப்படியோ, புதிய தொழிலுட்பங்களைத் தவிர்த்து நம்மால் வாழ இயலாது. அவற்றை வரவேற்று சரியான முறையில் பயன்படுத்தி முன் செல்வதே சரியாக இருக்க முடியும்.

Get all the Latest Tamil News and Tamil Nadu News at Indian Express Tamil. You can also catch all the latest Tamil Entertainment News by following us on Twitter and Facebook

×Close
×Close