Een team van wetenschappers aan de Nationale Universiteit van Taiwan (NTU) heeft een ‘high-precision traffic flow model’ van de straten en snelwegen van Taiwan gemaakt. Dit zeer exacte verkeersstroom-model is niet alleen belangrijk voor het testen zelfrijdende voertuigen, maar er kunnen ook makkelijk gevaarlijke weggedeelten mee worden geïdentificeerd, zodat die snel aangepast en daarmee veiliger gemaakt kunnen worden voor het wegverkeer.
Dr. Chi-Sheng Shih, hoogleraar en directeur aan het Graduate Institute of Networking and Multimedia van de Universiteit van Taiwan (NTU), heeft samen met zijn team dit uiterst nauwkeurige verkeersstroom-model ontworpen. Met deze slimme verkeersoplossing kunnen ontwikkelaars van autonome voertuigen en ontwerpers van assistentiesystemen simulaties uitvoeren om hun ontwerpen te testen.
Bovendien kunnen er tegelijkertijd snel weggedeelten mee worden geïdentificeerd die een verhoogd risico op (ernstige) ongelukken hebben. De Taiwanese overheid kan de informatie gebruiken om maatregelen te nemen en om ongevallen te voorkomen en daarmee levens te redden.
Het model wordt reeds getest op wegen in het noorden en midden van Taiwan. Het team is in gesprek met Tier IV, Inc., een in Japan gevestigde deep-tech-startup, over de integratie van het eindproduct in Autoware, een toonaangevend opensource-softwareproject voor autonoom rijden. Dit moet de weg vrijmaken voor een bredere toepassing en de mogelijkheid van commercialisering.
Verkeersdata verzamelen
Het team ontwikkelde het model door eerst een viertal sensorpakketten te plaatsen langs een stuk weg van zo’n honderd tot tweehonderd meter lang. Elk pakket bestaat uit drie camera’s en een Lidar, een soort radar die via een laserstraal afstand bepaalt. Tijdens elke testronde verzamelen de sensoren gedurende ongeveer twee uur gegevens van de verkeersstroom. De gegevens omvatten het aantal voertuigen, de snelheid van de voertuigen, de afstand tussen elk voertuig, et cetera. Vervolgens worden de gegevens in een rekencentrum verwerkt. Het eindresultaat is het zeer nauwkeurige computermodel dat complexe details over de verkeersstroom laat zien. Deze zogenaamde ‘digital twin’ – een virtuele realtime-representatie van een fysiek proces – kan worden gebruikt voor mobiliteitssimulatie en -modellering, wat een belangrijk onderdeel is van een slimme verkeersoplossing.
Het computermodel dat dit opleverde kan niet alleen de nauwkeurigheid van de positiebepaling en de veiligheid van zelfrijdende auto’s verbeteren, het kan ook worden gebruikt om de verkeersstroom te analyseren en af te stemmen, wat gunstig is voor alle voertuigen, autonoom of niet.
Hart van de zaak: de server van GIGABYTE
Voor het berekenen van het model heeft het team Nvidia’s Arm HPC Developer Kit ingezet, een geïntegreerd hardware- en softwareplatform voor het maken, evalueren en benchmarken van AI- en wetenschappelijke computertoepassingen. Het hart van dit systeem vormt de GIGABYTE G242-P32, een GPU-server uit de G-serie die wordt aangedreven door een enkele op ARM gebaseerde Ampere Altra-processor.
De bijdrage van de server aan het onderzoeksproject is opmerkelijk geweest. Volgens de schattingen van Dr. Shih is de ontwikkelingstijd met minstens de helft teruggebracht, wat neerkomt op een efficiencyverbetering van 200%. De wetenschappers noemen GIGABYTE’s ARM-gebaseerde oplossing een ‘machine learning multicooker’ – een alles-in-één oplossing die de AI kan trainen, het computermodel kan ontwikkelen, de gegevens kan overdragen, en nog veel meer.
Het hart van de Arm HPC DevKit is de GIGABYTE G242-P32. Deze 2U GPU-server wordt aangedreven door een enkele Ampere Altra-processor, wat een cloud-native ARM-cpu is die dezelfde ISA volgt als de meeste mobiele en edge-apparaten. Dit zorgt voor drastisch verbeterde efficiëntie bij het ontwikkelen van computermodellen of programma’s.
DE VOORDELEN VAN GIGABYTE EN NVIDIA’S ARM-SERVER
De sensorpakketten langs de weg maken gebruik van industriële pc’s (IPC’s) die draaien op zuinige en energie-efficiënte ARM-processors, die ook worden gebruikt in mobiele apparaten en randapparatuur. Daardoor spreken de IPC’s langs de weg en de server dezelfde ‘taal’, waardoor dezelfde code in het veld als in het datacentrum kan worden gebruikt.
De Ampere Altra-processor in de G242-P32 heeft nog een ander voordeel: hij heeft een ongebruikelijk hoog aantal cores, tot 80 in een enkele cpu. De verdeling van de werklast over een groter aantal kleinere, energiezuinigere cores is een van de redenen waarom ARM over het algemeen goede prestaties per watt vermogen biedt. Dit is ideaal voor de ontwikkeling van het hoge-precisie verkeersstroom-model, omdat het flink profiteert van taakparallellisme.
De ARM-cpu in de server wordt bovendien ondersteunt door maximaal twee NVIDIA A100 PCIe Gen4 GPU-kaarten. De 8-kanaals geheugenarchitectuur van de G242-P32, die tot 512 gigabyte DDR4 SDRAM kan ondersteunen, maakt de set-up compleet.
Samenwerking tussen cpu en gpu
Zodra de veldgegevens zijn afgeleverd in het computerlab op de campus, krijgen de ARM-cpu en de Nvidia-gpu’s opdrachten die het best bij hun sterke punten passen. De ARM-processor zorgt voor de kalibratie en vergelijking van de sequenties, terwijl de gpu’s zich bezighouden met de grafische invoer. Zo worden de gegevens die zijn verzameld door verschillende sensoren – waaronder foto’s die zijn genomen door de camera’s en puntenwolken die zijn gegenereerd door de lidars – tot op de milliseconde nauwkeurig op elkaar zijn afgestemd.
Een foutmarge van slechts 50 tot 100 milliseconden (een twintigste of een tiende van een seconde) kan gelijk staan aan een verschil van meerdere centimeters – met andere woorden, het verschil tussen een close call en een dodelijke botsing.
Last but not least zijn ARM-producten gericht op functionele veiligheid. Ze zijn ontworpen om aan een zo breed mogelijk scala van toepassingen te voldoen. Dit betekent dat veel ARM-oplossingen out-of-the-box voldoen aan de internationale veiligheidsnormen. Zodra het voltooide computermodel van het NTU-team is afgerond en gecommercialiseerd, zal het daardoor eenvoudiger zijn om door anderen in te zetten, omdat het is ontwikkeld met een ARM-oplossing die voldoet aan ISO 26262, de internationale norm voor de functionele veiligheid van elektrische en/of elektronische systemen die zijn geïnstalleerd in serie geproduceerde wegvoertuigen.
