IoT (ఇంటర్నెట్ ఆఫ్ థింగ్స్) ప్రాజెక్ట్ మరియు SEAT నుండి కనెక్ట్ చేయబడిన కారు గ్రామీణ ప్రాంతాలకు చేరుకుంది మరియు నిజ సమయంలో వాహనాల మధ్య 5G మరియు కమ్యూనికేషన్ కేవలం పట్టణ వాతావరణాలకు పర్యాయపదాలు కాదని నిరూపించాయి.
ప్రాజెక్ట్ యొక్క మొదటి దశలో SEAT యొక్క కనెక్ట్ చేయబడిన కారు పట్టణ వాతావరణంలో పరీక్షించబడిన తర్వాత, కెమెరాలు, లైట్ సిగ్నల్లు లేదా ఇన్ఫ్రారెడ్ సెన్సార్లు వంటి రోడ్ ఇన్ఫ్రాస్ట్రక్చర్లో అనుసంధానించబడిన పరికరాలతో ఇంటరాక్ట్ అయ్యే సామర్థ్యాన్ని పరీక్షించడం ప్రారంభించబడింది, ఇప్పుడు ఇది సమయం ఆసన్నమైంది. "గాలి మార్పు".
కాబట్టి SEAT, Telefónica, DGT, Ficosa మరియు Aeorum ఒక IoT (ఇంటర్నెట్ ఆఫ్ థింగ్స్) పైలట్ ప్రాజెక్ట్ను ప్రారంభించాయి, దీనిలో వారు SEAT యొక్క కనెక్ట్ చేయబడిన కారును మాడ్రిడ్ నుండి 80 కి.మీ దూరంలో ఉన్న పర్వతాలలో ఉన్న రోబ్లెడిల్లో డి లా జారా అనే గ్రామానికి తీసుకెళ్లారు, దీని సామర్థ్యాలను పరీక్షించారు. నగరాలకు దూరంగా కనెక్ట్ చేయబడిన కారు.
![సీట్ అటేకా](/userfiles/310/6414_1.webp)
SEAT ప్రకారం, ఈ ప్రాజెక్ట్ యొక్క లక్ష్యం "ప్రమాదాలను నివారించడానికి డ్రైవర్కు "సిక్స్త్ సెన్స్" ఇవ్వడం". వాస్తవానికి, 5G అంతర్జాతీయ ఆటోమొబైల్ అసోసియేషన్స్ (5GAA) ప్రకారం, చక్రంలో 5G సాంకేతికతను అమలు చేయడం వల్ల ప్రమాదాల ప్రమాదాన్ని దాదాపు 69% తగ్గించవచ్చు.
సీజర్ డి మార్కో, SEAT వద్ద 5G కనెక్ట్ చేయబడిన కారుకు బాధ్యత వహిస్తుందిఈ పైలట్ పరీక్షలో, మేము డ్రోన్ని చేర్చాము, ఇది మొబైల్ నెట్వర్క్కు మరియు వాహనానికి సమాచారాన్ని పంపుతుంది మరియు డ్రైవర్ ఇన్స్ట్రుమెంట్ ప్యానెల్లో ప్రదర్శించబడే సమాచారాన్ని చూడగలరు.
కనెక్ట్ చేయబడిన సీట్ కారు మరియు డ్రోన్ను ఉపయోగించి పరీక్ష జరిగింది. SEAT ప్రకారం, 5G కనెక్టివిటీతో అనుబంధించబడిన ఈ సాంకేతికతను ఉపయోగించడం వలన కారుతో కమ్యూనికేషన్కు అడ్డంకిని గుర్తించడం నుండి ప్రతిచర్య సమయం కేవలం 5 మిల్లీసెకన్లు మాత్రమే ఉంటుంది.
మా వార్తాలేఖకు సభ్యత్వాన్ని పొందండి
![సీట్ అటేకా](/userfiles/310/6414_2.webp)
ఒక ఆలోచన పొందడానికి, మానవుడు స్పర్శ, చూపు మరియు వాసనకు ప్రతిస్పందించడానికి దాదాపు 150 మిల్లీసెకన్లు పడుతుంది, అంటే, SEAT ప్రతిపాదిస్తున్నది ప్రతిచర్య సమయం 30 రెట్లు వేగంగా ఉంటుంది!
కనెక్ట్ చేయబడిన కారు గ్రామీణ వాతావరణంలో ఎలా పని చేస్తుందో మీరు ఆలోచిస్తున్నట్లయితే, ఇక్కడ వివరణ ఉంది:
- డ్రోన్ కెమెరా చిత్రాన్ని క్యాప్చర్ చేస్తుంది, ఉదాహరణకు రోడ్డుపై డ్రైవింగ్ చేస్తున్న సైక్లిస్ట్;
- డ్రోన్ చిత్రాన్ని నిజ సమయంలో MEC (మల్టీ-యాక్సెస్ ఎడ్జ్ కంప్యూటింగ్) సర్వర్కు పంపుతుంది;
- MEC సర్వర్లో కృత్రిమ దృష్టి సాఫ్ట్వేర్ ఉంది, ఇది చిత్రాన్ని విశ్లేషిస్తుంది మరియు రహదారిపై సైకిల్ లేదా ఇతర అడ్డంకి ఉంటే గుర్తిస్తుంది;
- సమాచారాన్ని విశ్లేషించిన తర్వాత, కనెక్ట్ చేయబడిన వాహనానికి హెచ్చరిక పంపబడుతుంది మరియు ఇన్స్ట్రుమెంట్ ప్యానెల్లో అలారం ఆన్ చేయబడుతుంది. ముందు ఒక సైక్లిస్ట్ ఉన్నాడని మరియు అతనిని అధిగమించడానికి అతను జాగ్రత్తగా వ్యవహరించాలని డ్రైవర్కు ముందే తెలుసు.
ప్రాథమికంగా, SEAT పరీక్షిస్తున్న ఈ సాంకేతికత "వక్రతలను దాటి చూడాలని" ఉద్దేశించింది, ఇది "ఫ్యాషన్"గా ప్రారంభించినట్లు అనిపిస్తుంది, ఎందుకంటే నిస్సాన్ ఇప్పటికే వక్రరేఖలకు మించి ఉన్న I2Vని అంచనా వేయడానికి అనుమతించే సాంకేతికతను చూపించింది.