Thuật toán Fog hỗ trợ hoạt động chữa cháy thông minh

Đại học Bang Wayne đã khám phá trường hợp sử dụng này như là một phần của một tập hợp các quan điểm mới về điện toán Fog được tạo ra bởi các thành viên của Hiệp hội OpenFog và các công ty công nghệ và mạng hàng đầu. Được đặt tên là Liên kết Liên tục Cloud-to-Things, báo cáo đã được công bố bởi Tech Idea Research.

Mặc dù hệ thống mạng chỉ hoạt động trên đám mây sẽ chỉ hoạt động tốt trong một số tình huống nhưng nó lại để lại một khoảng trống cho những người khác, theo báo cáo. Đó là nơi có sử dụng thuật toán Fog.

Nhân viên cứu hỏa ngày càng phụ thuộc vào dữ liệu cập nhật từng phút, bao gồm địa điểm, điều kiện sinh lý, sơ đồ tầng nhà, thông tin nguy hiểm và số lượng người bị kẹt. Cùng với đó, các luồng dữ liệu này giúp đảm bảo sự an toàn của cả nhân viên cứu hỏa và những người mà họ đang cố gắng giải cứu và giữ cho mức sát thương do cháy ở mức tối thiểu.

Càng ngày, dữ liệu này càng được thu thập nhiều thông qua một loạt các công nghệ, bao gồm máy bay không người lái, hệ thống thông tin liên lạc và cảm biến được thực hiện bởi nhân viên cứu hỏa, trước khi được chuyển tiếp tới nền tảng phân tích dữ liệu và video dựa trên máy học để tạo ra thông tin chi tiết.

Thuật toán học máy như vậy đòi hỏi tài nguyên máy tính mạnh mẽ và lượng lưu trữ lớn. Điều này có nghĩa là cần một trung tâm dữ liệu cục bộ, tập trung trên chính chiếc xe cứu hỏa chẳng hạn là một điều cực kỳ có giá trị.

Trong khi đó, một máy tính xách tay hoặc máy tính bảng hoạt động bởi người chỉ huy sự cố có thể cung cấp giao diện để theo dõi thông qua công nghệ đám cháy, trong khi bộ định tuyến băng thông rộng di động chuyển đổi tín hiệu Internet di động thành điểm phát sóng Wi-Fi cục bộ.

Ngoài ra, các nút cạnh bao gồm bộ định tuyến, trạm gốc và thiết bị chuyển mạch có thể cung cấp cơ sở hạ tầng điện toán Fog xử lý và lưu trữ dữ liệu ở tốc độ cao, chuyển dữ liệu trở lại vùng lửa hoặc lên đám mây khi cần.

Lập luận về tính hữu dụng của thuật toán Fog

Một số giải pháp đã xem xét cách tiếp cận chỉ dành cho đám mây để hỗ trợ khả năng lưu trữ và xử lý mà các nhân viên cứu hỏa cần trong những tình huống này, chẳng hạn như bản đồ địa hóa và theo dõi từ NEON Personnel Tracker của TRX System và Hệ thống lập bản đồ và thông tin vị trí chính xác.

Tuy nhiên, tính chất thời gian quan trọng của hoạt động chữa cháy làm cho độ trễ được nêu ra bởi điện toán đám mây có vấn đề, đó là lý do tại sao các nhà nghiên cứu đã khám phá tiềm năng của thuật toán Fog, từ đó có thể xác định ba trường hợp sử dụng riêng biệt.

Đầu tiên là phát hiện nguy cơ và tính toán số người mắc kẹt, như báo cáo mô tả:

“Trong khi đội cứu hộ đang thực hiện nhiệm vụ tìm kiếm, phát hiện chính xác sự khởi phát đám cháy và khí độc và sau đó nhanh chóng đánh dấu vị trí của nó cho tất cả các máy nhận định điểm nguy hiểm là cực kỳ quan trọng để cho phép họ tránh được những khu vực nguy hiểm. Các mối nguy hiểm bao gồm trần nhà bị rơi hoặc khả năng tường nhà sẽ sụp đổ, hoặc thậm chí có thể xác định được khí thải hóa học.

“Ngoài ra, hình ảnh và video từ camera giám sát là những nguồn tốt để khám phá xem có bao nhiêu người bị mắc kẹt và thậm chí cả vị trí của họ”, tờ báo tiếp tục. “Tuy nhiên, các phân tích video và hình ảnh này đòi hỏi sức mạnh tính toán lớn và việc truyền dữ liệu video dữ liệu nặng qua Internet sẽ ảnh hưởng xấu đến hiệu suất thời gian thực”.

Thứ hai, thuật toán Fog có thể cho phép một hệ thống tự động ra quyết định an toàn, giúp lọc qua các vùng dữ liệu có thể hữu ích trong trường hợp có hỏa hoạn.

Khả năng học máy và AI nhanh chóng của thuật toán Fog sẽ cho phép dịch vụ tự động phân tích thông tin, bao gồm phân tích bản thiết kế, dữ liệu lửa, bài đăng trên mạng xã hội và báo cáo nhân khẩu học và biến chúng thành đề xuất thời gian thực.

“Hãy tưởng tượng thế hệ lính cứu hỏa tiếp theo: Nhiều cảm biến và thiết bị đeo được như một phần của đồng phục của nhân viên cứu hỏa giúp họ có thể cảm nhận được vị trí, tình trạng sức khỏe, mức độ khí hóa học nguy hiểm, nhiệt độ môi trường và nhiều thứ khác; máy bay không người lái có thể nhìn thấy hình ảnh trên không của ngọn lửa; robot với máy ảnh và cảm biến có thể xâm nhập vào các khu vực nguy hiểm để xem có bao nhiêu mảnh vụn trên đường và đo các thông số môi trường quan trọng khác như nhiệt độ và mật độ khói.”

“Với dữ liệu này là đầu vào, hệ thống tự động quyết định an toàn thông minh có thể giúp nhân viên cứu hỏa tìm thấy lối thoát an toàn, một bể chứa propane gần đó, cảnh báo khi nhiệt độ xung quanh tăng lên và thậm chí ước tính xác suất của vụ nổ.”

NASA JPL đã thực hiện nghiên cứu AI cho nhân viên cứu hỏa, với một dự án được gọi là AUDREY.

Cuối cùng, mô hình 3D ngọn lửa có tiềm năng trang bị cho các chỉ huy sự cố với thông tin tình huống trong không gian 3D, báo cáo cho biết.

Khi được tích hợp với một hệ thống bản đồ địa hóa, nó có thể hiển thị các điểm cần lưu ý, chẳng hạn như các vị trí lính cứu hỏa. Các thông số như độ cao, hình dạng, số tầng và chiều cao của tòa nhà có thể được lấy từ máy bay không người lái hoặc từ các ngân hàng dữ liệu về xây dựng thành phố.

Trường hợp sử dụng thuật toán Fog trong chữa cháy tập hợp toàn bộ một loạt các công nghệ IoT để thu thập và xử lý dữ liệu, bao gồm cả máy bay không người lái.

Giá trị của máy bay không người lái trong đối phó thảm họa và ứng phó khẩn cấp đã được thiết lập. Gần đây, chúng đã được sử dụng để xác định các cuộc tấn công và rò rỉ các chất hóa học, ví dụ, hơn 160 mạng sống đã được cứu nhờ sự trợ giúp của các phương tiện không người lái trên không trong năm nay.

Theo một nghĩa nào đó, thuật toán Fog đại diện cho một sự kết hợp giữa công nghệ điện toán đám mây và thuật toán Edge. Trong khi công nghệ đám mây thường cho thấy việc lưu trữ dữ liệu và phân tích được xử lý trong các trung tâm dữ liệu của bên thứ ba, thì thuật toán Edge đặt các quy trình này gần với nguồn dữ liệu nhất có thể, chẳng hạn như các bộ điều khiển trên rô bốt và máy móc sản xuất. Thuật toán Fog lưu trữ các quy trình thông minh này ở cấp độ mạng cục bộ trong các máy chủ được gọi là các nút Fog hoặc các cổng IoT.

Kiến trúc ngang phân tán của thuật toán Fog cho phép các chức năng quan trọng như truyền thông tin, xử lý, lưu trữ, kiểm soát và đưa ra quyết định được đề xuất gần với nguồn dữ liệu gốc hơn. Điều này giúp giải quyết độ trễ, khả năng truy cập mạng, chi phí gia tăng và mối quan tâm về bảo mật dữ liệu.

Các nhà khai thác quy trình nào quyết định lưu trữ trong các môi trường khác nhau sẽ phụ thuộc vào độ nhạy của dữ liệu đó bao gồm cần tốc độ phân tích nhanh như thế nào, tác động của bất kỳ thời gian chết hoặc độ trễ và sự ràng buộc vào ngân sách.

Nhiều công ty lựa chọn lợi thế cạnh tranh của thuật toán Fog vì nó cung cấp cơ sở hạ tầng mạng ít phức tạp hơn và giảm độ trễ.