Reuna-/pilvijatkumon hyödyntäminen ajoneuvosovelluksissa

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

Luentosali L6, Linnanmaan kampus

Väitöksen aihe

Reuna-/pilvijatkumon hyödyntäminen ajoneuvosovelluksissa

Väittelijä

Diplomi-insinööri Alireza Bakhshi Zadi Mahmoodi

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Empiirinen ohjelmistotuotanto ohjelmistoissa, järjestelmissä ja palveluissa

Oppiaine

Tietojenkäsittelytiede

Vastaväittäjä

Professori Karl Andersson, Luulajan teknillinen yliopisto

Kustos

Apulaisprofessori Ella Peltonen, Oulun yliopisto

Lisää tapahtuma kalenteriin

Turvallisempaa ja älykkäämpää ajoneuvolaskentaa reunalaskennan, pilven ja federatiivisen oppimisen avulla

Nykyajan autot eivät ole enää pelkkiä ajettavia koneita. Ne ovat kuin liikkuvia tietokoneita, jotka ovat yhteydessä internetiin. Ne käyttävät sisäänrakennettuja laskentajärjestelmiä esimerkiksi ympäristön havainnointiin, ajoreittien tukemiseen ja teknisten vikojen tarkistamiseen. Mutta nämä parannukset tuovat mukanaan myös uusia haasteita, kuten energiankulutuksen, suurten datamäärien käsittelyn ja auton suojaamisen kyberhyökkäyksiltä.

Tässä tutkimuksessa tarkastellaan kolmea toisiinsa liittyvää ajoneuvolaskennan osa-aluetta näiden haasteiden ratkaisemiseksi.

Ensinnäkin tutkimuksessa selvitetään, voivatko autot hyötyä siitä, että osa laskentatyöstä siirretään ajoneuvon ulkopuolelle läheisille palvelimille tai pilvijärjestelmiin sen sijaan, että kaikki tehtäisiin auton sisällä. Tämä on erityisen hyödyllistä sähköautoille, mutta tutkimuksessa huomioidaan myös ongelmat, kuten hitaiden verkkoyhteyksien aiheuttamat viiveet.

Toiseksi tutkimuksessa tarkastellaan ajoneuvojen tuottamaa valtavaa datamäärää, erityisesti auton sisäisestä viestintäjärjestelmästä, jota kutsutaan CAN-väyläksi. Kun suuri määrä ajoneuvoja kaupungissa lähettää dataa samanaikaisesti, keskitetty pilvijärjestelmä voi joutua vaikeuksiin sen käsittelyssä ja ylikuormittua. Tämän helpottamiseksi tutkimuksessa ehdotetaan, että osa datasta käsiteltäisiin lähempänä sen syntypaikkaa, käyttäen lähellä sijaitsevia reunalaskentajärjestelmiä, ennen kuin data lähetetään pilveen. Tämä auttaa vähentämään verkon kuormitusta ja keventää keskitetyn pilven rasitusta.

Lopuksi tutkimuksessa ehdotetaan menetelmää, jonka avulla verkottuneet ajoneuvot voivat yhdessä havaita kyberhyökkäyksiä tai poikkeavaa toimintaa reaaliaikaisesti. Sen sijaan, että kaikki yksityinen data lähetettäisiin yhteen keskitettyyn paikkaan, jokainen ajoneuvo osallistuu havaitsemisjärjestelmän kouluttamiseen pitäen oman datansa paikallisesti itsellään. Tämä parantaa yksityisyyden suojaa ja mahdollistaa samalla sen, että järjestelmä oppii useiden ajoneuvojen tiedoista yhdessä.
Luotu 9.4.2026 | Muokattu 10.4.2026