РОЛЬ EDGE COMPUTING У ЗМЕНШЕННІ ЗАТРИМОК ПІД ЧАС ОБРОБЛЕННЯ ДАНИХ В АВТОНОМНИХ СИСТЕМАХ
DOI:
https://doi.org/10.35546/kntu2078-4481.2026.1.31Ключові слова:
периферійні обчислення, оброблення даних у реальному часі, розподілені обчислювальні архітектури, контури керування, часово-критичні системи, кіберфізичні системи, обчислювальна затримка, автономне керуванняАнотація
Актуальність дослідження зумовлена стрімким розвитком автономних систем у транспорті, промисловості, робототехніці та кіберфізичних середовищах, що супроводжується зростанням обсягів сенсорних і керувальних даних, а також підвищенням вимог до їхнього оброблення в режимі реального часу. Традиційні централізовані хмарні підходи не завжди забезпечують необхідний рівень швидкодії та детермінованості керування через мережеві затримки, нестабільність з’єднань і залежність від віддалених обчислювальних ресурсів. У цьому контексті актуалізується потреба в науково обґрунтованому застосуванні периферійних обчислень як інструменту зменшення затримок і підвищення стійкості автономних систем. Метою статті є обґрунтування можливостей використання edge computing для зменшення затримок оброблення даних в автономних системах і підвищення швидкодії, надійності й безпеки їх функціонування. Методи дослідження ґрунтуються на системному аналізі архітектур автономних і кіберфізичних систем, узагальненні сучасних підходів до розподіленого оброблення даних, порівняльному аналізі централізованих і периферійних обчислювальних моделей, а також на логіко-аналітичному оцінюванні впливу затримок та їхньої варіативності на ефективність замкнених контурів керування. Результати дослідження свідчать, що локалізація часово-критичних обчислювальних процесів на рівні edge computing створює передумови для скорочення сумарних затримок оброблення даних, зменшення їхньої варіативності та підвищення детермінованості керувальних рішень. Узагальнення емпіричних даних показує, що edge-орієнтовані архітектури сприяють стабілізації замкнених контурів керування, підвищенню точності регулювання та зростанню автономності систем у динамічних умовах експлуатації. Найбільша ефективність такого підходу досягається в ієрархічних архітектурах, у яких оперативні функції реалізуються на периферійному рівні, а часово некритичні задачі винесені за межі ключових контурів керування. Висновки підтверджують доцільність застосування edge computing як системоутворювального елемента сучасних автономних систем за умови архітектурно виваженого розподілу обчислювальних функцій. Водночас ефективність такого підходу обмежується проблемами масштабування гетерогенних інфраструктур, узгодженості розподілених рішень та інформаційної безпеки, що зумовлює потребу в комплексних міждисциплінарних рішеннях. Перспективи подальших досліджень пов’язані з формалізацією моделей оцінювання затримок у багаторівневих edge-архітектурах, розвитком методів узгодженого прийняття рішень у розподілених автономних системах і створенням адаптивних механізмів безпеки для периферійних обчислювальних середовищ.
Посилання
Bershchanskyi Y., Klym H., Shevchuk Y. Containerized artificial intelligent system design in cloud and cyberphysical systems. Advances in Cyber-Physical Systems. 2024. Vol. 9, No. 2. P. 151–157. DOI: https://doi.org/10.23939/acps2024.02.151
Poperehnyak S., Bakaiev O., Shevchuk Y. Construction of a stable system of interaction of IoT devices in a smart home using a generator of pseudo-random numbers. In: Cybersecurity Providing in Information and Telecommunication Systems (CPITS 2025): Proceedings of the Workshop. 2025. Vol. 3991. P. 349–362. URL: https://ceur-ws.org/Vol-3991/paper25.pdf (date of access: 05.01.2026).
Hunko I. How to Effectively Reduce Software Testing Time: From Requirements to Regression. Lodz, Poland: Futurity Research Publishing, 2025. 158 p. URL: https://futurity-publishing.com/wp-content/uploads/2025/04/7%D0%9F-29.03.25-3.pdf (date of access: 05.01.2026).
Tang J., Liu S., Liu L., Yu B., Shi W. LoPECS: A Low-Power Edge Computing System for Real-Time Autonomous Driving Services. IEEE Access. 2020. Vol. 8. P. 30467–30479. DOI: https://doi.org/10.1109/ACCESS.2020.2970728
Narra B., Buddula D. V. K. R., Patchipulusu H. H. S., Polu A. R., Vattikonda N., Gupta A. K. Advanced edge computing frameworks for optimizing data processing and latency in IoT networks. Journal of Emerging Trends in Scientific Research. 2023. Vol. 1, No. 1. P. 1–10. DOI: https://doi.org/10.5281/zenodo.15209364
Bablu T. A., Rashid M. T. Edge Computing and Its Impact on Real-Time Data Processing for IoT-Driven Applications. Journal of Advanced Computing Systems. 2025. Vol. 5, No. 1. P. 26–43. URL: https://scipublication.com/index.php/JACS/article/view/117 (date of access: 08.03.2025).
Ming G. Exploration of the intelligent control system of autonomous vehicles based on edge computing. PLOS ONE. 2023. Vol. 18, no. 2. P. e0281294. URL: https://doi.org/10.1371/journal.pone.0281294 (date of access: 06.01.2026).
Zhao H., Yao L., Zeng Z., Li D., Xie J., Zhu W., Tang J. An edge streaming data processing framework for autonomous driving. Connection Science. 2021. Vol. 33, No. 2. P. 173–200. DOI: https://doi.org/10.1080/09540091.2020.1782840
Ibn-Khedher H., Laroui M., Moungla H., Afifi H., Abd-Elrahman E. Next-Generation Edge Computing Assisted Autonomous Driving Based Artificial Intelligence Algorithms. IEEE Access. 2022. Vol. 10. P. 53987–54001. DOI: https://doi.org/10.1109/ACCESS.2022.3174548
Dhameliya N., Patel B., Maddula S. S., Mullangi K. Edge computing in network-based systems: enhancing latency-sensitive applications. American Digits: Journal of Computing and Digital Technologies. 2024. Vol. 2, No. 1. P. 1–21. URL: https://publicationslist.org/data/americandigits/ref-8/2024.1.pdf (date of access: 08.03.2025).
Modupe O. T., Otitoola A. A., Oladapo O. J., Abiona O. O., Oyeniran O. C., Adewusi A. O., Obijuru A. Reviewing the transformational impact of edge computing on real-time data processing and analytics. Computer Science & IT Research Journal. 2024. Vol. 5, No. 3. P. 693–702. DOI: https://doi.org/10.51594/csitrj.v5i3.929
Cui M., Zhong S., Li B., Chen X., Huang K. Offloading Autonomous Driving Services via Edge Computing. IEEE Internet of Things Journal. 2020. Vol. 7, No. 10. P. 10535–10547. DOI: https://doi.org/10.1109/JIOT.2020.3001218
Yang B., Cao X., Xiong K., Yuen C., Guan Y. L., Leng S., Han Z. Edge intelligence for autonomous driving in 6G wireless system: Design challenges and solutions. IEEE Wireless Communications. 2021. Vol. 28, No. 2. P. 40–47. DOI: https://doi.org/10.1109/MWC.001.2000292
Baidya S., Ku Y.-J., Zhao H., Zhao J., Dey S. Vehicular and Edge Computing for Emerging Connected and Autonomous Vehicle Applications. In: 2020 57th ACM/IEEE Design Automation Conference (DAC). San Francisco, CA, USA, 2020. P. 1–6. DOI: https://doi.org/10.1109/DAC18072.2020.9218618
Mollah M. H. O. R., Sultana M. S., Kudapa S. P. Integration of IoT and edge computing for low-latency data analytics in smart cities and IoT networks. Journal of Sustainable Development and Policy. 2023. Vol. 2, No. 03. P. 01–33. DOI: https://doi.org/10.63125/004h7m29
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.




