مع جنرال موتورز ودايملر وبي أم دبليو وأودي وغيرها من شركات السيارات الرئيسية أعلنت أنها ستطلق الطيار الآلي من المستوى 5 بحلول عام 2020. وقد دخلت المنافسة في هذا المجال مرحلة من الحرارة الشديدة ، ويتوقع بنك الاستثمار العالمي الشهير جولدمان أن سيؤدي ظهور سيارات الأجرة إلى زيادة حجم سوق السيارات العالمي المشترك من 5 مليار دولار إلى 285 مليار دولار عام 2030.
ليس هناك شك في أن هذه هي كعكة كبيرة ، لذا فإن شركات تصنيع السيارات مشغولة باختبارات الطريق ، ولكن مفتاح أهداف القيادة الذاتية الطموحة هو قوة التحليلات والذكاء الاصطناعي (AI). إنشاء نمط رد فعل لنظام الطيار الآلي على الطريق الفعلي ، واستخدام تكنولوجيا المحاكاة في العالم الحقيقي لتسريع عملية التطوير ، وهذا يعني أن هندسة البيانات والإدارة والتخزين والتحليل أصبحت أكثر أهمية من أي وقت مضى. كيف تفعل ذلك؟
أولاً ، كن مستعدًا للوفاء بـ "معمودية" البيانات الضخمة ، فالسيارات ذاتية الحركة تولد الكثير من البيانات عند الاختبار ، وستنتج كل سيارة 6 إلى 8 غيغابايت من البيانات في الثانية ، وفي عام 2017 وحده ، سينشأ الحقل حول 250 EB data كبيرة (1 EB = 1024 PB، 1 PB = 1024 TB) .تحتاج شركات تصنيع السيارات إلى مفاهيم متقدمة لمعالجة هذه البيانات واستخلاص القيمة منها.
ثانيًا ، بناء جسر بين البحث والتطوير في مجال السيارات وعلوم الكمبيوتر والبيانات ، والهندسة هي قوة شركات تصنيع السيارات ، ولكنها قد لا تكون على دراية بعلوم البيانات ، حيث يمكن أن يساعد دمج هذه التخصصات شركات صناعة السيارات في فتح أبواب جديدة وتسريع الابتكار و البحث و التطوير: على الرغم من أن قسم البحث والتطوير في شركة السيارات لديه أيضاً فريق متخصص في هندسة البيانات ، إلا أنهم غالباً ما يحتاجون إلى مساعدة الخبراء في مجالات علم البيانات والذكاء الاصطناعي لتحقيق أفضل نتائج البحث والتطوير.
مرة أخرى ، نقوم بمعالجة البيانات وتحليلها بكفاءة .عندما يتم اختبار السيارات ذاتية القيادة ، تنتج ليدار والكاميرات البانورامية ومكونات الرادار كمية كبيرة من البيانات المتخصصة في صيغ ADTF و ROSbag و MDF4 ، والآن هناك بالفعل الكثير من البيانات المتاحة لهذه البيانات الضخمة. PB هو أداة للوصول السريع إلى الوحدات ، ففي الماضي ، استغرق الأمر عادةً عدة أيام لاستخراج البيانات وتحليلها ، ولكن الآن لا يستغرق الأمر سوى بضع دقائق أو بضع ثوانٍ للحصول على النتائج.
الاستقصاء الرابع والانتقائي المستهدف للبيانات الكبيرة ، ويمكن للمهندسين استخدام تقنية الذكاء الاصطناعي لتحديد البيانات القيّمة التي يمكن رفضها ، وبصفة عامة ، عند تصوير مشهد اختبار لسيارة مستقلة ، كل ثانية سوف أنتجنا 30 إطارًا للفيديو ، لكن معظم مقاطع الفيديو هذه هي مشاهد سيارات تسير بسلاسة على الطرق المفتوحة ، ولا يحدث أي شيء خاص ، فمثل هذا الفيديو ليس طويلًا جدًا بالنسبة لمهندسي السيارات. تعتبر البيانات التي تولدها السيارة عندما تتحول أو تصطدم أو تتفاعل مع كائنات أخرى أكثر قيمة.
وأخيرا، وتلقائيا إنشاء البيانات الأمثل عندما نظام الطيار الآلي لاتخاذ قرار مختلف عن سائق البشري، يحتاج بالتأكيد ليتم تسجيلها. وبالمثل، عندما وقع خطأ صنع القرار القيادة تتمتع بحكم شبه ذاتي في حين أن السيارة السائق البشري الصحيح، ولكن أيضا نعلق أهمية كبيرة على، وهذا يسمح للمهندس بتحسين النظام ، فإذا كان نظام القيادة المستقل يمكن تحسينه وتحسينه باستمرار ، فسيكون الجمهور العام أكثر طمأنًا بشأن السيارات ذاتية القيادة.