Comme GM, Daimler, BMW et Audi et d'autres entreprises de voitures traditionnelles ont annoncé le lancement de niveau 5 auto-conduite des véhicules autour de 2020, la concurrence dans ce domaine est entré dans une phase de blanc-chaud.
Goldman Sachs, une banque d'investissement internationale bien connue, prédit que l'avènement de taxis autonomes augmentera la taille du marché mondial des voitures d'actions de $932 356 024 711 512 064 maintenant à $-2195938812572467200 par 2030. Il ne fait aucun doute que c'est un gros gâteau, de sorte que les constructeurs automobiles sont occupés avec l'essai routier, mais leur objectif de réaliser une conduite automatique ambitieuse est la clé de l'utilisation de la puissance de l'analyse et de l'intelligence artificielle (ai) pour construire un système de conduite autonome sur le mode de réponse routière réelle, et l'utilisation de la technologie de simulation réaliste pour accélérer le processus de développement. Cela signifie que l'ingénierie des données, la gestion, le stockage et l'analyse deviennent plus importants que jamais.
Alors qu'est-ce que les décideurs devraient faire exactement? Tout d'abord, être prêt à répondre au «baptême» des données massives. Les véhicules autonomes génèrent de grandes quantités de données lorsqu'ils sont testés, et chaque voiture génère 6 ~ 8 Go de données par seconde. En 2017 seul, le champ a créé environ 250EB de grandes données (1 EB = 1024PB, 1PB = 1024TB).
Les constructeurs automobiles doivent avoir des concepts avancés pour traiter et tirer de la valeur de ces données. Deuxièmement, construisez un pont entre le développement automobile et l'informatique et la science des données. L'ingénierie est la force d'un constructeur automobile, mais ils ne sont peut-être pas familiers avec la science des données. Le mélange de ces disciplines peut aider les décideurs à déverrouiller de nouvelles portes et à accélérer leur innovation et leur développement.
Bien que les départements de recherche et développement de la voiture et de l'entreprise disposent également d'une équipe spécialisée en ingénierie des données, ils doivent souvent s'appuyer sur la science des données et le pouvoir des experts dans le domaine de l'intelligence artificielle pour obtenir les meilleurs résultats. Une fois de plus, les données sont traitées et analysées efficacement. Les caméras lidar, panorama et les composants radar produisent une grande quantité de données spécialisées dans les formats ADTF, Rosbag et mdf4 lorsque des véhicules autonomes sont testés. Maintenant, il ya des outils pour accéder rapidement à ces quantités massives de données dans pétaoctets.
Dans le passé, il faut généralement des jours pour extraire et analyser les données, et maintenant il ne prend que quelques minutes ou quelques secondes pour obtenir des résultats. Quatre, sélectivement, ciblés grand dépistage des données. Les ingénieurs peuvent utiliser la technologie IA pour déterminer quelles données sont précieuses et qui peuvent être éliminées. En général, 30 images de vidéo sont produites par seconde lors du tournage d'un scénario de test pour une voiture autonome, mais la plupart de ces vidéos sont des scènes de voitures fonctionnant en douceur sur les routes ouvertes, et rien de spécial qui se passe. Une telle vidéo, même si elle prend plus de temps, est de peu d'utilité pour les ingénieurs de l'automobile.
La conduite automatique est plus utile lorsqu'il s'agit de tourner, de se heurter ou d'interagir avec d'autres objets. Enfin, optimisez la génération automatique de données. Lorsqu'un système de conduite autonome prend une décision qui diffère du conducteur humain, il doit être enregistré. De même, quand un véhicule de conduite semi-automatique est mal fait et est corrigé par le conducteur humain, il devrait également être pris en considération, de sorte que les ingénieurs puissent optimiser le système.