Da GM, Daimler, BMW und Audi und andere Mainstream-Autokonzerne den Start von Auto fahrenden Fahrzeugen der Stufe 5 um 2020 angekündigt haben, ist der Wettbewerb in diesem Bereich in eine weiß-heiße Phase eingetreten.
Goldman Sachs, eine namhafte internationale Investment Bank, prognostiziert, dass das Aufkommen autonomer Taxis die Größe des weltweiten Aktienmarktes von $932.356.024.711.512.064 jetzt auf $-2195938812572467200 um 2030 erhöhen wird. Es besteht kein Zweifel daran, dass dies ein großer Kuchen ist, so dass die Autohersteller mit dem Straßentest beschäftigt sind, aber Ihr Ziel, ein ehrgeiziges Automatisches fahren zu erreichen, ist der Schlüssel für den Einsatz der Analyse-und künstlichen Intelligenz (AI), um ein autonomes Fahrsystem auf dem eigentlichen Straßen Reaktionsmodus aufzubauen, und den Einsatz realistischer Simulationstechnologie, um den Entwicklungsprozess zu beschleunigen. Das bedeutet, dass Datentechnik, Management, Speicherung und Analyse wichtiger denn je werden.
Was also sollten Autohersteller genau tun? Seien Sie zunächst bereit, die "Taufe" massiver Daten zu erfüllen. Autonome Fahrzeuge generieren große Datenmengen, wenn Sie getestet werden, und jedes Auto erzeugt 6 ~ 8 GB Daten pro Sekunde. Allein in 2017 schuf das Feld etwa 250eb Big Data (1 EB = 1024pb, 1PB = 1024tb).
Die Automobilhersteller brauchen fortschrittliche Konzepte, um diese Daten zu verarbeiten und zu nutzen. Zweitens, eine Brücke zwischen Automobilentwicklung und Computer-und datenwissenschaft zu schlagen. Ingenieurskunst ist die Stärke eines Autoherstellers, aber vielleicht kennen Sie die datenwissenschaft nicht. Die Vermischung dieser Disziplinen kann den Autoherstellern helfen, neue Türen zu erschließen und ihre Innovation und Entwicklung zu beschleunigen.
Zwar verfügen die Forschungs-und Entwicklungsabteilungen von Auto-und Unternehmen über ein engagiertes Data Engineering-Team, müssen sich aber oft auf datenwissenschaft und die Macht von Experten auf dem Gebiet der künstlichen Intelligenz verlassen, um die besten Ergebnisse zu erzielen. Wieder einmal werden die Daten effizient verarbeitet und ausgewertet. LIDAR, Panoramakameras und Radar Komponenten produzieren eine große Menge spezialisierter Daten in adtf, rosbag und MDF4-Formaten, wenn autonome Fahrzeuge getestet werden. Jetzt gibt es Werkzeuge, um schnell auf diese riesigen Datenmengen in petabyten zuzugreifen.
In der Vergangenheit dauert es in der Regel Tage, bis Daten extrahiert und analysiert werden, und jetzt dauert es nur noch wenige Minuten oder Sekunden, um Ergebnisse zu erzielen. Vier, selektiv, gezielte Big-Data-Screening. Ingenieure können mit der AI-Technologie ermitteln, welche Daten wertvoll sind und welche beseitigt werden können. In der Regel werden 30 Videobilder pro Sekunde produziert, wenn ein Testszenario für ein autonomes Auto gedreht wird, aber die meisten dieser Videos sind Szenen von Autos, die auf offenen Straßen reibungslos laufen, und nichts besonderes passiert. Ein solches Video, auch wenn es länger dauert, nützt den Automobilingenieuren wenig.
Automatisches fahren ist wertvoller, wenn es darum geht, mit anderen Objekten zu drehen, zu kollidieren oder zu interagieren. Schließlich die automatische Generierung von Daten optimieren. Wenn ein autonomes Fahrsystem eine Entscheidung trifft, die sich vom menschlichen Fahrer unterscheidet, muss es aufgezeichnet werden. Auch wenn ein halbautomatisches Fahr Fahrzeug falsch gemacht und vom menschlichen Fahrer korrigiert wird, sollte es ebenfalls berücksichtigt werden, damit Ingenieure das System optimieren können.