Con la General Motors, Daimler, BMW e Audi e altre aziende tradizionali hanno annunciato l'intenzione di lanciare fama internazionale banca d'investimenti Goldman Sachs prevede Livello 5 livelli di veicoli autonomi, la concorrenza in questo settore è stato il riscaldamento. Nel 2020, l'autopilota Taxi appare, renderà il car sharing dimensione globale del mercato aumentato dagli attuali $ 5 miliardi nel 2030 a $ 285 miliardi.
Non c'è dubbio che questa è una grande torta, quindi le case automobilistiche sono impegnate nei test su strada, ma la chiave per i loro ambiziosi obiettivi di guida autonomi è il potere dell'analisi e dell'intelligenza artificiale (AI). , stabilire una modalità di reazione del sistema autopilota sulla strada reale e utilizzare la tecnologia di simulazione del mondo reale per accelerare il processo di sviluppo, il che significa che l'ingegneria dei dati, la gestione, l'archiviazione e l'analisi diventano più importanti che mai. Come si fa?
Per prima cosa preparatevi a incontrare il "battesimo" di enormi dati: le autopilot generano molti dati durante i test, ogni auto produrrà 6 ~ 8 GB di dati al secondo, nel solo 2017, il campo ha creato circa 250 EB big data (1 EB = 1024 PB, 1 PB = 1024 TB). I produttori di automobili hanno bisogno di concetti avanzati per elaborare questi dati e ricavarne valore.
In secondo luogo, costruire un ponte tra ricerca e sviluppo automobilistico e informatica e scienza dei dati.L'ingegneria è la forza delle case automobilistiche, ma potrebbero non avere familiarità con la scienza dei dati.L'integrazione di queste discipline può aiutare le case automobilistiche ad aprire nuove porte e ad accelerare la loro Innovazione e ricerca e sviluppo Anche se il reparto R & S della società automobilistica dispone anche di un team dedicato di ingegneria dei dati, spesso hanno bisogno dell'aiuto di esperti nei settori della scienza dei dati e dell'intelligenza artificiale per ottenere i migliori risultati di ricerca e sviluppo.
Ancora una volta, elaborare e analizzare i dati in modo efficiente: quando le autopilot vengono testate, LiDAR, le telecamere panoramiche e i componenti radar producono una grande quantità di dati specializzati nei formati ADTF, ROSbag e MDF4. Ora ci sono già molti dati disponibili per questi enormi dati. PB è uno strumento per l'accesso rapido alle unità: in passato ci sono voluti diversi giorni per estrarre e analizzare i dati, ma ora occorrono solo pochi minuti o pochi secondi per ottenere i risultati.
Quarto, selezione selettiva e mirata di dati di grandi dimensioni Gli ingegneri possono utilizzare la tecnologia AI per determinare quali dati sono validi e quali possono essere rifiutati In generale, quando si riprende una scena di prova di un'automobile autonoma, ogni secondo Prodotta 30 fotogrammi di video, ma la maggior parte di questi video sono scene di auto che guidano senza intoppi su strade aperte, e non accade nulla di speciale, poiché questo video non è troppo lungo per gli ingegneri del settore automobilistico. I dati generati da una macchina quando si gira, si scontrano o interagiscono con altri oggetti è più prezioso.
Infine, ottimizzando la generazione automatica di dati: quando un sistema autopilota prende una decisione diversa dal driver umano, deve essere registrato, analogamente, quando un veicolo semi-autonomo commette un errore decisionale e viene corretto da un conducente umano, dovrebbe anche essere preso sul serio. Ciò consente all'ingegnere di ottimizzare il sistema: se il sistema di guida autonomo può essere continuamente ottimizzato e migliorato, il pubblico generale sarà più rassicurato sulle auto a guida autonoma.