제너럴 모터스, 다임러, BMW와 아우디 자동차 및 기타 주류 회사와 골드만 삭스 레벨을 자율적 차량,이 분야에서 경쟁이 가열 된 5 단계를 예측 국제적으로 유명한 투자 은행을 출시 할 계획을 발표했다. 2020 년, 자동 조종 장치를 택시는 $ (285) 억 2030 년 현재 $ (5) 억이 증가 글로벌 자동차 공유 시장 규모를 만들 것입니다, 나타납니다.
이것이 큰 케이크라는 것은 의심의 여지가 없으므로 자동차 제조업체는 도로 테스트로 붐비지만 야심 찬 자율 주행 목표의 핵심은 분석 및 인공 지능 (AI)의 힘입니다. 실제 도로에서 오토 파일럿 시스템의 반응 모드를 구축하고 실제 시뮬레이션 기술을 사용하여 개발 프로세스를 가속화함으로써 데이터 엔지니어링, 관리, 저장 및 분석이 그 어느 때보 다 중요 해짐에 따라 자동차 제조업체는 그것을하는 방법?
첫째, 대규모 데이터의 '침례'를 충족 할 준비가되어 있어야합니다. 자동 조종 차량은 테스트 할 때 많은 데이터를 생성하며 각 차량은 초당 6 ~ 8GB의 데이터를 생성합니다. 250 EB의 큰 데이터 (1 EB = 1024 PB, 1 PB = 1024 TB) 자동차 제조업체는이 데이터를 처리하고 그 가치를 창출하기위한 고급 개념이 필요합니다.
둘째, 자동차 연구 개발과 컴퓨터 및 데이터 과학 사이의 교량 건설 엔지니어링은 자동차 제조업체의 힘이지만 데이터 과학에 익숙하지 않을 수 있습니다. 이러한 분야의 통합은 자동차 업계가 새로운 문을 열고 가속화하는 데 도움이 될 수 있습니다. 혁신 및 연구 개발 자동차 회사의 R & D 부서에도 전용 데이터 엔지니어링 팀이 있지만 최고의 R & D 결과를 얻기 위해 데이터 과학 및 인공 지능 분야 전문가의 도움이 필요할 때가 많습니다.
자동 테스트가 차를 운전 할 때 또 다시, 효율적인 처리 및 데이터 분석., 라이다가, 파노라마 카메라와 레이더 및 기타 구성 요소가 ADTF에 제시된 많은 양을 생산합니다, ROSbag 및 MDF4 데이터 형식은 이제 이러한 데이터 엄청난 양이 될 수있는 전문 PB 과거에이 도구의 빠른 액세스 장치는, 일반적으로 추출하고 데이터를 분석하는 데 몇 일이 소요,하지만 지금은 오직 결과를 얻기 위해 몇 분 또는 몇 초 정도 걸립니다.
넷째, 선택적 및 대상 대형 데이터 심사 엔지니어는 AI 기술을 사용하여 귀중한 데이터와 거부 할 수있는 데이터를 결정할 수 있습니다. 일반적으로 자율 주행 차량의 테스트 장면을 촬영할 때마다 30 프레임의 비디오를 제작했지만이 비디오의 대부분은 개방 도로에서 원활하게 주행하는 자동차 장면이며 특별한 것은 발생하지 않습니다. 이러한 비디오는 자동차 엔지니어에게 그리 길지 않습니다. 선회, 충돌 또는 다른 물체와 상호 작용할 때 자동차가 생성하는 데이터가 더 중요합니다.
마지막으로, 자동 데이터 생성 최적화 오토 파일럿 시스템이 사람과 다른 결정을 내릴 때 기록해야하며, 반자동 차량이 의사 결정 오류를 내고 사람이 정정 한 경우에는 또한 심각하게 받아 들여야합니다. 엔지니어가 시스템을 최적화 할 수 있으므로 자율 주행 시스템을 지속적으로 최적화하고 향상시킬 수 있다면 일반 대중은자가 운전 차량에 대해 더 안심할 수 있습니다.