Como GM, Daimler, BMW e Audi e outras empresas de automóveis mainstream anunciaram o lançamento do nível 5 auto-veículos de condução em torno de 2020, a concorrência nesta área entrou em uma fase de branco-quente.
Goldman Sachs, um conhecido banco internacional de investimento, prevê que o advento dos táxis autónomos irá aumentar o tamanho do mercado de automóveis quota global de $932356024711512064 agora para $-2195938812572467200 por 2030. Não há dúvida de que este é um grande bolo, para os fabricantes de automóveis estão ocupados com o teste de estrada, mas seu objetivo de conseguir a condução automática ambiciosa é a chave ao uso do poder da análise e da inteligência artificial (ai) para construir um sistema de condução autônomo no modo real da resposta da estrada, e o uso da tecnologia realística da simulação para acelerar o processo de desenvolvimento. Isso significa que a engenharia de dados, gerenciamento, armazenamento e análise se tornam mais importantes do que nunca.
Então, o que exatamente os automakers devem fazer? Primeiramente, esteja preparado para encontrar o "batismo" de dados maciços. Veículos autónomos geram grandes quantidades de dados quando são testados, e cada carro gera 6 ~ 8GB de dados por segundo. Em 2017 sozinho, o campo criado sobre 250EB de Big data (1 EB = 1024PB, 1PB = 1024TB).
Os fabricantes automotivos precisam ter conceitos avançados para processar e derivar valor desses dados. Em segundo lugar, construir uma ponte entre o desenvolvimento automotivo e informática e ciência de dados. A engenharia é a força de um fabricante de automóveis, mas eles podem não estar familiarizados com a ciência dos dados. A mistura dessas disciplinas pode ajudar as automakers a desbloquear novas portas e acelerar a sua inovação e desenvolvimento.
Embora os departamentos de pesquisa e desenvolvimento de carros e empresas também tenham uma equipe dedicada de engenharia de dados, mas muitas vezes eles precisam contar com a ciência dos dados e o poder dos especialistas no campo da inteligência artificial para alcançar os melhores resultados. Mais uma vez, os dados são processados e analisados eficientemente. Lidar, câmeras panorama e componentes de radar produzem uma grande quantidade de dados especializados nos formatos ADTF, Rosbag e MDF4 quando os veículos autónomos são testados. Agora há ferramentas para acessar rapidamente essas quantidades maciças de dados em petabytes.
No passado, geralmente leva dias para extrair e analisar dados, e agora leva apenas alguns minutos ou segundos para obter resultados. Quatro, seletivamente, alvo grande rastreio de dados. Os engenheiros podem usar a tecnologia ai para determinar quais dados são valiosos e quais podem ser eliminados. Em geral, 30 quadros de vídeo são produzidos por segundo ao fotografar um cenário de teste para um carro autônomo, mas a maioria desses vídeos são cenas de carros funcionando suavemente em estradas abertas, e nada de especial acontece. Tal vídeo, mesmo que leve mais tempo, é de pouca utilidade para os engenheiros automotivos.
A condução automática é mais valiosa quando se trata de girar, colidir, ou interagir com outros objetos. Finalmente, otimizar a geração automática de dados. Quando um sistema de condução autónomo toma uma decisão que difere do condutor humano, deve ser registada. Da mesma forma, quando um veículo de condução semiautomática é feito errado e é corrigido pelo motorista humano, ele também deve ser levado em consideração, para que os engenheiros podem otimizar o sistema.