Как ГМ, Daimler, BMW и Audi и других основных автомобильных компаний объявили о запуске уровня 5 Авто-вождения транспортных средств около 2020, конкуренция в этой области вступила в бело-горячей фазы.
Goldman Sachs, известный международный инвестиционный банк, прогнозирует, что появление автономных такси увеличит размер глобального рынка акций с $932 356 024 711 512 064 в настоящее время до $-2195938812572467200 по 2030. Существует никаких сомнений, что это большой торт, так что производители автомобилей заняты дорожного испытания, но их цель достижения амбициозных автоматического вождения является ключом к использованию силы анализа и искусственного интеллекта (AI) для создания автономной системы вождения на реальный режим реагирования на дорогах, а также использование реалистичных технологий моделирования для ускорения процесса развития. Это означает, что проектирование, управление, хранение и анализ данных становятся более важными, чем когда-либо.
Так что же именно должны делать автопроизводители? Во-первых, будьте готовы встретить "крещение" массивных данных. Автономные транспортные средства генерировать большие объемы данных, когда они тестируются, и каждый автомобиль генерирует 6 ~ 8gb данных в секунду. В 2017 только, поле создало около 250еб больших данных (1 EB = 1024пб, 1 Пбайт = 1024тб).
Автомобильные производители должны иметь передовые концепции для обработки и извлечения стоимости из этих данных. Во-вторых, построить мост между автомобильной разработки и компьютерных и данных науки. Машиностроение – это сила производителя автомобиля, но они могут и не быть знакомы с наукой о данных. Смешение этих дисциплин может помочь автопроизводителям открыть новые двери и ускорить их инновации и развитие.
Несмотря на то, что автомобиль и предприятия исследований и разработок отделов также имеют специальную группу инженерных данных, но они часто должны опираться на данные науки и сила экспертов в области искусственного интеллекта для достижения наилучших результатов. В очередной раз данные обрабатываются и анализируются эффективно. Лидарные, панорамные камеры и радиолокационные компоненты производят большое количество специализированных данных в адтф, росбаг и мдф4 форматах при тестировании автономных транспортных средств. Теперь есть инструменты для быстрого доступа к этим огромным объемам данных в петабайт.
В прошлом, как правило, занимает несколько дней, чтобы извлечь и анализировать данные, и теперь это занимает всего пару минут или секунд, чтобы получить результаты. Четыре, выборочно, целевых больших данных скрининга. Инженеры могут использовать технологию AI, чтобы определить, какие данные являются ценными и какие могут быть устранены. В общем, 30 кадров видео производится в секунду при съемке тестового сценария для автономного автомобиля, но большинство из этих видео сцены автомобилей работает гладко на открытых дорогах, и ничего особенного не происходит. Такое видео, даже если это занимает больше времени, мало пользы для автомобильных инженеров.
Автоматическое вождение является более ценным, когда дело доходит до поворота, столкновения, или взаимодействия с другими объектами. Наконец, оптимизируйте автоматическое генерирование данных. Когда автономная система вождения принимает решение, которое отличается от человека водителя, он должен быть записан. Аналогичным образом, когда полуавтоматический автомобиль вождения сделан неправильно и корректируется человеком водителя, он также должен быть принят во внимание, так что инженеры могут оптимизировать систему.