ด้วย General Motors, เดมเลอร์, BMW และ Audi รถยนต์และ บริษัท หลักอื่น ๆ ได้ประกาศแผนการที่จะเปิดธนาคารเพื่อการลงทุนมีชื่อเสียงระดับนานาชาติ Goldman Sachs คาดการณ์ระดับ 5 ระดับของยานพาหนะของตนเอง, การแข่งขันในพื้นที่นี้ได้รับความร้อนขึ้น. ในปี 2020 อัตโนมัติ รถแท็กซี่ปรากฏขึ้นจะทำให้รถร่วมขนาดของตลาดโลกที่เพิ่มขึ้นจากปัจจุบันที่ 5 พันล้าน $ ใน 2030-285 $ พันล้าน
ไม่ต้องสงสัยเลยว่านี่เป็นเค้กขนาดใหญ่ดังนั้นผู้ผลิตรถยนต์จึงต้องยุ่งกับการทดสอบถนน แต่กุญแจสู่เป้าหมายการขับขี่ที่มีความทะเยอทะยานของพวกเขาคือพลังแห่งการวิเคราะห์และปัญญาประดิษฐ์ (AI) , สร้างโหมดปฏิกิริยาของระบบ Autopilot บนถนนจริงและใช้เทคโนโลยีจำลองโลกแห่งความจริงเพื่อเร่งกระบวนการพัฒนาซึ่งหมายความว่าวิศวกรรมข้อมูลการจัดการการจัดเก็บและการวิเคราะห์มีความสำคัญมากกว่าที่เคยดังนั้นผู้ผลิตรถยนต์ควร จะทำอย่างไร?
ก่อนอื่นต้องเตรียมพร้อมที่จะพบกับ 'ข้อมูลบัพติศมา' ของข้อมูลขนาดใหญ่รถยนต์ Autopilot สร้างข้อมูลจำนวนมากเมื่อทำการทดสอบรถแต่ละคันจะผลิตข้อมูลขนาด 6 ~ 8GB ต่อวินาทีในปีพ. ศ. ข้อมูลขนาดใหญ่ 250 EB (1 EB = 1024 PB 1 PB = 1024 TB) ผู้ผลิตรถยนต์ต้องมีแนวคิดขั้นสูงในการประมวลผลข้อมูลนี้และได้รับคุณค่าจากข้อมูลนี้
ประการที่สองการสร้างสะพานเชื่อมโยงระหว่าง R & D ของรถยนต์กับคอมพิวเตอร์และข้อมูลศาสตร์วิศวกรรมเป็นจุดแข็งของผู้ผลิตรถยนต์ แต่อาจไม่คุ้นเคยกับข้อมูลวิทยาศาสตร์การรวมกลุ่มสาขาเหล่านี้สามารถช่วยผู้ผลิตรถยนต์เปิดประตูใหม่และเร่ง นวัตกรรมและ R & D. แม้ว่าแผนก R & D ของ บริษัท รถยนต์ยังมีทีมงานวิศวกรรมข้อมูลโดยเฉพาะพวกเขามักต้องการความช่วยเหลือจากผู้เชี่ยวชาญในสาขาข้อมูลศาสตร์และปัญญาประดิษฐ์เพื่อให้ได้ผลลัพธ์ R & D ที่ดีที่สุด
อีกครั้งมีประสิทธิภาพในการประมวลผลและวิเคราะห์ข้อมูลเมื่อมีการทดสอบรถยนต์แบบออโตโมบิล LiDAR กล้องพาโนรามาและส่วนประกอบเรดาร์จะผลิตข้อมูลเฉพาะจำนวนมากในรูปแบบ ADTF, ROSbag และ MDF4 ขณะนี้มีข้อมูลจำนวนมากสำหรับข้อมูลขนาดใหญ่เหล่านี้แล้ว PB เป็นเครื่องมือสำหรับการเข้าถึงหน่วยได้อย่างรวดเร็วในอดีตมักใช้เวลาหลายวันในการแยกและวิเคราะห์ข้อมูล แต่ตอนนี้ใช้เวลาเพียงไม่กี่นาทีหรือสองสามวินาทีเพื่อให้ได้ผลลัพธ์
ประการที่สี่คัดเลือกข้อมูลขนาดใหญ่ที่คัดเลือกและกำหนดเป้าหมายวิศวกรสามารถใช้เทคโนโลยี AI เพื่อกำหนดว่าข้อมูลใดมีค่าและสามารถปฏิเสธได้โดยทั่วไปเมื่อถ่ายภาพฉากทดสอบของรถยนต์ที่เป็นอิสระทุกวินาทีจะ ผลิตวิดีโอ 30 เฟรม แต่ส่วนใหญ่ของวิดีโอเหล่านี้เป็นฉากของรถยนต์ที่ขับขี่ได้อย่างราบรื่นบนถนนที่เปิดกว้างและไม่มีอะไรพิเศษเกิดขึ้นวิดีโอดังกล่าวไม่ยาวเกินไปสำหรับวิศวกรยานยนต์ Autopilot ข้อมูลที่สร้างขึ้นโดยรถยนต์เมื่อมีการพลิกผันหรือโต้ตอบกับวัตถุอื่น ๆ มีค่ามากกว่า
สุดท้ายการเพิ่มประสิทธิภาพการสร้างข้อมูลโดยอัตโนมัติเมื่อระบบ Autopilot ตัดสินใจแตกต่างจากคนขับรถคนอื่น ๆ จะต้องมีการบันทึกเช่นเดียวกันเมื่อรถกึ่งอิสระตัดสินใจผิดพลาดในการตัดสินใจและได้รับการแก้ไขโดยคนขับรถมนุษย์ก็ควรได้รับการพิจารณาอย่างจริงจัง ช่วยให้วิศวกรสามารถปรับระบบได้อย่างเหมาะสมที่สุดหากระบบขับขี่ของตนเองสามารถปรับปรุงและปรับปรุงให้ดีขึ้นได้อย่างต่อเนื่องประชาชนทั่วไปจะมั่นใจได้มากขึ้นเกี่ยวกับรถยนต์ที่ขับด้วยตนเอง