“要实现自动驾驶，首先搞定大数据”

/ h// h// h /

随着 、戴姆勒、宝马、奥迪等主要汽车企业宣布将于年前后推出5级自动驾驶车，该行业竞争进入白热化阶段。 国际知名投行高盛预测，自动驾驶出租车的出现，将使全球共享汽车市场规模从目前的50亿美元上升到2030年的2850亿美元。

(/h ) )毫无疑问，这是一个大蛋糕，汽车制造商在忙于道路的测试。 但是，他们实现雄心勃勃的自动驾驶目标的关键是利用分解学和人工智能( ai )的力量，建立自动驾驶系统在实际道路上的反应模式，利用现实的模拟技术加速开发过程。 这意味着数据工程、管理、存储和分解比以往任何时间都重要。 那么，汽车制造商到底该怎么办呢？

首先，是准备迎接庞大数据的“洗礼”。 自动驾驶车在进行测试时会生成大量数据，一辆汽车每秒会生成6~ 8gb的数据。 该行业在短短几年内产生了约250eb的大数据( 1 eb= 1024pb，1pb=1024tb )。 汽车制造商需要有先进的概念来解决这些数据并从中获取价值。

其次，它是汽车开发与计算机和数据科学之间的桥梁。 工程制造是汽车制造商的强项，但你可能对数据科学不太熟悉。 这些学科的融合，有助于汽车制造商打开新的大门，加快其创新和研发。 汽车企业的研发部门也有专门的数据工程团队，但是他们需要经常借助数据科学和人工智能行业专家的力量，实现最好的研发效果。

再次，有效地解决和分解数据。 在用自动驾驶车进行测试时，lidar、全景相机、雷达等零部件将大量生产以adtf、rosbag、mdf4等风格表现的专业化数据。 现在有工具可以以pb为单位快速访问这些大量数据。 以前提取和分解数据需要几天，但现在只需要几分钟或几秒钟就可以完成。

第四，选择性对照地筛选大数据。 工程师采用ai技术搞清楚那些数据是有价值的，可以把它们清除掉。 通常，拍摄自动驾驶车的测试场景会每秒生成30帧的视频，但这些视频大部分是汽车在开放式道路上顺利行驶的场景，没有发生特别的事件。 这样的视频即使时间很长，对汽车工程师来说也没什么用。 自动驾驶车转弯、碰撞或与其他物体交互时产生的数据更有价值。

最后，优化自动生成的数据。 当自动驾驶系统做出与人类驾驶员不同的决定时，一定需要被记录下来。 同样，半自动驾驶车发生决策错误而被人类驾驶员纠正时，也必须重视工程师如何优化系统。 如果自动驾驶系统能够不断优化和改善，专业人士对自动驾驶车也可以放心。 (中国汽车报) (/h/)。