示例图片二

FEV利用微软Azure高效管理自动驾驶数据

2019-09-11 16:10:12 已读

盖世汽车讯自动驾驶将从根本上影响着我们未来的出行方式。验证这些功能需要系统在测试过程中识别道路交通中的各种场景,并对它们进行评估。此外,还需要为开发人员准备这些场景。据外媒报道,为了应对这一挑战,汽车开发商FEV使用微软云平台Azure的计算能力,开发了数据管理与评估系统。

据估计,验证自动驾驶功能,需要2.4亿到160亿公里的道路测试里程。然而,决定系统成熟度的并不是测试的数量,而是系统经历过的道路交通状况的数量,在各种状况下,算法必须快速做出决策,例如在高速公路上超车时。此外,测试驾驶过程中获得的数据量非常庞大,这也是验证的一项主要挑战。车载传感器组由摄像头、激光雷达和雷达组成,一天内可生成多达40TB的数据。

FEV的V2I数据管理系统能有效开发并验证这类驾驶功能。该公司的网络数据记录器收集所选车辆信号,并在试驾期间将其实时发送到后端。FEV利用微软Azure和AzureIoTHub传输数据,构建了一个成熟、高性能、高度安全的云平台。发送到后端的车辆数据在云中进行整合,同时算法根据相关场景分析这些信号。因此,即使在试驾期间,用户也可以向相关工程师发送反馈,并根据预定计划灵活地协调整个车队。

标准化的时间戳还极大简化了所有车辆数据的清理和准备。尤其重要的是,这种基于场景的预过滤还支持在云中高效地存储数据。只有之前检测到的数据包或场景才会上传到云热存储中,云热存储具有最高级别的计算能力和访问管理。不太重要的部分保存在性能较低的云区域,因此成本较低。

为了将现实道路的平均测试时间和成本降到最低,FEV正越来越多地将重要的测试范围转移到仿真和实验室环境中。FEV集团总裁兼首席执行官StefanPischinger教授表示,“数据记录器解决方案结合FEV基于云的标签软件,是为ADAS和自动驾驶环境构建整体开发环境的重要里程碑。根据驾驶情况,利用自动识别和分类,高效地准备数据,是其他处理步骤的基础。”

虽然目前量产的驾驶辅助系统仍然基于预定义的规则,但FEV相信,未来可以使用机器学习实现。Pischinger教授还表示,“只有当AI能够处理最复杂的情况,并准确预测道路使用者的行为时,我们的目标才会实现。”