本篇文章1845字，讀完約5分鐘

1925年,一輛名為“美國奇跡”的遠程遙控汽車在紐約百老匯亮相,這被稱為“第一輛全功能無人駕駛汽車”。盡管在隨后的巡游中,“美國奇跡”最終失控引發車禍,但自動駕駛的夢想并未就此破滅。此后百年間,自動駕駛理念在每一家主要汽車制造商、每一家系統供應商、每一家IT科技巨頭的心中生根萌芽,并且伴隨著科技的發展不斷迎來全新變革。

隨著自動駕駛功能的不斷更新迭代,路測成為了自動駕駛技術演進和產品落地的必要條件。時至今日,全國已有近百個城市建立智能網聯汽車自動駕駛測試示范區,自動駕駛企業開始爭先獲得自動駕駛牌照,進行自動駕駛道路測試。在百家爭鳴的當下,神州數碼憑借自身在數云融合領域的領先實踐,成功幫助某全球知名零部件供應商在路測環境下的自動數據采集系統構建了完善的數據平臺,實現了從設備數據到指標數據的價值轉換,并已經成功落地多家主機廠,在自動駕駛的產業競爭中奪得先機。

別讓數據“難倒”自動駕駛

眾所周知,自動駕駛離不開更高的算力、更優的算法、更好的數據。其中,自動駕駛“數據”可謂核心中的核心,盡管聽起來很簡單,實際上卻涵蓋了數據的采集、脫敏、標注、仿真等一系列難點各異的處理環節,并且廠商的數據需求背后還存在對效率和性價比的更多需求。因此,一個能夠實現海量自動駕駛數據管理的自動數據采集系統就成了客戶所需。

由于自動駕駛的數據主要來源于各類設備,對于零部件供應商而言,其不但為主機廠商提供了各類零部件,對這些零部件的性能及特質更加熟悉,并且還能夠采集到這些設備的信號數據。因此,挖掘數據背后的價值,就成為了零部件供應商在自動駕駛時代的新機遇。然而,類似于航天領域的原子鐘,僅僅要實現成百上千個零部件的時間戳對齊就并非易事,因此,該零部件供應商需要構造一套從硬件到軟件的完善的自動駕駛數據采集系統,全方位幫助主機廠解決自動駕駛領域的數據難題。

在該零部件供應商看來,自動駕駛的數據資源動態管理是一項重點工作。神州數碼起初認為,云計算憑借遍布全球的數據中心和網絡節點、超大規模的數據存儲能力、以及云端大規模的AI計算處理集群,是自動駕駛企業解決一系列數據難題的最好倚仗。然而,神州數碼在項目中發現,由于零部件供應商在自動駕駛中采集的數據量過于龐大,僅僅依靠云的帶寬已經不足以滿足需求,因此打造一個本地私有的數據中心就成了題中應有之義。

依托于自身在數云融合領域的深厚積累,神州數碼發現該零部件供應商需要一個數據平臺來幫助他們在數字化轉型期間提升數據驅動的業務洞察力。因此,神州數碼從0到1幫助客戶搭建起了自動駕駛系統的整體數據平臺,確定了數據平臺的基本架構和數據流的構建方法論,實現了數據湖、源數據存儲數據庫、web監控界面、任務調度平臺等各個模擬任務的編排和監控等工作。然而,自動駕駛的數據需求不僅僅只是可視化,對數據進行更為深入的數據分析與數據仿真才是更具價值的數據資產。

數據價值與自動駕駛“黑匣子”

歸根結底,零部件供應商的數據平臺主要還是為了提供給它們的主機廠客戶跑數據。對于不同客戶而言,由于車型不同導致的人的習慣、軸距等信息也都不一樣,這實際上對于自動駕駛的需求也不盡相同。因此,自動駕駛模型就需要根據客戶車型的軸距來去做不同的分析,然后給他們對應的自動駕駛推薦。

神州數碼認為,零部件供應商盡管可以獲取到海量微秒級的路測數據,但這些數據由于是輸入庫格式數據,本身并不會產生價值。為了探尋設備數據與指標數據之間的關系,神州數碼的數據團隊通過數學模型構建,實現了數以百計的設備在同一時刻的數據采集,同時基于各類復雜的計算邏輯,可將各類設備數據實時轉換為任一時刻的速度、加速度等汽車狀態。

在實現了數據轉換的目標后,神州數碼認為自動駕駛的目的是為了控制車輛,而自動數據采集系統的目的就是為了監控汽車的運行狀態。類似于飛機的黑匣子,自動數據采集系統應該能夠在事后倒推自動駕駛汽車任意時刻的運行狀態,并且能夠通過仿真的方式進行還原。因此,神州數碼進一步增強了數據的下鉆挖掘功能,從而可幫助客戶直觀快速找出、定位并分析問題,同時完善了監控模塊,實現了一鍵快速獲取各個模塊數據處理狀態。

從數據采集到數據管理、從算力平臺到工具整合,神州數碼正在讓該零部件供應商的自動數據采集系統更智能、更高效。盡管自動駕駛的進化之路仍然漫長,但汽車產業的變革無疑是近幾年科技行業最為火熱的話題之一。凝結二十余年的實踐成果,神州數碼依托數云融合技術體系架構,致力于成為領先的數字化轉型合作伙伴,正在為數字化中國探索、實踐、賦能。