自動駕駛將從根本上影響著我們未來的出行方式。驗證這些功能需要系統(tǒng)在測試過程中識別道路交通中的各種場景，并對它們進行評估。此外，還需要為開發(fā)人員準備這些場景。據(jù)外媒報道，為了應對這一挑戰(zhàn)，汽車開發(fā)商FEV使用微軟云平臺Azure的計算能力，開發(fā)了數(shù)據(jù)管理與評估系統(tǒng)。
據(jù)估計，驗證自動駕駛功能，需要2.4億到160億公里的道路測試里程。然而，決定系統(tǒng)成熟度的并不是測試的數(shù)量，而是系統(tǒng)經(jīng)歷過的道路交通狀況的數(shù)量，在各種狀況下，算法必須快速做出決策，例如在高速公路上超車時。此外，測試駕駛過程中獲得的數(shù)據(jù)量非常龐大，這也是驗證的一項主要挑戰(zhàn)。車載傳感器組由攝像頭、激光雷達和雷達組成，一天內(nèi)可生成多達40TB的數(shù)據(jù)。

FEV的V2I數(shù)據(jù)管理系統(tǒng)能有效開發(fā)并驗證這類駕駛功能。該公司的網(wǎng)絡數(shù)據(jù)記錄器收集所選車輛信號，并在試駕期間將其實時發(fā)送到后端。FEV利用微軟Azure和Azure IoT Hub傳輸數(shù)據(jù)，構(gòu)建了一個成熟、高性能、高度安全的云平臺。發(fā)送到后端的車輛數(shù)據(jù)在云中進行整合，同時算法根據(jù)相關(guān)場景分析這些信號。因此，即使在試駕期間，用戶也可以向相關(guān)工程師發(fā)送反饋，并根據(jù)預定計劃靈活地協(xié)調(diào)整個車隊。

標準化的時間戳還極大簡化了所有車輛數(shù)據(jù)的清理和準備。尤其重要的是，這種基于場景的預過濾還支持在云中高效地存儲數(shù)據(jù)。只有之前檢測到的數(shù)據(jù)包或場景才會上傳到云熱存儲中，云熱存儲具有最高級別的計算能力和訪問管理。不太重要的部分保存在性能較低的云區(qū)域，因此成本較低。

為了將現(xiàn)實道路的平均測試時間和成本降到最低，F(xiàn)EV正越來越多地將重要的測試范圍轉(zhuǎn)移到仿真和實驗室環(huán)境中。FEV集團總裁兼首席執(zhí)行官Stefan Pischinger教授表示，“數(shù)據(jù)記錄器解決方案結(jié)合FEV基于云的標簽軟件，是為ADAS和自動駕駛環(huán)境構(gòu)建整體開發(fā)環(huán)境的重要里程碑。根據(jù)駕駛情況，利用自動識別和分類，高效地準備數(shù)據(jù)，是其他處理步驟的基礎(chǔ)。”

雖然目前量產(chǎn)的駕駛輔助系統(tǒng)仍然基于預定義的規(guī)則，但FEV相信，未來可以使用機器學習實現(xiàn)。Pischinger教授還表示，“只有當AI能夠處理最復雜的情況，并準確預測道路使用者的行為時，我們的目標才會實現(xiàn)。”