撰文/ 張 鷗編輯/ 吳 靜設計/ 師玉超來源/ unite.ai，作者：Alex Vakulov

要實現(xiàn)車輛自動駕駛，需要的不僅僅是簡單的人工智能。

(相關資料圖)

一輛自動駕駛汽車從各種來源接收數(shù)據(jù)，如聲納、照相機、雷達、GPS和激光雷達，從而能夠在任何環(huán)境中進行導航。來自這些設備的信息應該被快速處理，很顯然，數(shù)據(jù)量十分龐大。

來自傳感器的信息不僅由汽車的計算機實時處理，一些數(shù)據(jù)會被發(fā)送到外圍的數(shù)據(jù)中心進行進一步分析。然后，通過一個復雜的層次結構，它被重新定向到各種云端。

車輛被賦予的人工智能至關重要，車載計算機、外圍服務器和云的處理能力，汽車發(fā)送和接收數(shù)據(jù)的速度同樣需要重視。

（圖源：shutterstock）

數(shù)據(jù)量問題

即使是普通的汽車，只要有司機在駕駛，就會產(chǎn)生越來越多的數(shù)據(jù)。自動駕駛汽車每小時可以產(chǎn)生大約1TB的數(shù)據(jù)。如此巨大的數(shù)據(jù)量正是大規(guī)模采用自動駕駛的障礙之一。

自動駕駛汽車的所有數(shù)據(jù)不能在云端或外圍數(shù)據(jù)中心處理，因為這將帶來太多的延遲。即使是100毫秒的延遲，也會在乘客或行人的生死之間造成差異。汽車必須盡可能快地對新出現(xiàn)的情況作出反應。

為了減少接收信息和響應信息之間的延遲，部分信息由車載計算機進行分析。例如，新的Jeep車型配備了具有25-50個處理核心的車載計算機，為巡航控制、盲點監(jiān)測、障礙物警告、自動剎車等服務。車輛節(jié)點通過內(nèi)部網(wǎng)絡相互通信。

如果我們把車載計算機視為網(wǎng)絡的外圍節(jié)點，它也符合外圍計算的概念。因此，無人車構成了一個復雜的混合網(wǎng)絡，它結合了集中式數(shù)據(jù)中心、云和許多外圍節(jié)點。后者不僅位于汽車中，而且還位于交通燈、控制站、充電站等。

車外的這種服務器和數(shù)據(jù)中心為自動駕駛提供所有可能的幫助。它們使汽車能夠“看到”其傳感器范圍以外的東西，協(xié)調(diào)道路網(wǎng)絡上的負載，并幫助做出最佳決策。

Nvidia的下一代自動駕駛工具包▼

（圖源：Nvidia）

V2V與V2I

GPS和計算機視覺算法（Computer vision algorithms）為自動駕駛汽車提供了關于位置和周邊環(huán)境的信息。然而，計算環(huán)境的范圍在不斷擴大，一輛車卻只能收集到有限的信息量，因此，為了更好地分析駕駛條件，數(shù)據(jù)交換十分必要。

車對車（V2V）通信系統(tǒng)依賴于同一地理區(qū)域內(nèi)車輛創(chuàng)建的網(wǎng)狀網(wǎng)絡。V2V被用來交換信息并向其他車輛發(fā)送信號，如距離警告。

V2V網(wǎng)絡可以擴展到與交通基礎設施（如交通燈）共享信息，即V2I（車輛到基礎設施）。

在美國，聯(lián)邦公路管理局（FHWA）定期發(fā)布各種V2I指南和報告，以幫助改善該技術。V2I的好處遠遠超出安全范圍提醒，除了提高安全性外，V2I在移動性和與環(huán)境的互動方面也有優(yōu)勢。

每天走同樣路線的司機會記住路上所有的坑洞。自動駕駛汽車也在不斷學習。它會把有用信息上傳到外圍的數(shù)據(jù)中心，例如，集成到充電站。

充電站將依靠人工智能算法，幫助分析從汽車收到的數(shù)據(jù)并提供可能的解決方案。通過云，這些數(shù)據(jù)被傳送到共同網(wǎng)絡中的其他無人駕駛車輛。

如果這種所有自動駕駛汽車之間的數(shù)據(jù)交換模式在幾年后真正實現(xiàn)，那么我們可以預計每天會有艾字節(jié)（exabytes：數(shù)百萬兆字節(jié)）的數(shù)據(jù)。根據(jù)各種估計，屆時道路上可能會出現(xiàn)幾十萬到幾千萬輛自動駕駛汽車。

V2I▼

（圖源：mouser.kr）

5G是成功的關鍵

如上所述，自動駕駛汽車不僅可以從傳感器接收有關行人和騎自行車者的信息，還可以與其他汽車、交通燈和其他城市基礎設施交換數(shù)據(jù)。

目前已經(jīng)有幾個5G聯(lián)網(wǎng)汽車項目。汽車使用移動運營商的5G網(wǎng)絡和C-V2X（Cellular Vehicle-to-Everything）技術，與其他汽車、騎自行車的人，甚至交通燈進行通信。

交通燈配備了熱成像儀，可以檢測到接近十字路口的行人，汽車的儀表板上便會出現(xiàn)警告。連接的騎自行車的人也會被告知位置，防止出現(xiàn)危險情況。在能見度低的情況下，停放的汽車會自動打開緊急閃光燈，通知所有接近的汽車他們的位置。

5G移動網(wǎng)絡在這里派上了用場。它們提供極快的速度，非常低的延遲，以及支持大量同時連接的能力。沒有這種數(shù)據(jù)處理能力的自動駕駛汽車將無法比人更快地完成許多任務。

寶馬、戴姆勒、現(xiàn)代、福特和豐田等主要汽車制造商已經(jīng)在將5G技術融入他們的產(chǎn)品。網(wǎng)絡運營商也花費了數(shù)十億美元來建設5G網(wǎng)絡。因此，現(xiàn)在正是雙方協(xié)同合作的合適時機。

然而，除非5G基礎設施到位，否則所有與5G連接的自動駕駛汽車的實驗都將陷入停滯。

（圖源：circuit digest）

如何處理和存儲超億字節(jié)的數(shù)據(jù)

并非所有的數(shù)據(jù)類型都需要快速處理，而且車載計算機的性能和存儲能力有限。因此，可以 “稍作等待”的數(shù)據(jù)應該在外圍的數(shù)據(jù)中心積累和分析，而一些數(shù)據(jù)將遷移到云端，在那里進行處理。

城市政府和汽車制造商有責任采集、處理、傳輸、保護和分析每一輛車、交通堵塞、行人或坑洞的數(shù)據(jù)。一些智慧城市的建筑師已經(jīng)在嘗試使用機器學習（machine learning）算法，更有效地分析交通數(shù)據(jù)，以快速識別道路上的坑洞，調(diào)節(jié)交通，并即時應對事故。

為了將完全自主駕駛引入我們的生活，有必要解決處理和存儲海量數(shù)據(jù)的問題。每天，僅僅一輛無人駕駛汽車便可以產(chǎn)生多達20TB的數(shù)據(jù)。要應對未來的艾字節(jié)數(shù)據(jù)，我們需要一個高性能、靈活、安全和可靠的邊緣基礎設施。還有一個問題是高效的數(shù)據(jù)處理。

為了讓車載計算機做出實時決策，它需要關于環(huán)境的最新信息。舊的數(shù)據(jù)，如一小時前的汽車位置和速度信息，通常不再需要了。然而，這些數(shù)據(jù)對于進一步改進自動駕駛算法是很有用的。

人工智能系統(tǒng)的開發(fā)者必須接收大量的數(shù)據(jù)，以訓練深度學習網(wǎng)絡：通過攝像頭、激光雷達信息識別物體及其運動，并將環(huán)境和基礎設施的信息優(yōu)化組合，以做出決策。對于道路安全專家來說，汽車在道路上發(fā)生事故或危險情況之前即時收集的數(shù)據(jù)是至關重要的。

隨著數(shù)據(jù)被自動駕駛汽車收集并轉移到外圍數(shù)據(jù)中心，之后遷移到云存儲，使用優(yōu)化和分層數(shù)據(jù)存儲架構的問題便出現(xiàn)了。新鮮的數(shù)據(jù)必須立即進行分析，以改善機器學習模型。這里需要高吞吐量和低延時。支持多驅動器技術的固態(tài)硬盤和大容量HAMR驅動器最適合這一任務。

在數(shù)據(jù)通過初始分析階段后，必須更有效地存儲：在高容量但低成本的傳統(tǒng)近線存儲（nearline storage）上。如果未來可能需要這些數(shù)據(jù)，這些存儲服務器就很適合。不太可能被需要，但由于其他原因必須保留的舊數(shù)據(jù)，可以轉移到歸檔級別。

數(shù)據(jù)將越來越多地在邊緣得到處理和分析，迎來工業(yè)4.0時代，這正在改變我們使用數(shù)據(jù)的方式。

邊緣計算（edge computing）將使數(shù)據(jù)在靠近收集的地方得到處理，而不是傳統(tǒng)的云服務器，使分析速度更快，盡可能立即對變化的情況作出反應。汽車和外圍數(shù)據(jù)中心之間的高速信息交流網(wǎng)絡將有助于使自動駕駛更安全、更可靠。

（圖源：Getty Images）

以上所有關鍵點充分說明了數(shù)據(jù)在自動駕駛領域的重要性。

無人駕駛汽車的大規(guī)模采用涉及到大量數(shù)據(jù)的收集，這些數(shù)據(jù)不僅要由車載計算機處理，還要由邊緣服務器和云端處理。數(shù)據(jù)處理基礎設施應做好一切準備。

隨著5G的普及，自動駕駛汽車將開始產(chǎn)生越來越多的數(shù)據(jù)，然后分析和使用這些數(shù)據(jù)，使智能城市成為現(xiàn)實。實現(xiàn)這一目標不會很容易，但最終，我們將有可能開啟一個新的篇章。

本文由汽車商業(yè)評論原創(chuàng)出品轉載或內(nèi)容合作請聯(lián)系說明

違規(guī)轉載必究