豈能只談發展不看眼前？淺析自動駕駛發展中的限制因素

譯龍談技術 據外媒報道，對未來創新的重視使汽車業市場忽視了當前在生產安全及可靠車輛過程中所面臨的挑戰，例如：檢測配置的時間不斷減少、對發動機控制單元（ECU）的（重新）集中化及企業數據管理方案的匱乏。為應對上述挑戰，我們需從相關聯行業中尋求新的解決方案。

配置測試的不足之處

主流的觀點認為：目前問題在於「測試時間不足」和「沒有預算來添置新測試設備」。如今許多系統受直接受控於安全關鍵系統（safety-critical system），或向該系統提供數據，這類設備的安全性測試面臨挑戰，後續的應對就顯得極為重要。

自動駕駛之路的限制因素

儘管自動駕駛汽車還需一段時間才能投入使用，但是國家也急需在未來數年中確保為自動駕駛技術的應用奠定基礎基礎，使汽車業始終在正確的發展道路上前進。

在這一大背景下，需結合雷達、激光雷達及攝像頭等感測器所採集的數據，以便了解車輛周邊的情況，同時還需藉助生物識別感測器，了解駕駛員的狀態和健康狀況。車道變換輔助系統和自適應巡航控制系統的啟動也以上述數據為依據。此外，人工智慧（AI）技術在提高該進程效率方面發揮著重要作用。

對測試工程師而言，由於數據採集量十分龐大，數據問題變得更加嚴重。工程師們還需驗證上述數據的可靠性，並進行大數據分析。

若發生碰撞事故，可分析車載感測器發送的數據並識別自動駕駛演算法中的錯誤。若系統測試所採用的數據與系統監控及評估所用的數據相同，那麼接下來將確保故障得到解決，並採用該數據自動升級車隊數據。在進行系統驗證時會生成新的測試參數，從而確保該類錯誤不會重複發生。

該設想可或將使我們看到自動駕駛演算法、人工智慧及物聯網的研發之路。若上述設想成立，勢必會出現數據存儲設備容量受限及數據延遲分析匱乏這兩大問題。

企業數據管理方案的核心在於：使得測量數據的存儲、共享、查找、分析變得簡單。雖然這是一項具有挑戰性的任務，但現在已有部分車企可執行該解決方案，並取得了令人矚目的成果——標準化的企業執行方案，可用於數據管理及分析。

不斷向其他行業取經

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！