隨著通用汽車、戴姆勒、寶馬和奧迪等主流車企都宣布將在2020年前后推出Level 5級別的自動駕駛汽車，這一領域的競爭已進入白熱化階段。國際知名投行高盛預測，自動駕駛出租車的出現(xiàn)，將使全球共享汽車市場的規(guī)模從現(xiàn)在的50億美元，到2030年上升至2850億美元。

　　毫無疑問，這是一塊大蛋糕，于是汽車廠商都在不亦樂乎地忙著路測，然而他們實現(xiàn)雄心勃勃的自動駕駛目標的關鍵所在，是利用分析學和人工智能（AI）的力量，建立自動駕駛系統(tǒng)在實際道路上的反應模式，并利用現(xiàn)實模擬技術來加速開發(fā)進程。這意味著數(shù)據(jù)工程、管理、存儲和分析變得比以往任何時候更加重要。那么，汽車制造商到底應該怎么做呢？

　　首先，做好準備迎接海量數(shù)據(jù)的“洗禮”。自動駕駛汽車在進行測試時會產(chǎn)生大量數(shù)據(jù)，每輛汽車每秒就會產(chǎn)生6～ 8GB的數(shù)據(jù)。僅僅在2017年，該領域就創(chuàng)造了大約250EB的大數(shù)據(jù)（1 EB= 1024PB，1PB=1024TB）。汽車廠商需要有先進的概念來處理這些數(shù)據(jù)并從中獲取價值。

　　其次，在汽車研發(fā)與計算機和數(shù)據(jù)科學之間搭建一座橋梁。工程制造是汽車廠商的強項，但他們對于數(shù)據(jù)科學可能并不太熟悉。這些學科的交融，可以幫汽車廠商打開新大門，加快其創(chuàng)新和研發(fā)。雖然車企研發(fā)部門也有專門的數(shù)據(jù)工程團隊，但他們經(jīng)常還是需要借助數(shù)據(jù)科學以及人工智能領域?qū)＜业牧α浚詫崿F(xiàn)最好的研發(fā)效果。

　　再次，高效處理和分析數(shù)據(jù)。當自動駕駛汽車進行測試時，LiDAR、全景相機和雷達等部件會生產(chǎn)大量以ADTF、ROSbag和MDF4等格式呈現(xiàn)的專業(yè)化數(shù)據(jù)。現(xiàn)在已經(jīng)有可以對這些海量數(shù)據(jù)以PB為單位進行快速訪問的工具了。在過去，通常需要好幾天的時間來提取和分析數(shù)據(jù)，而現(xiàn)在只需要幾分鐘或幾秒鐘就可以得到結(jié)果。

　　第四，選擇性、針對性地對大數(shù)據(jù)進行篩選。工程師可以使用AI技術來確定哪些數(shù)據(jù)是有價值的，哪些可以剔除。一般而言，拍攝自動駕駛汽車的測試場景時，每秒鐘會產(chǎn)生30幀視頻，但這些視頻大部分都是汽車在開放道路上平穩(wěn)行駛的場景，并沒有任何特別的事情發(fā)生。這樣的視頻就算時間再長，對汽車工程師而言用處也不大。自動駕駛汽車在轉(zhuǎn)彎、碰撞或者與其他物體進行互動時產(chǎn)生的數(shù)據(jù)才更有價值。

　　最后，優(yōu)化自動生成數(shù)據(jù)。當一個自動駕駛系統(tǒng)作出一個不同于人類駕駛者的決策，肯定需要被記錄下來。同樣，當半自動駕駛汽車發(fā)生決策錯誤而被人類駕駛者糾正時，也要加以重視，這樣工程師可以對系統(tǒng)進行優(yōu)化。如果自動駕駛系統(tǒng)可以持續(xù)優(yōu)化和改進，那么普羅大眾對于自動駕駛汽車也會更放心。