北汽研究院杨海军:构建智能网联汽车的基础数据平台实践之路

  • 时间:
  • 浏览:0
  • 来源:大发5分PK10-大发5分快3官方

第19届亚太汽车工程年会&2017中国汽车工程学会年会暨展览会(APAC 19 & 2017 SAECCE)于10月24-26日举办,本次论坛以“未来汽车与交通变革”为主题,携手行业领导、学会领导、院士、汽车及相关行业权威专家在内逾5000余位国内外业界嘉宾同时探讨汽车产业车厂与零部件协同创新和技术发展路径。以下是北汽集团新技术研究院主任工程师杨海军在会议上的演讲实录:

杨海军:大家都都下午好。我是来自北汽集团新技术研究院的杨海军。今天跟大家都都分享交流一下北汽集团在智能网联汽车的基础数据平台搭建过程。

主要分另另3个方向,第另另3个方向是基础数据平台发展现状,第3个大家都都有新技术院,新技术平台的基础数据平台搭建的技术手段技术路线,整体的实践方案,最后另另3个是表达一下大家都都希望携手共建基础数据平台的愿望。

首先第另另3个,智能网联汽车发展的现状。现在大家都都也看后整个论坛举行了7天 ,都围绕着智能化、网联化展开各种分组的讨论和交流。其中智能化、网联化一定会发展得,大家都都也都对行业非常了解,一些块太久说。再另另3个是上边放的是人工智能,今年原本刚结束人工智能是非常火热的,对人工智能,国家国务院一定会相关的整体发展规划。这是非常朝阳的另另3个产业。

如此对于智能网联技术的演进,我认为是有如此三大阶段,第另另3个阶段是起步阶段,从现在往前推,前两年大家都都有起步阶段,各个公司也好,各个单位也好,不可能 说IT公司不可能 车厂,完成了智能化和网联化相关的技术储备,处置了智能车和网联车的从无到有的过程。现在所有做智能车,做网联化车的企业,现在一定会车,随时后该 拉车到试验场跑一圈,这是如此问题的。这是另另3个起步的阶段。

按照国家不可能 行业的观点,智能化和网联化发展其实是另另3个长期的过程,大家都都现在所听到的一些的消息,到2019、2020年将量产智能车,不可能 是2到4级的智能车的观点和宣传,大家都都一定会听到。整个过程是也另另3个较长的发展过程。大家都都认为这是另另3个发展阶段,受限于如此几块方面,另另3个是硬件设备,比如说对于智能车辆的传感器,传感器一种的识别度、稳定性,还有失效的具体情况,那些问题会影响智能车不可能 网联车的量产。

第二是软件技术方面,同样现在在智能车方面的识别算法、决策、控制,那些方面都时要不断的优化。第另另3个方面,法律法规相关的,国家目前对于智能化、网联化相关的技术是用在量产车上的相关法律法规,目前还如此明确的,正在推进,之后如此明确的定义,应该为社 样规划相关的智能车上路。

最后另另3个是人的理念的问题,假使 真的有百公里油耗智能车,大家都都从另另3个宽度,怎么可不里能我就接受一些智能车,一种具体情况是从研发宽度来讲,对于智能车,不可能 是在高速公路上,一些人让你研究在高速公路上,高速公路模式下的智能车的相关技术,特点是高速公路的路况比较简单,识别准确度高,之后对用户来讲,我想知道是那些感觉,我感觉我就坐上120迈的车在高速公路上跑,完一定会L4级别的自动驾驶,你是一定会会不为社 担心?哪怕是1%甚至是0.1%的事故率是一定会也很危险?还有假使 加速运动时具体情况下的智能车,它的速率低,之后特点是路况工况复杂,相关的算法准确度不可能 是完善性,会影响整个使用车的体验。之后对用户来讲,相对速率比较低,大家都都日常生活中的小刮小蹭问题假使 大。这是大家都都对智能车的理解和接受程度,一些发展的过程是时要几年时间的。

第另另3个阶段是目标阶段,这7天 老会 看论坛,一些原本用过这张照片,是不为社 理想的具体情况下,这是到最终的另另3个阶段。

对于智能化、网联化的基础数据平台有一些客观的需求,初步认为有如此四大方向。第另另3个方向是关于研发和测试相关的,对于在智能化和网联化研究过程中,首先另另3个问题是测试。所有的算法有了,硬件设备准备好了,能跑起来了,如此一些测试的覆盖率,大家都都现在强调不可能 如此数据支撑句子,一些覆盖率是达到很高的覆盖率。不可能 大家都都都知道,现在各个单位各个公司在测试的原本,基本上是围绕我人及 的单位付近,去试验场转一转测一测,太久再 持续测的公司一定会一些。昨天百度的介绍材料,大家都都其实实其实在在全国在测,之后毕竟那个覆盖率假使 会达到很高。通过基础数据平台,太久再 为测试提供相关的数据准备。

第二,强调的是人工智能的发展时要。人工智能时要以数据为基础,如此多量的数据作为支撑,人工智能相关的宽度学习不可能 机器学习相关的数据支撑是如此来源的。

第另另3个是共享和交换数据,不可能 现在大家都都看后,目前形成了另另3个,在智能和网联开发过程中形成了另另3个很明显的数据孤岛,各个公司和企业单位一定会各做各的,平常了解的现状是,十台以内的车,数量非常少,测试时间也达如此要求。数据也是人及 大家个 的数据。不可能 通过基础数据平台实现相互之间的数据交换,比如在北京,大家都都公司在北京,大家都都如此测北京的路况和一些天气具体情况的道路上的数据,如此像重庆原本有特色的地方,如此说把车开到重庆去测。

第二是运营监管的需求,智能化和网联化的车一旦上路原本,从管理部门来讲,时要有另另3个相关的监管的需求,保障车辆是可控的。同时也是提高出行速率,整个是另另3个网状,现在是车内网、车间网V2X,还有车和云之间的网络,那些网络连在同时太久再 实现整个交通规划。另另3个点的拥堵会持续发酵,造成后续的拥堵,一些整体协调是不为社 要的。再假使 信息的共享需求。

第另另3个方向,形成产业生态链的需求。举另另3个简单的例子,最原本刚结束大家都都用PC机的原本,PC机最原本刚结束是单机的,之后互相联网形成信息的共享,形成另另3个互联的过程。一些具体情况下形成了大家都都到目前为止,移动网络和互联网络,这是非常有价值的。

第四是增值服务的需求,大家都都有了数据有了平台原本,车辆共享出行,形成新的服务内容和增值。

这是另另3个基础数据平台的底部形态,有网联车,有智能车,同时有路边设备,原本形成另另3个网络环境。同时还有云平台,路侧设备,车载设备,和云端进行数据交互,形成另另3个详细的网络环境,一些平台假使 另另3个基础数据平台。基础数据平台主要完成3个功能,另另3个是基础数据埋点,另另3个是智能网联协同,为相关交互提供服务,第三是运营监管,最后另另3个是实现增值服务。

对基础数据平台定位思考,基础数据平台分为另另3个层面,第另另3个层面是企业级的,像北汽我人及 有另另3个企业级的基础数据平台,为企业的开发和测试做相关的准备,提高在智能车的算法优化、性能提高那些方面做准备工作。第二层面是在企业基础上,结合相关交通数据,交通设施形成网络,形成区域基础数据平台,原本太久再 服务另另3个城市不可能 区域。第三是国家级的监管平台,太久再 实现相关的数据联合调度、运营监管相关的工作。

具体的实践方案,这是大家都都的架构图,分成三偏离 ,左边是相关的终端偏离 ,智能车、网联车,上边是平台的主要内容,包括云服务器,提供安全机制,实现平台与终端进行通信,完成相关的数据埋点、数据管理、数据处置。最后一偏离 是相关的数据分析和数据挖掘,还有一些协同服务的内容。这偏离 内容其实跟大家都都的基础数据平台的概念,更多的强调数据的埋点、处置、存储、埋点工作,真正让你进行数据分析,时要有相关的接口,一定会大家都都平台的主要工作内容。

这是标准规范思路,对于相关的埋点规范、通信标准和业务流程,协同API等,采用业界和行业内的相关标准,进行扩展,原本便于相互和别的标准对接,实现推广。

数据埋点阶段,目前大家都都认为分成另另3个阶段,目前大家都都有第一阶段,基础数据埋点。它的主要应用方向是用于智能车和网联车的研发测试。数据范围相对第二阶段是全集数据,埋点内容是最多最全的,之后是在量产原本做一些工作,主要用于研发测试,进行大范围的数据埋点。

第二阶段是公共数据埋点。为那些有另另3个阶段,基础数据埋点是我我人及 来采的,这偏离 是可控的。第二公共数据埋点,一方面涉及到我人及 隐私问题,如此埋点太久的数据,那些数据有另另3个考量的。第二是说,对车厂来讲,一些数据太久再公开出来给别的单位或我人及 ,这是另另3个公共数据埋点。目前大家都都项目在第一阶段,第二阶段是大家都都下一阶段工作的内容。在基础数据埋点原本,用一偏离 的子集数据作为公共数据埋点。

第三是数据交换,现在每个公司都握有一些测试的数据,装进我人及 的手里。大家都都希望形成交换数据的标准格式、规范,原本相互进行数据交换,太久再 形成数据的价值链。

这是基础数据分类,合适分成如此几类,包括内部管理感知数据,和内部管理互联互通的,还有车辆自身的数据,用户在操作过程中形成交互的行为数据,还有最后的基础数据,车主的年龄、身高、喜好那些的,用于形成客户画像。

这是大家都都的数据埋点内容,分为另另3个偏离 ,实际上大家都都分成两块做,这两块相对还比较独立,网联化和智能化,也假使 说网联车和智能车。昨天我听百度在介绍的原本说的问题,现在其实是智能化、网联化同时在提,之后一些是分不同的团队在做。有的专门做网联化,有的专门做智能化,埋点的不一样。大家都都对智能化和网联化分别进行埋点,最后合到另另3个平台上,采用同样的数据协议标准。

这是大家都都采用的车辆,上边是网联车,下面是自动驾驶的车。埋点分另另3个途径,另另3个是啥之后埋点,5000毫秒埋点一次,一秒上传一次。另另3个车一定会即时数据埋点,同时自动驾驶车有一偏离 是离线数据埋点,一天埋点一次,用硬盘的办法,相对比较院士的办法。

大家都都平台的概念把现在所做的工作,一些是数据平台化,相关埋点原本在数据平台中,这是大致的数据库的内容,底层是原始的数据,上边对数据进行分析原本形成结果,包括一些基础数据。左边是相关的对数据库平台的管理的相关数据。

目前在做的埋点规范包括如此三类,其中把V2X细化了一下,分成OBU,也假使 车载埋点规范,另另3个是路侧埋点规范,分成原本另另3个规范,细分成两偏离 。第另另3个是智能车的埋点规范。

这是大家都都正在做的初稿,路侧单元的埋点规范的初稿,这在推进过程中是另另3个阶段性的成果。

这是基础数据平台,做过大数据分析大家都都都知道,包括底层支持Hadoop等等。上边是刚才提到的数据内容,上边是通过分析原本使用的开发语言。

基础数据平台化,大家都都按照正常的数据库管理思路,对埋点的数据进行日常管理,还有场景数据,上边会提到,处置的原本一定会场景数据的处置管理工作。查询、统计、下载,还有上传等权限管理工作。

这是自动驾驶数据处置的简单思路,首先大家都都有另另3个数据校验过程,第二是以时间戳为单位,有另另3个数据,另另3个是埋点数据另另3个是上传的实时数据,通过时间戳进行同步,之后进行第三第3个,进行目标物的识别,打标签。最后一偏离 是场景化数据,主假使 做场景化数据的提取,之后分类,之后进行管理。

这是自动驾驶数据的闭环流程,左边是对车进行数据实时埋点,包括两偏离 ,实时数据,原始数据,进行埋点,埋点完经过上边的数据处置流程,处置完原本输出两类数据,另另3个是目标物数据,用手工标注的办法,对实时过程中,把红绿灯抠出来,这也是识别目标物的数据,后该 作为训练库的数据使用。还有场景数据,这里大家都都后该 细化一下自动驾驶相关的场景,比如说自由行驶,再比如十字路口的直行,再有变道、超车等等场景数据,把它手工标注加计算机处置结合的办法,做一些场景数据进行管理。之后第四偏离 是对数据进行应用,大家都都会提供,比如自动驾驶相关的,大家都都用那些数据,优化算法,包括识别控制决策相关的优化等等,最后形成的算法通过OTA升级到车上,原本完成另另3个闭环。

下面是OTA的需求,咱们知道特斯拉都实现了,这是相对比较成熟图片 的句子期期期图片 是什么是什么期期 图片 的,之后量产的还太久。

这张图来自公司战略合作 伙伴,大家都都一种是做我人及 擅长的偏离 ,这偏离 一定会大家都都应该做的。大家都都有标注的方案,OTA的,太久再 实现在线升级。明年大家都都计划做车上的安全网关的OTA整体方案,一些工作明年要启动。

这是关于信息安全的,也是谈得最多的,在智能驾驶相关的安全相关的最多的问题。之后一些面设计到,从终端到云管端各个方面一定会,这是很大的另另3个方向。

这也是来自公司战略合作 伙伴的关于安全的思路,这是总体的,以汽车为中心的,以终端为中心的安全架构模型。

最后是以云平台为中心的安全架构模型。

以上是关于整个基础数据云平台的整体方案。最后介绍另另3个应用,第另另3个应用是说,大家都都拿到那些原始数据,大家都都的数据后该 做些那些工作,第一是自动驾驶仿真,拿下一些场景,比如说从第几帧到第几帧,包括相关的视频、图片、雷达数据,包括实时埋点数据,把那些数据后该 拿来研究。比如说特斯拉总出 事故,不可能 一定会原本的功能句子就后该 还原当时是哪个算法如此识别出来。同时还有另另3个非常有效的好处假使 说,后该 评判一些算法,整个系统的可靠性和评级、评价等等最基础的工具。

假使 说,我同样的一些套数据拿下来,A公司做的和B公司做的智能车,A公司后该 识别、识别到那些程度,B公司后该 识别、识别到那些程度,打几块分,那些一定会为场景识别准备的。

第3个是大家都都正在做的监管的项目的展示,分成3个大屏,之后左上角显示实时的车内的具体情况和车外的具体情况,右边是显示车辆基本信息,以及车辆的事实埋点原本的相关的数据的内容,包括数据的量、数据的变化,一些大屏上会实时埋点。大家都都有可能 感兴趣后该 去参观一下。

最后一偏离 ,大家都都表达另另3个愿望,希望跟各个单位太久再 同时携手共建大家都都的基础数据平台,主假使 说,大家都都想从如此几块方面跟相关车厂也好、研究机构、标准组织,还有高校、IT公司同时携手共建。包括第一偏离 是数据埋点规范,第二是平台整体的建设,最后另另3个相关的平台的示范、应用、验证,原本另另3个方向,希望大家都都太久再 同时来同时推进一些基础数据平台的工作。

谢谢大家都都。

注:本文根据现场速记埋点,未经嘉宾审核。