数据驱动时代“车路云一体化”加速自动驾驶商业化进程.pdf
《数据驱动时代“车路云一体化”加速自动驾驶商业化进程.pdf》由会员分享,可在线阅读,更多相关《数据驱动时代“车路云一体化”加速自动驾驶商业化进程.pdf(33页珍藏版)》请在咨信网上搜索。
1、数据驱动时代数据驱动时代“车路云一体化”加速自动驾驶商业化进程“车路云一体化”加速自动驾驶商业化进程前瞻产业研究院出品目录目录CONTENT01 自动驾驶从“规则驱动”进入“数据驱动”时代自动驾驶从“规则驱动”进入“数据驱动”时代03“车路云一体化”加速自动驾驶商业化进程“车路云一体化”加速自动驾驶商业化进程02 数据闭环能力成为自动驾驶规模化落地关键因素数据闭环能力成为自动驾驶规模化落地关键因素04 数据驱动时代,自动驾驶代表企业实践数据驱动时代,自动驾驶代表企业实践011.1 自动驾驶技术架构演变历程自动驾驶技术架构演变历程1.2“规则驱动”核心要素“规则驱动”核心要素1.3“数据驱动”核
2、心要素“数据驱动”核心要素1.1.1 仍处于自动驾驶初始阶段,随着等级提升算力要求成倍提升资料来源:SAE;汽车驾驶自动化分级(GB/T 40429-2021);智能网联汽车技术路线图2.0;前瞻产业研究院整理02243204000+完全自动驾驶L5高度自动驾驶L4有条件自动驾驶L3部分自动驾驶L2辅助驾驶L1辅助信息交互网联协同感知网联决策控制网联化网联化智能化智能化L1单车智能+车内交互L2单车智能+车外交互L3车队智能+网联协同智能化为主智能化为主智能化与网联化融合L4/L5车流智能+网联协同智能化与网联化深度融合当前所处发展阶段特定场景下自动驾驶2025年年当前当前2030年年2035
3、年年自动驾驶发展目标自动驾驶发展目标TELOPSTELOPSTOPSTOPS10 x10 x10 x1.1.2 自动驾驶技术开始步入数据驱动时代资料来源:前瞻产业研究院整理自动驾驶行业可以被分成三个时代:1.0时代是硬件驱动,主要依靠激光雷达和人工规则的认知方式提供自动驾驶方案;2.0时代是软件驱动,特点是传感器单独输出结果,用小模型和少数据的模式提供自动驾驶方案;3.0时代是数据驱动时代,采用多模态传感器联合输出结果,用大模型大数据的模式提供自动驾驶方案。硬件驱动时代硬件驱动时代(自动驾驶(自动驾驶1.0)软件驱动时代软件驱动时代(自动驾驶(自动驾驶2.0)数据驱动时代数据驱动时代(自动驾驶
4、(自动驾驶3.0)里程规模:100万公里感知方式:激光雷达认知原则:人工规则里程规模:100万-1亿公里感知方式:传感器单独输出结果认知原则:人工规则应用模型:小模型小数据里程规模:1亿公里以上感知方式:多模态传感器联合输出结果认知原则:可解释的场景化驾驶常识应用模型:大模型大数据1.2.1“规则驱动”的硬件基础雷达通过发射无线电波,检测反射信号来感知周围环境,适用于自动驾驶中的距离测量和物体检测。雷达传感器雷达传感器激光雷达通过激光束扫描物体,收集反射光信息,实现高精度三维成像,用于自动驾驶的实时地图构建和物体识别。激光雷达传感器激光雷达传感器摄像头捕捉二维图像,通过图像处理算法分析物体形状
5、、颜色和运动状态,用于自动驾驶中的道路线识别和车辆检测。摄像头传感器摄像头传感器毫米波雷达利用电磁波在毫米波段的高分辨率,实现远距离和高精度的目标检测,适用于自动驾驶的巡航控制和盲点监测。毫米波雷达传感器毫米波雷达传感器超声波通过发射和接收声波,测量距离和速度,适用于自动驾驶中的近距离物体检测和停车辅助功能。超声波传感器超声波传感器自动驾驶汽车感知更加精准,离不开车载摄像头、毫米波雷达、超声波雷达、激光雷达等感知硬件,其中,超声波雷达、毫米波雷达和激光雷达主要用于测量距离、速度和障碍物,车载摄像头主要用于图像采集和识别,感知硬件各司其职,让自动驾驶汽车可以获取更多的道路信息。1.2.2“规则驱
6、动”的软件基础规则驱动自动驾驶的软件基础除了底层驱动和实时操作系统外,上层应用主要包括感知层、规划层和控制层等程序。在技术上,以各类感知算法、定位算法和规控算法为核心。路径路径/轨轨迹规划迹规划行为决行为决策策横纵向横纵向解耦控解耦控制制横纵向横纵向协同控协同控制制规控规控绝对定绝对定位位定位定位融合定融合定位位相对定相对定位位感知感知融合感融合感知知直接直接/间间接感知接感知独立感独立感知知全球卫星定位系统GNSS,如GPS、北斗等,可以辅助车辆确定其在地球上所处位置,但其精度一般是米需级,不能满足车辆自动驾驶厘米级要求,一般要RTK差分技术辅助,才能实现厘米级定位精度。定位算法定位算法目前
7、应用最广的方法是间接感知,即通过感知周围物体的距离、速度、形状等,构建驾驶态势图,进行规划、控制,间接作用于驾驶操作系统。感知算法感知算法规划、控制的目的,一是对车辆远动进行全局规划、行为决策、局部规划;二是精准控制车辆按规划轨迹行驶。全局路径规划、后部轨迹规划,本常用的搜索算法为A*算法;控制算法,最常用的是经典控制算法PID控制。规控算法规控算法1.3.1 软件算法大模型式演化,自动驾驶进入3.0时代能力突破与模型统一能力突破与模型统一 在云端实现感知大模型和认知大模型的能力突破 车端各类小模型逐步统一为感知模型和认知模型 控制模块AI模型化大模型化大模型化 车端智驾系统全链路模型化 小模
8、型逐渐统一到大模型内模型提升模型提升 云端大模型逐步提升车端感知能力自动驾驶大模型铺开自动驾驶大模型铺开 端到端的自动驾驶大模型在车端、云端全面铺开自动驾驶3.0时代与2.0时代相比,其开发模式和技术框架都将发生颠覆性的变革。在自动驾驶2.0时代,以小数据、小模型为特征,以Case任务驱动为开发模式。而自动驾驶3.0时代,以大数据、大模型为特征,以数据驱动为开发模式。资料来源:毫末智行 前瞻产业研究院整理控制算法车端控制模型规控算法车/云端认知模型感知算法车端感知模型规模规模围绕真实道路场景,数据规模更大、多样性更充分,行驶里程将迈进1 亿公里级。感知感知以大模型AI为基础,雷达、视觉等传感器
9、联合工作,多模态共同输出结果。认知认知在各类场景下模拟人的认知行为,结合人类的驾驶常识决策,提高行车舒适性。1.3.2 数据闭环是自动驾驶3.0的核心要素数据闭环是指从从车端数据采集,到处理后形成有效数据集,再通过云服务器进行存储、运输,经过算法模型训练、验证后,将有效数据成果部署上车,各环节相互连接,形成的自动驾驶数据循环。资料来源:华为、亿欧智库、前瞻产业研究院整理自动驾驶数据闭环自动驾驶数据闭环数据数据采集采集数据数据传输传输数据数据存储存储数据数据处理处理数据数据挖掘挖掘数据数据清洗清洗数据数据标注标注仿真仿真场景场景模型模型训练训练模型模型优化优化模型模型验证验证模型模型部署部署智能
10、电动车数据集云存储算法模型 车载摄像头 激光雷达 传感器 总线通信 无线通信 本地存储 云存储 数据检索 数据分组 在线挖掘 离线挖掘 人工标注 自动标注 检测模型 分割模型.NAS 量化 成熟的自动驾驶数据闭环特征成熟的自动驾驶数据闭环特征过程完整且循环过程完整且循环数据采集和应用流程完整,且“数据流”过程可重复,实现数据全跑通、数据全循环。流程高效且自动流程高效且自动海量数据可以被高效的处理,同时以自动化工具和算法数据可减少人工干预,加快数据的加工。结果可追溯预测结果可追溯预测对于产生的数据结果是可以追溯到不同的环节,同时可根据数据进行一定的结果预测。022.1 数据闭环发展历程数据闭环发
11、展历程2.2 数据闭环核心技术数据闭环核心技术2.3 数据闭环发展痛点数据闭环发展痛点2.1 自动驾驶数据闭环发展历程自动驾驶数据闭环从2013年开始初露头角,但由于当时仅有部分测试车上路,数据量较少,仅能实现简单的反馈循环机制。随着自动驾驶技术从L0迈入L2/L3,早期的数据闭环难以满足自动驾驶的需求,数据闭环从1.0迈向2.0,未来也将朝着更商业化的3.0迈进。目前我国的自动驾驶数据闭环正处于高效驱动升级的第二阶段,未来的数据处理能力和自动运转能力将大幅提升,商业落地效益更好,生态建设更完善。资料来源:亿欧 前瞻产业研究院整理自动驾驶数据闭环的发展历程自动驾驶数据闭环的发展历程1.0 阶段
12、:阶段:2017-2017闭环通路初步构建2.0 阶段:阶段:2018-2024数据驱动闭环升级3.0 阶段:阶段:2025-2030场景丰富商业生态自动驾驶初期的数据闭环较简单,一般仅有通路构建,后在测试车上发现问题并上传。由工程师们分析错误报告,并找出原因,由此修改代码并在下次更新后子以解决。初期的闭环较为传统和简单,同时效率较低,多个环节需要人工辅助出现问题上传错误数据分析数据重写代码运行测试上线应用自动驾驶初始数据闭环体系自动驾驶初始数据闭环体系随着技术的进步和自动驾驶等级的发展,传统的数据闭环已经完全不能适应快速迭代的自动驾驶产业和处理指数级增长的数据量。这一阶段,面向更大规模数据的
13、闭环及相应技术和服务被车企及供应商广泛应用。数据分析数据分析异构计算灵活高效数据标注数据标注算法辅助自动标注模型训练模型训练数据驱动自动迭代测试验证测试验证数据驱动自动迭代数据采集数据采集车端筛选覆盖长尾数据回流数据回流回收处理安全存储未来,自动驾驶数据闭环将进一步迭代升级,逐步从测试车小规横量产大规模量产进行稳步应用,面流畅、安全的赋能多样化自动驾驶场景,从车、路、云多端助力自动驾驶的终极目标实现。自动驾驶初始数据闭环体系自动驾驶初始数据闭环体系云服务赋能底座云服务赋能底座车端闭环车端闭环路端闭环路端闭环车路协同一体化车路协同一体化测试场景测试场景高速场景高速场景低等级自动低等级自动驾驶场景
14、驾驶场景高等级自动高等级自动驾驶场景驾驶场景2.2.1 数据闭环核心技术云服务平台随着数据量的激增,自动驾驶下的存储面临海量数据传输、数据处理、数据合规等问题,而自动驾驶的云服务平台包括数据采集、数据管理、数据标注、模拟仿真、算法迭代等。目前国外车企基本使用的是微软云,而国内车企主要使用阿里云、腾讯云、百度云和华为云。资料来源:阿里云 亿欧 腾讯云 前瞻产业研究院整理自动驾驶存储面临的挑战自动驾驶存储面临的挑战数据数据传输传输每天庞大的数据量,人工扛硬盘的方式不可取,长距离数据传输成了大问题。数据数据处理处理小文件高吞吐处理,如某碰撞仿真业务可持续产生10GB/s的数据读写,如何保障吞吐与性能
15、。高额高额成本成本高性能读写+永久保存的数据带来高昂的存储成本数据数据合规合规因地理信息管制,自动驾驶采集的数据需满足法规约定的标准自动驾驶云平台架构自动驾驶云平台架构自动驾驶云服务应用情况自动驾驶云服务应用情况自动驾驶云平台服务自动驾驶云平台服务数据采集数据采集数据管理数据管理专业采集众包采集量产回传数据合作数据清洗场景提取场景库数据回放数据标注数据标注算法训练算法训练模拟仿真模拟仿真仿真模板算法导入场景导入并行仿真任务模板资源管理多引擎联合仿真仿真评测仿真评测算法迭代算法迭代RD功能乘客体验行车安全法律法规OTA规模路测Corner Case数据合规处理数据合规处理调度、服务、标准化调度、
16、服务、标准化分布式存储分布式存储内置场景库内置场景库标注成果库标注成果库生产数据生产数据自动驾驶容器服务平台Kubernetes/DockerGPU、CPU存储、高速网络2.2.2 数据闭环核心技术数据标注数据标注对于自动驾驶技术的发展非常重要,只有通过大量的数据标注才能训练出高质量的自动驾驶模型。相较于传统的纯人工标注方式,可以节省30-40%的成本,并提高30%的处理效率。以3D图片为例,其AI全自动标注的日均产能为20K张,比AI辅助标注的日均产能高5K张,比人工标注的日均产能高10K张。Appen、海天瑞声、数据堂在2021-2022年间智能驾驶数据标注业务涨幅极高,表明行业需求旺盛。
17、标注方式标注方式解析解析车道线标注车道线标注是一种对道路地面标线进行的综合标注,包括了区域标注、分类标注以及语义标注,应用于训练自动驾驶根据车道见则进行行驶。2D车辆/行人标框标注 主要应用于对车辆与行人的基础识别。车辆多边形标注主要应用用于对车辆类型的识别,例如面包车、卡车、大客车、小轿车等,训练自动驾驶在道路行驶时选择性跟车或者变道操作。指示牌/信号灯标注标注包括区域标注、分类标注以及语义标注区域分割标注包括了区域标注、分类标注以及语义标注行进方向标注应用于训练自动驾驶判断行人或车辆前进方向,规避行人或车辆。3D雷达标注主要应用在自动驾驶虚拟现实(VR)训练场景的搭建。3D车辆标注主要应用
18、于训到练自动驾驶对会车或超车车辆的体积判断。视频跟踪标注将视频数据按照图片帧抓取进行标框标注,标注后的图片帧按照顺序重新组合成视频数据训练自动驾驶。资料来源:前瞻产业研究院整理常见自动驾驶标注方法常见自动驾驶标注方法不同标注之间的对比不同标注之间的对比人工标注人工标注AI辅助标注辅助标注AI全自动标注全自动标注固定人员300人人+2D日均50k张张3D日均10k张张2D日均75k张张3D日均15k张张2D日均100k张张3D日均20k张张2.2.3 数据闭环核心技术仿真测试自动驾驶仿真测试以场景库作为基础,仿真平台作为核心,评价体系作为关键,应用构成三者紧密相连且相互促进,场景库的建设需要仿真
19、平台和评价体系作为指导,仿真平台的发展进化需要场景库和评价体系作为支撑,而评价体系的建立和完善也需要以现有的场景库和仿真平合作为参考基础。根据ICVTank的数据,到2025年全球自动驾驶仿真平台的规模将达到200亿美元。资料来源:PLUG&PLAY CHINA,ICVTank 前瞻产业研究院整理自动驾驶仿真测试应用构成自动驾驶仿真测试应用构成51142961592000501001502002502020202120222023E2024E2025E2020-2025年全球自动驾驶仿真市场规模(亿美元)年全球自动驾驶仿真市场规模(亿美元)据ICVTank估计,全球自动驾驶仿真市场规模将出现爆
20、发式增长,由2020 年的5 亿美元增长至至2025 年至少年至少200 亿美元亿美元,5 年年CAGR 为为109%。010302仿真测试评分体系评分体系仿真平台仿真平台场景库场景库数据来源:数据来源:真实数据、模拟数据以及根据真实场景数据合成的仿真数据典型测试场景典型测试场景:自然驾驶场景、危险工况场景、标准法规场景、参数重组场景场景库场景库仿真平台一般包括仿真框架、物理引擎和图形引擎。仿真框架是平台软件平台的核心仿真框架是平台软件平台的核心,支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿真等。仿真平台仿真平台评价维度分为真实性和有效性真实性和有效性。真实性评价主要是针对场景库真实合
21、理性的评价,分为场景信息真实度、场景分布真实度两个方面。而目前国内尚未统一的有效性评价标准。评价体系评价体系2.3.1 自动驾驶数据规模指数级增长资料来源:亿欧 前瞻产业研究院整理自动驾驶数据与车联网数据存在众多差异,因此需要针对自动驾驶数据的特点进行分级分类以全面考量其安全威胁及保障手段。综合考虑自动驾驶的人工智能属性以及自动驾驶数据多样性、规模性、非结构性、流动性的特点。除此之外,自动驾驶车辆还具有汽车本身的安全属性和智能网联下跨产业技术融合的特点。随着自动驾驶级别的提高,所属的数据规模也呈指数规模的增长。所需空间(4(4-10PB)10PB)L1L2L3L4L5所需空间(50(50-10
22、0PB)100PB)所需空间(4 4-5TB)5TB)所需空间(3EB+)(3EB+)自动驾驶级别与数据规模关系自动驾驶级别与数据规模关系不仅包括汽车基础数据,也包括基础设施、交通数据、地理信息数据以及车主大量用户身份类数据、用户状态数据、行为类数据等数据多样性数据多样性融合了来自汽车、道路、天气、用户、智能计算系统等多方面的海量数据涉及数据类型多,需要统计分析的数据总量大。数据规模性数据规模性不同来源的数据格式不同,数据的非结构性和非标准性对数据聚合或拆分技术以及权限管理和安全存储都带来了巨大的挑战。数据非结构性数据非结构性用户端、车端、云端等多场景的交互使得数据的流动性增大。此外,自动驾驶
23、数据还具有跨行业共享交换的问题。数据流动性数据流动性自动驾驶过程中采集的大量地理信息数据可能涉及涉密测绘成果,需遵守中华人民共和国保守国家秘密法中的相关规定。数据涉密性数据涉密性自动驾驶数据类型及特点自动驾驶数据类型及特点天气数据道路数据交通数据电桩数据车场数据手机数据保养数据事故数据用户数据违规数据车压数据电机数据大灯数据娱乐数据电池数据2.3.2 数据闭环发展难点完整的数据驱动闭环是指从量产、采集车在路端实地采集的交通场景,通过技术手段还原成仿真场景,进入测试环节用于算法测试,再更新和升级量产车的过程。但在此过程中由于关键链路涉及多个环节与领域,当前行业内(包括数据采集商、软硬件供应商、车
24、厂、算法公司等在内)尚未出现能提供统一视野、融合所有车的环节、一体化打通整条链路的产品或者平台。数据驱动数据驱动闭环闭环量产车量产车数据采集数据采集算法学习算法学习场景挖掘与场景挖掘与数据转换数据转换不同的供应商,拥有不同的数据采集方案和存储格式以及仿真数据管理真实场景信息如何转换为统一数据真实场景信息如何转换为统一数据原始数据在加工时会产生各种误差和噪声;复杂场景会大大增加数据挖掘的难度信息提取手段缺失信息提取手段缺失大数据时代带来的海量数据是传统软件开发和数据处理方法难以承受的;同时,传统的人工数据标注成本也十分高昂海量数据处理的“高本低海量数据处理的“高本低效”效”负责数据采集与算法研发
25、的团队较为割裂,缺乏高效的数据处理和挖掘能力上下游链路割裂,数据流转困难上下游链路割裂,数据流转困难资料来源:亿欧 前瞻产业研究院整理2.3.3 车路云一体化实现多源数据采集助力技术演化车路云一体化是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体,基于系统协同感知、决策与控制,实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。车路云一体化系统充分融合了车端、路端、云端信息,实现车端、路端多源数据融合,数据规模更大,多样性更充分,通过堆叠数据集,支持AI 大模型进行快速迭代。资料来源:中国智能网联汽车产业创新联盟 前瞻产业研究院整理通信网通信网卫星通信光承
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 驱动 时代 车路云 一体化 加速 自动 驾驶 商业化 进程
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【Stan****Shan】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【Stan****Shan】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。