智能物聯(lián)-自動(dòng)駕駛核心技術(shù)

中國(guó)自動(dòng)駕駛市場(chǎng)潛力巨大。麥肯錫預(yù)測(cè)，在中國(guó)乘用車(chē)市場(chǎng)，到2040年，自動(dòng)駕駛將占到乘客總里程的約66%，自動(dòng)駕駛車(chē)輛的銷(xiāo)售收入將達(dá)0.9萬(wàn)億美元，與自動(dòng)駕駛相關(guān)的移動(dòng)出行所帶來(lái)的市場(chǎng)收入將達(dá)1.1萬(wàn)億美元*1。自動(dòng)駕駛作為智能汽車(chē)、智能交通發(fā)展的一致方向，已經(jīng)被我國(guó)列為重點(diǎn)發(fā)展領(lǐng)域。國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》提出要重點(diǎn)發(fā)展汽車(chē)產(chǎn)業(yè)中的自動(dòng)駕駛技術(shù)，并且要在智能交通建設(shè)和自主無(wú)人駕駛技術(shù)平臺(tái)等方面實(shí)現(xiàn)突破。而這一進(jìn)程的推進(jìn)離不開(kāi)

來(lái)源：麥肯錫，How china will help fuel the evolution in autonomous vehicles

第一階段，~2023：在這一階段，自動(dòng)駕駛技術(shù)已經(jīng)準(zhǔn)備就緒，但受限于我國(guó)復(fù)雜的交通環(huán)境，例如高度復(fù)雜的標(biāo)識(shí)、交通信號(hào)燈和道路標(biāo)志尚未完全標(biāo)準(zhǔn)化，以及駕駛員不良習(xí)慣駕駛等，導(dǎo)致自動(dòng)駕駛的初步使用，更多的在具有更少交通流量且駕駛要求更為簡(jiǎn)單的郊區(qū)進(jìn)行，且駕駛速度只能維持在60km/小時(shí)以下的低速。

第二階段，~2027：到2027年，自動(dòng)駕駛技術(shù)不斷發(fā)展，已經(jīng)解決了城市和郊區(qū)駕駛的大部分所需條件，開(kāi)始得到大規(guī)模的商業(yè)化采用。但自動(dòng)駕駛還需解決壞天氣帶來(lái)的信號(hào)不佳，以及鄉(xiāng)村獨(dú)特的交通復(fù)雜性以及道路標(biāo)識(shí)不統(tǒng)一的問(wèn)題。

第三階段，~2032：“移動(dòng)即服務(wù)”(MaaS)在中國(guó)市場(chǎng)的快速增長(zhǎng)，帶來(lái)對(duì)自動(dòng)駕駛出行的強(qiáng)烈需求。在這一階段，隨著自動(dòng)駕駛技術(shù)的日益成熟和成本的逐步降低，自動(dòng)駕駛將在城市、郊區(qū)和農(nóng)村得到全面采用。

從技術(shù)角度而言，自動(dòng)駕駛的過(guò)程涉及眾多技術(shù)，其中感知、智能引擎和機(jī)器學(xué)習(xí)這三點(diǎn)非常關(guān)鍵。

感知：在工業(yè)互聯(lián)網(wǎng)下，通過(guò)傳感器、通信設(shè)備以及連接設(shè)備的數(shù)字化技術(shù)來(lái)感知多車(chē)型、多場(chǎng)景車(chē)輛數(shù)據(jù)，通過(guò)傳感多數(shù)據(jù)交互，邊緣端實(shí)時(shí)處理，實(shí)現(xiàn)實(shí)時(shí)、可靠的系統(tǒng)響應(yīng)和感知。

智能引擎：在云層之上，結(jié)合大數(shù)據(jù)和人工智能，對(duì)收集的車(chē)輛海量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，并作出智能決策，是實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵。這就需要自動(dòng)駕駛系統(tǒng)具有高速可靠的計(jì)算能力，能夠通過(guò)智能大數(shù)據(jù)分析，對(duì)車(chē)輛行駛做出相應(yīng)決策。

深度學(xué)習(xí)：自動(dòng)駕駛過(guò)程中，需要對(duì)基于汽車(chē)行駛的數(shù)據(jù)、性能評(píng)價(jià)進(jìn)行智能判斷、診斷和維護(hù)，這就對(duì)深度學(xué)習(xí)提出了要求，需要先進(jìn)的深度學(xué)習(xí)框架，通過(guò)機(jī)器學(xué)習(xí)建模根據(jù)數(shù)據(jù)進(jìn)行訓(xùn)練和改進(jìn)。

• AWS加速自動(dòng)駕駛

全球先進(jìn)的傳統(tǒng)汽車(chē)制造商Rolls-Royce、BMW、Volvo、Toyota、Remault、福特、德國(guó)奧迪和新興出行服務(wù)商如Lyft都是基于AWS ，以及云層之上的物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能，滿(mǎn)足車(chē)聯(lián)網(wǎng)和自動(dòng)駕駛的開(kāi)發(fā)和部署需求?；谠破脚_(tái)靈活、豐富的計(jì)算資源，在運(yùn)用大數(shù)據(jù)技術(shù)和先進(jìn)的人工智能算法基礎(chǔ)上，AWS自動(dòng)駕駛系統(tǒng)分為車(chē)、云(平臺(tái))兩層，通過(guò)車(chē)云協(xié)同，AWS一整套服務(wù)可助力自動(dòng)駕駛的開(kāi)發(fā)和部署。

AWS 具備及用戶(hù)所需的存儲(chǔ)，支持海量數(shù)據(jù)存儲(chǔ)。AWS Snowball Edge Storage Optimized 提供了 100 TB 的容量和 24個(gè) vCPU，滿(mǎn)足本地存儲(chǔ)和大型數(shù)據(jù)傳輸需求。

Amazon Elastic Compute Cloud (Amazon EC2) P3 實(shí)例提供靈活且強(qiáng)大的高性能計(jì)算能力，可以實(shí)現(xiàn)高達(dá) 1 petaflop 的混合精度性能，顯著加快機(jī)器學(xué)習(xí)和高性能計(jì)算應(yīng)用程序的速度。且Amazon EC2 P3 實(shí)例支持所有主流機(jī)器學(xué)習(xí)框架，包括Apache MXNet、TensorFlow 和 PyTorch 等。

Amazon SageMaker 機(jī)器學(xué)習(xí)托管服務(wù)，能夠讓自動(dòng)駕駛研發(fā)人員快速構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型，在減少研發(fā)工作量的同時(shí)降低成本，縮短產(chǎn)品面世周期。

AWS IoT Greengrass 提供邊緣計(jì)算及機(jī)器學(xué)習(xí)推理功能，可以實(shí)時(shí)處理車(chē)輛中的本地規(guī)則和事件，同時(shí)盡可能降低向云傳輸數(shù)據(jù)的成本。

下面我們通過(guò)兩個(gè)實(shí)際案例看看AWS 如何助力自動(dòng)駕駛。

• 豐田研究所利用AWS深度學(xué)習(xí)加快自動(dòng)駕駛速度

自動(dòng)駕駛系統(tǒng)的開(kāi)發(fā)和部署，需要IT具有收集、存儲(chǔ)和管理大量數(shù)據(jù)的能力，高性能計(jì)算能力和先進(jìn)的深度學(xué)習(xí)技術(shù)，以及實(shí)時(shí)處理車(chē)輛數(shù)據(jù)的能力。豐田旗下的豐田研究所(Toyota Research Institute，以下簡(jiǎn)稱(chēng)TRI)的首要任務(wù)之一就是通過(guò)人工智能，幫助豐田生產(chǎn)更安全、更可用、更環(huán)保的汽車(chē)，為此，他們?cè)贏WS云服務(wù)基礎(chǔ)上，通過(guò)Amazon EC2 P3實(shí)例、Amazon Simple Storage Service (Amazon S3)、Amazon Simple Queue Service (Amazon SQS)和AWS網(wǎng)絡(luò)服務(wù)構(gòu)建了一個(gè)可擴(kuò)展且高性能的解決方案。Amazon EC2 P3實(shí)例為機(jī)器學(xué)習(xí)模型培訓(xùn)提供了所需的核心計(jì)算能力，在快速優(yōu)化和重新培訓(xùn)模型的基礎(chǔ)上，將培訓(xùn)模型的時(shí)間縮短了75%，顯著加快TRI的自動(dòng)駕駛研究和開(kāi)發(fā)速度;通過(guò)Amazon S3，TRI能夠快速存儲(chǔ)和檢索任何地方任何數(shù)量的數(shù)據(jù)，并將這些數(shù)據(jù)用于機(jī)器學(xué)習(xí)模型和模擬的分析和再培訓(xùn);TRI還使用Amazon SQS協(xié)調(diào)遠(yuǎn)程數(shù)據(jù)采集站點(diǎn)之間的數(shù)據(jù)傳輸，并根據(jù)需求調(diào)整計(jì)算和存儲(chǔ)資源。通過(guò)這一方案的部署，TRI的數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師能夠更快地迭代、培訓(xùn)更多模型，并在應(yīng)用程序中建立競(jìng)爭(zhēng)優(yōu)勢(shì)，從而縮短研發(fā)自動(dòng)駕駛研發(fā)周期，向未來(lái)幫助豐田生產(chǎn)更安全的汽車(chē)這一目標(biāo)邁進(jìn)。

• AWS助力TuSimple 開(kāi)發(fā)自動(dòng)駕駛卡車(chē)系統(tǒng)

創(chuàng)立于2015年9月的TuSimple(以下簡(jiǎn)稱(chēng)“圖森”)一直專(zhuān)注于研發(fā)可商用的 L4 級(jí)別(SAE 標(biāo)準(zhǔn))無(wú)人駕駛卡車(chē)解決方案。該解決方案以攝像頭為主要傳感器，融合激光雷達(dá)和毫米波雷達(dá)，實(shí)現(xiàn)了感知、定位、決策、控制等無(wú)人駕駛核心功能，能夠讓貨運(yùn)卡車(chē)在干線(xiàn)物流場(chǎng)景和半封閉樞紐場(chǎng)景中實(shí)現(xiàn)全無(wú)人駕駛。借助AWS云服務(wù)，圖森加快了這一解決方案的開(kāi)發(fā)效率和速度，并降低開(kāi)發(fā)成本。AWS具備用戶(hù)所需的計(jì)算和存儲(chǔ)，通過(guò)AWS Snowball Edge，圖森能夠加速將海量數(shù)據(jù)傳輸?shù)紸WS云并進(jìn)行處理，從而讓圖森能夠進(jìn)行非常廣泛的模擬駕駛測(cè)試;通過(guò)AWS 彈性云服務(wù)，圖森能夠創(chuàng)建和訓(xùn)練其深度學(xué)習(xí)模型，從而將培訓(xùn)時(shí)間從數(shù)天縮短至數(shù)小時(shí)。借助AWS，圖森建立了自主駕駛仿真平臺(tái)，可以在其用于導(dǎo)航卡車(chē)的每一種算法上運(yùn)行數(shù)百萬(wàn)英里的模擬里程，從而使安全可靠的自動(dòng)車(chē)輛成為現(xiàn)實(shí)。

自動(dòng)駕駛的實(shí)現(xiàn)，不僅要求通過(guò)傳感器對(duì)周?chē)h(huán)境實(shí)現(xiàn)感知，同時(shí)具備更強(qiáng)大的數(shù)據(jù)分析能力，通過(guò)數(shù)據(jù)進(jìn)行智能決策和控制。針對(duì)自動(dòng)駕駛開(kāi)發(fā)的AWS云服務(wù)，借助云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能，加快了汽車(chē)制造商和研發(fā)機(jī)構(gòu)在自動(dòng)駕駛系統(tǒng)這一方向的研發(fā)進(jìn)程。借助AWS云服務(wù)，TRI和圖森加快了自動(dòng)駕駛研發(fā)的速度，向可靠、安全的自動(dòng)駕駛不斷前進(jìn)。

網(wǎng)站欄目：智能物聯(lián)-自動(dòng)駕駛核心技術(shù)
網(wǎng)站鏈接：http://www.muchs.cn/news35/104585.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站收錄、微信小程序、軟件開(kāi)發(fā)、移動(dòng)網(wǎng)站建設(shè)、網(wǎng)站排名、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)