تحليلات السيارات: بداية عهد جديد للقيادة الذاتية

السيارات ذاتية القيادة في حالة من الغضب الشديد في الوقت الحالي. إن الشعور بعدم الإرهاق أثناء القيادة أو التركيز المفرط على الاتجاهات جعل مساحة السيارات ذاتية القيادة تزدهر.

في حين أن نتيجة تجربة القيادة هي القناعة ، فإن الطريقة التي تصل بها المركبات إلى هذه المرحلة معقدة. يتطلب الأمر قدرًا كبيرًا من الذكاء حتى تتمكن السيارة من القيادة بمفردها مع تتبع السرعة وتجنب حركة المرور وإطلاع البشر على احتياجات السيارة. ذكاء يتضمن العديد من التقنيات وقطع الآلات مجتمعة.

يتطلب تحقيق مستوى الأتمتة والذكاء الحساس للوقت الوصول إلى مجموعات ضخمة من البيانات وترجمتها إلى عمل ورؤى ، مما يمهد الطريق للبيانات الضخمة في صناعة السيارات.

في هذه المقالة ، سوف نتعمق في أصل ودور حلول تحليلات السيارات التي تتجاوز جعل تجربة القيادة الذاتية سلسة ومستقلة. ولكن قبل أن نتعمق في دور البيانات الضخمة للقيادة الذاتية ، دعنا أولاً نجيب على بعض الأسئلة التي ستُسأل عندما يتعين عليك تفصيل مشاركة التكنولوجيا في الفضاء.

• ما مقدار البيانات التي يتم إنشاؤها من خلال مركبة ذاتية القيادة؟

تشير التقديرات إلى أن السيارة المستقلة تولد أكثر من 4000 جيجابايت من البيانات كل يوم مقسمة إلى أقسام منفصلة مثل -

• الكاميرا - 20-40 كيلوبايت في الثانية
• الرادار - 10-100 كيلو بايت في الثانية
• السونار - 10-100 كيلوبايت في الثانية
• GPS - 50 كيلوبايت في الثانية
• LIDAR - 10-70 كيلوبايت في الثانية.
• هل الأسطول الحالي من المركبات ذاتية القيادة بلا سائق حقًا؟

في حالتها الحالية ، تشارك تحليلات البيانات الضخمة في صناعة السيارات بالكامل فقط حتى المستوى 2 من أتمتة القيادة. تعمل غالبية السيارات التي تعمل في مساحة القيادة الذاتية بطريقة تؤدي فيها السيارة إلى التسارع والتوجيه بينما يراقب البشر جميع المهام ويتولون زمام الأمور عندما يرون ذلك ضروريًا.

سيكون هناك أكثر من 30 مليون مركبة ذاتية القيادة على الطريق بحلول عام 2040

تقنيات تحليلات بيانات السيارات

تعمل البيانات الضخمة والتعلم الآلي في القيادة الذاتية على أجهزة استشعار مُصممة في السيارات. تتم معالجة المعلومات التي تأتي من أجهزة الاستشعار المتعددة داخل السيارة وتحليلها بالميكروثانية ، مما يتيح ليس فقط الحركة الآمنة من النقطة A إلى النقطة B ولكن أيضًا تمرير المعلومات حول ظروف الطريق والتواصل مع المركبات الأخرى وإبلاغ المالكين عنها مشاكل السيارة.

بالإضافة إلى هذه المستشعرات ، هناك عنصر حاسم آخر في مجال القيادة الذاتية: برنامج تحليل بيانات السيارات الذي يساعد في تخزين مجموعات البيانات وتحليلها. يقوم البرنامج ، المتصل بشبكة ، بتمرير المعلومات من المستشعرات إلى السحابة بطريقة تجعل وقت الاستجابة لهذه الظروف فوريًا ، خاصة بعد إدخال 5G في السيارات.

يجب أن تحتوي السيارة ذاتية القيادة على أجهزة استشعار وحلول تحليلات آلية واتصال بخادم سحابي. بعد ذلك ، يجب أن تعرف السيارة موقعها الذي تستخدم فيه نظام تحديد المواقع العالمي (GPS). تحدد البيانات التي تأتي من المستشعرات الداخلية ، مثل البوصلات وعدادات السرعة ، الاتجاه والسرعة معًا.

بمجرد أن تعرف السيارة موقعها ، يصبح من السهل معرفة ما يحيط بها باستخدام الليدار والرادار لتحديد موقعها داخل هذه الخريطة. هنا ، يتم أخذ عناصر مثل العلامات والعلامات والعقبات الأخرى في الاعتبار.

باستخدام البيانات التي تم جمعها ، تبني السيارة ذاتية القيادة استراتيجيات لمواقف مختلفة قد تحدث على الطريق. بالإضافة إلى ذلك ، تساعد مشاركة البيانات بين المركبات ذاتية القيادة في تجنب الاختناقات المرورية ، والاستجابة لحالات الطوارئ ، ومراعاة الظروف الجوية.

باختصار ، يمكن استخدام البيانات الضخمة في صناعة السيارات بالطرق التالية -

• الشكل والإحساس - الحصول على المعلومات ؛ التخطيط والاستجابة على أساس البيانات التي تم جمعها
• ارسم خريطة تفصيلية للمحيطات
• تحديد السرعة والمدى والمسافة من خلال الليدار والكاميرات
• تواصل مع السيارات الأخرى لمشاركة المعلومات.

الآن بعد أن نظرنا في جوهر التحليلات في صناعة السيارات ، دعونا نلقي نظرة على بعض دور البيانات الضخمة في المركبات المستقلة من خلال حالات الاستخدام.

دور تحليلات البيانات في صناعة السيارات

نمت تحليلات البيانات الضخمة في صناعة السيارات إلى مستويات لا يمكن تصورها. مباشرة من تشغيل السيارات ذاتية القيادة إلى بناء أنظمة مرور ذكية ، غيّر الذكاء الاصطناعي بأشكاله المختلفة طريقة سفرنا وتفاعلنا مع المركبات. الآن بينما يمكن رؤية دور البيانات الضخمة في المركبات الذاتية في التصنيع وتحديد الأسعار ومساحة تجربة العملاء ، في هذه المقالة ، سننظر في مساهمات القيادة الذاتية من خلال تحليلات البيانات.

الاستشعار والإدراك

تستخدم السيارات ذاتية القيادة العديد من أجهزة الاستشعار مثل الرادار والليدار والكاميرا وما إلى ذلك ، لجمع البيانات حول محيطها. ثم تتم معالجة البيانات وتحليلها من خلال خوارزميات البيانات الضخمة لإنشاء خريطة بيئة مفصلة لتحديد أشياء مثل إشارات المرور والمركبات الأخرى وعلامات الطريق.

صناعة القرار

تستخدم السيارات المستقلة تحليلات البيانات في صناعة السيارات لاتخاذ قرارات في الوقت الفعلي على أساس البيانات التي تجمعها من أجهزة الاستشعار داخل السيارة. على سبيل المثال ، إذا اكتشفت السيارة اقتراب سيارة أخرى أكثر من اللازم ، فستستخدم البيانات الضخمة لاختيار أفضل مسار للعمل ، إما أن تبطئ السرعة أو تتوقف.

النمذجة التنبؤية

تستخدم الصناعة البيانات الضخمة والتعلم الآلي للتنبؤ بسلوك الآخرين في القيادة الذاتية. تساعد مجموعة التكنولوجيا المركبة على توقع الحركات والمشاكل التي قد تحدث مع السيارة ثم اتخاذ الإجراءات في الوقت المناسب لتجنبها.

معالجة اللغة الطبيعية

يمكن رؤية حالة استخدام أخرى لتحليلات بيانات صناعة السيارات في السيارات المجهزة بتقنية التعرف على الصوت والتي تمكن الركاب من التواصل مع السيارة من خلال لغتهم الطبيعية. تساعد التكنولوجيا بدورها السيارة على فهم الأوامر المنطوقة من المستخدم والاستجابة لها.

تتضح الأسباب الكامنة وراء الحالات المتزايدة لتطبيقات البيانات الضخمة في صناعة السيارات. ولكن في الوقت نفسه ، لا يمكننا إنكار حقيقة أن حلول تحليلات السيارات لا يتم دمجها بعد المستوى 2. دعونا نلقي نظرة على بعض التحديات التي تحتاج إلى حل على مستوى الصناعة.

تحديات القيادة الذاتية من خلال تحليلات البيانات

تتزايد التوقعات من البيانات الضخمة في صناعة السيارات بشكل كبير ، خاصة وأن صناعة السيارات تخطط لجعل المستوى 4 و 5 سائدين في السنوات القادمة. ومع ذلك ، هناك عدد من المضاعفات التي لم تتم معالجتها بعد. دعونا نلقي نظرة خاطفة عليهم.

1. مجموعات البيانات المتنوعة - لكي تعمل التحليلات التنبؤية في صناعة السيارات ، يجب أن يكون مزيج مجموعات البيانات الخاضعة للإشراف وغير الخاضعة للإشراف مناسبًا ومتكررًا. ومع ذلك ، عند القيادة ، هناك العديد من الحالات التي تحدث فيها الحوادث بسبب خطأ لا أحد. بالإضافة إلى ذلك ، فإن العديد من الأحداث نادرة للغاية في الطبيعة. لذا فإن التحدي يكمن في إنشاء أنماط من العديد من هذه الأحداث المعزولة.
2. تخزين البيانات - وجد تقرير حديث صادر عن Western Digital أن سعة التخزين لكل مركبة يمكن أن تصل إلى 11 تيرابايت بحلول عام 2030. لاستيعاب هذه الكمية الهائلة من البيانات ، من الأهمية بمكان للشركات جلب تخزين البيانات ومعالجتها من السحابة إلى السيارة نفسها عبر البث عبر الأقمار الصناعية.
3. مخاوف أمنية - نظرًا لأن السيارات التي تعتمد على البيانات تجمع البيانات من الجمهور حيث تكون التوقعات من الخصوصية محدودة ، فمن غير المرجح أن يتحكم المستخدمون في بياناتهم ، حيث لن يتمكنوا من إلغاء الاشتراك في جمع البيانات.

نظرًا لهذه التحديات على مستوى الصناعة في اعتماد البيانات الضخمة للقيادة الذاتية ، فإن توقعات السوق هي أن مساحة القيادة الذاتية ستصل إلى مرحلة النضج في المستوى 2 قبل بدء أعمال الاستكشاف في المستوى 3 وما فوق.

يقف اليوم ، هناك حاجة لخدمات تحليل بيانات السيارات التي من شأنها أن تساعد المركبات الآلية في خارطة الطريق هذه. في Appinventiv ، نحن متخصصون في العمل مع حلول تحليلات السيارات التي تتفوق في جمع الكمية الهائلة من البيانات وتوجيهها إلى النظام الذي يحتاجها. علاوة على ذلك ، يقوم موفرو حلول تحليلات البيانات لدينا بتجميع وإثراء كتلة البيانات من خلال تنظيمها في تنسيق قابل للهضم لاستخدام السيارة.

أسئلة وأجوبة

س: كيف يتم استخدام البيانات الضخمة في تحليلات السيارات؟

ج: يمكن رؤية دور البيانات الضخمة في تحليلات بيانات السيارات في جوانب متعددة. مباشرة من جعل تجربة القيادة الذاتية عضوية إلى تصميم مركبات جاهزة للمستقبل ، ووضع اللمسات الأخيرة على النطاق السعري ، أصبحت التكنولوجيا بسرعة محورية لوجود الفضاء.

س: ما هي فوائد البيانات لتجارب القيادة الذاتية الموثوقة؟

ج: يمكن ملاحظة فوائد تحليلات السيارات التي يقودها عدد هائل من مجموعات البيانات من خلال - تحسين الاستشعار والإدراك واتخاذ القرارات بشكل أسرع والنمذجة التنبؤية ومعالجة اللغة الطبيعية.

س: ما هي التحديات في تنفيذ تحليلات البيانات الضخمة للقيادة الذاتية؟

ج. القيود التي تحيط بتنفيذ التحليلات المتقدمة في صناعة السيارات مدفوعة بشكل رئيسي بتحديات على مستوى الصناعة مثل وجود أحداث معزولة متعددة ، ومخاوف أمنية ، وغياب آلية تخزين البيانات التي يمكنها تخزين ومعالجة تيرابايت من البيانات.