Automotive Analytics: Menghadirkan Era Baru Mengemudi Sendiri

Mobil self-driving sedang populer saat ini. Perasaan tidak kewalahan saat mengemudi atau terlalu fokus pada arah membuat ruang mobil self-driving berkembang pesat.

Sementara hasil dari pengalaman berkendara adalah kepuasan, cara kendaraan mencapai tahap itu adalah hal yang kompleks. Sejumlah besar kecerdasan diperlukan agar mobil dapat mengemudi sendiri sambil melacak kecepatan, menghindari lalu lintas, dan memperbarui manusia tentang kebutuhan kendaraan. Kecerdasan yang melibatkan beberapa teknologi dan bagian-bagian mesin yang bersatu.

Mencapai tingkat otomatisasi dan kecerdasan yang sensitif terhadap waktu memerlukan akses dan menerjemahkan kumpulan data yang sangat besar ke dalam tindakan dan wawasan, sehingga membuka jalan bagi data besar di industri otomotif.

Pada artikel ini, kita akan menyelami asal dan peran solusi analitik otomotif yang lebih dari sekadar membuat pengalaman mengemudi sendiri mulus dan otonom. Namun sebelum kita menyelami peran data besar untuk mengemudi secara otonom, pertama-tama mari kita jawab beberapa pertanyaan yang akan diajukan saat Anda harus merinci keterlibatan teknologi di luar angkasa.

• Berapa jumlah data yang dihasilkan melalui kendaraan self-driving?

Diperkirakan kendaraan otonom menghasilkan lebih dari 4.000 GB data setiap hari yang dibagi menjadi beberapa bagian terpisah seperti –

• Kamera – 20-40 KB per detik
• Radar – 10-100 KB per detik
• Sonar – 10-100 KB per detik
• GPS – 50 KB per detik
• LIDAR – 10-70 KB per detik.
• Apakah armada kendaraan otonom saat ini benar-benar tanpa pengemudi?

Dalam keadaan saat ini, analitik data besar dalam industri otomotif sepenuhnya terlibat hanya sampai Level 2 dari otomatisasi mengemudi. Mayoritas mobil yang beroperasi di ruang self-driving bekerja sedemikian rupa sehingga kendaraan melakukan akselerasi dan kemudi sementara manusia memantau semua tugas dan mengambil alih kendali kapan pun mereka anggap perlu.

Akan ada lebih dari 30 juta kendaraan otonom di jalan pada tahun 2040

Teknis Analitik Data Otomotif

Data besar dan pembelajaran mesin dalam mengemudi otonom berjalan pada sensor yang terpasang di dalam mobil. Informasi yang masuk dari beberapa sensor dalam mobil diproses dan dianalisis dalam mikrodetik, memungkinkan tidak hanya pergerakan yang aman dari titik A ke titik B tetapi juga menyampaikan informasi tentang kondisi jalan, berkomunikasi dengan kendaraan lain, dan memberi tahu pemilik tentang masalah kendaraan.

Selain sensor ini, ada satu komponen penting lainnya dalam domain mengemudi otonom: perangkat lunak analitik data otomotif yang membantu menyimpan dan menganalisis kumpulan data. Perangkat lunak, yang terhubung ke jaringan, meneruskan informasi dari sensor ke cloud sedemikian rupa sehingga waktu respons terhadap kondisi tersebut menjadi instan, terutama setelah pengenalan 5G di otomotif.

Mobil self-driving harus memiliki sensor, solusi analitik otomotif, dan koneksi ke server cloud. Selanjutnya, mobil harus mengetahui lokasinya, yang menggunakan GPS. Bersama-sama, data yang berasal dari sensor internal, seperti kompas dan spedometer, menentukan arah dan kecepatan.

Begitu sebuah kendaraan mengetahui lokasinya, akan mudah untuk mengetahui apa yang ada di sekitarnya dengan menggunakan lidar dan radar untuk melokalkan dirinya di dalam peta ini. Di sini, unsur-unsur seperti penanda, tanda, dan hambatan lainnya dipertimbangkan.

Menggunakan data yang dikumpulkan, mobil tanpa pengemudi membangun strategi untuk berbagai situasi yang mungkin terjadi di jalan raya. Selain itu, berbagi data antara kendaraan otonom membantu menghindari kemacetan lalu lintas, bereaksi terhadap situasi darurat, dan mempertimbangkan kondisi cuaca.

Singkatnya, data besar dalam industri otomotif dapat digunakan dengan cara berikut –

• Lihat dan rasakan – dapatkan informasi; merencanakan dan menanggapi berdasarkan data yang dikumpulkan
• Petakan lingkungan secara detail
• Identifikasi kecepatan, jangkauan, dan jarak melalui lidar dan kamera
• Berkomunikasi dengan mobil lain untuk berbagi informasi.

Sekarang setelah kita melihat inti analitik dalam industri otomotif, mari kita lihat beberapa peran data besar dalam kendaraan otonom melalui kasus penggunaan.

Peran Analisis Data di Industri Otomotif

Analitik data besar di industri otomotif telah berkembang ke tingkat yang tak terbayangkan. Mulai dari menggerakkan mobil self-driving hingga membangun sistem lalu lintas cerdas, AI dalam berbagai bentuknya telah mengubah cara kita bepergian dan berinteraksi dengan kendaraan. Sekarang, meskipun peran big data dalam kendaraan otonom dapat dilihat di ruang manufaktur, pengaturan harga, dan pengalaman pelanggan, untuk artikel ini, kita akan melihat kontribusi mengemudi otonom melalui analitik data.

Penginderaan dan Persepsi

Mobil self-driving menggunakan beberapa sensor seperti radar, lidar, kamera, dll., untuk mengumpulkan data tentang sekelilingnya. Data tersebut kemudian diproses dan dianalisis melalui algoritme data besar untuk membuat peta lingkungan terperinci untuk mengidentifikasi objek seperti lampu lalu lintas, kendaraan lain, dan rambu jalan.

Pengambilan Keputusan

Mobil otonom menggunakan analitik data dalam industri otomotif untuk membuat keputusan waktu nyata berdasarkan data yang mereka kumpulkan dari sensor dalam mobil. Misalnya, jika mobil mendeteksi kendaraan lain terlalu dekat, data besar akan digunakan untuk memilih tindakan terbaik, baik memperlambat atau berhenti.

Pemodelan Prediktif

Industri ini telah menggunakan data besar dan pembelajaran mesin untuk memprediksi perilaku orang lain dalam mengemudi secara otonom. Kombinasi teknologi membantu kendaraan mengantisipasi pergerakan dan masalah yang mungkin terjadi pada mobil dan kemudian mengambil tindakan tepat waktu untuk menghindarinya.

Pemrosesan Bahasa Alami

Kasus penggunaan lain dari analitik data industri otomotif dapat dilihat pada mobil yang dilengkapi dengan teknologi pengenalan suara yang memungkinkan penumpang untuk berkomunikasi dengan mobil melalui bahasa alami mereka. Teknologi tersebut, pada gilirannya, membantu mobil memahami dan merespons perintah lisan pengguna.

Alasan di balik semakin banyaknya aplikasi big data di industri otomotif terbukti. Namun pada saat yang sama, kami tidak dapat meniadakan fakta bahwa solusi analitik otomotif tidak digabungkan setelah Level 2. Mari kita lihat beberapa tantangan yang membutuhkan solusi di seluruh industri.

Tantangan berkendara otonom melalui analitik data

Ekspektasi dari big data dalam industri otomotif tumbuh secara eksponensial, terutama karena industri otomotif berencana menjadikan Level 4 dan 5 arus utama di tahun-tahun mendatang. Namun, ada sejumlah komplikasi yang belum ditangani. Mari kita intip mereka.

1. Kumpulan data yang bervariasi – Agar analitik prediktif dalam industri otomotif berfungsi, perpaduan kumpulan data yang diawasi dan tidak diawasi harus tepat dan berulang. Namun, saat mengemudi, ada banyak kejadian di mana kecelakaan terjadi karena kesalahan siapa-siapa. Selain itu, banyak peristiwa yang sifatnya sangat langka. Jadi tantangannya adalah menciptakan pola dari beberapa peristiwa yang terisolasi ini.
2. Penyimpanan data – Sebuah laporan terbaru dari Western Digital menemukan bahwa kapasitas penyimpanan per kendaraan dapat mencapai 11 terabyte pada tahun 2030. Untuk mengakomodasi data dalam jumlah besar ini, sangat penting bagi bisnis untuk membawa penyimpanan dan pemrosesan data dari cloud ke kendaraan itu sendiri melalui transmisi satelit.
3. Masalah keamanan – Karena kendaraan otomotif berbasis data mengumpulkan data dari publik di mana harapan dari privasi terbatas, pengguna cenderung tidak dapat mengontrol data mereka, karena mereka tidak akan dapat memilih keluar dari pengumpulan data.

Karena tantangan tingkat industri dalam adopsi data besar untuk mengemudi otonom, ekspektasi pasar adalah bahwa ruang mengemudi mandiri akan mencapai kematangannya di Level 2 sebelum pekerjaan eksplorasi dimulai di Level 3 ke atas.

Saat ini, ada kebutuhan untuk layanan analitik data otomotif yang akan membantu kendaraan otomatis dengan peta jalan ini. Di Appinventiv, kami berspesialisasi dalam bekerja dengan solusi analitik otomotif yang unggul dalam mengumpulkan data dalam jumlah besar dan mengarahkannya ke sistem yang membutuhkannya. Selain itu, penyedia Solusi Analisis Data kami mengumpulkan dan memperkaya kumpulan data dengan mengaturnya dalam format yang mudah dicerna untuk digunakan kendaraan.

FAQ

T. Bagaimana big data digunakan dalam analitik otomotif?

A. Peran big data dalam analitik data otomotif dapat dilihat dalam berbagai aspek. Mulai dari membuat pengalaman mengemudi sendiri secara organik hingga merancang kendaraan yang siap untuk masa depan, dan menyelesaikan kisaran harga, teknologi ini dengan cepat menjadi sangat penting bagi keberadaan luar angkasa.

T. Apa manfaat data untuk pengalaman berkendara otonom yang andal?

A. Manfaat analitik otomotif yang didorong oleh kumpulan data dalam jumlah besar dapat disaksikan melalui – penginderaan dan persepsi yang lebih baik, pengambilan keputusan yang lebih cepat, pemodelan prediktif, dan pemrosesan bahasa alami.

T. Apa saja tantangan dalam mengimplementasikan analitik data besar untuk mengemudi secara otonom?

J. Keterbatasan yang menyelimuti penerapan analitik lanjutan dalam industri otomotif sebagian besar didorong oleh tantangan tingkat industri seperti adanya beberapa peristiwa yang terisolasi, masalah keamanan, dan tidak adanya mekanisme penyimpanan data yang dapat menyimpan dan memproses data berukuran terabyte.