Otomotiv Analitiği: Yeni Bir Kendi Kendine Sürüş Çağını Başlatmak

Kendi kendine giden arabalar şu anda tüm öfke içinde. Sürüş sırasında bunalmama hissi veya yönlere aşırı odaklanma, sürücüsüz arabaların alanını güzelleştirdi.

Sürüş deneyiminin sonucu memnuniyet olsa da, araçların bu aşamaya gelme şekli karmaşıktır. Bir arabanın hızını takip ederken, trafikten kaçarken ve insanları aracın ihtiyaçları konusunda bilgilendirirken kendi kendine sürmesi için kapsamlı bir zeka gerekir. Çeşitli teknolojilerin ve makine parçalarının bir araya gelmesini içeren bir zeka.

Otomasyon düzeyine ve zamana duyarlı zekaya ulaşmak, büyük veri kümelerine erişmeyi ve eyleme ve içgörülere dönüştürmeyi gerektirir, böylece otomotiv endüstrisinde büyük verilerin yolunu açar.

Bu yazıda, otonom sürüş deneyimini sorunsuz ve otonom hale getirmenin ötesine geçen otomotiv analitiği çözümlerinin kökenine ve rolüne dalacağız. Ancak otonom sürüş için büyük verinin rolüne dalmadan önce, teknolojinin uzaydaki rolünü detaylandırmanız gerektiğinde size sorulacak birkaç soruyu yanıtlayalım.

• Kendi kendine giden bir araç aracılığıyla ne kadar veri üretilir?

Otonom bir aracın her gün aşağıdaki gibi ayrı bölümlere ayrılmış 4.000 GB'ın üzerinde veri ürettiği tahmin edilmektedir:

• Kamera – saniyede 20-40 KB
• Radar – saniyede 10-100 KB
• Sonar – saniyede 10-100 KB
• GPS – saniyede 50 KB
• LIDAR – saniyede 10-70 KB.
• Mevcut otonom araç filosu gerçekten sürücüsüz mü?

Mevcut durumunda, otomotiv endüstrisindeki büyük veri analitiği, sürüş otomasyonunun yalnızca 2. Seviyesine kadar tamamen yer almaktadır. Kendi kendine sürüş alanında çalışan arabaların çoğu, aracın hızlanma ve yönlendirme yapması, insanların ise tüm görevleri izlemesi ve gerekli gördüklerinde kontrolü ele alması şeklinde çalışır.

2040 yılına kadar yollarda 30 milyondan fazla otonom araç olacak

Otomotiv Veri Analitiğinin Teknik Özellikleri

Otonom sürüşte büyük veri ve makine öğrenimi, arabalarda yerleşik sensörler üzerinde çalışır. Birden fazla araç içi sensörden gelen bilgiler mikro saniyeler içinde işlenip analiz edilerek yalnızca A noktasından B noktasına güvenli bir hareket sağlamakla kalmaz, aynı zamanda yol koşulları hakkında bilgi iletilir, diğer araçlarla iletişim kurulur ve araç sahipleri bilgilendirilir. araç sorunları.

Bu sensörlere ek olarak, otonom sürüş alanında çok önemli bir bileşen daha var: veri setlerinin saklanmasına ve analiz edilmesine yardımcı olan otomotiv veri analitiği yazılımı. Bir ağa bağlı olan yazılım, özellikle otomotivde 5G'nin kullanılmaya başlanmasından sonra, sensörlerden gelen bilgileri bu koşullara anında yanıt verecek şekilde buluta aktarır.

Kendi kendine giden bir arabanın sensörleri, otomotiv analitiği çözümleri ve bir bulut sunucusuna bağlantısı olmalıdır. Daha sonra, araç, GPS'ten yararlandığı konumunu bilmelidir. Pusulalar ve hız ölçerler gibi dahili sensörlerden gelen veriler birlikte yönü ve hızı tanımlar.

Bir araç konumunu öğrendiğinde, bu harita içinde kendini konumlandırmak için lidar ve radar kullanarak çevresinde ne olduğunu bilmek kolaylaşıyor. Burada işaretçiler, işaretler ve diğer engeller gibi unsurlar dikkate alınır.

Sürücüsüz otomobil, toplanan verileri kullanarak yolda meydana gelebilecek farklı durumlar için stratejiler oluşturuyor. Ayrıca otonom araçlar arasında veri paylaşımı, trafik sıkışıklığının önlenmesine, acil durumlara tepki verilmesine ve hava koşullarının dikkate alınmasına yardımcı oluyor.

Özetlemek gerekirse, otomotiv endüstrisindeki büyük veriler aşağıdaki şekillerde kullanılabilir:

• Bak ve hisset – bilgi al; toplanan verilere dayanarak planlamak ve yanıt vermek
• Çevreyi ayrıntılı olarak haritalayın
• Lidar ve kameralar aracılığıyla hızı, menzili ve mesafeyi belirleyin
• Bilgi paylaşmak için diğer arabalarla iletişim kurun.

Artık otomotiv endüstrisindeki analitiğin özüne baktığımıza göre, kullanım senaryoları aracılığıyla otonom araçlarda büyük verilerin bazı rollerine bakalım.

Otomotiv Endüstrisinde Veri Analitiğinin Rolü

Otomotiv endüstrisindeki büyük veri analitiği, hayal edilemeyecek boyutlara ulaştı. Kendi kendini süren arabalara güç sağlamaktan akıllı trafik sistemleri oluşturmaya kadar, farklı biçimleriyle yapay zeka, seyahat etme ve araçlarla etkileşim kurma şeklimizi değiştirdi. Artık otonom araçlarda büyük verinin rolü üretim, fiyat belirleme ve müşteri deneyimi alanında görülebilirken, bu makale için veri analitiği yoluyla otonom sürüşün katkılarına bakacağız.

Algılama ve Algı

Kendi kendine giden arabalar, çevreleri hakkında veri toplamak için radar, lidar, kamera vb. gibi çeşitli sensörler kullanır. Veriler daha sonra trafik ışıkları, diğer araçlar ve yol işaretleri gibi nesneleri tanımlamak için ayrıntılı bir çevre haritası oluşturmak üzere büyük veri algoritmaları aracılığıyla işlenir ve analiz edilir.

Karar verme

Otonom arabalar, araç içi sensörlerden topladıkları verilere dayalı olarak gerçek zamanlı kararlar almak için otomotiv endüstrisindeki veri analitiğini kullanır. Örneğin, araba başka bir aracın çok yaklaştığını algılarsa, yavaşlamak veya durmak gibi en iyi hareket tarzını seçmek için büyük verileri kullanır.

Tahmine Dayalı Modelleme

Sektör, otonom sürüşte başkalarının davranışlarını tahmin etmek için büyük veri ve makine öğrenimini kullanıyor. Teknoloji kombinasyonu, aracın hareketleri ve araçta meydana gelebilecek sorunları önceden tahmin etmesine ve bunları önlemek için zamanında harekete geçmesine yardımcı olur.

Doğal Dil İşleme

Otomotiv endüstrisi veri analitiğinin bir başka kullanım durumu, yolcuların araçla doğal dilleri aracılığıyla iletişim kurmasını sağlayan ses tanıma teknolojisi ile donatılmış araçlarda görülebilir. Teknoloji, otomobilin kullanıcının sözlü komutlarını anlamasına ve bunlara yanıt vermesine yardımcı oluyor.

Otomotiv endüstrisinde artan büyük veri uygulama örneklerinin arkasındaki nedenler açıktır. Ancak aynı zamanda, otomotiv analitiği çözümlerinin Seviye 2'nin ötesine geçmediği gerçeğini de göz ardı edemeyiz. Sektör çapında bir çözüm gerektiren bazı zorluklara bakalım.

Veri analitiği yoluyla otonom sürüşün zorlukları

Otomotiv endüstrisinde büyük veriden beklentiler katlanarak artıyor, özellikle otomotiv endüstrisi önümüzdeki yıllarda Seviye 4 ve Seviye 5'i ana akım haline getirmeyi planlıyor. Bununla birlikte, henüz ele alınmayan bir dizi komplikasyon vardır. Onlara bir göz atalım.

1. Çeşitli veri kümeleri – Otomotiv endüstrisinde tahmine dayalı analitiğin çalışması için denetimli ve denetimsiz veri kümelerinin karışımı uygun ve tekrarlı olmalıdır. Ancak, araba sürerken, kimsenin hatası olmadığı için kazaların meydana geldiği birçok durum vardır. Ek olarak, çok sayıda olay doğada son derece nadirdir. Dolayısıyla zorluk, bu izole edilmiş olayların birçoğundan modeller oluşturmaktır.
2. Veri depolama – Western Digital'in yakın tarihli bir raporu, araç başına depolama kapasitesinin 2030 yılına kadar 11 terabayta ulaşabileceğini ortaya koydu. Bu devasa miktardaki veriyi barındırmak için işletmelerin veri depolama ve işlemeyi buluttan aracın kendisine getirmesi kritik önem taşıyor. uydu iletimi.
3. Güvenlik endişeleri – Veri odaklı otomotiv araçları, gizlilik beklentilerinin sınırlı olduğu yerlerde halktan veri topladığından, kullanıcıların veri toplamayı devre dışı bırakamayacakları için verileri üzerinde kontrol sahibi olma olasılığı daha düşüktür.

Otonom sürüş için büyük verilerin benimsenmesindeki sektör düzeyindeki bu zorluklar nedeniyle, pazar beklentisi, kendi kendine sürüş alanının Seviye 3 ve üzerinde keşif çalışmaları başlamadan önce Seviye 2'de olgunluğa ulaşacağıdır.

Bugün gelinen noktada, bu yol haritası ile otonom araçlara yardımcı olacak otomotiv veri analitiği hizmetlerine ihtiyaç duyulmaktadır. Appinventiv'de, çok büyük miktarda veriyi toplamada ve bunları ihtiyaç duyan sisteme yönlendirmede mükemmel olan otomotiv analitiği çözümleriyle çalışma konusunda uzmanız. Ayrıca, Veri Analitiği Çözümleri sağlayıcılarımız, veri yığınını aracın kullanması için sindirilebilir bir biçimde düzenleyerek toplar ve zenginleştirir.

SSS

S. Otomotiv analitiğinde büyük veriler nasıl kullanılıyor?

A. Otomotiv veri analitiğinde büyük verilerin rolü birçok yönden görülebilir. Otonom sürüş deneyimini organik hale getirmekten geleceğe hazır araçlar tasarlamaya ve fiyat aralığını nihai hale getirmeye kadar, teknoloji hızla alanın varlığı için çok önemli hale geliyor.

S. Güvenilir otonom sürüş deneyimleri için verilerin faydaları nelerdir?

C. Muazzam miktarda veri kümesi tarafından yönlendirilen otomotiv analitiğinin faydalarına, iyileştirilmiş algılama ve algılama, daha hızlı karar verme, tahmine dayalı modelleme ve doğal dil işleme yoluyla tanık olunabilir.

S. Otonom sürüş için büyük veri analitiğini uygulamadaki zorluklar nelerdir?

C. Otomotiv endüstrisinde gelişmiş analitiğin uygulanmasını çevreleyen sınırlamalar, büyük ölçüde, birden çok yalıtılmış olayın varlığı, güvenlik kaygıları ve terabaytlarca veriyi depolayıp işleyebilen bir veri depolama mekanizmasının olmaması gibi sektör düzeyindeki zorluklardan kaynaklanmaktadır.