智能物联-自动驾驶核心技术
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》
中国自动驾驶市场潜力巨大。麦肯锡预测,在中国乘用车市场,到2040年,自动驾驶将占到乘客总里程的约66%,自动驾驶车辆的销售收入将达0.9万亿美元,与自动驾驶相关的移动出行所带来的市场收入将达1.1万亿美元*1。自动驾驶作为智能汽车、智能交通发展的一致方向,已经被我国列为重点发展领域。《新一代人工智能发展规划》提出要重点发展汽车产业中的自动驾驶技术,并且要在智能交通建设和自主无人驾驶技术平台等方面实现突破。而这一进程的推进离不开云计算平台,以及云层之上大数据分析、物联网、人工智能的支撑。
- 自动驾驶的价值
自动驾驶作为构建智慧出行服务新型产业生态的核心要素,在提高道路利用率的同时,还成为了消费升级的新动力。随着自动驾驶的不断完善,还将加速汽车产业链价值重心进一步向后服务倾斜,提高基于道路、交通等数字化服务的业务增长空间。
消费升级:自动驾驶技术的应用,让驾驶员能够从随时关注和调整汽车行驶状态的环境脱离出来,通过人工智能,办公、娱乐、生活等成为驾乘人员在汽车出行中的新选择,人们从传统的消费转变为智能消费,实现了消费体验的全面升级。
提高道路利用率:在城市交通中,由于车辆增长速度远大于道路增长速度,再加上不良行驶习惯,例如抢红灯、插队、路边乱停车等,使得道路拥堵成为城市交通管理的一大难题。自动驾驶与智能交通管理的协同使用,能够通过对路况变化的感知,自动调节车辆驾驶状态,更好地管理交通流量,从而有效释放道路资源,增强道路通行能力,缓解拥堵,提高道路利用率。
降低碳排放:自动驾驶技术成熟后,共享出行将成为城市交通的主要模式。届时,满足现有出行需求的汽车保有量将显著下降。根据密歇根大学的测算,一辆自动驾驶共享汽车(Shared Autonomous Car)可以取代9.34辆传统汽车*2。这不仅意味着车辆利用率的提高,同时车辆总量的减少将大幅降低碳排放,实现社会发展低碳化。
- 我国自动驾驶发展三阶段
我国自动驾驶的发展历程可以分为三个阶段*3:
来源:麦肯锡,How china will help fuel the evolution in autonomous vehicles
第一阶段,~2023:在这一阶段,自动驾驶技术已经准备就绪,但受限于我国复杂的交通环境,例如高度复杂的标识、交通信号灯和道路标志尚未完全标准化,以及驾驶员不良习惯驾驶等,导致自动驾驶的初步使用,更多的在具有更少交通流量且驾驶要求更为简单的郊区进行,且驾驶速度只能维持在60km/小时以下的低速。
第二阶段,~2027:到2027年,自动驾驶技术不断发展,已经解决了城市和郊区驾驶的大部分所需条件,开始得到大规模的商业化采用。但自动驾驶还需解决坏天气带来的信号不佳,以及乡村独特的交通复杂性以及道路标识不统一的问题。
第三阶段,~2032:“移动即服务”(MaaS)在中国市场的快速增长,带来对自动驾驶出行的强烈需求。在这一阶段,随着自动驾驶技术的日益成熟和成本的逐步降低,自动驾驶将在城市、郊区和农村得到全面采用。
从技术角度而言,自动驾驶的过程涉及众多技术,其中感知、智能引擎和机器学习这三点非常关键。
感知:在工业互联网下,通过传感器、通信设备以及连接设备的数字化技术来感知多车型、多场景车辆数据,通过传感多数据交互,边缘端实时处理,实现实时、可靠的系统响应和感知。
智能引擎:在云层之上,结合大数据和人工智能,对收集的车辆海量数据进行实时处理,并作出智能决策,是实现自动驾驶的关键。这就需要自动驾驶系统具有高速可靠的计算能力,能够通过智能大数据分析,对车辆行驶做出相应决策。
深度学习:自动驾驶过程中,需要对基于汽车行驶的数据、性能评价进行智能判断、诊断和维护,这就对深度学习提出了要求,需要先进的深度学习框架,通过机器学习建模根据数据进行训练和改进。
- AWS加速自动驾驶
全球先进的传统汽车制造商Rolls-Royce、BMW、Volvo、Toyota、Remault、福特、德国奥迪和新兴出行服务商如Lyft都是基于AWS ,以及云层之上的物联网、大数据和人工智能,满足车联网和自动驾驶的开发和部署需求。基于云平台灵活、丰富的计算资源,在运用大数据技术和先进的人工智能算法基础上,AWS自动驾驶系统分为车、云(平台)两层,通过车云协同,AWS一整套服务可助力自动驾驶的开发和部署。
AWS 具备及用户所需的存储,支持海量数据存储。AWS Snowball Edge Storage Optimized 提供了 100 TB 的容量和 24个 vCPU,满足本地存储和大型数据传输需求。
Amazon Elastic Compute Cloud (Amazon EC2) P3 实例提供灵活且强大的高性能计算能力,可以实现高达 1 petaflop 的混合精度性能,显著加快机器学习和高性能计算应用程序的速度。且Amazon EC2 P3 实例支持所有主流机器学习框架,包括Apache MXNet、TensorFlow 和 PyTorch 等。
Amazon SageMaker 机器学习托管服务,能够让自动驾驶研发人员快速构建、训练和部署机器学习模型,在减少研发工作量的同时降低成本,缩短产品面世周期。
AWS IoT Greengrass 提供边缘计算及机器学习推理功能,可以实时处理车辆中的本地规则和事件,同时尽可能降低向云传输数据的成本。
下面我们通过两个实际案例看看AWS 如何助力自动驾驶。
- 丰田研究所利用AWS深度学习加快自动驾驶速度
自动驾驶系统的开发和部署,需要IT具有收集、存储和管理大量数据的能力,高性能计算能力和先进的深度学习技术,以及实时处理车辆数据的能力。丰田旗下的丰田研究所(Toyota Research Institute,以下简称TRI)的首要任务之一就是通过人工智能,帮助丰田生产更安全、更可用、更环保的汽车,为此,他们在AWS云服务基础上,通过Amazon EC2 P3实例、Amazon Simple Storage Service (Amazon S3)、Amazon Simple Queue Service (Amazon SQS)和AWS网络服务构建了一个可扩展且高性能的解决方案。Amazon EC2 P3实例为机器学习模型培训提供了所需的核心计算能力,在快速优化和重新培训模型的基础上,将培训模型的时间缩短了75%,显著加快TRI的自动驾驶研究和开发速度;通过Amazon S3,TRI能够快速存储和检索任何地方任何数量的数据,并将这些数据用于机器学习模型和模拟的分析和再培训;TRI还使用Amazon SQS协调远程数据采集站点之间的数据传输,并根据需求调整计算和存储资源。通过这一方案的部署,TRI的数据科学家和机器学习工程师能够更快地迭代、培训更多模型,并在应用程序中建立竞争优势,从而缩短研发自动驾驶研发周期,向未来帮助丰田生产更安全的汽车这一目标迈进。
- AWS助力TuSimple 开发自动驾驶卡车系统
创立于2015年9月的TuSimple(以下简称“图森”)一直专注于研发可商用的 L4 级别(SAE 标准)无人驾驶卡车解决方案。该解决方案以摄像头为主要传感器,融合激光雷达和毫米波雷达,实现了感知、定位、决策、控制等无人驾驶核心功能,能够让货运卡车在干线物流场景和半封闭枢纽场景中实现全无人驾驶。借助AWS云服务,图森加快了这一解决方案的开发效率和速度,并降低开发成本。AWS具备用户所需的计算和存储,通过AWS Snowball Edge,图森能够加速将海量数据传输到AWS云并进行处理,从而让图森能够进行非常广泛的模拟驾驶测试;通过AWS 弹性云服务,图森能够创建和训练其深度学习模型,从而将培训时间从数天缩短至数小时。借助AWS,图森建立了自主驾驶仿真平台,可以在其用于导航卡车的每一种算法上运行数百万英里的模拟里程,从而使安全可靠的自动车辆成为现实。
自动驾驶的实现,不仅要求通过传感器对周围环境实现感知,同时具备更强大的数据分析能力,通过数据进行智能决策和控制。针对自动驾驶开发的AWS云服务,借助云计算、大数据、物联网、人工智能,加快了汽车制造商和研发机构在自动驾驶系统这一方向的研发进程。借助AWS云服务,TRI和图森加快了自动驾驶研发的速度,向可靠、安全的自动驾驶不断前进。
* 1来源 麦肯锡,《自动驾驶在中国》
* 2 来源 University of Michigan Transportation Research Institute,《Potential Impact of Self-Driving Vehicles on Household Vehicle Demand and Usage》
* 2 来源 麦肯锡,How china will help fuel the evolution in autonomous vehicles, https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/how-china-will-help-fuel-the-revolution-in-autonomous-vehicles
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
汽车数字化零售优化全渠道体验
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 随着数字商城、AI+零售、汽车超市、全渠道营销等在汽车零售业的快速发展,当前的汽车零售业,正在通过各种数字化技术打通数据壁垒,在重构线上线下零售场景的同时,优化消费者全渠道购物体验,通过将消费者数据转化为效率,成功实现汽车零售。 数字时代,汽车零售业在快速地从传统以网点和产品为中心,向以消费者为中心的业务模式转变。在欧美市场,以前习惯于在其他行业使用全渠道体验的消费者,现在在购买下辆车时,也希望能够拥有同样的体验。仅过去的12-18个月内,在进行汽车采购时受到数字和移动影响的消费者比例,就从40%增加到55%。依赖数字工具进行车辆研究的汽车消费者,在线购物时间占75%*1。相对欧美,中国市场的汽车零售还是以传统的网点式线下销售网络为主。麦肯锡相关报告显示*2,在中国,过去五年里汽车经销商的数量翻了一倍还多,可是在美国和欧洲,这一数量却下降了15%。因此,通过数字化实现全渠道销售,并提升全渠道用户体验,是未来汽车零售业务拓展的关键。 汽车零售需要数字化 数字化时代,汽车零售之所以出现新的业务模式和需求,并且对数字化的...
- 下一篇
业务就绪:混合云的连锁反应
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 混合云具有很多好处,从提供更大的灵活性,到提供更高的效率,或快速实现的成本节约,有很多文章对此进行介绍和描述。虽然这些好处看起来很难被忽视,但在采用混合云的过程中会产生连锁反应,这种混合云与技术本身无关,而更多的是与它所释放的业务变化有关。 在很大程度上,关于混合云未来发展的讨论正转向随着技术影响的实现而被揭示的长期、高影响的商业机会。这种讨论的焦点集中在“业务就绪”上,或者改变它的工作方式,以便更好地准备支持业务及其需求。 当IT管理者在企业决策者占有一席之地时,重要的是要强调混合云方法是让IT能够满足组织的需求,以及何时何地需要它。这种灵活性以及对所有技术的一致性的承诺,如果它不仅消除了企业高管在权衡高影响力业务决策时面临的障碍,而且还创造了加速其战略的新途径,这可能是非常宝贵的,这可能跨越引入新服务,拓展新市场,建立新的合作关系,或收购和整合公司。 改变IT的角色 管理组织的IT基础设施从来都不是一项简单的任务。多年来,新技术、设备、软件和增加的数据共享都为IT环境带来了不同程度的复杂性。近年来,组织越来越依...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS8安装Docker,最新的服务器搭配容器使用
- 设置Eclipse缩进为4个空格,增强代码规范
- Red5直播服务器,属于Java语言的直播服务器
- SpringBoot2整合Redis,开启缓存,提高访问速度
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS7安装Docker,走上虚拟化容器引擎之路