蓋世汽車訊 1月4日，互聯車輛數據（CAD）供應商Wejo宣布開發出突破性的 Wejo Neural EdgeTM平臺，可智能處理大規模車輛數據，同時提供準確信息，保護隱私并推動汽車創新。

（圖片來源：Wejo）

當今車輛會生成大量數據，但對于其他車輛和為智慧城市賦能的基礎設施而言，在利用和擴展實時車輛通信方面的潛在障礙是延遲和數據存儲成本。通過與Microsoft Azure合作，并由Wejo的ADEPT平臺提供支持，Wejo Neural EdgeTM 優化了車內管理數據的方式，并在邊緣進一步處理，最終實現云通信。該過程不僅可以減少數據過載，并最大限度地提高數據洞察力，而且還可降低汽車制造商的成本并改進車輛制造，從而提供更好的駕駛體驗，即實現更安全的車輛，進而推動電動汽車（EV）和自動駕駛（AV）的進一步發展，并減少擁堵和排放。

Wejo創始人兼首席執行官Richard Barlow表示：“如今的車輛每小時產生大約25 GB的數據，且隨著車輛技術的進步，還會增加更多傳感器，因此數據過濾和神經邊緣處理技術對于減少過載并推動行業發展至關重要。通過與微軟和Palantir合作，Wejo能夠解決大量數據帶來的問題，且Wejo Neural EdgeTM將進一推動自動駕駛增長。”

在將基本信息傳至云端前，Wejo Neural EdgeTM會先過濾和分析大量AV、EV和CV數據。而這一點是通過利用Wejo正在開發的車載邊緣處理來實現的，且該處理僅在將有用和有價值的CVD傳輸到云端前對其進行過濾。將嵌入式軟件技術與Microsoft Azure云計算平臺相結合，Wejo Neural EdgeTM能夠通過以下幾種方式推動汽車創新：

• 通過優化車輛數據，降低汽車制造商的網絡和存儲成本。利用車輛芯片組中的嵌入式軟件，Wejo Neural EdgeTM可以智能選擇從車輛發送到云端的數據并確定其優先級。

• Wejo Neural EdgeTM可利用機器學習算法重構車輛行程和事件數據，從自動駕駛、電動和其他互聯車輛中提取20%的數據，并將其重構以代表全部數據，但不會損失數據保真度或完整性。該過程不僅意味著降低存儲要求，且降低了功耗。

• 支持車到車（V2V）和車到基礎設施（V2X）通信。Wejo Neural EdgeTM可實現自動駕駛、電動和互聯車輛數據的標準化和集中化，不僅為近乎實時的通信提供了關鍵構建塊，而且還支持與道路標志、交通燈和停車場等基礎設施服務的通信，因此車輛可以輕松預測前方道路并優化出行體驗。

• 提供車輛和城市的數字孿生，以重塑對移動出行相關的整個產品和服務生態系統的認知。在仿真環境中，Wejo Neural EdgeTM可以構建美國的數字孿生模型，以模擬不同城市的車輛需要如何響應和導航，從而在智慧城市中再學習成為AV或EV，但無需浪費大量物理硬件或車輛基礎設施成本。

隨著越來越多的汽車制造商不斷利用車輛數據，Wejo Neural EdgeTM和Wejo的通用數據模型將使不同制造商的品牌和車型能夠使用相同的數據語言，而這是支持車輛間通信以及車輛與基礎設施和服務通信的關鍵組件。Wejo與Palantir的持續合作將進一步推動Wejo Neural EdgeTM解決當前問題，并為未來決策提供信息。

返回第一電動網首頁 >