據外媒報道，若我們將互聯及自動駕駛汽車視為下一款殺手應用（killer app），數據平臺將為互聯汽車應用提供必要支持。為此，數據平臺務必要滿足以下條件：

規模化的實時處理能力

自動駕駛汽車將綜合考慮雷達（10-100 KB/s）、聲吶（10-100 KB/s）、GPS（50 KB/s）、攝像頭（20-40 MB/s）及激光雷達所傳輸的多種數據輸出，從而對車輛的位置及車輛周邊環境有個全面了解。

經計算得出，自動駕駛汽車每小時所產生及處理的車載數據量將高達4TB。為此，數據平臺需要支持實時數據處理及決策能力（例如：應對制動或加速操作時）。

機器學習及深度學習

業內人士愈發強調采用機器學習及深度學習技術，從而作出更好的決策。這意味，需要Caffe2或TensorFlow等新興軟件框架來提供支持，未來還將會有更多新的軟件框架應運而生。

為支持上述應用，數據平臺需支持各類處理引擎及數據類型，還需要為復雜應用開發過程提供輔助，且確保軟件沖突應盡可能小。

分布式運算

在許多情況下，車輛與數據中心/云端之間務必要實現雙向數據傳送，從而使機器學習建模可基于數據中心中所存儲的試驗（數據）來實現重新打分及改進。

該數據平臺將為互聯汽車應用提供支持，該平臺不關注基礎（infrastructure agnostic），但務必要為持續、協調性數據流提供支持，實現數據中心與/或云端及車輛間的無縫式數據傳輸。

據業內人士透露，目前主要的挑戰在于管控傳感器產生的數據，因為這類數據體量大、傳輸速度極快，數據平臺需要采用機器學習等新興運算框架為該類數據的實時處理提供輔助，從而實現互聯汽車與數據中心的無縫連接。

未來，數據管理平臺供應商將處于互聯汽車生態系統價值創造的核心位置。

返回第一電動網首頁 >