在当今的科技浪潮中，自动驾驶技术备受瞩目，而数据驱动式开发则成为这一领域的核心。数据驱动式开发成为了自动驾驶系统领域的重要方法，收集大量行驶数据，并将其用于构造各种测试场景，以验证软件的性能和安全性。
01
数据的充分利用对于开发高级自动驾驶系统至关重要。当前，许多智能驾驶系统仍依赖于驾驶员的人工干预，但预计未来将会有更多不需要人工干预的自动驾驶系统问世。这就需要大量的数据来支持系统的开发和验证。预计从2025年开始，不需要人工操作或监控的智能驾驶系统的实际应用将逐步扩大，为了跟高阶智能驾驶辅助系统的发展，软件开发方式也需要不断升级，如果满足ODD（运行设计域）的条件（例如在高速公路上以不超过100km/h的速度行驶），在无需人工干预或监控的前提下，系统可以掌管所有驾驶操作。为了将这样的系统投入实际使用，有必要确保系统在ODD内的各种条件下都能安全运行。开发工程师在进行开发之前，很难提前预测到实际驾驶过程中会遇到的具体情况。尤其难以提前预测的是车载传感器会误识或无法识别物体的情况。需要实际驾驶配备各种传感器的测试车辆来收集数据，并验证传感器在哪些驾驶场景下会发生故障。面对庞大的数据量，自动化成为了数据筛选的关键。从摄像头、激光雷达到毫米波雷达，车载传感器产生的数据量巨大。大部分数据都是不必要的，因此如何从中筛选出关键数据成为了挑战。最后一步是将筛选出的数据转化为可用于软件测试的形式。通过重放测试和场景测试，开发人员可以评估自动驾驶软件在不同情景下的表现，并不断改进系统。数据驱动式开发为自动驾驶技术的发展奠定了基础，但未来仍然充满挑战。从现实生活中收集数据并在虚拟环境中进行测试将成为主流，为高性能且安全的自动驾驶软件开发提供支持。
在数据驱动的营销活动中，面临着海量的测量数据，这些数据被记录在不同的场景中，每个场景都具有不同的信号类型。例如，我们可以记录测量值 A、B 和 C，并将它们与场景文件 1、文件 2 等相关联。信号类型包括 Flexray、Video、ECU-X、ECU-Y、ECU-Z 等等，它们提供了关于每个驾驶活动的丰富信息。对于数据的元数据格式，可以记录了基本信息，如记录时间、日期、车辆 ID，以及核心数据的描述。此外，我们还附加了各种标签，例如事件、序列等，以提供额外的上下文。考虑到每秒记录 8GB 的数据，我们需要高效地管理和可视化这些数据。因此，我们选择从每个文件中提取样本，并进行时间戳的减少，以减少重复数据的存在。在数据的可视化方面，根据不同的需求和功能，生成各种级别的可视化效果。从驾驶活动的整体评估到特定场景下的信号分析，使用交互式图表、绘图和地图来呈现数据，有助于更好地理解数据的分布、变化趋势以及任何可能的异常情况。在数据分析过程中，还需要考虑到数据的丰富性，以提供更多的统计信息和上下文，使用不同的算法来选择、过滤和调整数据，以满足不同团队的需求。同时，建立一个智能的数据管理平台也非常重要，以便有效地访问和管理数据。目前两种发现未知信息的方法：场景网格递归神经网络和嵌入式方法，可以帮助我们从数据中提取有意义的信息，以更好地理解驾驶场景。数据驱动式开发正在重塑汽车行业的未来，为实现更安全、更智能的自动驾驶技术提供了强大的支持。随着技术的不断进步和创新，我们有理由相信自动驾驶技术将不断发展，并最终实现普及。
