自动驾驶数据平台开发（自动驾驶数据挖掘）

本篇文章给大家谈谈自动驾驶数据平台开发，以及自动驾驶数据挖掘对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享自动驾驶数据平台开发的知识，其中也会对自动驾驶数据挖掘进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、专访腾讯苏奎峰：从数据要素到三大平台，自动驾驶落地提速
• 2、腾讯自动驾驶云平台构建「数据闭环」 为自动驾驶落地提速
• 3、黑芝麻智能发布瀚海自动驾驶中间件平台 助力汽车软硬件解耦

专访腾讯苏奎峰：从数据要素到三大平台，自动驾驶落地提速

数据是自动驾驶的「燃料」已成为业界共识。

4月9日，中央决策层下发的一个重要文件，让“数据要素”的重要性盖上了官方盖章，成为生产要素之一，数据资源成为了亟待挖掘的黄金宝矿。

事实上，数据要素的重要性和想象力不仅局限于此。未来 汽车 将不再是信息孤岛，是一个移动的感知终端，将与路、云端互联，通过大数据、人工智能等技术实现智慧出行，数据是链接这一切的核心因素。

在众多的自动驾驶玩家当中，构建「数据闭环」是腾讯助力产业发展，实现突围的关键路径。

数据要素高效利用背后更深层次的逻辑在于产业理解和基础架构支撑，腾讯云提供强大的云服务能力，并基于此构建高效的自动驾驶数据服务体系。因此，在关于数据要素如何驱动自动驾驶的问题上，腾讯有着自己的一番理解。

基于此，腾讯在自动驾驶业务上摆出了三个具有杀伤力的产品：大数据云平台、仿真测试平台和高精度地图。

雷锋网新智驾将对话腾讯自动驾驶业务中心总经理苏奎峰，试图了解腾讯如何用数据要素驱动自动驾驶，三大业务之间高效联动的逻辑。

在浩瀚的赛博空间里，数据是建成海量虚拟建筑的一块块砖瓦。

于自动驾驶而言， 数据以各种形式贯穿研发、生产、测试、运营等生命周期。 与此同时，数据的爆发也呈指数级增长，可以想象，玩家们面临的是如海啸一般涌来的数据。

因此在数据要素使用上，玩家们在两个维度上的能力就显得十分重要：一是数据闭环，没有闭环，数据的有效性就无法验证；二是在数据闭环的基础之上如何实现数据高效运转。

苏奎峰向新智驾表示：自动驾驶的核心竞争力在于数据要素和计算资源的低成本获取和高效利用。对数据要素进行高效收集和利用，提高数据循环链路的速度，是整个自动驾驶技术迭代的关键点。

为此，腾讯在自动驾驶业务上推出了大数据云平台和仿真测试平台、高精度地图三大业务。要理解这三大业务平台对数据闭环的高效驱动，需要追溯自动驾驶数据产生的链条。苏奎峰给新智驾举了一个例子：

由此可见，一个围绕数据采集、场景构建、测试验证、运营更新的数据流通链条得以形成。

苏奎峰也认为，数据要素利用效率的提升是全链条事情，并非一个单点就能解决。

比如从数据采集角度看，知道采集何种数据就十分重要。在了解白天黑夜、拥堵与非拥堵路段等数据需求之后，可以将动态场景进行自动或手动标定触发，从而提升数据获取效率，避免重复。

而在车辆真正在路上运行之后，也可以根据相应的触发条件，自动筛选一些有用的数据回传到云端；此外，腾讯还会提供数据管理系统，将采集回来的数据进行标签化，快速清洗、筛选、查找需要的数据，进行高效流转。

工具链涵盖从数据采集、数据训练、到算法模块评测（包括模型在环、软件在环、车辆在环、硬件在环），再到实际路测的整个自动驾驶链路。

“这个闭环体系的每个工具的每一个环节，都在提高数据要素的流转和利用效率，以便快速解决问题或加速研发。”苏奎峰如此表示。

比如遇到一个Corner case，腾讯能够从数据库里找到相关案例来标注算法训练，或快速采集相应的数据，以保证数据闭环的稳定有效。

目前，针对L2.5级以上的自动驾驶系统，腾讯都能提供云端工具链包括场景分类器等生产工具，同时提供车端与云端的一些标准，用户可以根据自己的算法需求进行选取。

基于对数据闭环和高效运作的理解，腾讯在自动驾驶的目的也呼之欲出：为行业客户提供，能够对数据要素进行高效收集和利用，提高数据循环链路速度的软件与服务，助力产业技术的演进，加速产品落地。

换言之，为行业客户提供自动驾驶云开发的工具链，集数据采集、训练、评测、更新等环节于一身。这也是苏奎峰一直在强调的腾讯在自动驾驶上的工具属性。

腾讯的大数据云平台、仿真测试平台、高精度地图三大业务，构成了这些工具链的产品形态。

以仿真测试平台为例，可以理解为，腾讯的仿真平台TAD Sim就是一部大型的、针对自动驾驶车辆的角色扮演 游戏 ，结合了专业的 游戏 引擎、工业级车辆动力学模型、虚实一体交通流等技术。

苏奎峰告诉新智驾，仿真测试非常核心的一个功能就是，能够将采集到的数据转换成有用的测试场景。

他强调道：“工具本身要求我们会使用数据，我们也有数据要素储备。但对仿真来讲，核心功能在于工具而非数据本身。有了这个工具，车辆采集的数据就可以生产大量的测试场景。”

腾讯的TAD Sim仿真平台也能够提供单机版本和云端版本。

单机版能够进行场景编辑，做各种测试验证。而云端版本则是提供云端高并发的测试能力，包括场景云仿真和虚拟城市型云仿真。

场景云仿真通过大量数据生成几十万甚至上百万的测试场景，在云端大规模并行加速，实现自动驾驶算法的高效验证。

虚拟城市云仿真，则是能够加载一个真实或编辑的城市级高精度地图，实现上百万辆交通流车辆和上千台自动驾驶主车的并行加速，进行7×24小时的不间断测试。

通过不断寻找Corner case、或是将算法处理不好的场景积累下来，丰富自动驾驶测试的场景库。

当然，这背后可以很明显地看到腾讯强大的 游戏 技术支撑的痕迹。

“仿真系统可以把数据链条打碎，然后分阶段验证，同时也会将这个链条集成验证。这从一定意义上来说更接近于实际的道路测试。但是还是要强调，实车测试永远是需要的，仿真永远代替不了实车测试。”苏奎峰说。

此前，腾讯和国家智能网联 汽车 （长沙）试验区合作了智能网联 汽车 仿真实验室。

利用高精度地图和模拟仿真技术对试验区的地理全貌进行数字化建模，实现在仿真环境下进行安全、高效的智能 汽车 实验。

除此之外，仿真测试平台的还离不开大数据云平台和高精度地图的组合。

苏奎峰表示，云化是未来的一大趋势，不光是数据存放在云端，目前在客户端的很多服务和终端决策也会随着云端趋势的加强而发生改变。

“未来随着5G通讯链路的增强、软件架构和硬件架构升级、以及云端能力的增强，自动驾驶一定会从端的分布逐渐向云端迁移。”这也是腾讯构建大数据平台的原因。

此外，腾讯表示，TAD Sim提供地图编辑器，可以直接编辑高精度地图，也可以直接导入生产的实际高精度地图， TAD Sim提供通用的高精度地图接口，能够加载地图中的道路要素信息，也可以导入建筑物、树木等等三维环境信息。

“总体来说，无论车端还是云端，这个闭环是互相嵌套的体系。最终的呈现形式可以是单独模块，但如果想提高数据的流转效率和开发效率，就需要把这个体系紧密地耦合在一起，才能发挥最大效率。”苏奎峰说。

而闭环体系中算法、数据流转的效率越高，自动驾驶的成本也越低，核心竞争力也会更强。

在工具链上有一个完整的闭环，但在商业策略上，腾讯的商业模式是灵活的。

现阶段，“全家桶”式的打包显然不能满足当下主机厂们对产品定制化的需求。

既可单兵作战，也能齐同上阵。也就是说，三大业务既可以模块化输出，也能集大成者，进行团战。总而言之，根据行业需求灵活组配甚至一定程度的定制。

与此同时，在三大核心业务能力的加持下，腾讯也一直打磨自己的自动驾驶解决方案。

相比其他玩家，腾讯并不以自动驾驶分级来划分解决方案，而是从用户高频的需求出发，提供场景化的自动驾驶解决方案，分场景、分需求逐步实现自动驾驶落地。

从2019年开始，腾讯就瞄准了高速及泊车两大用户刚需场景，并将针对这两大场景推出自动驾驶量产解决方案。

苏奎峰告诉新智驾，目前，腾讯高精度地图团队已经完成了全国高速及快速路的高精度地图数据采集及绘制工作，为实现高速场景的自动驾驶打好了基础。

至于在商业落地上，苏奎峰表示，由于互联网公司的介入，传统主机厂的固有合作模式会发生变化，尤其是软硬件分离的趋势越来越明显。“合作的模式和机制都在改变，目前腾讯与主机厂也在通过一些合作来推动模式的升级。”

比如在车端的解决方案上，腾讯既可以提供地图定位的算法模块，也可以提供感知、融合算法模块。但是不同的车厂、不同的传感器配置，仍然需要进行定制化，通用模块很难适配所有车型。

而大数据云平台方面，腾讯和宝马中国联合开发的自动驾驶高性能数据开发平台已经交付使用。

就像 游戏 中辅助角色一样，在“辅助输出”的理念下，腾讯正在用非常灵活的姿态融进主机厂、业内玩家们的自动驾驶生态之中。

正如腾讯CEO马化腾在朋友圈写道：“助力车企开发自己的自动驾驶AI算法和大数据平台”。腾讯凭借自己对数据闭环高效运作的理解与实践，有望助力车企们早日抵达自动驾驶的未来。

（雷锋网） 雷锋网

腾讯自动驾驶云平台构建「数据闭环」 为自动驾驶落地提速

数据是数字化时代全新的生产要素，数据与算法、算力的融合，正在促进人工智能行业的发展。自动驾驶作为AI技术的 皇冠 （ 查成交价 | 车型详解 ），数据的作用更是贯穿生产、测试、研发全生命周期。目前，自动驾驶走入以落地应用为目标的下半场，解决极端场景下的安全问题，也离不开大量数据支持。对数据进行高效的采集和利用，提高数据循环链路的速度，成为整个自动驾驶技术迭代的关键点。

构建数据闭环，提升自动驾驶系统的核心竞争力

要实现自动驾驶，必然要搞定大数据。利用并转化收集到海量的实际路况数据，可以帮助系统加速学习和升级，也意味着能够率先抢占高级别的自动驾驶技术高地，因此整个行业都极为重视并大力投入。

车辆要想在道路上实现完全自动驾驶，除了要依靠车辆本身的摄像头、毫米波雷达、激光雷达等传感器，还要依靠网联技术的支持。行驶时车辆依靠各种传感器“观察”道路，会产生大量数据，1.5小时的驾驶时间数据量达4TB，车端显然不适合处理和存储如此巨大的工作负载。而车端产生的大量数据，是提升自动驾驶体验、完善算法的关键资源，所以最好是共享到云端，再通过人工智能算法提供大量的训练数据来供机器学习，以搭建虚拟开发测试环境进行验证。

要想在复杂的场景中提升现阶段辅助驾驶/自动驾驶安全性，繁复的测试与验证工作必不可少，由于现实中的驾驶场景难以穷尽，极其复杂且不可预测，在开发和测试的过程中，业界一般通过采集大量的数据构建场景集，帮助汽车打造仿真环境以实现模拟测试。实际路测中，复现一次极端场景的接管可能需要1个月的时间，而依靠数据，不仅可以复现更多极端场景，还可以极大提升测试效率。

此外，在部署自动驾驶车辆之后，会产生大量的回传数据，自动驾驶系统也需要基于这些数据不断进行迭代升级，并通过OTA的方式为用户持续推送新的功能、适应更多的场景和提升体验。

由此可见，基于数据驱动的自动驾驶，在完成前期数据的收集、中间数据的存储与迁移之后，还要对后期核心数据进行训练与管理。因此，构建自动驾驶数据闭环，是自动驾驶产品研发的核心竞争力。

腾讯自动驾驶云平台驱动数据高效流转

腾讯凭借多年在大数据、AI等领域的深度积累，借助腾讯云强大的算力支持，结合本土化的交通场景和应用需求，成功研发出在工具链完整性、场景丰富性、场景真实性等方面行业领先的自动驾驶云平台，极大地提升了研发和测试效率，在云端高并发运行、真实有效性等方面实现了创新突破。

据悉，腾讯自动驾驶云平台基于云端海量存储空间与计算资源支撑，构建了数据采集管理、样本标注、算法训练评测、诊断调试、云端仿真、实车反馈闭环等全流程云服务，提供支撑自动驾驶研发的全链路云服务和开发平台。

在数据治理方面，腾讯自动驾驶云平台的样本标注服务采用国际顶级算法预标注，可在实现样本自动化生产，提升生产效率的同时，积累海量样本数据，包括全要素目标检测、跨相机目标跟踪、语义分割等图像标注、3D激光点云标注、以及精准图像与3D点云融合标注、变道标注等多种自动驾驶研发专用样本等。此外，该技术在计算节点中闭环运行全栈自动驾驶算法，支持一万个以上场景的并行计算，使得1000个测试场景的运行时间从2天大幅缩减至4分钟，并实现全自动化测评。在虚拟城市中数以千计的自动驾驶车辆不间断的持续行驶，并通过随机工况和激进交通流提升测试复杂度。

在数据应用层面，在测试工具之外，对于测试管理、政策制定等相关部门来说，仿真作为智能网联汽车最重要的测评工具,既可帮助企业掌握在车辆研发、测试和集成的不同阶段的安全边界和质量问题，也有利于相关标准制定和场景库的建设，通过信息化和标准化的手段提升智能网联汽车行业透明度。在产业互联网领域，腾讯致力于做数字化的连接器和工具箱，腾讯自动驾驶云平台也在和OEM厂商、测试场、政府机构、产业联盟乃至科研机构广泛合作，推动应用落地。

（图/文/摄： 石家庄01） @2019

黑芝麻智能发布瀚海自动驾驶中间件平台 助力汽车软硬件解耦

近日，全球自动驾驶计算芯片引领者黑芝麻智能对外发布瀚海-ADSP（Autonomous Driving Solution Platform）自动驾驶中间件平台。该中间件产品能让客户快速简便地接入并使用黑芝麻智能华山系列芯片的强大处理性能，成为黑芝麻智能打造国产大算力自动驾驶平台“矩阵”的重要一环。

中间件对于汽车软硬件解耦具有重要意义

进入“软件定义汽车”时代后，EE架构逐渐趋于集中化，汽车软件系统出现了多种操作系统并存的局面，导致系统复杂，开发成本剧增。为提高软件的管理性、移植性、裁剪性和质量，需要重新定义一套架构、方法学和应用接口，从而实现标准的接口、高质量的无缝集成、高效的开发以及通过新的模型来管理复杂的系统，即“中间件”。

中间件是基础软件的“三驾马车”之一，它作为连接应用程序和操作系统的桥梁，能够屏蔽基础硬件、操作系统和通讯协议的异构性，为应用开发者提供统一的、标准的交互界面。

当前，全球汽车行业中聚集了众多整车厂和供应商，中间件能够尽可能地让相同产品在不同车型上重复利用，以及让不同Tier1的产品实现相互兼容，进而大幅减少开发成本。与此同时，愈发复杂的软件和不同规格的硬件平台，使得软硬件组合所需要面临的挑战也成指数增长，中间件在这其中承担了承上启下的作用，便于开发者快速、高效、灵活地开发自动驾驶软件。

近年来随着自动驾驶应用从低阶到高阶的迅速发展，传统的开发模式即功能定义、硬件选型、针对不同芯片平台开发适配各自系统软件，已难以满足当前的开发需求。同时，行业对自动驾驶应用理解日趋深入，普遍认为未来自动驾驶系统软件将基于业务驱动型的SOA开发方法：既要满足当下的需求，还需具备相当的前瞻性、兼容性和扩展性，能够支持后续软硬件升级换代、增减模块的需求，使得终端客户在当前实现的功能基础上，进一步增加功能适用场景，同时提升当前已实现功能的性能指标。

面向自动驾驶的中间件，就正是这样一个可以按需调整、满足越来越复杂的底层硬件、传感器及上层应用灵活需求的平台。

自动驾驶中间件对下可以适配不同的硬件平台、传感器类型、OS内核和架构，对上可以提供统一的标准接口，支持自动驾驶数据链路上需要的各项服务，同时负责各类应用软件模块之间的通信以及对底层系统资源的调度，是未来自动驾驶方案不可或缺的一部分。

不难看出，中间件在汽车软硬件解耦的发展趋势中发挥了关键作用。为了帮助客户更好地基于黑芝麻智能华山系列芯片进行产品开发，提升研发效率，降低开发门槛和综合成本，加速产品量产，黑芝麻智能推出瀚海自动驾驶中间件平台。

为业界提供功能完善完全开放的中间件平台

瀚海自动驾驶中间件平台是黑芝麻智能基于华山系列自动驾驶计算芯片所推出的一款智能驾驶平台SDK开发包，包含Target(SoC)SDK、X86(Host主机)端SDK、Target(MCU)端SDK，可以支持车端、路端及各种智能驾驶和车路协同场景开发。

瀚海自动驾驶中间件基于大算力高性能的华山系列芯片进行了深度优化，在提供全面功能集成的同时也保证了极高的运行性能。

例如，通信组件在芯片的不同进程间可以通过零拷贝的方式进行数据传递，极大地降低了内存和系统带宽的占用；芯片与芯片之间也可以使用该组件进行通信，使得客户现有设备与华山系列芯片直接进行互连高效地获取数据；传感器抽象组件，可以通过标准数据结构实现软硬件解耦；时间同步中间件可以通过调用华山系列芯片的硬件同步机制实现ns级别的时间同步。

此外，执行管理相关组件提供一系列的诊断机制框架及操作系统的实时性增强，从而提升诊断鲁棒性、减少线程间切换开销。

l  Target(SoC)SDK提供在SOC上的运行时环境和主机端的编译环境，实现了异构计算单元实时任务调度器、传感器接入与管理服务SensorManager、高精度时间同步服务、多传感器融合服务和ADS诊断服务。BST ADS-Platform所有服务和任务节点的通信都基于BST ADS-COM通信中间件，可以在进程内/进程间/异构计算单元间/跨主机间实现高性能DDS通信，同时可以兼容CyberRT、ROS等中间件生态；

l  X86(Host主机)端SDK包含用于车路协同路侧场景的多传感器标定工具，用于数据录制、回放、可视化、实时分析的数据编排工具，任务调度、资源监控与可视化的流程编排工具、用于多传感器融合算法调试、验证和可视化的传感器融合集成开发平台。为了与SOC端进行DDS通信互联，X86 SDK中提供了DDS环境与二次开发接口；

l  Target(MCU)端SDK面向ASIL-D MCU计算平台，提供MCU端的二次开发SDK包，支持SOME/IP、PTP时间同步（IEEE 1588v2）、UDS on CAN诊断协议和日志系统。此外，Target端SDK中提供了轻量级DDS框架XRCE-DDS，可与X86和BST SOC实现DDS通信。

黑芝麻智能瀚海自动驾驶中间件平台不仅能帮助开发者快速开发出智能驾驶应用并完成部署，还可减少客户上层应用的开发工作量，缩短应用的开发时间，有助于提高客户自动驾驶应用软件的质量。此外，瀚海自动驾驶中间件平台尽可能地让相同产品能在不同车型上重复利用，以及让不同Tier1的产品实现相互兼容，从而大幅度地减少开发成本。

作为行业领先的车规级自动驾驶计算芯片和平台研发企业，黑芝麻智能积极提前布局，此次推出瀚海-ADSP自动驾驶中间件平台，体现了对技术的领先布局以及对满足客户需求的不懈追求。不仅如此，黑芝麻智能自主研发的华山二号A1000系列芯片覆盖L2-L3级别自动驾驶需要，是国内算力最大、性能最强的量产级自动驾驶计算芯片，目前已开始持续向客户出货，进入车型落地的快车道。未来，黑芝麻智能将继续以领先的自研技术与产品，积极赋能中国乃至全球智能驾驶的发展。

关于自动驾驶数据平台开发和自动驾驶数据挖掘的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 自动驾驶数据平台开发的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于自动驾驶数据挖掘、自动驾驶数据平台开发的信息别忘了在本站进行查找喔。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。