数据是数字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技术皇冠上的明珠，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，在解决极端场景下的安全等问题方面，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
在自动驾驶的研发过程中，大数据如影随形。高效利用并转化海量实际路况数据，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数据闭环的建设。
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，每小时的驾驶时间数据量达TB级，在当前的多数场景下，车端显然不适合处理和存储如此巨大的数据负载。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，所以当下更好的选择是端云结合，将数据有策略的回传到云端，再通过人工智能算法标注和提取大量的训练数据，为算法训练和仿真提供输入，实现虚拟开发测试环境的搭建、验证和算法迭代。
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，充分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，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一般要以月为周期单位，相比之下依靠数据与仿真测试手段，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。
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自研AI算法预标注，可辅助人工实现样本数据的自动化生产，在提升生产效率的同时，积累了海量样本数据；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算法训练数据。此外，腾讯自动驾驶云平台聚合多元方案，结合云端优势，日仿真里程数超千万公里；将海量测试场景的运行时间从天级大幅缩减至小时级、分钟级，并支持全自动化测评，极大提升了客户自动驾驶算法的迭代效率；
在数据应用层面，对于自动驾驶车辆测试管理、政策制定等相关政府部门来说，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测试场景数据库的建设，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与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。
热门专题
