據(jù)外媒報道，若我們將互聯(lián)及自動駕駛汽車視為下一款殺手應用（killer app），數(shù)據(jù)平臺將為互聯(lián)汽車應用提供必要支持。為此，數(shù)據(jù)平臺務必要滿足以下條件：
規(guī)?；膶崟r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?shù)亩喾N數(shù)據(jù)輸出，從而對車輛的位置及車輛周邊環(huán)境有個全面了解。
經(jīng)計算得出，自動駕駛汽車每小時所產(chǎn)生及處理的車載數(shù)據(jù)量將高達4TB。為此，數(shù)據(jù)平臺需要支持實時數(shù)據(jù)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(yè)內人士愈發(fā)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(shù)據(jù)平臺需支持各類處理引擎及數(shù)據(jù)類型，還需要為復雜應用開發(fā)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(shù)據(jù)中心/云端之間務必要實現(xiàn)雙向數(shù)據(jù)傳送，從而使機器學習建?？苫跀?shù)據(jù)中心中所存儲的試驗（數(shù)據(jù)）來實現(xiàn)重新打分及改進。
該數(shù)據(jù)平臺將為互聯(lián)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(xù)、協(xié)調性數(shù)據(jù)流提供支持，實現(xiàn)數(shù)據(jù)中心與/或云端及車輛間的無縫式數(shù)據(jù)傳輸。
據(jù)業(yè)內人士透露，目前主要的挑戰(zhàn)在于管控傳感器產(chǎn)生的數(shù)據(jù)，因為這類數(shù)據(jù)體量大、傳輸速度極快，數(shù)據(jù)平臺需要采用機器學習等新興運算框架為該類數(shù)據(jù)的實時處理提供輔助，從而實現(xiàn)互聯(lián)汽車與數(shù)據(jù)中心的無縫連接。
未來，數(shù)據(jù)管理平臺供應商將處于互聯(lián)汽車生態(tài)系統(tǒng)價值創(chuàng)造的核心位置。
微信掃一掃
