Für Fahrzeuge auf verschiedenen Ebenen ist auch die Menge der zu sammelnden Daten exponentiell gestiegen. Nehmen wir als Beispiel die derzeit übliche L3-Stufe mit der Einführung von 4K-Ultra-High-Definition-Kameras, 128-Zeilen-Lidar und anderen Sensoren. Die vom Datenerfassungssystem 8 Stunden am Tag aufgezeichnete Datenmenge beträgt bis zu 30 TB . Sagen wir es so: Nvidias selbstfahrende Technologietests zeigen auch, dass das Datenerfassungssystem für das Fahrzeuglernen ein Solid-State-Speicherlaufwerk (SSD) im Terabyte-Bereich in wenigen Stunden füllen kann.
Wie wir alle wissen, gibt es fünf Stufen der Fahrzeugautomatisierung. Je höher der Automatisierungsgrad, desto größer ist der Datenspeicherbedarf. Autonome Fahrzeuge der Stufe 2 erfordern beispielsweise eine vollständige menschliche Bedienung, verfügen aber über zusätzliche automatisierte Systeme wie Spurwechselassistent, Erkennung des toten Winkels oder automatische Parkfunktionen. Bowman geht davon aus, dass autonome Fahrzeuge der Stufe 2 4 bis 10 Petabyte an Daten benötigen werden.
Allerdings benötigen autonome Fahrzeuge der Stufe drei 50 bis 100 PB Datenspeicher, und autonome Fahrzeuge der Stufe fünf benötigen mehr als 3 EB Speicherplatz. „Autonomes Fahren der Stufe 3 bedeutet, dass das Auto selbst fahren kann“, sagte Bowman. „Autonomes Fahren der Stufe 5 bedeutet, dass das Auto vollständig selbst fahren kann.“ Die Herausforderung liegt nicht in der Speicherphase, sondern in der Übertragungsphase, wenn Fahrzeuge auf die Straße gebracht werden, um beispielsweise Daten von Kameras, Laserscannern und Radargeräten aufzuzeichnen. Dies kann jedes Fahrzeug jeden Tag tun und 80 TB Daten generieren.
Da Edge-Knoten Dienste für mehrere Benutzer (Fahrzeuge) innerhalb eines bestimmten Bereichs gleichzeitig bereitstellen können, sind Ressourcenzuweisung und Benutzeraufgabenkonkurrenz die Hauptfaktoren, die sich auf die Leistung auswirken. In einem bestimmten Dokument wird der Wettbewerb im Prozess der Fahrzeugaufgabenauslagerung erörtert . Das Konfliktproblem wird in ein Mehrbenutzer-Spielproblem umgewandelt, das die Existenz des Nash-Gleichgewichts des Problems beweist und einen Distributed-Computing-Offloading-Algorithmus implementiert. Darüber hinaus konzentriert sich die obige Literatur auf die Kommunikationsgeschwindigkeit und Zuverlässigkeit während der Aufgabe Die Optimierungsanalyse wurde in drei Aspekten durchgeführt: Leistung und Verzögerung, und es wurde ein Framework zur Verwaltung von drahtlosen Netzwerkressourcen vorgeschlagen, das das Bewusstsein für die Servicequalität unterstützt. Das Problem der Ressourcenzuteilung wurde in Blöcke von Fahrzeugclustern, Ressourcenblockpoolzuteilung zwischen Clustern und unterteilt Ressourcenzuweisung innerhalb des Clusters. 3 Unterprobleme und Implementierung einer Optimierungsmethode basierend auf der Graphentheorie:
Zuerst wird die Fahrzeugpartitionierung in ein Clusterpartitionierungsproblem umgewandelt, damit die kollaborative Steuerung zwischen Fahrzeugen das Verborgene vermeiden kann Terminalproblem und vermeiden Sie das durch Halbduplex-Kommunikationseinschränkungen verursachte Problem.
Das Problem der Ressourcenblockpoolzuweisung für die Gruppe wird basierend auf einem gewichteten Ressourcenkonfliktdiagramm in ein Max-Min-Fairness-Problem umgewandelt, das das Problem des Spektrums löst Nutzungsverbesserung (verursacht durch effiziente Wiederverwendung von Kommunikationsressourcen zwischen Clustern) und Kompromisse zur Begrenzung von Wettbewerbskonflikten zwischen Clustern Da die Verbindung zwischen dem Fahrzeug und dem Knoten nach kurzer Zeit verloren geht, was zu Verarbeitungszeit und einem Anstieg des Energieverbrauchs führt, wurde ein Task-Ersetzungsalgorithmus vorgeschlagen, um die Verarbeitungsaufgabe vom ursprünglichen Knoten auf den nächsten möglichen Zielknoten zu verlagern Entsprechend der berechneten Ersetzungszeit beschränkt sich der Forscher nicht auf die Auslagerung einer einzelnen Aufgabe, sondern implementiert eine teilweise Auslagerungsstrategie für den gesamten Auslagerungsprozess Die Leistung des Fahrzeugendes und des Edge-Service-Knotenendes muss entsprechend den aktuellen Systembedingungen (z. B. Kanalqualität, Verkehrslast) berücksichtigt werden. Berücksichtigen Sie gleichzeitig zwei stochastische Optimierungsprobleme, die miteinander gekoppelt sind und a große Menge an Zustandsinformationen und Steuervariablen auf der Fahrzeugseite und der Knotenseite. Konkret entkoppelt dieser Algorithmus das bilaterale stochastische Optimierungsproblem in zwei unabhängige rahmenweise Optimierungsprobleme basierend auf dem Lyapunov-Algorithmus: Für Fahrzeuge wird die Auslagerungsstrategie durch Vergleich der lokalen Verarbeitungskosten mit der Aufgabenauslagerung ausgewählt Kosten: Die CPU-Anpassungsfrequenz wird anhand der vorgeschlagenen Zielfunktion berechnet. Für den Randknoten wird zunächst ein leichter Ressourcenversorgungsalgorithmus vorgeschlagen. Anschließend wird ein iterativer Algorithmus verwendet, der die drahtlosen Ressourcen und den Energieverbrauch gemeinsam optimiert Lagrange schlägt einen doppelten Entkopplungsalgorithmus vor. Gleichzeitig wählte der Forscher TV-Leerraum für die drahtlose Datenübertragung zwischen Fahrzeugen und Randknoten und gleicht damit herkömmliche Mobilfunk- und WLAN-Technologien aus wie Fi haben die Kommunikationseffizienz verbessert. Gleichzeitig gibt es für mehrere Benutzer in einem bestimmten Bereich normalerweise mehrere Knoten, die Auswahlmöglichkeiten bieten. Der JSCO-Algorithmus wandelt das Entscheidungsproblem der Lastverteilung und Aufgabenverlagerung in einem Kontext mit mehreren Knoten und mehreren Benutzern in ein nichtlineares Programmierproblem mit gemischten Ganzzahlen um und kann mit geringer Komplexität die drei Probleme Knotenauswahl, Optimierung der Rechenressourcen usw. berechnen Entlastung der Planentscheidungen Maximierung der Systemauslastung unter Beibehaltung von Latenzbeschränkungen. Einige Fachleute sagten, dass 5G für die Forschung und Entwicklung autonomer Fahrzeuge wichtig sei und Produktion sind von entscheidender Bedeutung, insbesondere in den nächsten 5 bis 10 Jahren, wenn mehr Technologie in Autos integriert wird. Er sagte: „Heutige Autos sind mobile Rechenzentren auf der Straße. Daher müssen die Daten im Fahrzeug vorverarbeitet werden, um beispielsweise wertvolle Daten zu identifizieren, die es wert sind, über 5G an das Rechenzentrum übertragen zu werden.“ Er sagte auch, dass selbstfahrende Autos Edge-Daten speichern müssen, also Daten im Auto speichern müssen. „Sie benötigen Compute-Edge-Speicher, insbesondere an Orten, an denen es keine 5G-Abdeckung gibt. Das ist ein weiteres Problem, da Sie die Daten im Fahrzeug zwischenspeichern müssen, um sie zu senden, sobald ein 5G-Signal vorhanden ist.“ Ein weiteres Problem im Zusammenhang mit 5G ist die Upload-Geschwindigkeit. Einige Fachleute sagten: „5G ist für das Hochgeschwindigkeits-Download-Streaming von Daten konzipiert, daher ist die Upload-Geschwindigkeit nicht so hoch. Daher kann man über 5G nicht wirklich große Datenmengen hochladen. Es ist für die Datenübertragung vom Rechenzentrum zum.“ „Aber der Vorteil von 5G ist die geringe Latenz.“ Die Cyberspace Administration of China hat am 12. Mai letzten Jahres die „Automotive Data Security“ veröffentlicht Jahr Nach einer kleinen Schwankung schien der „Verwaltung bestimmter Bestimmungen (Entwurf für Kommentare)“ (bezeichnet als „Entwurf für Kommentare“) schnell auf den „Grund des Teiches“ gesunken zu sein und wurde von der Aufregung in überschattet der Automobilindustrie wie etwa der grenzüberschreitenden Automobilfertigung. Aber Automobilunternehmen wissen sehr gut, dass dies nicht nur ein Plan zur Kontrolle von Datensicherheitsrisiken ist, der durch die Tesla-Kontroverse hervorgerufen wurde. Auf einer tieferen Ebene wurde die „Fluch“-Warnung vor dem Sammeln von Benutzerdaten ausgesprochen. „Wenn diese Verordnung endlich umgesetzt wird und strikt vorschreibt, dass Daten nur im Auto belassen werden dürfen, und Automobilunternehmen keine neuen legalen Datenerfassungskanäle eröffnen, dann könnte sich die Entwicklung der inländischen autonomen Fahrtechnologie tatsächlich um mehrere Jahre verzögern“, sagte er Eine bestimmte Branchenbehörde sagte unter der Bedingung der Anonymität. Aber nicht alle Automobilhersteller entscheiden sich dafür, abzuwarten und zu sehen, wie die Fahrdaten der Nutzer auf echten Straßen aussehen. Dies ist eine wichtige Unterstützung für Automobilunternehmen, um ihre autonome Fahrtechnologie schrittweise zu aktualisieren und zu verbessern. Zu diesem Zweck haben einige Unternehmen begonnen, neue Geschäftsmodelle für die Datenerfassung zu entwickeln. Im April dieses Jahres veröffentlichte SAIC Zhiji die Mining-Methode für digitale Nutzer-Assets „Rough Stone“ basierend auf seiner Benutzerdatenrechte-Plattform CSOP (Cus-tomerShareOptionPlan). Ziel ist es, über diese Plattform Datentransaktionen mit Benutzern zu realisieren. Die spezifische Betriebsmethode ist: Zhiji Automobile verwendete 4,9 % des Eigenkapitals der Gründungsrunde für den CSOP-Plan und brachte 300 Millionen „Rohsteine“ auf den Markt, von denen 70 % der Rohsteine von Autobesitzern anhand der von Daily generierten Daten eingelöst werden müssen Fahren von Fahrzeugen. Nachdem Benutzer die Rohsteine erhalten haben, können sie Software- und Hardwareprodukte aktualisieren und entsprechende Datenrechte erwerben. Zhiji ist derzeit das einzige Automobilunternehmen in China, das Datentransaktionen mit Benutzern anbietet. Obwohl seine Plattform vor der Veröffentlichung des Entwurfs der neuen Vorschriften gestartet wurde, wird dies in Betracht gezogen Es wird erwartet, dass es sich im Rahmen strengerer Vorschriften um eine Lösung handelt. „Ich finde es ziemlich interessant. Es ist eine Modellinnovation“, sagte Liu Jianhao, Leiter der Informationssicherheit von Baidu Apollo, einem Reporter des Economic Observer. Auch die oben genannten Behörden halten dieses Modell für bahnbrechend. Zuvor erfassten Automobilunternehmen standardmäßig die meisten Fahrzeugdaten, und es kam nie zu gleichwertigen Transaktionen. Einige Experten glauben jedoch, dass dieses Modell aufgrund der vielen Unsicherheiten möglicherweise nur ein Versuch im Internet-Denken der Automobilhersteller ist und es schwierig ist zu sagen, ob die Umsetzung reibungslos verlaufen wird oder nicht. Die Diskussion hinter dem Datentransaktionsmodell von Zhiji Auto spiegelt das Krisengefühl der Automobilunternehmen und der Branche wider, dass das Sammeln von Benutzerdaten für Smart Cars immer schwieriger wird. Dem „Opinion Draft“ zufolge sammeln Automobilunternehmen „standardmäßig keine personenbezogenen Daten und wichtigen Fahrdaten der Nutzer“ oder müssen zumindest jedes Mal die Einwilligung der Nutzer einholen. Dies bedeutet, dass der Datenerfassungskanal möglicherweise blockiert wird, was sich unweigerlich auf die derzeit boomenden Anwendungen des autonomen Fahrens auswirken wird. Kann das Datenhandelsmodell von SAIC Zhiji in diesem Fall zu einem Branchentrend werden? Gibt es zwischen den Anforderungen der Benutzerdatensicherheit und der Entwicklung intelligenter Fahrtechnologie andere praktikable Modelle für den Datenaustausch? Für die Branche läuft die Zeit davon, Lösungen zu finden. In Interviews mit Reportern des Economic Observer bestätigten viele Experten das Modell der Datentransaktionen mit Benutzern von Zhiji Auto. Mei Songlin, eine leitende Analystin in der Automobilindustrie, glaubt, dass dieses Modell die Transparenz der Datenerfassung durch Automobilunternehmen verbessern und es Automobilunternehmen und Nutzern ermöglichen kann, voneinander zu profitieren. Lu Wenliang, General Manager des CCID Consulting Automotive Industry Research Center, sagte, dass dies zeige, dass Automobilunternehmen beginnen, ein „Crowdsourcing“-Modell einzuführen, das dem von Internetunternehmen ähnelt und etwas fortgeschritten ist. Aber die Branche hat unterschiedliche Ansichten darüber, ob dieses Modell zum Branchentrend wird. „Ich denke, dass Unternehmen (wie Zhiji) in Zukunft einige gute Möglichkeiten finden werden, Benutzer zur Bereitstellung von Daten anzuregen.“ Liu Jianhao ist davon überzeugt, dass die Einführung dieses Modells nicht nur den Automobilunternehmen dabei helfen kann, Daten zu erhalten, sondern auch durch die Ansammlung von Daten „Daten sind ein grundlegendes Element im Zeitalter des mobilen Internets und von entscheidender Bedeutung. Das Gleiche gilt für intelligente Autos.“ Liu Jianhao zog eine Analogie zur Entwicklung der Mobiltelefonindustrie: „Nokia selbst verfügte (vorher) über wenig Daten. Als der Inhalt von Smartphone-Anwendungen zunahm, leitete dies direkt das Zeitalter des mobilen Internets ein.“ Einige Leute glauben jedoch, dass das Datenhandelsmodell immer noch viele Unsicherheiten aufweist. Einerseits ist es schwierig, die Menge an Datentransaktionen und Belohnungen festzulegen, da es sich um ein neues Modell handelt. „Wenn die Einstellung niedrig ist, wird niemand teilnehmen. Wenn die Einstellung hoch ist, wird es später nicht ausgezahlt.“ , was der Marke schaden wird“, sagte Lu Wenliang. Gleichzeitig ist Lu Wenliang als Reaktion auf die Ansicht, dass Daten die allgemeine Entwicklung intelligenter Autos fördern könnten, der Ansicht, dass das Produkt zunächst relativ gut sein sollte, bevor Benutzerdaten verwendet werden können, um das „Crowdsourcing“-Modell zur Entwicklung zu nutzen Bei Halbzeugen entsteht ein Teufelskreis, und man kann nicht sagen, dass die aktuellen Smart-Autos entwickelt und perfektioniert wurden. Daher ist es schwer zu sagen, ob dieses neue Datenerfassungsmodell vertreten ist von Zhiji Automobile wird zum Trend. „Es ist wahrscheinlich nur ein Versuch von Autoherstellern im Rahmen des Internet-Denkens. Internet Es gibt viele Betriebsmodelle, probieren Sie sie alle aus, und wenn sie nicht funktionieren, können Sie sie ändern.“ Die Veröffentlichung des Entwurfs neuer Vorschriften zum Datensicherheitsmanagement im Automobilbereich hat dazu geführt, dass Automobilunternehmen zunehmend Bedenken hinsichtlich der Datenerfassung haben. „Jetzt haben Automobilunternehmen Probleme mit den neuesten Datenerfassungsanforderungen. Zu diesem Entwurf konzentrieren sich die meisten Rückmeldungen von Unternehmen auf Änderungen in den Datenerfassungsmethoden „Der Hauptgrund dafür ist, dass in der Vergangenheit zu viele Daten gesammelt wurden und das Geschäftsmodell vieler Unternehmen darin besteht, Daten ohne Genehmigung zu sammeln.“ Die neuen Vorschriften zum Datensicherheitsmanagement im Automobilbereich schränken hauptsächlich die Erfassung von zwei Arten von Daten ein – wichtige Daten und persönliche Informationen. Zu den wichtigen Daten gehören „Fahrzeugtypen, Fahrzeugverkehr und andere Daten auf der Straße“, die als wichtige Daten gelten, die für das autonome Fahren zur Erfassung von Straßenszenen erforderlich sind. Darüber hinaus gelten persönliche Vorgänge im Auto mit personenbezogenen Daten auch als wichtiger Kanal für Automobilunternehmen, um Benutzergewohnheiten zu erfassen. Die neuen Vorschriften legen jedoch fest, dass diese Informationen „nicht standardmäßig erfasst“ werden und selbst wenn sie erfasst werden, die Autorisierung „nur einmal gültig“ ist, was die aktuellen Datenerfassungskanäle der Automobilunternehmen blockieren kann. Die Black Box des intelligenten Fahrens – Huawei-Datenverwaltungsmethode In den letzten Jahren haben sich intelligente Fahrautos zu einem neuen Entwicklungstrend im Automobilbereich entwickelt. Immer mehr Autos nutzen Assistenzsysteme (ADAS) und autonome Fahrsysteme Integrierte Sensoren erkennen intelligent Hindernisse, erfassen die Umgebung, bestimmen automatisch den Weg des Fahrzeugs und steuern den Fahrstatus des Fahrzeugs während der Fahrt. Intelligente Fahrtechnologie hat der Automobilbranche revolutionäre Möglichkeiten und Herausforderungen gebracht. Immer mehr Hersteller setzen sich dafür ein, das Fahrerlebnis des Fahrers durch intelligentes Fahren zu verbessern. Darüber hinaus hat die Sicherheit intelligent fahrender Autos auch in der Branche große Aufmerksamkeit erregt. Herkömmliche, von Menschen gesteuerte Autos verwenden normalerweise Black-Box-Geräte, um die Motordrehzahl, die Fahrzeuggeschwindigkeit, die Bremsen, das Gaspedal und die Sicherheitsgurte des Fahrzeugs aufzuzeichnen nach einem Unfall, und die Blackbox ist eine Art Gerät, das im Auto installiert ist und eine hohe Schadensresistenz aufweist. Wenn ein Auto heftig zusammenstößt, kann die Blackbox anhand der Daten des Beschleunigungssensors, der mit dem Blackbox-Gerät in der Karosserie verbunden ist, feststellen, ob die Beschleunigung des Fahrzeugs in kurzer Zeit den voreingestellten Schwellenwert überschreitet, und diese dann sammeln und Körperdaten speichern. Im Vergleich zu herkömmlichen, von Menschen gesteuerten Fahrzeugen weisen intelligent fahrende Autos jedoch unterschiedliche Aspekte auf, wie z. B. Anwendungsszenarien, Fahrgewohnheiten und -stile des Fahrers, die Funktionsweise jedes Systems im intelligent fahrenden Auto sowie die Beziehung zu umgebenden Einrichtungen und Autos, die intelligent fahren, haben enorme Veränderungen in Bezug auf die Sicherheit erfahren und stellen höhere Anforderungen an Black-Box-Datenverwaltungsmethoden. Daher ist die Bereitstellung einer effektiveren Black-Box-Verwaltungsmethode, die für intelligent fahrende Autos geeignet ist, zu einem technischen Problem geworden gelöst werden. Um dieses Problem zu lösen, hat Huawei am 7. August 2019 ein Erfindungspatent mit dem Titel „Verwaltungsmethoden, Geräte und Ausrüstung für Black-Box-Daten in intelligent fahrenden Autos“ angemeldet (Anmeldenummer: 201910726567.X), so der Antragsteller ist Huawei Technologies Co., Ltd. Basierend auf den aktuell veröffentlichten Informationen dieses Patents werfen wir einen Blick auf diese Black-Box-Datenverwaltungsmethode. Wie oben gezeigt, handelt es sich um ein schematisches Diagramm der logischen Architektur des Black-Box-Datenverwaltungssystems des durch dieses Patent erfundenen intelligenten Fahrautos. Das System umfasst ein Cloud-Rechenzentrum 101, ein Netzwerk 102 und ein intelligent fahrendes Auto 103. Das Cloud-Rechenzentrum 101 und das intelligent fahrende Fahrzeug 103 kommunizieren über das Netzwerk 102. Unter anderem kann das Cloud-Service-Rechenzentrum Cloud-Service-Rechenzentren zum Speichern von Black-Box-Daten bereitstellen, einschließlich privater Cloud-, Public-Cloud- und Hybrid-Cloud-Rechenzentren, die die Übertragung von Black-Box-Daten beim intelligenten Fahren realisieren können Fahrzeuge an das Cloud-Service-Rechenzentrum. Wenn man sich das gesamte intelligente Fahrfahrzeug ansieht, umfasst es die Kommunikationsbox 1031, das zentrale Gateway 1032, den Karosseriecontroller (BCM) 1033, den Mensch-Computer-Interaktionscontroller 1034, den intelligenten Fahrcontroller 1035, den Fahrzeugcontroller 1036 und das Black-Box-Gerät 1037. Die Kommunikationsbox wird verwendet, um die Kommunikation zwischen intelligenten Fahrzeugen und Cloud-Service-Rechenzentren zu realisieren. Zu den Controllern für die Interaktion zwischen Mensch und Computer gehören fahrzeuginterne Unterhaltungssteuerungssysteme wie In-Vehicle Entertainment (IVI) und Hardware-Monitor-Schnittstellen (HMI), die dafür verantwortlich sind für die Interaktion zwischen Mensch und Fahrzeug. Sie werden üblicherweise zur Steuerung von Instrumenten, zentralen Kontrollanzeigen, Lenkraddrucksensoren und anderen Geräten verwendet. Die Fahrzeugsteuerung (VCU) ist normalerweise mit der elektronischen Steuereinheit des Fahrwerks, dem Airbag und der elektronischen Leistungssteuereinheit verbunden, und der Airbag ist normalerweise mit der Trägheitsmesseinheit verbunden Es kann beurteilt werden, ob sich das smart fahrende Auto im Notbremszustand befindet. Befindet sich das smart fahrende Auto in diesem Zustand, kann der Airbag zum Schutz der Sicherheit des Fahrers ausgelöst werden. Die letzte ist die geheimnisvollste Blackbox im Fahrzeug. Das Blackbox-Gerät wird verwendet, um in Notsituationen die Karosseriedaten des intelligent fahrenden Fahrzeugs aufzuzeichnen. Zu diesen Daten gehören: Motorgeschwindigkeit, Fahrzeuggeschwindigkeit, Bremskraft, Lenkung Winkel, Gaspedalstatus, Sicherheitsgurtstatus usw. sowie den Zeitstempel, zu dem diese Daten generiert wurden. Wenn ein Auto verunglückt, sind diese Daten für Ermittler oft die wichtigsten Daten zur Analyse des Unfalls. Als nächstes werden wir die in diesem Patent bereitgestellte Verwaltungsmethode für Black-Box-Daten in intelligent fahrenden Autos in Verbindung mit der folgenden Abbildung im Detail vorstellen, wie in der Abbildung gezeigt. Wenn der Erkennungscontroller zunächst ein Black-Box-Triggerereignis erkennt, sendet der Erkennungscontroller eine Triggerereignisbenachrichtigung an das Black-Box-Gerät. Zweitens identifiziert das Black-Box-Gerät den Datentyp der Black-Box-Daten anhand des Trigger-Ereignistyps. Zu den Black-Box-Triggerereignissen, die der Erkennungscontroller erkennen kann, gehören Fahrmodus-Umwandlungsereignisse und Fahrrisikogrenzereignisse Konvertierungsereignisse können in die folgenden zwei Typen unterteilt werden: Situationen: 1) Der Fahrer schaltet den Fahrmodus des Smart Driving-Autos in den Smart Driving-Modus um: Wenn das Smart Driving-Auto manuell gefahren wird und das Smart Driving-System dies erkennt Dass es die Öffnungsbedingungen für intelligentes Fahren erfüllt, wird dem Fahrer über den Mensch-Computer-Interaktionscontroller mitgeteilt. Der Fahrer veranlasst das Smart-Driving-Auto, über eine Taste in den intelligenten Fahrmodus zu wechseln. Zu diesem Zeitpunkt benachrichtigt der Mensch-Computer-Interaktionscontroller den Schwarzen Box-Gerät, dass ein Black-Box-Trigger-Ereignis vorliegt. 2) Der Fahrer schaltet den Fahrmodus des Smart-Driving-Autos aktiv in den nicht-intelligenten Fahrmodus um: Wenn sich das Smart-Driving-Auto im Smart-Driving-Modus befindet, kann der Fahrer den Modus wechseln, indem er die Bremsen betätigt und das Lenkrad dreht oder mithilfe des Mensch-Computer-Interaktionscontrollers. Zu diesem Zeitpunkt kann das Black-Box-Datenauslöseereignis über den Mensch-Computer-Interaktionscontroller erkannt und das Black-Box-Gerät über das Black-Box-Auslöseereignis benachrichtigt werden. Dann bestimmt das Black-Box-Gerät anhand des Triggerereignistyps und des Datentyps die Speicherebene, zu der die Daten gehören, und speichert die Daten entsprechend der Speicherebene, zu der die Daten gehören, und voreingestellten Regeln. Wenn die Speicherebene, zu der die Daten gehören, voreingestellte Bedingungen erfüllt, sendet das Black-Box-Gerät die Black-Box-Daten an das Cloud-Service-Rechenzentrum. Auf diese Weise wird durch die Abstufung der Datenspeichermethode auf höchster Ebene das Buch in der Cloud gespeichert und so die Sicherheit und Effektivität der Daten gewährleistet. Das letzte ist ein schematisches Strukturdiagramm des Black-Box-Geräts dieses intelligent fahrenden Fahrzeugs. Es ist zu erkennen, dass das Black-Box-Gerät einen Prozessor 101, ein Speichermedium 102, eine Kommunikationsschnittstelle 103 und a umfasst Speichereinheit 104. Unter ihnen kommunizieren der Prozessor, das Speichermedium, die Kommunikationsschnittstelle und die Speichereinheit über den Bus. Das Obige ist die von Huawei erfundene Black-Box-Datenverwaltungsmethode durch die Aktualisierung der Datenverwaltungsmethode in der Black-Box, die gleichzeitige Speicherung der Black-Box-Daten im lokalen und Cloud-Speicher und die Speicherung der Black-Box-Daten In Hierarchien ist es effektiv. Es verbessert die Effektivität und Sicherheit von Black-Box-Daten in intelligent fahrenden Autos und verbessert auch die Gesamtsicherheit des gesamten intelligent fahrenden Autos. Die Bedeutung der 5G-Infrastruktur für Daten
Angesichts der Herausforderungen
Das Risiko, dass Big Data für Automobilunternehmen „abgeschnitten“ wird
Huawei hat offiziell das „Huawei Core Network Autonomous Driving Network White Paper“ veröffentlicht und übernimmt damit die Führung in der Branche, um die Konzepte, Ziele und Architektur des vorzuschlagen Das Kernnetz des autonomen Fahrnetzes für 5G bietet einen messbaren und praktischen Leitfaden für die Entwicklung des 5G-Kernnetzes zum autonomen Fahrnetz.
Zusammenfassung
Das obige ist der detaillierte Inhalt vonAnalyse des Big-Data-Managements in der autonomen Fahrtechnologie. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
