Pour les véhicules à différents niveaux, la quantité de données à collecter a également augmenté de façon exponentielle. En prenant comme exemple l'étape L3 actuellement courante, avec l'introduction de caméras 4K ultra haute définition, d'un lidar à 128 lignes et d'autres capteurs, la quantité de données enregistrées par le système de collecte de données pendant 8 heures par jour atteint 30 To. . Disons-le ainsi, les tests de technologie de conduite autonome de Nvidia montrent également que le système de collecte de données d’apprentissage du véhicule peut remplir un disque de stockage SSD (Solid State Storage Drive) d’un téraoctet en quelques heures.
Comme nous le savons tous, il existe cinq niveaux d'automatisation des véhicules. Plus le niveau d’automatisation est élevé, plus la quantité de stockage de données requise est importante. Par exemple, les véhicules autonomes de niveau 2 nécessitent une opération entièrement humaine, mais disposent de systèmes automatisés supplémentaires tels que l'assistance au changement de voie, la détection des angles morts ou des fonctions de stationnement automatique. Bowman estime que les véhicules autonomes de niveau 2 nécessiteront entre 4 et 10 pétaoctets de données.
Cependant, les véhicules autonomes de niveau trois nécessitent 50 à 100 Po de stockage de données, et les véhicules autonomes de niveau cinq nécessitent plus de 3 Mo d'espace de stockage. "La conduite autonome de niveau 3 signifie que la voiture peut se conduire toute seule", a déclaré Bowman. "La conduite autonome de niveau 5 signifie que la voiture peut se conduire complètement toute seule.
Il a déclaré : « Ensuite, vous devez connecter le véhicule via des lignes de données, transférer les données du système de la voiture vers le centre de données, puis copier les données du centre de R&D vers le centre de données. En règle générale, nos clients disposent d'une base de données centralisée sur chaque continent, et le transfert de données peut être réalisé via des méthodes de transfert de fichiers accélérées ou des moyens physiques.
Étant donné que les nœuds périphériques peuvent fournir des services à plusieurs utilisateurs (véhicules) dans une certaine plage en même temps, les problèmes d'allocation des ressources et de concurrence entre les tâches des utilisateurs sont les principaux facteurs qui affectent les performances. Un certain document traite de la concurrence dans le processus de tâche du véhicule. déchargement. Le problème de conflit est transformé en un problème de jeu multi-utilisateurs, prouvant l'existence de l'équilibre de Nash du problème et implémentant un algorithme de déchargement informatique distribué.
De plus, la littérature ci-dessus se concentre sur la vitesse et la fiabilité de la communication pendant. déchargement des tâches. L'analyse d'optimisation a été réalisée sous trois aspects : performances et délais, et un cadre de gestion des ressources du réseau sans fil qui prend en charge la sensibilisation à la qualité du service a été proposé. Le problème d'allocation des ressources a été divisé en blocs de clusters de véhicules, allocation de pool de blocs de ressources entre clusters, et l'allocation des ressources au sein du cluster. 3 sous-problèmes, et implémenté une méthode d'optimisation basée sur la théorie des graphes :
Le problème d'allocation de pool de blocs de ressources pour le groupe est transformé en un problème d'équité max-min basé sur un graphique de conflit de ressources pondéré, qui résout le problème de amélioration de l'utilisation du spectre (causée par une réutilisation efficace des ressources de communication entre les clusters) et compromis pour limiter les conflits de concurrence entre les clusters
En réponse au problème de commutation fréquente des nœuds périphériques causée par la mobilité élevée des véhicules, la littérature ci-dessus estime que la connexion entre le véhicule et le nœud est perdue après une courte période de temps, ce qui entraînera un temps de traitement et une augmentation de la consommation d'énergie, un algorithme de remplacement de tâche a été proposé pour décharger la tâche de traitement du nœud d'origine vers la prochaine cible réalisable. nœud en fonction du temps de remplacement calculé, et poursuivre le fonctionnement de la tâche. Dans le même temps, le chercheur ne s'est pas limité à un seul déchargement complet de tâches, une stratégie de déchargement partiel pour une série de tâches est mise en œuvre. Dans le processus, les performances de l'extrémité du véhicule et de l'extrémité du nœud de service périphérique doivent être prises au sérieux en fonction des conditions actuelles du système (par exemple, la qualité du canal, la charge de trafic). Considérez simultanément deux problèmes d'optimisation stochastiques qui sont couplés l'un à l'autre et contiennent une grande quantité d'informations d'état et de variables de contrôle à l'extrémité du véhicule et à l'extrémité du nœud.
Plus précisément, l'algorithme découple le problème d'optimisation stochastique bilatérale en deux problèmes d'optimisation indépendants par trame basés sur l'algorithme de Lyapunov : pour le véhicule, la stratégie de déchargement est sélectionnée en comparant le coût de traitement local avec le coût de déchargement de la tâche, et le CPU la fréquence d'ajustement est proposée par La fonction objectif est calculée ; pour le nœud périphérique, un algorithme léger d'alimentation en ressources est d'abord proposé, puis basé sur un algorithme itératif qui optimise conjointement les ressources sans fil et la consommation d'énergie, une méthode de relaxation continue et un double découplage de Lagrange. algorithmes sont proposés.
Dans le même temps, le chercheur a choisi l'espace blanc TV pour la transmission de données sans fil entre les véhicules et les nœuds périphériques, ce qui compense les lacunes des technologies cellulaires, Wi-Fi et autres traditionnelles et améliore l'efficacité de la communication.
En même temps, pour plusieurs utilisateurs dans une certaine zone, il existe généralement plusieurs nœuds pour proposer des choix. L'algorithme JSCO transforme le problème de prise de décision d'équilibrage de charge et de déchargement de tâches dans un contexte multi-nœuds et multi-utilisateurs en un problème de programmation non linéaire à nombres entiers mixtes, et peut calculer avec une faible complexité les trois problèmes de sélection de nœud, d'optimisation des ressources informatiques et décharger la prise de décision du plan. Maximiser l’utilisation du système tout en maintenant les contraintes de latence.
Certains professionnels affirment que la 5G est cruciale pour le développement et la production de véhicules autonomes, en particulier dans les 5 à 10 prochaines années, lorsque davantage de technologies seront intégrées dans la voiture . Il a déclaré : « Les voitures d'aujourd'hui sont des centres de données mobiles sur la route. Par conséquent, les données contenues dans le véhicule doivent être prétraitées, par exemple, pour identifier les données précieuses dignes d'être transmises au centre de données via la 5G. »
Il a également déclaré que les voitures autonomes doivent stocker des données de pointe, c'est-à-dire stocker des données dans la voiture. "Vous avez besoin d'un stockage informatique de pointe, en particulier dans les endroits où il n'y a pas de couverture 5G. C'est un autre problème car vous devez mettre en cache les données dans le véhicule pour les envoyer une fois qu'il y a un signal 5G."
Un autre problème lié à la 5G est la vitesse de téléchargement. Certains professionnels ont déclaré : « La 5G est conçue pour le téléchargement de données en continu à grande vitesse, donc la vitesse de téléchargement n'est pas si rapide. Par conséquent, vous ne pouvez pas vraiment télécharger une grande quantité de données via la 5G. Elle est conçue pour transmettre des données du centre de données vers " L'utilisateur final plutôt que le véhicule. " Mais l'avantage de la 5G est sa faible latence. "
Les « Plusieurs dispositions sur la gestion de la sécurité des données automobiles (projet pour commentaires) » (appelées « projet pour commentaires ») publiées par l'administration du cyberespace de Chine le 12 mai de l'année dernière ont provoqué un petit Il semble qu'il ait rapidement sombré au « fond de l'étang » et ait été éclipsé par l'enthousiasme suscité par l'industrie automobile, notamment la construction automobile transfrontalière. Mais les constructeurs automobiles savent très bien qu'il ne s'agit pas seulement d'un plan de contrôle des risques liés à la sécurité des données provoqué par la controverse Tesla. À un niveau plus profond, l'avertissement de « malédiction » concernant la collecte des données des utilisateurs a été lancé. "Si ce règlement est finalement mis en œuvre et stipule strictement que les données ne peuvent être laissées que dans la voiture, et que les constructeurs automobiles n'activent pas de nouveaux canaux légaux d'acquisition de données, alors le développement de la technologie nationale de conduite autonome pourrait vraiment être retardé de plusieurs années", a déclaré » a déclaré une certaine autorité de l’industrie sous couvert d’anonymat.
Mais tous les constructeurs automobiles ne choisissent pas d'attendre et de voir. Les données de conduite des utilisateurs sur des routes réelles constituent un support important pour les constructeurs automobiles pour mettre à niveau et améliorer de manière itérative leur technologie de conduite autonome. À cette fin, certaines entreprises ont commencé à créer de nouveaux modèles économiques pour l’acquisition de données. En avril de cette année, SAIC Zhiji a publié la méthode d'extraction des actifs numériques des utilisateurs « pierre brute » basée sur sa plateforme de droits de données des utilisateurs CSOP (Cus-tomerShareOptionPlan). Il espère réaliser des transactions de données avec les utilisateurs via cette plateforme. La méthode de fonctionnement spécifique est la suivante : Zhiji Automobile a utilisé 4,9 % des capitaux propres du cycle de création pour le plan CSOP et a lancé 300 millions de « pierres brutes », dont 70 % des pierres brutes doivent être rachetées par les propriétaires de voitures grâce aux données générées quotidiennement. conduire des véhicules. Une fois que les utilisateurs ont obtenu des pierres brutes, ils peuvent mettre à niveau leurs produits logiciels et matériels et obtenir les droits de données correspondants.
Zhiji est actuellement le seul constructeur automobile en Chine à proposer des transactions de données avec les utilisateurs. Bien que sa plateforme ait été lancée avant la publication du projet de nouvelle réglementation, elle est considérée comme une solution dans le cadre du durcissement de la réglementation. "Je pense que c'est assez intéressant. C'est une innovation modèle", a déclaré Liu Jianhao, responsable de la sécurité de l'information de Baidu Apollo, à un journaliste de l'Economic Observer. Les autorités susmentionnées estiment également que ce modèle est révolutionnaire. Avant cela, les constructeurs automobiles collectaient par défaut la plupart des données sur les véhicules, et des transactions égales n’étaient jamais réalisées. Cependant, certains experts estiment qu'en raison des nombreuses incertitudes, ce modèle pourrait n'être qu'une tentative dans le cadre de la pensée Internet des constructeurs automobiles, et il est difficile de dire si la mise en œuvre se fera sans heurts ou non.
La discussion derrière le modèle de transaction de données de Zhiji Auto reflète le sentiment de crise parmi les constructeurs automobiles et l'industrie selon lequel la collecte de données utilisateur pour les voitures intelligentes deviendra de plus en plus difficile. Selon l'"Opinion Draft", les constructeurs automobiles "ne collectent pas par défaut les informations personnelles des utilisateurs et les données de conduite importantes", ou du moins n'ont pas besoin d'obtenir le consentement de l'utilisateur à chaque fois. Cela signifie que le canal de collecte de données pourrait être bloqué, ce qui aura inévitablement un impact sur les applications de conduite autonome actuellement en plein essor.
Dans cette situation, le modèle d'échange de données de SAIC Zhiji peut-il devenir une tendance du secteur ? Entre les besoins de sécurité des données des utilisateurs et le développement de technologies de conduite intelligente, existe-t-il d’autres modèles réalisables de partage de données ? Le temps presse pour que l’industrie trouve des solutions.
Dans des entretiens avec des journalistes de l'Economic Observer, de nombreux experts ont donné une certaine confirmation au modèle de transactions de données de Zhiji Auto avec les utilisateurs. Mei Songlin, analyste principal de l'industrie automobile, estime que ce modèle peut améliorer la transparence de la collecte de données par les constructeurs automobiles et permettre aux constructeurs automobiles et aux utilisateurs de bénéficier les uns des autres. Lu Wenliang, directeur général du CCID Consulting Automotive Industry Research Center, a déclaré que cela montre que les constructeurs automobiles commencent à adopter un modèle de « crowdsourcing » similaire à celui des sociétés Internet, qui est quelque peu avancé.
Mais l'industrie a des points de vue différents quant à savoir si ce modèle deviendra une tendance de l'industrie. "Je pense qu'à l'avenir, les entreprises (comme Zhiji) pourraient trouver de bons moyens d'inciter les utilisateurs à fournir des données." Liu Jianhao estime que l'adoption de ce modèle peut non seulement aider les constructeurs automobiles à obtenir des données, mais également à travers l'accumulation de données. Cela favorisera grandement le développement des voitures intelligentes. "Les données sont un élément fondamental à l'ère de l'Internet mobile et sont cruciales. Il en va de même pour les voitures intelligentes", a déclaré Liu Jianhao. Liu Jianhao a fait une analogie avec le développement de l'industrie de la téléphonie mobile : "(Avant) Nokia lui-même disposait de peu de données. À mesure que le contenu des applications pour smartphones augmentait, cela a directement inauguré l'ère de l'Internet mobile."
Cependant, certaines personnes pensent qu'il existe encore de nombreuses incertitudes dans le modèle d'échange de données. D'une part, comme il s'agit d'un nouveau modèle, il est difficile de fixer le montant des transactions de données et des récompenses. « Si le paramètre est faible, personne ne participera. Si le paramètre est élevé, il ne sera pas encaissé plus tard. , ce qui nuira à la marque", a déclaré Lu Wenliang. Dans le même temps, en réponse à l'idée selon laquelle les données peuvent promouvoir le développement global des voitures intelligentes, Lu Wenliang estime que pour utiliser le modèle de « crowdsourcing » pour réaliser le développement, le produit doit d'abord être relativement bon avant de pouvoir utiliser les données des utilisateurs pour formera un cercle vertueux. Dans le cas des produits semi-finis, cela provoquera un cercle vicieux, et on ne peut pas dire que les voitures intelligentes actuelles ont été développées et perfectionnées. Il est donc difficile de dire si ce nouveau modèle d'acquisition de données représente. de Zhiji Automobile deviendra une tendance. "C'est probablement juste une tentative des constructeurs automobiles dans le cadre de la pensée Internet. Internet Il existe de nombreux modèles opérationnels, essayez-les tous, et s'ils ne fonctionnent pas, vous pouvez les changer."
La publication du projet de nouveau règlement sur la gestion de la sécurité des données automobiles a rendu les constructeurs automobiles de plus en plus inquiets quant à la collecte de données. "Les constructeurs automobiles ont désormais un mal de tête avec les dernières exigences en matière de collecte de données. Concernant ce projet, la plupart des commentaires des entreprises se concentrent sur les changements dans les méthodes de collecte de données. Lu Wenliang a souligné à un journaliste de l'Economic Observer que si les nouvelles réglementations étaient mises en place," sont mis en œuvre, cela aura certainement un impact important. "La raison principale est que trop de données ont été collectées dans le passé, et le modèle commercial de nombreuses entreprises est de collecter des données sans autorisation."
Comme vous pouvez le constater, la nouvelle réglementation pour la gestion de la sécurité des données automobiles restreint principalement la collecte de deux types de données : les données importantes et les informations personnelles. Les données importantes comprennent « les types de véhicules, la circulation des véhicules et d'autres données sur la route », qui sont considérées comme des données importantes nécessaires à la conduite autonome pour collecter des scènes routières. En outre, les opérations personnelles à bord du véhicule concernant les informations personnelles sont également considérées comme un canal important permettant aux constructeurs automobiles de recueillir les habitudes des utilisateurs. Cependant, la nouvelle réglementation détermine que ces informations « ne sont pas collectées par défaut » et même si elles sont collectées, l'autorisation n'est « valable qu'une seule fois », ce qui peut bloquer les canaux actuels de collecte de données des constructeurs automobiles.
Huawei a officiellement publié le "Livre blanc du réseau de conduite autonome du réseau central de Huawei", prenant la tête du secteur pour proposer les concepts, les objectifs et l'architecture du réseau de conduite autonome du réseau central pour la 5G, fournissant une voie directrice mesurable et pratique pour l'évolution du réseau central 5G vers un réseau de conduite autonome.
Ces dernières années, la conduite intelligente des voitures est devenue une nouvelle tendance dans le développement du domaine automobile. De plus en plus de voitures ont adopté des systèmes de conduite assistée (ADAS) et des systèmes de conduite autonome. Les données mobiles montées au centre (MDC) et les capteurs montés sur le véhicule détectent intelligemment les obstacles, détectent l'environnement environnant, décident automatiquement de la trajectoire du véhicule et contrôlent l'état de conduite du véhicule pendant la conduite. La technologie de conduite intelligente a apporté des opportunités et des défis révolutionnaires au domaine automobile. De plus en plus de constructeurs s'engagent à améliorer l'expérience de conduite du conducteur grâce à la conduite intelligente.
En outre, la sécurité des voitures à conduite intelligente a également attiré une large attention dans l'industrie. Les voitures traditionnelles à conduite humaine utilisent généralement un équipement de boîte noire pour enregistrer le comportement de l'utilisateur. Véhicule avant et après un accident. Régime moteur, vitesse du véhicule, freins, accélérateur et état de la ceinture de sécurité. La boîte noire est un type d'appareil installé sur la voiture et présente une résistance élevée aux dommages. Lorsqu'une voiture a une violente collision, la boîte noire peut utiliser les données fournies par le capteur d'accélération connecté au dispositif boîte noire dans la carrosserie de la voiture pour déterminer si l'accélération du véhicule dépasse le seuil prédéfini dans un court laps de temps, puis collecter et stocker les données corporelles.
Cependant, par rapport aux véhicules traditionnels à conduite humaine, les voitures à conduite intelligente ont différents scénarios d'application, habitudes et méthodes de conduite du conducteur, ainsi que la manière dont chaque système de la voiture à conduite intelligente fonctionne.Et la relation avec les installations et les voitures environnantes a subi d'énormes changements.La sécurité des voitures de conduite intelligentes a également mis en avant des exigences plus élevées pour la méthode de gestion des données de la boîte noire.Par conséquent, comment fournir une méthode plus adaptée à la conduite intelligente des voitures ? Les méthodes efficaces de gestion des boîtes noires deviennent un problème technique qui doit être résolu.
Afin de résoudre ce problème, Huawei a postulé pour un projet intitulé "Méthodes, dispositifs et équipements de gestion des données de boîte noire dans les voitures à conduite intelligente" le 7 août 19. "Brevet d'invention (numéro de demande : 201910726567.X), le demandeur est Huawei Technologies Co., Ltd.
Sur la base des informations actuellement divulguées dans ce brevet, jetons un coup d'œil à cette méthode de gestion de données en boîte noire.
Comme indiqué ci-dessus, il s'agit d'un diagramme schématique de l'architecture logique du système de gestion de données boîte noire du véhicule de conduite intelligent inventé pour ce brevet. Le système comprend un centre de données cloud 101, un réseau 102 et un véhicule de conduite intelligent 103. Le centre de données cloud 101 et le véhicule de conduite intelligent 103 communiquent via le réseau 102.
Parmi eux, le centre de données de service cloud peut fournir des centres de données pour les services cloud pour stocker les données de la boîte noire, y compris les types de centres de données de cloud privé, de cloud public et de cloud hybride. Le réseau est le support qui peut réaliser la transmission des données de la boîte noire des voitures intelligentes vers les centres de données de services cloud.
Dans tout le véhicule de conduite intelligente, il comprend un boîtier de communication 1031, une passerelle centrale 1032, un contrôleur de corps (BCM) 1033, un contrôleur d'interaction homme-machine 1034, un contrôleur de conduite intelligent 1035, contrôleur de véhicule 1036 et dispositif boîte noire 1037. Le boîtier de communication est utilisé pour réaliser la communication entre les véhicules à conduite intelligente et les centres de données de services cloud ; les contrôleurs d'interaction homme-machine comprennent des systèmes de contrôle de divertissement embarqués tels que le divertissement embarqué (IVI) et les interfaces de moniteur matériel (HMI), qui sont responsables pour l'interaction entre les personnes et les véhicules. Ils sont généralement utilisés pour gérer des équipements tels que des instruments, des écrans de commande centraux et des capteurs de pression au volant.
Le contrôleur du véhicule (VCU) est généralement connecté à l'unité de commande électronique du châssis, à l'airbag et à l'unité de commande électronique de puissance, tandis que l'airbag est généralement connecté à l'unité de mesure inertielle. , via La détection de l'unité de mesure inertielle peut déterminer si la voiture intelligente est dans un état de freinage d'urgence. Si la voiture intelligente est dans cet état, l'airbag peut apparaître pour protéger la sécurité du conducteur.
La dernière est la boîte noire la plus mystérieuse du véhicule. Le dispositif de boîte noire est utilisé pour enregistrer les données corporelles du véhicule à conduite intelligente dans les situations d'urgence. incluent : le régime moteur, la vitesse du véhicule, la force de freinage, l'angle de braquage, l'état de la pédale d'accélérateur, l'état de la ceinture de sécurité, etc., ainsi que l'horodatage de la génération de ces données. Lorsqu’une voiture a un accident, ces données sont souvent les données les plus importantes permettant aux enquêteurs d’analyser l’accident.
Ensuite, nous présenterons en détail la méthode de gestion des données de la boîte noire dans les voitures à conduite intelligente fournie dans le brevet en conjonction avec la figure ci-dessous, comme le montre la figure .
Tout d'abord, lorsque le contrôleur de détection détecte un événement déclencheur de boîte noire, le contrôleur de détection envoie une notification d'événement déclencheur au périphérique boîte noire. Deuxièmement, le dispositif de boîte noire identifie le type de données de la boîte noire en fonction du type d'événement déclencheur. Les événements déclencheurs de boîte noire que le contrôleur de détection peut détecter comprennent des événements de conversion de mode de conduite et des événements de limite de risque de conduite. Les événements de conversion peuvent être subdivisés en deux types suivants : Situations :
1) Le conducteur passe du mode de conduite de la voiture de conduite intelligente au mode de conduite intelligente : lorsque la voiture de conduite intelligente est conduite manuellement et que le système de conduite intelligente détecte qu'il répond aux conditions d'ouverture de conduite intelligente, le conducteur est informé via le contrôleur d'interaction homme-machine. Le conducteur déclenche la voiture de conduite intelligente pour passer en mode de conduite intelligente via un bouton. À ce moment, le contrôleur d'interaction homme-machine informe le noir. périphérique de boîte noire qu'il y a un événement déclencheur de boîte noire.
2) Le conducteur passe activement du mode de conduite de la voiture de conduite intelligente au mode de conduite non intelligent : lorsque la voiture de conduite intelligente est en mode de conduite intelligente, le conducteur peut changer de mode en appuyant sur les freins et en tournant le volant. , ou en utilisant le contrôleur d'interaction homme-machine. À ce moment, l'événement déclencheur de données de boîte noire peut être détecté via le contrôleur d'interaction homme-machine, et le dispositif boîte noire peut être informé de l'événement déclencheur de boîte noire.
Ensuite, le dispositif boîte noire détermine le niveau de stockage auquel appartiennent les données en fonction du type d'événement déclencheur et du type de données, et stocke les données en fonction du niveau de stockage auquel les données appartiennent et des règles prédéfinies. Lorsque le niveau de stockage auquel appartiennent les données répond aux conditions prédéfinies, le périphérique boîte noire enverra les données de la boîte noire au centre de données du service cloud. De cette manière, en notant la méthode de stockage des données, le niveau le plus élevé sauvegardera le livre dans le cloud, garantissant ainsi la sécurité et l'efficacité des données.
Le dernier est un diagramme structurel schématique du dispositif boîte noire de ce véhicule à conduite intelligente. On peut voir que le dispositif boîte noire comprend un processeur 101, un support de stockage 102, une interface de communication 103 et un. unité de mémoire 104. Parmi eux, le processeur, le support de stockage, l'interface de communication et l'unité mémoire communiquent via le bus.
Ce qui précède est la méthode de gestion des données de la boîte noire inventée par Huawei en mettant à niveau la méthode de gestion des données dans la boîte noire, en stockant les données de la boîte noire en même temps dans le stockage local et dans le cloud et en stockant les données de la boîte noire. dans les hiérarchies, il est efficace. Il améliore l'efficacité et la sécurité des données de la boîte noire dans les voitures à conduite intelligente, et améliore également la sécurité globale de l'ensemble de la voiture à conduite intelligente.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Comment lier des données dans une liste déroulante
Solution au port phpstudy3306 occupé
Carte graphique de qualité passionnée
Quels protocoles le protocole SSL inclut-il ?
Comment allumer et éteindre Douyin Xiaohuoren
Maximiser la page Web
Que sont les bases de données en mémoire ?
Comment résoudre l'accès refusé
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
