岂能只谈发展不看眼前？浅析自动驾驶发展中的限制因素

译龙谈技术 据外媒报道，对未来创新的重视使汽车业市场忽视了当前在生产安全及可靠车辆过程中所面临的挑战，例如：检测配置的时间不断减少、对发动机控制单元（ECU）的（重新）集中化及企业数据管理方案的匮乏。为应对上述挑战，我们需从相关联行业中寻求新的解决方案。

配置测试的不足之处

主流的观点认为：目前问题在于“测试时间不足”和“没有预算来添置新测试设备”。如今许多系统受直接受控于安全关键系统（safety-critical system），或向该系统提供数据，这类设备的安全性测试面临挑战，后续的应对就显得极为重要。

自动驾驶之路的限制因素

尽管自动驾驶汽车还需一段时间才能投入使用，但是国家也急需在未来数年中确保为自动驾驶技术的应用奠定基础基础，使汽车业始终在正确的发展道路上前进。

在这一大背景下，需结合雷达、激光雷达及摄像头等传感器所采集的数据，以便了解车辆周边的情况，同时还需借助生物识别传感器，了解驾驶员的状态和健康状况。车道变换辅助系统和自适应巡航控制系统的启动也以上述数据为依据。此外，人工智能（AI）技术在提高该进程效率方面发挥着重要作用。

对测试工程师而言，由于数据采集量十分庞大，数据问题变得更加严重。工程师们还需验证上述数据的可靠性，并进行大数据分析。

若发生碰撞事故，可分析车载传感器发送的数据并识别自动驾驶算法中的错误。若系统测试所采用的数据与系统监控及评估所用的数据相同，那么接下来将确保故障得到解决，并采用该数据自动升级车队数据。在进行系统验证时会生成新的测试参数，从而确保该类错误不会重复发生。

该设想可或将使我们看到自动驾驶算法、人工智能及物联网的研发之路。若上述设想成立，势必会出现数据存储设备容量受限及数据延迟分析匮乏这两大问题。

企业数据管理方案的核心在于：使得测量数据的存储、共享、查找、分析变得简单。虽然这是一项具有挑战性的任务，但现在已有部分车企可执行该解决方案，并取得了令人瞩目的成果——标准化的企业执行方案，可用于数据管理及分析。

不断向其他行业取经