数据是数字化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技术的皇冠，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，解决极端场景下的安全问题，也离不开大量数据支持。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
要实现自动驾驶，必然要搞定大数据。利用并转化收集到海量的实际路况数据，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。
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，1.5小时的驾驶时间数据量达4TB，车端显然不适合处理和存储如此巨大的工作负载。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，所以最好是共享到云端，再通过人工智能算法提供大量的训练数据来供机器学习，以搭建虚拟开发测试环境进行验证。
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，繁复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，极其复杂且不可预测，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可能需要1个月的时间，而依靠数据，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 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。
据悉，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国际顶级算法预标注，可在实现样本自动化生产，提升生产效率的同时，积累海量样本数据，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研发专用样本等。此外，该技术在计算节点中闭环运行全栈自动驾驶算法，支持一万个以上场景的并行计算，使得1000个测试场景的运行时间从2天大幅缩减至4分钟，并实现全自动化测评。在虚拟城市中数以千计的自动驾驶车辆不间断的持续行驶，并通过随机工况和激进交通流提升测试复杂度。
在数据应用层面，在测试工具之外，对于测试管理、政策制定等相关部门来说，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场景库的建设，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和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。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
