자율주행 기술의 빅데이터 관리 분석

다양한 레벨의 차량의 경우 수집해야 하는 데이터의 양도 기하급수적으로 늘어났습니다. 현재 일반적인 L3 단계를 예로 들면, 4K 초고화질 카메라, 128라인 라이더 및 기타 센서가 도입되면서 데이터 수집 시스템이 하루 8시간 동안 기록하는 데이터의 양은 무려 30TB에 이른다. . 이렇게 표현하면, 엔비디아의 자율주행 기술 테스트에서도 차량 학습 데이터 수집 시스템이 몇 시간 만에 테라바이트급 SSD(Solid State Storage Drive)를 채울 수 있는 것으로 나타났습니다.

우리 모두 알고 있듯이 차량 자동화에는 5가지 수준이 있습니다. 자동화 정도가 높을수록 필요한 데이터 저장 용량도 커집니다. 예를 들어, 레벨 2 자율주행차는 완전한 인간 조작이 필요하지만 차선 변경 지원, 사각지대 감지, 자동 주차 기능과 같은 추가적인 자동화 시스템을 갖추고 있습니다. Bowman은 레벨 2 자율주행차에는 4~10페타바이트의 데이터가 필요할 것이라고 믿습니다.

하지만 레벨 3 자율주행차에는 50~100PB의 데이터 저장 공간이 필요하고, 레벨 5 자율주행차에는 3EB 이상의 저장공간이 필요합니다. 바우먼은 "레벨 3 자율주행은 자동차가 스스로 운전할 수 있다는 뜻"이라며 "레벨 5 자율주행은 자동차가 완전히 스스로 운전할 수 있다는 뜻"이라며 "모든 데이터를 어떻게 처리하느냐"고 말했다. 문제는 저장 단계가 아니라 전송 단계에 있습니다. 예를 들어 카메라, 레이저 스캐너, 레이더의 데이터를 기록하기 위해 차량을 도로에 배치할 때 각 차량은 매일 80TB의 데이터를 생성할 수 있다고 말했습니다.

그는 이렇게 말했습니다. “그 다음에는 데이터 라인을 통해 차량을 연결하고, 자동차 시스템에서 데이터 센터로 데이터를 전송한 다음, R&D 센터에서 데이터 센터로 데이터를 복사해야 합니다. 일반적으로 우리 고객은 각 대륙에 중앙 집중식 데이터베이스를 보유하고 있으며 데이터 전송은 가속화된 파일 전송 방법이나 물리적 수단을 통해 달성될 수 있습니다."

데이터 관리에 대한 구체적인 연구 소개:

리소스 관리 및 작업 오프로딩

에지 노드는 일정 범위 내의 여러 사용자(차량)에게 동시에 서비스를 제공할 수 있기 때문에 리소스 할당 및 사용자 작업 경쟁 문제가 성능에 영향을 미치는 주요 요인입니다. 특정 문서에서는 차량 작업 오프로딩 과정에서 경쟁이 논의됩니다. 갈등 문제는 다중 사용자 게임 문제로 변환되어 문제의 내쉬 균형이 존재함을 증명하고 분산 컴퓨팅 오프로딩 알고리즘을 구현합니다.

더 나아가 위 문헌은 작업 중 통신 속도와 신뢰성에 중점을 둡니다. 오프로딩은 성능과 지연의 세 가지 측면에서 수행되었으며, 서비스 품질 인식을 지원하는 무선 네트워크 자원 관리 프레임워크를 차량 클러스터의 블록, 클러스터 간 자원 블록 풀 할당 및 3개의 하위 문제를 클러스터 내에서 할당하고 그래프 이론에 기반한 최적화 방법을 구현했습니다.

먼저 차량 분할을 클러스터 분할 문제로 변환하여 차량 간의 협업 제어가 숨겨진 문제를 피할 수 있도록 합니다.

그룹의 자원 블록 풀 할당 문제는 스펙트럼 활용 문제를 해결하기 위해 가중 자원 충돌 그래프를 기반으로 하는 최대-최소 공정성 문제로 변환됩니다. 향상된(효율적인 클러스터 간 통신 자원 재사용으로 인해 발생) 및 Trade-off를 통해 클러스터 간의 경쟁 충돌을 제한합니다.

• 높은 차량 이동성으로 인해 발생하는 잦은 에지 노드 전환 문제에 대응하여 위 문헌에서는 연결이 짧은 시간 후에 차량과 노드 사이의 손실로 인해 처리 시간이 증가하고 에너지 소비가 증가하므로 계산된 교체 시간에 따라 처리 작업이 원래에서 오프로드됩니다. 노드를 실행 가능한 다음 대상 노드로 옮기는 동시에 연구원은 단일 전체 작업 오프로딩으로 제한되지 않고 전체 오프로딩 프로세스에 대해 부분 오프로딩 전략을 구현합니다. 차량단과 엣지 서비스 노드단의 성능은 현재 시스템 조건(예: 채널 품질, 트래픽 부하)에 따라 심각하게 고려되어야 합니다. 서로 결합되어 큰 범위를 포함하는 두 가지 확률론적 최적화 문제를 동시에 고려하십시오. 차량단과 노드단의 상태정보와 제어변수의 양.

  구체적으로, 알고리즘은 Lyapunov 알고리즘을 기반으로 양측 확률론적 최적화 문제를 두 개의 독립적인 프레임별 최적화 문제로 분리합니다. 차량의 경우 로컬 처리 비용과 작업 오프로딩 비용을 비교하여 오프로딩 전략을 선택하고 CPU 조정 빈도는 에지 노드에 대해 목적 함수를 계산하고 경량 자원 공급 알고리즘을 먼저 제안한 후 무선 자원과 에너지 소비를 공동으로 최적화하는 반복 알고리즘, 연속 완화 방법 및 라그랑주 이중 디커플링을 기반으로 합니다. 알고리즘을 제안합니다.

  동시에 연구원은 차량과 엣지 노드 간의 무선 데이터 전송을 위해 TV 공백을 선택하여 기존 셀룰러, Wi-Fi 및 기타 기술의 단점을 보완하고 통신 효율성을 향상시켰습니다.

  동시에 특정 지역의 여러 사용자의 경우 일반적으로 선택을 제공하는 여러 노드가 있습니다. JSCO 알고리즘은 다중 노드, 다중 사용자 컨텍스트의 로드 밸런싱 및 작업 오프로드 의사 결정 문제를 혼합 정수 비선형 프로그래밍 문제로 변환하고 노드 선택, 컴퓨팅 리소스 최적화 및 컴퓨팅 리소스 최적화의 세 가지 문제를 낮은 복잡성으로 계산할 수 있습니다. 오프로드 계획 의사결정 대기 시간 제약을 유지하면서 시스템 활용도를 극대화합니다.

  데이터에 대한 5G 인프라의 중요성

  일부 전문가들은 5G가 자율주행차의 개발과 생산에 매우 중요하며, 특히 자동차에 더 많은 기술이 통합될 향후 5~10년에 중요하다고 말합니다. . 그는 "오늘날의 자동차는 도로 위의 모바일 데이터 센터입니다. 따라서 5G를 통해 데이터 센터로 전송할 가치가 있는 귀중한 데이터를 식별하려면 차량 내 데이터를 사전 처리해야 합니다."라고 말했습니다.

  자율주행차는 엣지 데이터, 즉 차량에 데이터를 저장해야 한다고도 하더군요. "특히 5G 서비스가 제공되지 않는 장소에서는 컴퓨팅 엣지 스토리지가 필요합니다. 5G 신호가 오면 데이터를 전송하기 위해 차량에 데이터를 캐시해야 하기 때문에 이는 또 다른 문제입니다."

  5G와 관련된 또 다른 문제는 업로드 속도입니다. 일부 전문가들은 "5G는 고속 다운로드 스트리밍 데이터용으로 설계돼 업로드 속도가 그리 빠르지 않다. 따라서 실제로 5G를 통해 많은 양의 데이터를 업로드할 수는 없다"고 말했다. 차량이 아닌 최종 사용자에게 전달됩니다." 하지만 5G의 장점은 지연 시간이 짧다는 것입니다."

  당면한 과제

  지난해 5월 12일 중국 사이버 공간 관리국이 발표한 "자동차 데이터 보안 관리에 관한 여러 조항(의견 초안)"("의견 초안"이라고 함)은 작은 변동에도 빠르게 '연못 밑바닥'으로 가라앉았고, 국경을 넘는 자동차 제조 등 자동차 업계의 열기에 가려진 것 같습니다. 하지만 이것이 단순히 테슬라 논란으로 야기된 데이터 보안 위험 통제 계획이 아니라는 점을 자동차 회사들은 잘 알고 있다. 더 깊은 차원에서는 사용자 데이터 수집에 대한 '저주' 경고가 울려퍼지고 있다. “이 규정이 최종적으로 시행되어 데이터는 자동차에만 남을 수 있도록 엄격하게 규정하고, 자동차 회사들이 새로운 법적 데이터 수집 채널을 활성화하지 않는다면 국내 자율주행 기술 개발은 실제로 수년 동안 지연될 수 있다”고 말했다. 한 업계 관계자는 익명을 조건으로 말했다.

  그러나 모든 자동차 회사가 실제 도로에서 사용자의 주행 데이터를 기다리기로 선택하는 것은 아닙니다. 자동차 회사가 자율 주행 기술을 반복적으로 업그레이드하고 개선하는 데 중요한 지원입니다. 이를 위해 일부 기업에서는 데이터 수집을 위한 새로운 비즈니스 모델을 만들기 시작했습니다. 올해 4월 SAIC Zhiji는 CSOP(Cus-tomerShareOptionPlan) 사용자 데이터 권한 플랫폼을 기반으로 사용자 디지털 자산 '원석'의 채굴 방법을 출시했습니다. 이 플랫폼을 통해 사용자와의 데이터 거래를 실현하기를 희망합니다. 구체적인 운영 방법은 Zhiji Automobile이 CSOP 계획을 위해 창립 라운드 자본의 4.9%를 사용하고 3억 개의 "원석"을 출시했으며, 그 중 원석의 70%는 매일 생성된 데이터를 통해 자동차 소유자가 상환해야 합니다. 운전 차량. 사용자는 원석을 얻은 후 소프트웨어 및 하드웨어 제품을 업그레이드하고 해당 데이터 권한을 얻을 수 있습니다.

  Zhiji는 현재 사용자와의 데이터 거래를 제안하는 유일한 자동차 회사입니다. 해당 플랫폼은 새로운 규정 초안이 발표되기 전에 출시되었지만 강화되는 규정에 따른 솔루션으로 간주됩니다. Baidu Apollo 정보 보안 책임자인 Liu Jianhao는 Economic Observer의 기자에게 "매우 흥미롭다고 생각합니다. 이는 모델 혁신입니다."라고 말했습니다. 앞서 언급한 당국 역시 이 모델이 획기적이라고 평가하고 있다. 이전에는 자동차 회사들이 기본적으로 대부분의 차량 데이터를 수집해 평등한 거래가 이루어진 적이 없었다. 그러나 일부 전문가들은 불확실성이 많기 때문에 이 모델은 단순히 자동차 회사의 인터넷 사고방식에 따른 시도일 뿐, 구현이 원활할지 여부를 말하기 어렵다고 보고 있다.

  

  Zhiji Auto 데이터 거래 모델에 대한 논의는 스마트 자동차에 대한 사용자 데이터 수집이 점점 어려워질 자동차 회사와 업계의 위기감을 반영합니다. '의견초안'에 따르면 자동차 회사는 '기본적으로 사용자의 개인정보와 중요한 운전 데이터를 수집하지 않는다'거나 최소한 매번 사용자의 동의를 받아야 한다고 명시돼 있다. 이는 데이터 수집 채널이 차단될 수 있음을 의미하며, 이는 필연적으로 현재 호황을 누리고 있는 자율 주행 애플리케이션에 영향을 미칠 것입니다.

  이러한 상황에서 SAIC Zhiji의 데이터 거래 모델이 업계 트렌드가 될 수 있을까요? 사용자 데이터 보안 요구와 지능형 운전 기술 개발 사이에 실행 가능한 다른 데이터 공유 모델이 있습니까? 업계가 해결책을 찾을 시간이 얼마 남지 않았습니다.

  자동차 회사의 빅데이터 '단절' 위험

  경제 관찰자 기자와의 인터뷰에서 많은 전문가들은 Zhiji Auto의 사용자와의 데이터 거래 모델에 확실한 긍정을 했습니다. 자동차 산업의 수석 분석가인 Mei Songlin은 이 모델이 자동차 회사의 데이터 수집 투명성을 향상시키고 자동차 회사와 사용자가 서로 이익을 얻을 수 있다고 믿습니다. CCID 컨설팅 자동차 ​​산업 연구 센터의 총책임자인 Lu Wenliang은 이는 자동차 회사가 인터넷 회사와 유사한 다소 발전된 '크라우드소싱' 모델을 채택하기 시작했음을 보여준다고 말했습니다.

  그러나 이 모델이 업계 트렌드가 될 것인지에 대해서는 업계의 견해가 다릅니다. "미래에는 (Zhiji와 같은) 기업이 사용자가 데이터를 제공하도록 자극하는 좋은 방법이 나올 것이라고 생각합니다." Liu Jianhao는 이 모델을 채택하면 자동차 회사가 데이터를 얻는 데 도움이 될 뿐만 아니라 데이터 축적을 통해서도 도움이 될 수 있다고 믿습니다. Liu Jianhao는 "데이터는 모바일 인터넷 시대의 기본 요소이며 매우 중요합니다."라고 말했습니다. Liu Jianhao는 "(이전) Nokia 자체에는 데이터가 거의 없었습니다. 스마트 폰 애플리케이션의 콘텐츠가 증가하면서 모바일 인터넷 시대를 직접 열었다"고 휴대폰 산업의 발전에 비유했습니다.

  그러나 일부 사람들은 데이터 거래 모델에 여전히 불확실성이 많다고 생각합니다. 한편으로는 새로운 모델이기 때문에 데이터 거래량과 보상량을 설정하기 어렵다. “설정이 낮으면 아무도 참여하지 않고, 설정이 높으면 나중에 현금화되지 않는다. 이는 브랜드에 손상을 입힐 것입니다." Lu Wenliang은 말했습니다. 동시에 데이터가 스마트 자동차의 전반적인 개발을 촉진할 수 있다는 견해에 대응하여 Lu Wenliang은 "크라우드소싱" 모델을 사용하여 개발을 달성하려면 먼저 제품이 상대적으로 좋아야 사용자 데이터를 사용하여 스마트 자동차의 전반적인 개발을 촉진할 수 있다고 믿습니다. 반제품의 경우 악순환이 발생하게 되는데, 현재의 스마트카는 개발 및 완성되었다고 할 수 없기 때문에 이 새로운 데이터 수집 모델이 대변하는지 말하기는 어렵습니다. by Zhiji Automobile은 트렌드가 될 것입니다. "아마도 인터넷 사고에 따른 자동차 회사의 시도일 것입니다. 인터넷 운영 모델이 많기 때문에 모두 시도해보고 작동하지 않으면 변경할 수 있습니다."

  자동차 데이터 보안 관리에 관한 새로운 규정 초안이 발표되면서 자동차 회사의 데이터 수집에 대한 불안감이 점점 커지고 있습니다. "이제 자동차 회사들은 최신 데이터 수집 요구 사항으로 인해 골머리를 앓고 있습니다. 이 초안과 관련하여 기업의 피드백 대부분은 데이터 수집 방법의 변경에 초점을 맞추고 있습니다." Lu Wenliang은 Economic Observer의 기자에게 다음과 같이 지적했습니다. "주된 이유는 과거에 너무 많은 데이터가 수집되었기 때문인데, 많은 기업의 비즈니스 모델은 승인 없이 데이터를 수집하는 것입니다." 자동차 데이터 보안 관리에 관한 새로운 규정은 주로 중요한 데이터와 개인정보의 두 가지 유형의 데이터 수집을 제한합니다. 중요 데이터에는 '차종, 차량 통행량, 기타 도로상의 데이터'가 포함되는데, 이는 도로 장면을 수집하는 자율주행에 필요한 중요한 데이터로 꼽힌다. 또한, 개인정보 중 개인의 차량 내 운영 역시 자동차 회사가 사용자 습관을 수집하는 중요한 채널로 간주됩니다. 그러나 새로운 규정에서는 이 정보를 '기본적으로 수집하지 않는다'고 규정하고, 수집하더라도 '한 번만 유효하다'고 규정해 현재 자동차 회사의 데이터 수집 채널을 차단할 수 있다.

  지능형 운전의 블랙박스 - 화웨이 데이터 관리 방식

  화웨이는 업계를 선도하는 '화웨이 코어 네트워크 자율주행 네트워크 백서'를 공식 발표해 자율주행 네트워크의 개념, 목표, 아키텍처를 제안했다. 5G 코어 네트워크 자율주행 네트워크는 5G 코어 네트워크가 자율주행 네트워크로 진화하기 위한 측정 가능하고 실용적인 안내 경로를 제공합니다.

  최근 몇 년 동안 스마트 운전 자동차는 자동차 분야의 새로운 개발 트렌드가 되었습니다. 점점 더 많은 자동차가 보조 운전 시스템(ADAS)과 자율 주행 시스템을 채택하고 있습니다. 온보드 센서는 지능적으로 장애물을 감지하고 주변 환경을 감지하여 차량의 경로를 자동으로 결정하고 운전 중 차량의 주행 상태를 제어합니다. 지능형 운전 기술은 자동차 분야에 혁신적인 기회와 과제를 가져왔습니다. 점점 더 많은 제조업체가 지능형 운전을 통해 운전자의 운전 경험을 향상시키기 위해 노력하고 있습니다.

  또한 스마트 운전 자동차의 안전성도 업계에서 폭넓은 관심을 끌었습니다. 전통적인 인간 운전 자동차는 일반적으로 블랙박스 장비를 사용하여 차량의 엔진 속도, 차량 속도, 브레이크, 가속 장치 및 안전 벨트를 기록합니다. 블랙박스는 차량에 장착되는 장치로 파손에 대한 저항력이 높습니다. 차량이 격렬한 충돌을 했을 때, 블랙박스는 차체에 장착된 블랙박스 장치에 연결된 가속도 센서가 제공하는 데이터를 이용해 차량의 가속도가 단시간에 미리 설정된 임계값을 초과하는지 여부를 판단하고 이를 수집할 수 있습니다. 신체 데이터를 저장합니다.

  그러나 기존의 인간이 운전하는 차량과 비교할 때 스마트 운전 자동차는 적용 시나리오, 운전자 운전 습관 및 스타일, 스마트 운전 자동차의 각 시스템 작동 방식, 주변 시설과의 관계 및 주변 시설과의 관계 등 다양한 측면을 가지고 있습니다. 지능형 운전 자동차는 안전성 측면에서 엄청난 변화를 겪었고 블랙박스 데이터 관리 방법에 대한 요구 사항도 높아졌습니다. 따라서 지능형 운전 자동차에 적합한 보다 효과적인 블랙박스 관리 방법을 어떻게 제공할 것인가가 기술적인 문제로 대두되었습니다. 해결될 것입니다.

  이 문제를 해결하기 위해 Huawei는 2019년 8월 7일 "지능형 운전 차량의 블랙박스 데이터 관리 방법, 장치 및 장비"라는 제목의 발명 특허를 출원했습니다(신청 번호: 201910726567.X). 화웨이 테크놀로지스(Huawei Technologies Co., Ltd.)입니다.

  현재 공개된 이 특허 정보를 바탕으로 블랙박스 데이터 관리 방법을 살펴보겠습니다.

  

  위에 도시된 바와 같이, 본 특허에 의해 발명된 스마트 드라이빙 자동차의 블랙박스 데이터 관리 시스템의 논리적 구조를 개략적으로 도시한 것이다. 시스템은 클라우드 데이터 센터(101), 네트워크(102) 및 스마트 주행 차량(103). 클라우드 데이터 센터(101)와 스마트 주행 차량(103)은 네트워크(102)를 통해 통신한다.

  그중 클라우드 서비스 데이터 센터는 프라이빗 클라우드, 퍼블릭 클라우드 및 하이브리드 클라우드 유형 데이터 센터를 포함하여 블랙박스 데이터를 저장하는 클라우드 서비스 데이터 센터를 제공할 수 있으며, 네트워크는 스마트 드라이빙에서 블랙박스 데이터 전송을 실현할 수 있습니다. 클라우드 서비스 데이터 센터로 차량을 이동합니다.

  지능형 주행 차량 전체를 보면 통신박스 1031, 중앙 게이트웨이 1032, 차체 제어기(BCM) 1033, 인간-컴퓨터 상호작용 제어기 1034, 지능형 주행 제어기 1035, 차량 제어기 1036 및 블랙박스 장치 1037을 포함합니다. 통신 박스는 스마트 운전 차량과 클라우드 서비스 데이터 센터 간의 통신을 구현하는 데 사용됩니다. 인간-컴퓨터 상호 작용 컨트롤러에는 차량 내 엔터테인먼트(IVI) 및 하드웨어 모니터 인터페이스(HMI)와 같은 차량 내 엔터테인먼트 제어 시스템이 포함됩니다. 사람과 차량 간의 상호 작용을 위해 일반적으로 기기, 중앙 제어 디스플레이, 스티어링 휠 압력 센서 및 기타 장비를 관리하는 데 사용됩니다.

  차량 컨트롤러(VCU)는 일반적으로 섀시 전자 제어 장치, 에어백 및 전력 전자 제어 장치에 연결되며, 에어백은 일반적으로 관성 측정 장치의 감지를 통해 관성 측정 장치에 연결될 수 있습니다. 스마트 주행 자동차가 비상 제동 상태인지 판단합니다. 스마트 주행 자동차가 이 상태에서 비상 제동 상태가 되면 에어백이 팝업되어 운전자의 안전을 보호할 수 있습니다.

  마지막은 차량에서 가장 신비로운 블랙박스입니다. 블랙박스 장치는 긴급 상황에서 스마트 주행 차량의 차체 데이터를 기록하는 데 사용됩니다. 이러한 데이터에는 엔진 속도, 차량 속도, 제동력, 조향이 포함됩니다. 각도, 가속 페달 상태, 안전 벨트 상태 등은 물론 이 데이터가 생성된 타임스탬프도 포함됩니다. 자동차 충돌 사고가 발생하면 이 데이터는 조사관이 사고를 분석하는 데 가장 중요한 데이터인 경우가 많습니다.

  다음으로, 본 특허에서 제공하는 스마트 드라이빙 자동차의 블랙박스 데이터 관리 방법을 아래 그림과 연계하여 자세히 소개하겠습니다.

  

  먼저, 감지 컨트롤러가 블랙박스 트리거 이벤트를 감지하면 감지 컨트롤러는 블랙박스 장치에 트리거 이벤트 알림을 보냅니다. 둘째, 블랙박스 장치는 트리거 이벤트 유형에 따라 블랙박스 데이터의 데이터 유형을 식별한다. 감지 컨트롤러가 감지할 수 있는 블랙박스 트리거 이벤트에는 운전 모드 전환 이벤트와 운전 위험 경계 이벤트가 포함된다. 전환 이벤트는 다음 두 가지 유형으로 세분화할 수 있습니다. 상황:

  1) 운전자가 스마트 운전 자동차의 운전 모드를 스마트 운전 모드로 전환하는 경우: 스마트 운전 자동차를 수동으로 운전하고 스마트 운전 시스템이 감지하는 경우 스마트 운전 개방 조건을 충족하면 운전자는 인간-컴퓨터 상호 작용 컨트롤러를 통해 알림을 받습니다. 이때 운전자는 버튼을 통해 스마트 운전 자동차를 스마트 운전 모드로 전환하도록 트리거합니다. 블랙박스 트리거 이벤트가 있는 박스 장치입니다.

  2) 운전자가 스마트 주행 자동차의 주행 모드를 비지능형 주행 모드로 능동적으로 전환: 스마트 주행 자동차가 스마트 주행 모드에 있을 때 운전자는 브레이크를 밟거나 핸들을 돌려 모드를 전환할 수 있습니다. 또는 휴먼-컴퓨터 인터랙션 컨트롤러를 이용하여, 이때 블랙박스 데이터 트리거 이벤트는 휴먼-컴퓨터 인터랙션 컨트롤러를 통해 감지될 수 있으며, 블랙박스 장치는 블랙박스 트리거 이벤트를 통보받을 수 있다.

  이후 블랙박스 장치는 트리거 이벤트 유형과 데이터 유형을 기준으로 해당 데이터가 속한 저장 수준을 결정하고, 해당 데이터가 속한 저장 수준과 미리 설정된 규칙에 따라 데이터를 저장합니다. 데이터가 속한 저장 수준이 미리 설정된 조건을 충족하면 블랙박스 장치는 블랙박스 데이터를 클라우드 서비스 데이터 센터로 전송합니다. 이렇게 데이터의 저장 방식에 등급을 매겨 최상위 레벨에서는 책을 클라우드에 저장함으로써 데이터의 보안과 효율성을 보장합니다.

  

  마지막은 본 스마트 드라이빙 차량의 블랙박스 장치의 개략적인 구조도이다. 블랙박스 장치는 프로세서(101), 저장매체(102), 통신 인터페이스(103) 및 메모리 유닛 104. 그 중 프로세서, 저장매체, 통신 인터페이스, 메모리 유닛 등은 버스를 통해 통신한다.

  위는 화웨이가 개발한 블랙박스 데이터 관리 방식입니다. 블랙박스 내 데이터 관리 방식을 업그레이드하여 블랙박스 데이터를 로컬 스토리지와 클라우드 스토리지에 동시에 저장하고, 블랙박스 데이터를 저장하는 방식입니다. 계층적으로는 스마트 드라이빙 자동차의 블랙박스 데이터의 효율성과 보안성을 향상시키며, 스마트 드라이빙 자동차 전체의 전반적인 안전성도 향상시켜 줍니다.

  요약

  1. 자동화 수준이 높을수록 필요한 데이터 저장량이 늘어납니다.
  2. 문제는 저장 단계에서 시작되는 것이 아니라 전송 단계에서 시작되어야 합니다.
  3. "자동차 데이터 보안 관리에 관한 여러 규정"은 실제 도로에서의 주행 데이터 개발을 제한하고 있습니다. 자동차 제조사의 자율주행 기술 향상 중요 지원
  4. 자율주행차는 안전 측면에서도 블랙박스 데이터 관리 방식에 대한 요구사항이 더 높습니다.

위 내용은 자율주행 기술의 빅데이터 관리 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!