车辆的大数据管理，需要收集的数据量也呈几何级数增长。以目前常见的L3阶段为例，随着4K超高清摄像头、128线激光雷达等传感器的引入，数据采集系统每天8小时记录的数据量高达30TB.这么说吧，Nvidia的自动驾驶技术测试也表明，车辆学习数据收集系统可以在数小时内填满数TB的固态存储驱动器(SSD)。众所周知，汽车自动化分为五个级别。自动化程度越高，所需的数据存储量就越大。例如，2级自动驾驶汽车需要完全人工操作，但具有额外的自动化系统，例如变道辅助、盲点检测或自动停车功能。根据Bowman的说法，2级自动驾驶汽车将需要4到10PB的数据。然而，一辆Level3自动驾驶汽车需要50到100PB的数据存储，而一辆Level5自动驾驶汽车需要超过3EB的存储。“3级自动驾驶系统意味着汽车可以自行驾驶。而5级自动驾驶汽车可以完全自主驾驶，”鲍曼说。“如何处理所有的数据？虽然自动驾驶汽车所需的数据存储量巨大，但挑战不在存储阶段，而是在传输阶段。比如让车辆上路记录数据鲍曼说，摄像头、激光扫描仪和雷达每天每辆车产生80TB的数据。他说：“然后你必须用数据线连接车辆，将数据从汽车系统传输到数据中心，并且然后将数据从研发中心复制到数据中心。通常我们的客户在各个大陆都有一个集中的数据库，数据传输可以通过加速文件传输方式或者物理方式来实现。介绍一些数据管理的具体研究：资源管理和任务卸载。范围内的多个用户（车辆）同时提供服务，因此资源分配和用户任务竞争是影响性能的主要因素。一个文件转化竞争冲突问题将车辆任务卸载过程转化为多用户博弈问题，证明了该问题纳什均衡的存在性，并实现了分布式计算卸载算法。进而，上述文献对任务卸载过程中的通信速率、可靠性、时延三个方面进行了优化分析，提出了支持服务质量感知的无线网络资源管理框架，将资源分配问题分解为车辆集群。block，集群间资源块池的分配，集群内的资源分配，实现了一种基于图论的优化方法：首先将车辆划分转化为集群划分问题，使得车辆间的协同控制可以避免隐藏终端问题同时避免了半双工带来的通信限制；基于加权资源冲突图，将组的资源块池分配问题转化为最大和最小公平问题，解决了（由有效的集群间通信资源重用引起））频谱利用率增强和限制之间的权衡集群间争用冲突。针对车辆高机动性导致边缘节点频繁切换的问题，上述文献认为车辆与节点之间的连接会在短时间后丢失，导致处理时间和能量增加消耗。提出了一种任务接替算法，根据计算出的接管时间，将处理任务从原节点卸载到下一个可行的目标节点，任务继续运行。同时，研究者不局限于单一的完整任务卸载，而是针对一系列任务实施部分卸载策略。对于整个卸载过程，需要重视车辆端的性能和边缘服务节点端的性能。DDORV算法可以根据当前系统状况（如信道质量、流量负载）同时考虑耦合在车辆端和节点端之间、包含大量状态信息和控制变量的两个随机优化问题。具体来说，该算法基于李亚普诺夫算法将双边随机优化问题解耦为两个独立的帧优化问题：对于车辆，通过比较本地处理成本和任务卸载成本来选择卸载策略，CPU调整频率由建议的目标函数计算；针对边缘节点，首先提出轻量级资源供给算法，然后基于迭代算法联合优化无线资源和能量消耗，提出连续松弛法和拉格朗日双解耦算法。同时，研究人员选择电视空白频段进行车辆与边缘节点之间的无线数据传输，弥补了传统蜂窝和Wi-Fi技术的不足，提高了通信效率。同时，对于某个区域内的多个用户，通常会有多个节点提供选择。JSCO算法将多节点、多用户环境下的负载均衡和任务卸载决策问题转化为混合整数非线性规划问题，能够对节点选择、计算等三个问题进行低复杂度的计算资源优化和卸载方案决策。最大限度地提高系统利用率，同时保持延迟限制。5G基础设施对数据的重要性有专业人士表示，5G对自动驾驶汽车的研发和生产至关重要，尤其是在未来5到10年，届时更多技术将融入汽车。“今天的汽车是路上的移动数据中心。因此，车辆中的数据必须进行预处理，例如，识别有价值的数据，通过5G传输到数据中心，”他说。他还表示，自动驾驶汽车需要将数据存储在边缘，即车内。“你需要计算边缘存储，尤其是在没有5G覆盖的地方。这是另一个问题，因为你必须在车辆中缓冲数据，以便在有5G信号时发送它，”他说。与5G相关的另一个问题是上传速度。有专业人士表示：“5G是为高速下载流数据而设计的，所以上传速度没有那么快。因此，你不能真正通过5G上传大量数据，它是为了将数据从数据中心传输到“最终用户，而不是从车辆到数据中心。但5G的优势在于其低延迟。”挑战面对国家网信办去年5月12日发布的《汽车数据安全管理若干规定（征求意见稿）》（简称《意见稿》），在引起小幅波动后，似乎很快沉入“谷底”，被汽车行业采用诸如跨界车企的兴奋被掩盖了，但车企很清楚，这不仅仅是特斯拉风波带来的数据安全风控方案，更深层次的是对“紧缩魔咒”的警告。收集用户数据的声音已经响起。“如果这个规定最终落地，严格规定数据只能保存在车内，车企不开辟新的合法数据获取渠道，那么国内自动驾驶技术的发展可能真的一位不愿透露姓名的行业权威人士表示。但并非所有车企都选择观望。用户在真实道路上的行车数据是车企在未来的重要支撑。迭代升级和改进他们的自动驾驶技术。为此，现有公司已经开始为数据采集创建新的商业模式。今年4月，基于旗下CSOP（Cus-tomer Share Option Plan）用户数据权益平台，上汽智集公布了用户数字资产“原石”的挖矿方式。希望通过这个平台与用户进行数据交易。具体操作方式为：知己汽车拿出4.9%的创始轮股权用于CSOP计划，推出3亿个“原石”，其中70%的原石需要车主通过生成的数据进行兑换通过日常驾驶车辆。用户获得原石后，可升级软硬件产品及相应的数据权益。智驾是目前国内唯一一家提出与用户进行数据交易的车企。虽然其平台是在新规草案发布前上线的，但被认为是解决监管收紧的一个办法。“我觉得很有意思，是一种模式创新。”百度Apollo信息安全负责人刘建豪告诉经济观察报记者。上述权威人士也认为该模式具有开创性。此前，车企默认收集大部分车辆数据，从未实现对等交易。但也有专家认为，由于存在诸多不确定性，这种模式可能只是车企互联网思维下的一种尝试，实施起来是否顺利还不好说。智能汽车数据交易模式讨论的背后，折射出车企和行业对于智能汽车的用户数据采集难度将越来越大的危机感。据《意见稿》称，车企“默认不收集”用户的个人信息和重要的驾驶数据，或者至少每次都需要征得用户的同意。这意味着数据采集通道有可能被阻断，这将不可避免地对当前如火如荼的自动驾驶应用产生影响。在这样的情况下，上汽智集的数据交易模式能否成为行业趋势？在用户数据安全与智能驾驶技术发展需求之间，是否还有其他可行的数据共享模式？整个行业寻找解决方案的时间不多了。大数据“斩断”车企风险在接受经济观察报记者采访时，多位专家对智驾汽车与用户的数据交易模式给予了一定的肯定。汽车行业资深分析师梅松林认为，这种模式可以提升车企数据采集的透明度，让车企和用户互惠互利。赛迪顾问汽车产业研究中心总经理陆文亮表示，这表明车企开始采用类似互联网企业的“众包”模式，有些超前。 不过，对于这种模式是否会成为行业趋势，业内存在不同看法。“我认为未来，公司可能会（比如知乎）想出一些好的方法来刺激用户提供数据。”刘建豪认为，采用这种模式不仅可以帮助车企获取数据，还可以通过数据的积累极大地推动智能汽车的发展，“数据是移动互联网时代的基本要素，非常重要，智能汽车也是如此。”刘建豪说道。刘建豪用手机行业的发展做了一个类比。“（之前）诺基亚没有数据，随着智能手机应用内容的增加，直接迎来了移动互联网时代。”刘建豪说道。但也有观点认为，数据交易模式还存在诸多不确定性。一方面，由于是新模式，数据交易量和奖励量难以设定。“设置低了，就没有人参与，设置高了，后面就变现不了，还会损害品牌。”陆文亮说。同时，鉴于数据可能会推动智能汽车的整体发展，卢文亮认为，要用“众包”模式实现发展，首先产品要相对好，才能用用户数据形成良性循环。在半成品的情况下，会造成恶性循环，而目前的智能汽车还不能说已经完全开发，所以以知己汽车为代表的这种新的数据采集模式是否会成为一个新的模式还很难说。趋势，“这大概只是车企在互联网思维下的一次尝试。互联网的运营模式很多，都试一试，不行就换。“汽车数据安全管理新规征求意见稿的出台，让车企对数据采集越来越焦虑。”现在车企都为最新的数据采集要求而头疼。其中大部分集中在数据收集方式的变化上。陆文亮向经济观察报记者指出，如果新规落地，肯定会产生很大的影响，“主要是过去收集的数据太多，很多企业的商业模式就是收集数据未经授权。”可见，汽车数据安全管理新规主要限制两类数据的采集——重要数据和个人信息。其中，重要数据包括“道路上的车辆类型、车辆流量等数据”，被认为是自动驾驶。收集道路场景所需的重要数据。此外，个人信息中的个人车内操作也被认为是车企收集用户习惯的重要渠道。但新规确定此类信息“默认不收集”，即使收集了，授权也“仅有效一次”，这可能会堵住当前车企的数据收集渠道。智能驾驶的黑匣子——华为的数据管理方法华为正式发布《华为核心网自动驾驶网络白皮书》，在业界率先提出面向5G的核心网自动驾驶网络的概念、目标和架构，提供了可衡量、可实践的指导路径5G核心网向自动驾驶网络演进。近年来，智能驾驶汽车已成为汽车领域发展的新趋势，越来越多的汽车采用驾驶员辅助系统（ADAS）和自动驾驶系统。这些系统利用车载移动数据中心（MDC）和车载传感器智能检测障碍物，感知周围环境，并在行驶过程中自动决定车辆行驶路径。并控制车辆的行驶状态。智能驾驶技术给汽车领域带来了革命性的机遇和挑战。越来越多的厂商致力于通过智能驾驶来提升驾驶员的驾驶体验。此外，智能驾驶汽车的安全性也引起了业界的广泛关注。传统的人工驾驶汽车通常使用黑匣子设备记录车辆在事故发生前后的发动机转速、车速、刹车、油门和安全带状态。一种在汽车上具有高抗损性能的装置。当汽车发生剧烈碰撞时，黑匣子可以通过连接在车体中的黑匣子设备的加速度传感器提供的数据，判断短时间内车辆的加速度是否超过预设阈值，然后进行采集和处理。存储身体数据。但是，与传统的人力驾驶车辆相比，智能驾驶汽车在应用场景、驾驶员的驾驶习惯和方式、智能驾驶汽车中各系统的工作方式、与周边设施和汽车的关系等方面都发生了巨大的变化。因此，如何提供更有效的适用于智能驾驶车辆的黑匣子管理方法成为亟待解决的技术问题。为解决此类问题，华为于19年8月7日申请了一项发明专利（申请号：201910726567.X），名称为“智能驾驶汽车黑匣子数据的管理方法、装置及设备”，申请人为华为技术有限公司.,Ltd.下面我们就根据专利目前公开的信息来看一下这种黑匣子数据管理方法。如上图所示，是该专利发明的智能驾驶汽车黑匣子数据管理系统逻辑架构示意图。该系统包括云数据中心101、网络102和智能驾驶汽车103，云数据中心101和智能驾驶汽车103通过网络102进行通信。其中，云服务数据中心可提供存储黑盒数据的云服务数据中心，包括私有云、公有云和混合云数据中心；该网络可实现智能驾驶汽车中黑匣子数据向云服务数据中心介质传输。纵观整个智能驾驶汽车，包括通讯盒1031、中央网关1032、车身控制器（BCM）1033、人机交互控制器1034、智能驾驶控制器1035、整车控制器1036和黑盒装置1037、通信盒，用于实现智能驾驶汽车与云服务数据中心的通信；人机交互控制器包括车载娱乐系统（IVI）和硬件监控界面（HMI）等车载娱乐控制系统。用于管理仪表、中控显示器和方向盘压力传感器等设备。整车控制器（VCU）通常与底盘电子控制单元、安全气囊和电力电子控制单元相连，而安全气囊通常与惯性测量单元相连。通过惯性测量单元的检测，可以判断智能驾驶汽车是否处于紧急制动状态，如果智能驾驶汽车处于这种状态，安全气囊会弹出，保护驾驶员的安全。最后，还有车内最神秘的黑匣子。黑匣子设备用于在紧急情况下记录智能驾驶汽车的车身数据。这些数据包括：发动机转速、车速、制动力、转向角、油门踏板状态、安全带状态等，以及数据产生时的时间戳。在发生车祸时，这些数据通常是调查人员用来分析事故的最重要数据。下面结合下图详细介绍本专利提供的智能驾驶汽车中黑匣子数据的管理方法，如图所示。首先，当检测控制器检测到黑盒触发事件时，检测控制器向黑盒设备发送触发事件通知。其次，黑盒设备根据触发事件类型识别黑盒数据的数据类型。检测控制器可以检测的黑盒触发事件包括驾驶模式切换事件和驾驶风险边界事件。其中，驾驶模式切换事件可以细分为以下两种情况：两种情况：1）驾驶员将智能驾驶汽车的驾驶模式切换为智能驾驶模式：当智能驾驶汽车为手动驾驶且智能驾驶系统检测到满足智能驾驶条件，通过人机交互控制器通知驾驶员，驾驶员通过按钮触发智能驾驶汽车切换到智能驾驶模式。此时人机交互控制器通知黑盒设备有黑盒触发事件。2）驾驶员主动将智能驾驶汽车的驾驶模式切换为非智能驾驶模式：当智能驾驶汽车处于智能驾驶模式时，驾驶员可以主动将智能驾驶汽车的驾驶模式切换为非智能驾驶模式。驾驶汽车切换到非驾驶模式。此时可以通过人机交互控制器检测到黑盒数据触发事件，通知黑盒设备有黑盒触发事件。然后，黑盒设备根据触发事件类型和数据类型确定数据所属的存储级别，并根据数据所属的存储级别和预设规则存储数据。当数据的存储级别满足预设条件时，黑匣子设备会将黑匣子数据发送到云服务数据中心。这样，通过对数据存储方式进行分级，最高层将图书保存到云端，从而保证了数据的安全性和有效性。最后是这款智能驾驶汽车黑匣子装置的结构示意图。可以看出，黑盒设备包括处理器101、存储介质102、通信接口103和存储单元104。其中，处理器、存储介质、通信接口和存储单元通过总线进行通信。以上就是华为发明的黑盒数据管理方式。通过升级黑匣子数据的管理方式，将黑匣子的数据同时存储在本地和云端，将黑匣子的数据分层存储，有效提升智能化。行车黑匣子数据的有效性和安全性，也提升了整个智能驾驶车的整体安全性。小结自动化程度越高，需要的数据存储量就越大；挑战不在存储阶段，而在传输阶段；车内数据要经过预处理，有价值的数据先通过5G传输；《汽车数据安全管理若干规定》限制了国内自动驾驶的发展，真实道路上的行车数据是车企自动驾驶技术迭代升级完善的重要支撑；自动驾驶汽车在安全性方面也对黑匣子数据的管理方式提出了更高的要求。
