為確保AD/ADAS系統的安全性，各大車企通常需要收集、處理和分析來自于攝像頭、激光雷達等傳感器的數據，以找出提高系統安全性和性能的方法。然而在數據收集過程中，不可避免地會出現大量無價值數據，造成數據泛濫的情況，進而影響數據的分析處理進程。為此，本文將為大家分享如何通過合適的指標及分析工具，實現數據的高效管理、解讀和正確分析，以避免數據泛濫的不利影響！

一、現有問題

對于汽車制造商來說，確保AD/ADAS系統的安全性通常需要收集大量數據。為了開發、驗證和改進自動駕駛系統，流程通常是相同的：在各種條件下反復進行駕駛測試，累積大量里程。

這些來自不同來源（攝像頭、GPS、激光雷達、仿真等）的駕駛日志隨后會被處理和分析，以找出提高系統安全性和性能的方法。由于涉及大量傳感器、眾多不同的使用場景以及大量的行駛里程，需要處理的信息量會迅速呈指數級增長。

面對如此大量待處理的信息，很容易讓人感到不知所措。收集到的很多內容可能毫無用處（設想開車行駛的數千公里卻什么有趣的事情都沒發生），而且在這個過程中，一些信息可能會丟失或損壞。此外，僅收集數據是不夠的。這些數據需要被管理、解讀和正確分析。數據池越大，這個過程就越痛苦和昂貴。

二、康謀方案-避免數據泛濫的2個關鍵

基于上述問題，康謀提出2個關鍵點，助力AD/ADAS系統開發、驗證和改進過程，避免被龐大的數據淹沒，從中獲得最大受益：

1、關鍵點1 –通過指標和算法聚焦于相關發現

第一個關鍵點在于一個簡單的原則:必須盡可能減少數據池,只保留最相關的信息。內容越少,處理和分析越快。此外,專注于更小的有效信息集合可以降低存儲成本和維護負擔。

為了減少初始內容池,可以創建有用的信息塊，或者說"指標（metrics）",以更簡短和有意義的方式總結和描述它。這些指標可以根據使用案例指代多種事物：統計數據、事件或甚至場景。一旦它們與業務需求對齊，就有必要通過適當的算法生成。

設想一下您正在努力提高新車輛的安全性和舒適性。具體來說,您正在試圖了解如何減少車輛進行危險緊急制動的情況,即車輛突然剎車導致乘客不適，并構成潛在安全隱患的情況。與其手動檢查歷史駕駛記錄去找到這些情況,不如構建一種算法來完成這項工作。

例如，遍歷駕駛測量數據,計算車輛的減速度,并標記超出您定義的舒適限度的時刻。此外,該算法還可以計算其他參數,如與其他車輛的距離,以了解發生這種情況的原因。一旦初始數據已根據所選指標進行標記,您就可以將精力集中在這些上面。

2、關鍵點2 –使用全面的分析工具可視化見解

經過了關鍵點1，最初的原始數據池就被壓縮成了少量的相關內容。它們需要被可視化、分析和共享,以便能夠用于新車輛、傳感器或軟件的開發或驗證。所有這些都可以通過聯系發現與強大的分析平臺來完成。

這是一個可以匯總所選指標并控制信息流的集中點。根據具體情況,有許多可視化檢查的例子:分析地圖上近處的碰撞事故、在時間序列圖上提取切入場景、可視化相機圖像上消失的物體等。好用的可視化也有助于分析,并允許生成可以跨團隊或任何利益相關者共享的報告。

為了說明這一點,讓我們繼續以上一節中描述的安全和舒適性為例。一旦找到您初始駕駛日志中所有感興趣的緊急制動情況,就可以理解它們是如何以及更重要的是為什么發生。一種解決方案是在地圖上顯示這些情況,并繪制相關車輛和周圍障礙物的信息。然后可以將這些發現傳遞給相關團隊,進而改進系統。

三、小結

總而言之，為了從收集的數據中獲得最大收益,需要將其歸納為有用的指標,然后在一個強大的分析工具上顯示這些指標,以便于可視化和共享。要實現這些，需要擁有一個合適的架構作為處理流程的基底,使算法和工具能夠順利運行。