自动驾驶功能和自动驾驶将从根本上影响我们未来的出行方式。验证这些功能需要系统在测试期间识别道路交通中的各种场景，评估它们并为开发人员准备测试环境。全球汽车开发商 FEV 正在利用内部开发的数据管理和评估系统克服这一核心挑战，该系统利用微软云平台 Azure 的计算能力。
根据现在的估计，需要 2.4 亿到 160 亿公里的测试范围来验证自动驾驶功能。然而，决定系统成熟度的不是测试的数量，而是 “有经验处理突发情况” 的道路交通情况的数量，其中算法必须主动做出决定 – 例如，在高速公路上的超车操作期间。
在这方面，由 FEV 建立的 V2I（车辆到基础设施）数据管理系统是用于开发和验证这种驾驶功能的有效解决方案。这是因为除了测试自动驾驶的持续时间和数量之外，获得的数据量也是验证方面的主要挑战。安装在车辆中的传感器组件包括摄像头，激光雷达（光探测和测距）和雷达（无线电探测和测距），可在一天内快速生成高达 40TB 的数据。
这正是 FEV 的数据管理解决方案所处理的问题。首先，内部开发的网络数据记录器接管所选车辆信号的收集，并在试驾期间实时将其发送到后端。借助 Microsoft Azure 和 Azure IoT Hub 传输数据，FEV 能够在已建立的高性能，高度安全的云平台上构建。发送的车辆数据在云中合并，而算法根据相关情况分析这些信号。因此，即使在试驾过程中也可以向相关工程师发送反馈，并根据预定的计划灵活地协调整个车队。
标准化的时间戳还显着简化了所有车辆数据的清洁和准备。同样重要的是，这种基于场景的预过滤还可以在云中实现经济高效的数据存储。只有先前检测到的数据包或方案被加载到云热存储中，云存储是具有最高可用计算能力和访问管理的层。较不重要的部分保存在较低性能的云区域中，因此更便宜。
作为各种汽车制造商的系列生产项目的集成和开发合作伙伴，传感器数据的有效评估和验证很快证明了它对 FEV 及其客户的价值。为了最大限度地减少实际街道上的一般测试时间和相关成本，开发服务提供商正在越来越多地将重要的测试范围转移到模拟和实验室环境中。根据 FEV 集团总裁兼首席执行官 Stefan Pischinger 教授的说法，这些计划正在向前发展：“数据记录器解决方案与 FEV 自己的基于云的标签软件相结合，是构建整体开发环境的重要里程碑适用于 ADAS / AD 环境。
虽然今天批量生产的驾驶员辅助系统仍然基于预定义的规则，但在未来，FEV 认为这也可以通过机器学习来实现。 Pischinger 教授说：“只有当人工智能能够处理最复杂的情况并准确预测道路使用者的行为时，才能实现我们的目标。” 与微软的合作是其中的重要组成部分。汽车行业和 IT 部门之间的跨学科合作正在实现突破性的跨公司创新，这些创新在开发过程中提供了显着的优势。