Effizientes Datenmanagement für autonomes Fahren: FEV beschleunigt Entwicklungszeit mit Microsoft Azure

Bei der Validierung automatisierter Fahrfunktionen fallen hohe Datenmengen an (Quelle: FEV)

Frankfurt am Main/Aachen, September 2019 – Automatisierte Fahrfunktionen und das autonome Fahren beeinflussen grundlegend die Art und Weise, wie wir uns in Zukunft fortbewegen. Bei der Absicherung dieser automatisierten Fahrfunktionen sind Systeme erforderlich, die bei Testfahrten die vielfältigen Szenarien im Straßenverkehr erkennen, bewerten und für die Entwickler aufbereiten. Dieser zentralen Herausforderung begegnet der Gesamtfahrzeugentwickler FEV mit einem eigens entwickelten Datenmanagement- und Auswertungssystem, welches auf die Rechnerleistung der Microsoft Cloud- -Plattform Azure zurückgreift. Vorgestellt wird das System im Rahmen der Internationalen Automobil-Ausstellung (IAA) vom 10. bis 15. September 2019 in Halle 5.0 Stand C21.

Nach heutigen Schätzungen sind für die Absicherung einer automatisierten Fahrfunktion Testumfänge von 240 Millionen bis 16 Milliarden Straßenkilometern* erforderlich. Dabei bestimmt jedoch nicht die Menge der Tests die Reife eines Systems, sondern die Anzahl an „erfahrenen“ Situationen im Straßenverkehr, in denen die Algorithmen aktiv eine Entscheidung treffen müssen – beispielsweise bei einem Überholvorgang auf der Autobahn.

In diesem Zusammenhang stellt das von FEV etablierte V2I-(Vehicle-to-Infrastructure)-Datenmanagementsystem eine effi-ziente Lösung für die Entwicklung und Absicherung solcher Fahrfunktionen dar. Denn neben der Dauer und Anzahl von Erprobungsfahrten sind im Rahmen der Validierung auch die anfallenden Datenmengen eine große Herausforderung. So erzeugt das im Fahrzeug installierte Sensorset, bestehend aus Kamera, Lidar (Light Detection And Ranging) und Radar (Radio Detection And Ranging), an einem einzigen Tag schnell bis zu 40 Terrabyte an Daten.

Die Datenmanagementlösung von FEV setzt genau an diesem Punkt an. Zunächst übernimmt ein eigens entwickelter, vernetzter Datenlogger die Sammlung ausgewählter Fahrzeugsignale und sendet diese noch in Echtzeit während der Testfahrt an ein Backend. Mit Microsoft Azure und dem für den Datentransfer zuständigen Azure IoT Hub konnte FEV auf eine leistungsstarke, etablierte und hochsichere Cloud-Plattform zurückgreifen. In der Cloud werden die übersendeten Fahrzeugdaten konsolidiert, während parallel Algorithmen die Signale hinsichtlich relevanter Szenarien analysieren. Es besteht somit bereits während Testfahrten die Möglichkeit, Rückmeldungen an die jeweiligen Ingenieure zu senden und ganze Flotten nach einem vorher definierten Plan flexibel zu koordinieren.

Ein einheitlicher Zeitstempel vereinfacht weiterhin signifikant die Bereinigung und Aufbereitung aller Fahrzeugdaten. Nicht zuletzt ermöglicht diese Szenarien-basierte Vorfilterung auch eine kosteneffiziente Datenspeicherung in der Cloud. Lediglich vorher detektierte Datenpakete bzw. Szenarien werden in den Cloud-Hot-Storage geladen – also dem Layer mit der höchsten verfügbaren Rechenleistung und Zugriffsverwaltung. Weniger wichtige Abschnitte werden in rechenärmeren und somit kostengünstigeren Cloud-Arealen gespeichert.

Als Integrations- und Entwicklungspartner bei Serienprojekten verschiedener Automobilhersteller hat sich für FEV und seine Kunden das effiziente Auswerten und Validieren von Sensordaten schnell bewährt. Um den allgemeinen Erprobungsaufwand auf realen Straßen und die damit verbundenen Kosten zu minimieren, verlagert der Entwicklungsdienstleister zunehmend signifikante Testumfänge in Simulations- und Laborumgebungen.

Diese Pläne werden laut Professor Stefan Pischinger, President & CEO der FEV Group, vorangetrieben: „Die Data-Logger-Lösung ist, im Zusammenwirken mit der FEV-eigenen cloudbasierten Labellingsoftware, ein wesentlicher Meilenstein für den Aufbau einer ganzheitlichen Entwicklungsumgebung für ADAS/AD-Systeme. Die effiziente Aufbereitung der Daten mittels automatisierter Erkennung und Klassifizierung nach Fahrsituation ist hierbei die Grundlage für alle weiteren Prozessschritte.“

Basieren die heute in Serie befindlichen Fahrerassistenzsysteme noch auf vordefinierten Regeln, kann dies aus Sicht von FEV künftig auch durch Einbeziehung von maschinellem Lernen erfolgen. „Unser Ziel ist erst dann erreicht, wenn die künstliche Intelligenz auch komplexeste Situationen beherrscht und das Verhalten der Verkehrsteilnehmer zutreffend antizipieren kann,“ so Professor Pischinger.

Die Zusammenarbeit mit Microsoft ist hierbei ein wichtiger Baustein. Durch die interdisziplinäre Zusammenarbeit zwischen den Sparten Automobilindustrie und IT gelingt es unternehmensübergreifend, richtungsweisende Innovationen zu etablieren, die entscheidende Vorteile im Entwicklungsprozess bieten.

*Quellen:
How many Miles of driving would it take to demonstrate Autonomous Vehicle Reliability? Nidhi Kalra, Susan Paddock

Prof. Hermann Winner, Leiter des Fachgebiets Fahrzeugtechnik, Project Leader Pegasus