随着自动驾驶技术逐步进入量产时代，据研究机构预测，中国2022年自动驾驶路测里程为2132万公里，为去年的3倍以上，由此产生的数据量将达到4000PB，自动驾驶“数据风暴”将为开发者们带来巨大挑战。
面向未来量产后“海量并发”的回传数据，禾多科技正开发完整数据处理平台，把之前应用于本地的数据闭环推到云端，打造完整的云端工具链。为此，禾多科技与华为云紧密协作，高效利用云端基础设施，处理海量数据和不同交通场景，推动自动驾驶系统不断迭代、完善。
6月15日，以“因聚而生 为你所能”为主题的华为伙伴暨开发者大会2022在线上/线下同步召开。禾多科技副总裁戴震受邀参加自动驾驶专场，以“5行代码抽取场景”为主题，分享双方合作进展，展示禾多科技验证平台在自动驾驶大数据处理、难例场景挖掘等领域的坚实积累，以下为分享要点。
自动驾驶由数据驱动，是行业已经达成的普遍共识。在自动驾驶研发的多个技术模块中，数据处理贯穿始终，量产落地后搭载自动驾驶系统的车辆会回传海量数据，形成“数据风暴”。
那么，如何从海量数据中提取有价值的数据，推动技术不断迭代升级，这是每一个从业者共同面临的问题。
禾多科技从成立之初就坚定地聚焦自动驾驶量产落地。在产品层面，禾多科技打造了行车自动驾驶系统 HoloPilot和智能泊车系统HoloParking两大系统，将从今年开始逐步应用到具体的量产项目中。因此，禾多科技正积极着手准备，应对随之到来的数据风暴。
在对自动驾驶系统的长距离、常态化测试中，禾多科技针对实际地区的特定交通特点进行专项测试，积累丰富的交通数据：
· 在北京，测试最关注拥堵状态中的专项测试；
· 在京汉高速上，则将考验高精地图跨区等技术难点的处理；
· 在成都，大曲率的山路隧道将更为普遍；
· 在广州，自动驾驶系统则要应对处理超大、超宽、超长的商用车和暴雨极端天气……
禾多科技将这些数据进行汇总，提取经典场景，不断完善系统的安全性与稳定性，让算法更加智能，更加安全。
为了从海量、复杂的数据中提取真正有用的数据，解决自动驾驶长尾问题，数据的场景化是必不可少的一步。场景是数据需求的基本单位，场景化是数据打通的中枢环节，能否有足够强的场景提取的能力，将是一家自动驾驶公司的重要技术壁垒。
场景提取可以在车端与云端同步进行，在实际量产项目中，禾多科技都设计了专门方案。但在车端进行的场景提取往往会受限于一些限定条件，比如车端算力较低，导致场景信息只能通过小体量数据包回传，对进行数据挖掘的细致程度带来局限。
相比之下，云端将可以充分利用高算力，基于 AI 算法进行更高效的场景挖掘，并能将这些场景存储为通用格式，更加高效地进行存储与检索。同时，在云端还能大并发地处理海量数据包，进行更精准的场景定义。
在近几年的自动驾驶量产研发过程中，禾多科技在场景提取方面积累了丰富的经验。
首先，适配OpenX标准，禾多科技公司内部形成了统一的标签库，保证各个部门、各个工具之间的标签对齐、场景一致。
同时，禾多科技完全遵照量产项目需求，对算法与算力、安全性等维度进行针对性优化。
为了满足不同客户的实际需求，禾多科技提供了“积木式”配置方式，允许用户灵活配置标签和场景定义，方便后期升级迭代。
此外，为了充分利用数据，禾多科技在算法端不断优化迭代，灵活选择最优数据进行计算，对场景进行更精准定义和挖掘。
在自动驾驶实际研发过程中，除了可预见的经典场景外，难例场景（Corner Case）挖掘更为直击算法痛点，将真正能够解决长尾问题。
通过明确的系统异常表现、信息间的明显差异对比，是难例场景挖掘的两种主要手段。同时，禾多科技还完全自主研发了自动驾驶验证平台HoloX，集数据可视化和仿真验证于一体，支持软硬件在环仿真测试。基于本土真实道路数据，HoloX 支持在天气、道路特征、交通参与者、交通行为、硬件状态五个维度、多种变量的组合下打造出丰富的场景库，有效解决长尾难例场景。
禾多科技在与华为云的合作过程中，充分利用了华为云提供的云容器引擎CCE、云容器实例CCI、对象存储服务OBS、SWR容器镜像服务等云基础设施，在其上构筑禾多科技自动驾驶数据管理平台，并积极参与到Ploto自动驾驶开发平台开源项目中，优化完善大数据前端展示。
基于华为云提供的大数据云端计算、存储等能力，禾多科技自动驾驶数据管理平台能够管理PB级数据文件及场景数据，支持同时高效调度数千实例执行任务，并能根据标签和属性值，动态搜索场景，高效、智能地提取自动驾驶场景片段。
2022年对禾多科技来说是有着重要意义的一年，公司研发的自动驾驶系统即将在广汽集团乘用车上量产落地。为了应对量产后海量回传数据，禾多科技已打通自动驾驶系统大数据闭环链路，覆盖数据采集/回传、数据存储、数据预处理、数据挖掘、数据标注、系统迭代、测试验证、部署发布等完整数据处理生命周期。
面向未来，禾多科技期待能与华为云等广大合作伙伴进一步加深合作，共同推动自动驾驶向完全无人驾驶的最终目标不断迈进。
