自动驾驶的敏捷项目管理(2)
(五)大数据的分析和决策
基于长尾问题,想要在开放环境中应用的自动驾驶系统不得不面对一个问题,那就是大数据的分析和基于大数据的决策。面对人类驾驶行为的海量数据,怎么能够有效地获得数据,怎么能够消化这些数据以及如何根据这些数据来决策,是每一个自动驾驶项目经理头疼的问题。
三、在自动驾驶下项目管理的路径
(一)认清冗余流程的不必要性
那么作为自动驾驶系统的项目经理,一味地照搬照抄现有的开发和测试流程是远远不够的,关键是需要能够为你的流程找到价值和性价比。在项目管理中,对于项目管理的思路本身也需要有迭代的概念,很多冗余或者当前资源不能支撑的流程,应该给予适当地修正甚至删除,有时候有一个简单易懂,并且可以很容易让别人也能够接受的流程比一个复杂流程在稳定性和效率上都会好得多。在如此需要优化资源的环境下,凡是流程必须要精简,要能带来价值,要能容易推行。
(二)Data-driven 的项目管理应用
既然自动驾驶自带了海量数据,那么以数据来指导开发就变得非常重要。数据的处理需要格外小心,并且需要非常注重数据的结构化,打一个比方,当你对于你的驾驶数据有一个至少30 个维度的描述的时候,很可能大部分的驾驶活动都可以通过这30 个维度来进行检索和分析从而形成非常有价值的结论。这里面需要关注长尾问题,但是在自动驾驶项目的原型阶段,长尾问题的发现比解决更为关键。
(三)固定运行域
固定一个相对窄的运行域是一个能够加快自动驾驶落地的思路。如果能够发掘到相对封闭的运行域,并且有一定的商业价值,能够在很大程度上减小系统的复杂性。这只是一方面,最重要的是,长尾问题的减少和测试成本的减少,这才是在原型阶段的自动驾驶系统最大的成本所在。这个思路已经被很多的公司所应用,目前能看到大量的自动驾驶公司选择固定运行域,比如港口,矿区,医院或者园区等。
(四)完善风险机制
功能安全和风险评估是自动驾驶系统不可避免的路径,建立和完善测试和运营的风险控制机制是非常重要的,这其中包括了操作员接管的严重性和可控性评估,离线测试用例以及测试标准的搭建,内部卡法测试流程的完善甚至操作员的教育和训练。建立起一套好的风险机制能够极大程度上让一些前期的问题及时被发现,也能让发现紧急事项的同时能够有效地转换成低风险的事件。
四、结语
自动驾驶作为复杂系统和人工智能的代表,其商业化一直是所有人关注的热点。项目管理在自动驾驶系统开发上的应用非常重要,传统车厂和新兴的自动驾驶公司必然会碰撞出前所未有的火花。
[1]石彩云.一人驾驶两辆卡车[J].经营者(汽车商业评论),2019(09):1.
[2]科技司.《汽车驾驶自动化分级》推荐性国家标准报批公示[EB/OL].
[3]北京百度网讯科技有限公司.自动驾驶安全第一白皮书[Z].北京:北京百度网讯科技有限公司,2019.
文章来源:《电站系统工程》 网址: http://www.dzxtgczz.cn/qikandaodu/2021/0524/474.html