MathWorks
Sehenden Auges in den Daten-Overkill?
Fortsetzung des Artikels von Teil 1
Simulation der Fahrzeugumgebung
Auf der einen Seite gibt es den Algorithmen-Entwickler, der sich im Kern um die Video- und Bilddatenverarbeitung kümmert, und auf der anderen Seite den Ingenieur, der diese aufbereiteten Sen-sordaten verwendet, um die Regelalgorithmen zum Beispiel für den Lenkeingriff zu modellieren und letztendlich zu implementieren. Während sich bei der Entwicklung der Regelalgorithmen Model-Based Design – also Modellierung, Simulation mit Simulink und automatische Code-Generierung mit Embedded Coder – verwendet wird, geht es bei der Entwicklung der Algorithmen für die Video- und Bilddatenverarbeitung im Wesentlichen um Funktionen für die Bildrohdatenbearbeitung oder Objekterkennung. Hierfür sind MathWorks' Produkte wie Matlab und die Computer Vision System Toolbox bestens geeignet. Matlab und Simulink bieten dazu eine integrierte Entwicklungsplattform, die zusammen mit einer interaktiven Simulation der Fahrzeugumgebung eine Gesamtsimulation und damit eine Absicherung eines solchen Fahrerassistenzsystems auf Systemebene ermöglicht.
Jobangebote+ passend zum Thema
Die zwei angesprochenen Technologiebereiche sind Beispiele für Domänen in der Automobilindustrie, in denen immer mehr Daten anfallen. Das Schlagwort „Big Data“ beschäftigt sich dabei mit Fragestellungen zur Erfassung, Visualisierung, Analyse und Ergebnisdarstellung von großen Datenmengen. Dabei werden Bereiche von der Fahrzeugpreis- und Vertriebsmaßnahmenanalyse über Signaldatenverarbeitung für Fahrerassistenzsysteme und Anwendungen wie Sound-Analysen bis hin zu Testdaten für Reglerentwicklung und Systemsimulation und Design für Hybrid- und Elektrofahrzeuge sowie Fahrzeugflottentests überspannt. Um mit diesen enormen Datenmengen effizient umgehen und letztendlich die richtigen Entscheidungen treffen zu können, bedarf es eines geeigneten – datengetriebenen – Ansatzes, der in Bild 3 dargestellt ist.
Die Datenerfassung erfolgt mittlerweile über eine Vielzahl verschiedener Sensoren, Formate, Busprotokolle oder Datenbanksysteme. Einmal eingelesen, müssen aus den Daten geeignete Informationen gewonnen werden. Das geschieht durch gezielte Datenverarbeitung wie Filterung, Reduktion, Bereinigung oder Synchronisation. So werden Daten dergestalt aufbereitet, dass sie interpretierbar und visualisierbar gemacht werden. Im nächsten Schritt ist es wichtig, aus diesen Informationen Wissen zu generieren; Wissen, welches Schlussfolgerungen über zukünftiges Verhalten gestattet. Hier kommen geeignete Analysemethoden, zum Beispiel maschinelles Lernen, Predictive Analytics und Extrapolation, zur Anwendung, um die Ergebnisse entsprechend aufzubereiten, Algorithmen auszurollen und letztendlich gezielte Aktionen und Entscheidungen abzuleiten.
Herausforderung: Big Data
Die Komplexität der verschiedenen Daten erfordert geeignete Werkzeuge, um Big Data zu beherrschen. Matlab, die offene Plattform für die technische Berechnung mit einer Vielzahl verschiedener Toolboxen zur Datenerfassung, Datenanalyse und Applikationsentwicklung, wird entlang des gezeigten Workflow hierfür häufig in der Automobilindustrie eingesetzt. Dieser Ansatz wird durch den Einsatz von Parallel Computing über große Systeme hinweg skalierbar. Dabei können sowohl verschiedene Rechenkerne eines Computers gezielt ausgenutzt als auch Algorithmen parallel in Rechner-Cluster oder Clouds ausgeführt werden.
Die Automobilindustrie steht auch zukünftig vor komplexen Herausforderungen bei der Entwicklung neuer Fahrzeuge und Modelle. Die Elektrifizierung des Antriebsstrangs sowie Neuerungen im Bereich der Fahrerassistenzsysteme oder Anwendungen bei der Car2X-Kommunikation zwingen die Entwicklungsabteilungen dazu, das Fahrzeug-Design immer stärker zu virtualisieren. Die damit einhergehende Simulation verschiedener Teilkomponenten sowie die Simulation auf Systemebene führen täglich zu vielen Terabytes an Daten, die in immer kürzer werdenden Zeiträumen analysiert und weiterverarbeitet werden müssen, um die richtigen Design-Entscheidungen zu treffen. Technical sowie Parallel Computing und Model-Based Design sind geeignete Ansätze, diese Herausforderungen zu meistern. Matlab & Simulink stellen zusätzlich eine geeignete integrierte und skalierbare Werkzeugumgebung zur Verfügung, die sich auf breiter Basis in der Automobilindustrie einsetzen lässt
- Sehenden Auges in den Daten-Overkill?
- Simulation der Fahrzeugumgebung
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Vector Informatik
Einfaches Entwickeln und Testen von Steuergeräten mit CANoe 8.2
Interview mit AUTOSAR-Sprecher Rick Flores,…
"Sicherheit wird im Fokus von AUTOSAR stehen"
Modellbasierte Enwicklung
Schwere Fehler sicher ausschließen
Softing
Diagnostic Tool Set 8 verbessert Fahrzeugdiagnose
