随着自动驾驶功能的不断更新迭代，路测成为了自动驾驶技术演进和产品落地的必要条件。
时至今日，全国已有近百个城市建立智能网联汽车自动驾驶测试示范区，自动驾驶企业开始争先获得自动驾驶牌照，进行自动驾驶道路测试。
据悉，神州数码凭借自身在数云融合领域的领先实践，已成功帮助某全球知名零部件供应商在路测环境下的自动数据采集系统构建了完善的数据平台，实现了从设备数据到指标数据的价值转换，并已经成功落地多家主机厂。
众所周知，自动驾驶离不开更高的算力、更优的算法、更好的数据。其中，自动驾驶“数据”可谓核心中的核心，尽管听起来很简单，实际上却涵盖了数据的采集、脱敏、标注、仿真等一系列难点各异的处理环节，并且厂商的数据需求背后还存在对效率和性价比的更多需求。因此，一个能够实现海量自动驾驶数据管理的自动数据采集系统就成了客户所需。
由于自动驾驶的数据主要来源于各类设备，对于零部件供应商而言，其不但为主机厂商提供了各类零部件，对这些零部件的性能及特质更加熟悉，并且还能够采集到这些设备的信号数据。因此，挖掘数据背后的价值，就成为了零部件供应商在自动驾驶时代的新机遇。然而，类似于航天领域的原子钟，仅仅要实现成百上千个零部件的时间戳对齐就并非易事，因此，该零部件供应商需要构造一套从硬件到软件的完善的自动驾驶数据采集系统，全方位帮助主机厂解决自动驾驶领域的数据难题。
在该零部件供应商看来，自动驾驶的数据资源动态管理是一项重点工作。神州数码起初认为，云计算凭借遍布全球的数据中心和网络节点、超大规模的数据存储能力、以及云端大规模的AI计算处理集群，是自动驾驶企业解决一系列数据难题的最好倚仗。然而，神州数码在项目中发现，由于零部件供应商在自动驾驶中采集的数据量过于庞大，仅仅依靠云的带宽已经不足以满足需求，因此打造一个本地私有的数据中心就成了题中应有之义。
依托于自身在数云融合领域的深厚积累，神州数码发现该零部件供应商需要一个数据平台来帮助他们在数字化转型期间提升数据驱动的业务洞察力。因此，神州数码从0到1帮助客户搭建起了自动驾驶系统的整体数据平台，确定了数据平台的基本架构和数据流的构建方法论，实现了数据湖、源数据存储数据库、web监控界面、任务调度平台等各个模拟任务的编排和监控等工作。然而，自动驾驶的数据需求不仅仅只是可视化，对数据进行更为深入的数据分析与数据仿真才是更具价值的数据资产。
归根结底，零部件供应商的数据平台主要还是为了提供给它们的主机厂客户跑数据。对于不同客户而言，由于车型不同导致的人的习惯、轴距等信息也都不一样，这实际上对于自动驾驶的需求也不尽相同。因此，自动驾驶模型就需要根据客户车型的轴距来去做不同的分析，然后给他们对应的自动驾驶推荐。
神州数码认为，零部件供应商尽管可以获取到海量微秒级的路测数据，但这些数据由于是输入库格式数据，本身并不会产生价值。为了探寻设备数据与指标数据之间的关系，神州数码的数据团队通过数学模型构建，实现了数以百计的设备在同一时刻的数据采集，同时基于各类复杂的计算逻辑，可将各类设备数据实时转换为任一时刻的速度、加速度等汽车状态。
在实现了数据转换的目标后，神州数码认为自动驾驶的目的是为了控制车辆，而自动数据采集系统的目的就是为了监控汽车的运行状态。类似于飞机的黑匣子，自动数据采集系统应该能够在事后倒推自动驾驶汽车任意时刻的运行状态，并且能够通过仿真的方式进行还原。因此，神州数码进一步增强了数据的下钻挖掘功能，从而可帮助客户直观快速找出、定位并分析问题，同时完善了监控模块，实现了一键快速获取各个模块数据处理状态。
从数据采集到数据管理、从算力平台到工具整合，神州数码正在让该零部件供应商的自动数据采集系统更智能、更高效。
