Mobileye大中华区总经理童立丰：2025年，出行数据市场将超过700亿美元|最前线 | 大中华区( 二 ) 总经理|数据|mobileye|前线|大中

整个过程当中，大家可以看到我们有三个镜头，一个是我们内部的平台，在这个上面，可以把我们所有通过摄像头技术所识别到的路况，包括车、路或者是人的情况能够展现出来。下面是一个车内的摄像头，实时的拍摄有安全员在，但是没有驾驶行为过程当中所有车辆的表现。右侧是无人机在俯拍这辆车的情况。可以看到这个当中有几个点我们可以关注一下。
第一，在Mobileye的技术当中，我们的自动驾驶技术不再是实验室的，或者是封闭场景或者是内部的一些产物，而是完全能够在开放路段，如同我们每个人驾驶汽车一样去进行自动驾驶技术应用。
第二，我们看到这台车虽然内部有一些特殊的设备，但是从外观来看，它不再是一个顶着巨大的天线或者是做一些特形的改造，而是从外观来看，完全看不出和我们普通的家用车有什么区别。
第三，在它的场景复杂性上面来说，我们考虑的不是0和1的过程，并不是说完全没有自动驾驶或者所有的车都是自动驾驶，而是说我们自动驾驶车在过程当中有大量的人车混行，跟人类驾驶同时在开车的时候，我们的自动驾驶技术如何融入到大的交通环境当中，这三个亮点是我相信可以给大家带来同其他的一些不一样的感受。
在这个过程当中，虽然我们看着很简单，但是这个背后有大量的理论的逻辑它的应用数据。比如说我们需要通过传感器的感知，我的决策与执行，这些是最基础的。在这个过程当中，传感器我们最多用到了13个摄像头，保证我们识别整车所有周边的情况。在这个过程当中，我们还纳入了RSS的模型，来做到如果发生交通意外的情况下，我怎么来判定一些事故。
甚至包括我有大量的实时的数据交互来帮助我们前台的车端的数据收集、分析和应用，以及包括车和车的交互，因为我们未来在耶路撒冷、韩国、法国都会布置整体的车队，让车队要运行，存在大量的车端和云端的数据交互。所以这些数据的积累和应用对自动驾驶或者是MaaS出行，在未来短期内，两到三年，三到五年内的落地，这样数据基础设施的建设是极其重要的。
这个是数据对自动驾驶和交通产业的部分应用，那和我们的日常生活有什么关系？实际上，除了自动驾驶以外，整个大交通领域里面有大量的数据交互和数据的应用。比如说来自道路的数据，自动驾驶不是一蹴而就的，我们还是需要大量的人类的驾驶员在高速在城区进行驾驶。在这个过程当中，大量的道路数据，比如说交通标识、标线的损耗程度，日常维护，道路路面的使用程度，这对我们个人驾驶或者是政府日常管理是高度相关的，而且是高度有作用的。
同样，对于我们个人来说，大家可以说在出行过程当中经常会用到导航地图，当然现在因为技术发展的速度，我们用的导航和原来相比越来越便利，这是为什么？这是因为有大量新的数据诞生，数据的交互使得我们导航信息更加完善，但是这些还不完全足够。
比如说我用一个简单的例子，现在大家在导航过程当中，我们会看到某一条路，但是我们并不知道在这条道路当中分车道的情况。也许我通过这条道路我只需要左转，我并不关心直行的拥堵情况，如何做精细化的交通流量管理，同样也是需要大量的基础数据来进行实时分析。
所以基于这样的一些逻辑，Mobileye从我们的基于安全部门的车辆检测，车道线检测逐渐向道路资产的标识标线或者是基础设施建设的数据的采集和分析这条路上向走了更多。

文章插图
现场拍摄
基于这个数据，我们做了大量的行业调研和分析，基于Mobileye现在的核心技术，我们可以把我们未来跟数据相关的这些能力分为五个大的方向。
我们要对道路的情况、路况，比如说这条路是完整的还是有龟裂的，或者说是路面有坑洞的，这些与我们自己驾驶相关，也与自动驾驶高度相关的路况数据的应用。包括路上的标识表现，车道线、限速牌这些信息的识别和应用。当然也包括路边的红绿灯、机箱等公共设施的识别。更深一步的，当我们有大量的数据积累之后，我们可以做到第二级的交通的出行动态分析和实时交通的情况分析，哪一条路是拥堵的，哪一条路是通畅的，这条路当中，哪一条车道是拥堵或者是通畅的。接这些大量的数据，不管是导航还是自动驾驶，我们就可以做到更加完善的路径规划和实时的路径规划。
第一个点是道路信息的勘察，这里面既包括跟自动驾驶和出行相关的车道线、限速牌这些方面，也包括我们讲到的红绿灯、绿灯杆这些政务的相关信息。Mobileye通过我们众包的方案，通过我们的合作伙伴，将合规的有隐私保护的数据传到GIS数据平台，并且可以提供一个非常友善的GIS数据层接口，给到绝大部分图商的平台或者是地图信息的平台，可以应用这些数据。