ABOUT NORCOM
Big Data Optimierung von Algorithmen für das Autonome Fahren
​Die Aufgabe
Überprüft werden soll die Qualität der autonomen Lenkung des Fahrzeugs. Als Messgröße wurde die so genannte „Steering Reversal Rate“ definiert, die zeigt, wie häufig und intensiv das Fahrzeug eine eingeleitete Lenkung korrigieren muss. Nach der Auswertung wird diese Kennzahl dann mit anderen Fahrparametern korreliert, um eine Ursachenanalyse durchzuführen.
Die Herausforderung
Autonomes Fahren kennzeichnet eine hohe Datenmenge und -komplexität, da es typischerweise Messdaten, Audio- und Videoaufzeichnungen sowie erkannte Objekte umfasst. Alle Datentypen werden in unterschiedlichsten Dateiformaten von vielen verschiedenen Anbietern erfasst, was den Zugriff auf und die Arbeit mit den Daten stark erschwert.
​
Unsere Lösung
Dem Kunden wurde hierzu zunächst eine Umgebung für Big Data Analysen auf einer Cloud-Umgebung zur Verfügung gestellt. Die Datenanalyse erfolgt über eine Datenladestrecke für proprietäre Kunden-Datenformate, die Dateien regelmäßig sucht und zu einem standardisierten Big Data Format konvertiert. Mittels einer Analysesprache für Zeitreihenanalysen konnte nun auf Big Data über Parametervariationen das Lenkverhalten untersucht und optimiert werden.​
Der Kundennutzen
Die komfortable Analysesprache ermöglicht skalierbare Auswertung in Self-Service und erspart dabei dem Kunden Anforderungen und Fallstricke des parallelen Rechnens. Dies ermöglicht die Erforschung und das schnelle Testen von Hypothesen und trägt damit entscheidend zur Innovationsgeschwindigkeit in der Algorithmenentwicklung bei.
Projekt-
steckbrief
Unsere Rolle
-
Unterstützung des Kunden durch Data Scientists und Data Engineers
Unsere Tätigkeiten
-
Installation von DaSense auf einer MS-Azure Subscription
-
Erstellung eines Workflows für die Konvertierung von MDF und AVRO Dateien in ein Big-Data Format
-
Durchführung einer Schulung in der Erstellung eines Analysenotebooks und dessen Überführung in eine App
-
Unterstützung bei Datenanalysen
Technologien & Methoden
-
Applikationen: DaSense, Oozie
-
Daten/-banken: mdf4, AVRO
-
Sprachen/Frameworks: Python, Jupyter, Spark, bokeh
-
Methoden: Zeitreihenanalysen