汽车的电气化时代，现如今的状态是，所有车企都在削尖了脑袋做差异化。最典型的例子，自然是自动驾驶、用户模式，传统巨头的解决方案相对没那么夸张，比如大众还是要沿着自己的优势领域（大规模制造能力），于是要做标准化电芯，现如今，又一个人给出了自己的相应差异化解决方案，沃尔沃，要把安全和大数据结合。

沃尔沃科技日发布会上，沃尔沃提出下一代纯电车型，会在实时数据的帮助下对自动驾驶安全功能持续升级，在2022年发布L4驾驶功能的车型。在数据驱动安全的理念下，沃尔沃要通过采集和处理用户汽车实时情境下的交通数据来开发新的安全技术。

解析底层：逻辑还是自动驾驶

沃尔沃想要实现大数据驱动的安全理念。底层逻辑是，接下来沃尔沃将售出的新车上，会搭载Luminar设备（激光雷达及其他感知设备）、Highway Pilot自动驾驶功能；和自动驾驶的逻辑一样，先完成数据的获取，数据回传、做出仿真模拟实验场景、进行模拟测试、机器学习，最终，形成解决方案，再推送给车辆进行相应的新OTA升级。

最终，形成"自己收集、处理、测试、升级"的自研闭环。

有点儿像其他品牌自动驾驶测试车队干的活儿，但这活儿沃尔沃让车主日常出门的时候干了；从效率和覆盖角度来看，移动范围要广、覆盖面积更大，收集的数据也就更多，而且是全球性的。前提：用户许可，VolvoCars.OS系统才能通过多种应用程序接口（API）访问车载传感器数据。

这些数据的收集不是难点，Luminar给沃尔沃用分体式放置，布局7个激光雷达，车辆周围的情况基本能扫描全；Luminar高分辨率激光雷达以后是沃尔沃新能源车型的标配。想要数据收集最大化这是必须的，难点在数据回收之后。

在数据收集之后

不用车队，用车主；省事儿还能全铺开，一举两得。如果你是车主，你在许可之前，肯定有个疑问，收集回来的数据到底干嘛用？

延展一下，现在已经存在的自动驾驶测试车队，上路测试功能之外的另一方面就是收集数据，一台测试车每天收集的数据最大能有4000GB。这些带回来的数据，为了完成另一个重要环节——仿真测试。

具体说来，采集回来的数据构建虚拟道路进行测试，能够有效对危险或不常见的驾驶场景进行测试。回收之后的数据，应用在英伟达的DRIVE PX平台进行模拟，最终实现仿真测试。

沃尔沃在数据回收之后，需要做三个步骤，数据输入、数据合成、数据输出。

数据输入，分别有通过摄像头捕获的RGB图像；激光雷达获取的激光点云和深度图，延展一下，深度图可以用深度相机获取，也可以由激光雷达多次采集激光点云来测量。还有标记信息，但这部分应该也需要手工校正。最后一部分是周围车辆以及运动物体的行动轨迹。

数据合成，整体思路优先采集图像和深度信息，形成整体架构；再去掉动态物体，补充获取的动态物体运动轨迹，随后，根据背景和放入的动态物体合成图像和点云数据。最后输出合成好的数据，生成出基于真实场景的图片、激光点云数据，之后模拟不同交通场景，场景内的动态物体的大小、运动轨迹和速度都是标记好的。

完成以上步骤，就已经完成了数据的生成和标注，接下来，就是机器学习模拟训练。通过不断的收集数据，机器学习的模型就越来越完善。

打个比方，上班通勤路线较为固定，在重复的行驶过程中，多次的激光扫描会最大化的获取这条行驶路线的信息进行完善，机器学习的模型也就越来越完善，再具体应用到自动驾驶功能上，反应出的就是感知目标越来越清晰、准求、全面。底层传感器算法得到优化，定位、规划也会有优化，在原本的数据上进行算法验证之后，再OTA升级，重新应用到车上，再次进行数据收集，闭环实现。

最终可能实现的效果，你上班不用自己开车，反推，下班路线也一样。

上述的技术方面，对于沃尔沃来说并不算难度特别高，它只需要将以往的安全技术细节积累反哺到OTA推送中即可。最核心的难题在于，用户的隐私数据获取与使用。如何让用户掏钱购买的车辆，成为车企的数据收集器；如何让用户愿意将自己的行程分享给车企，这些问题十分不好打破。不论极度强调个人隐私的欧洲本土，还是相对松散的北美，沃尔沃都要面对这一系列问题。

沃尔沃的解决方案，目前来看也并不够明确。车企向用户付费、车企与用户共享车辆等等新商业模式的拓展，本质上才是沃尔沃大数据安全技术能否快速发展的核心问题。

总结

用大数据驱动的驾驶安全，就像把数据放在流水线上，产出新的仿真模型进行测试，然后再在真车上测试，测试成功后OTA升级，以此让自动驾驶功能不断学习、处理各种复杂场景，从而达到最终的"数据驱动安全"。

沃尔沃需要的前提是，售出足够多能收集数据的纯电车型，且需要车主许可。