Tien miljard euro. Zoveel is er al geïnvesteerd in de ontwikkeling van zelfrijdende voertuigen. Met terechte trots stelde het Leuvense onderzoekscentrum imec eerder dit jaar nog een testparcours voor op het laatste stukje E313 voor Antwerpen. Nu AI volwassen wordt en de eerste proofs of concept opgestart worden, wordt de race naar autonome voertuigen nog interessanter – ook voor Belgische bedrijven. Immers, verwacht wordt dat de self-driving race gewonnen wordt met slimme dataverwerking en -analyse, en telematica.

Data: brandstof voor de AI-motor

Met telematica monitoren autofabrikanten het zelfrijdende voertuig en dat zorgt voor almaar meer gegevens. Dankzij artificiële intelligentie en machine learning kunnen we echter steeds meer data geautomatiseerd verwerken. AI en machine learning zorgen er ook voor dat de inzichten die uit die verzamelde data worden gedistilleerd steeds accurater zijn. Op de E313 zullen geconnecteerde voertuigen straks onder meer automatisch remmen wanneer een wagen voor hen een noodstop moet doen.

Dankzij die data ontstaan ook parallelle markten. Verzekeringsmaatschappijen slagen erin om offertes voor autoverzekeringen te baseren op iemands rijgedrag. Of de auto kan dankzij AI chauffeurs op tijd wijzen op hun ‘blind spots’ en op die manier ongevallen vermijden. De collectie van data en telematica zal door het steeds juistere gebruik van AI en machine learning alleen maar toenemen. Het principe van de communicerende vaten, weet je wel.

Combinatie van realtime analyse en big data

Het succes van AI en de verwerking van real-time data en analytics, is evenwel afhankelijk van de snelheid van de informatiedragers. AI-infrastructuren moeten data zo snel en efficiënt mogelijk verwerken. In de automobielindustrie is dat niet alleen essentieel voor de veiligheid van de inzittenden, maar ook voor data scientists.

Het Mercedes-AMG Formula One Motorsport team deed in onderstaande video al uit de doeken hoe zij het aanpakken. Tijdens de race verzamelen ze data van de meer dan 250 sensoren in een racewagen. Op basis van real-time analyse kan het team ook tijdens de race aanpassingen doorvoeren. Daarnaast gebruiken ze de enorme hoeveelheden historische racedata om de theoretisch best mogelijke racewagen te bouwen voor de toekomst.

Met 5G in de hoogste versnelling

5G gaat dat proces vele malen versnellen. De radiofrequentie laat toe om continu telematicagegevens vast te leggen en te verwerken, ongeacht waar het voertuig zich bevindt. Het is dan niet meer nodig dat het voertuig eerst naar een basisstation moet terugkeren om de data uit te lezen en ze pas daarna te verwerken. Dat zorgt voor een snellere ‘time-to-intelligence’. Hetzelfde principe geldt straks voor de zelfrijdende wagen van jou en mij.

Rij al vandaag zoals morgen

Door de groeiende hoeveelheden data met een hogere frequentie te analyseren, zal de software voor zelfrijdende auto’s blijven leren en zich voortdurend verbeteren. Tegelijk is een autonoom voertuig als het ware een mobiel datacenter dat tussen vijf en twintig terabyte per dag genereert.

Bedrijven die met die data aan de slag willen, zullen moeten afstappen van de klassieke aanpak en veel meer data-centric redeneren. Pas dan kun je het potentieel uit artificiële intelligentie en 5G halen en de chauffeur thuis laten. Of parallelle self-driving markten ontginnen.