近年来,自动驾驶技发展迅猛,世界各国都在大力扶持自动驾驶技术的发展,Waymo、Tesla、Baidu、PonyAi、Tusimple等公司相继快速步入了全球自动驾驶技术研究的前列。当前自动驾驶技术依然有很多不完善的地方,出于安全考虑,搭载自动驾驶技术的车辆需要在规定的封闭道路或者公开道路上进行道路测试以验证自动驾驶技术的可靠性。测试车辆在进行道路测试时会产生大量的传感器数据,这些数据如何安全实时同步到数据中心进行存储和管理已成为目前业界亟待研究的一个问题。论文的主要内容和工作如下:1.针对自动驾驶管理系统中的工作流任务分配问题进行了分析和研究,提出了一个基于融合遗传蚁群算法的工作流任务分配优化算法,并进行了有效性验证。仿真对比结果发现,优化算法的任务完成总时间最短,任务分配效率得到了提高。2.针对自动驾驶道路测试数据安全实时存储的问题,设计和实现了一个基于工作流的路测数据管理系统。该管理系统分为数据提交、数据压缩、数据加密、数据存储和数据可视化等五个模块。路测数据中不同类型数据在本地数据中心进行数据校验、转换、修正、压缩等一系列不影响数据可靠性的预处理操作以解决数据集中在数据中心处理所带来的延时的问题,路测数据中的敏感数据在本地数据中心进行国密算法加密后同步到数据中心,最后在数据中心完成数据的解密操作。经测试验证该系统提供了对于高并发、读写性能好、存储可扩展、管理界面友好等重要指标的支持,具有较高的易用性。本文设计的基于工作流的自动驾驶道路路测数据管理系统解决了海量自动驾驶路测数据实时安全存储等问题,满足了不同类型人员的使用需求,该系统兼顾了研究和应用的价值。