概述

為有效利用海量的路試數(shù)據(jù)并發(fā)揮其價(jià)值，經(jīng)緯恒潤推出了OrienLink路試數(shù)據(jù)分析及開環(huán)/閉環(huán)回灌測試系統(tǒng)。該系統(tǒng)采用統(tǒng)一的數(shù)據(jù)存儲標(biāo)準(zhǔn)平臺，基于云計(jì)算技術(shù)提供的大規(guī)模存儲、高帶寬和高算力，能夠?qū)β吩嚁?shù)據(jù)進(jìn)行深入的場景挖掘。通過軟件在環(huán)（SiL）和硬件在環(huán)（HiL）回灌驗(yàn)證，該系統(tǒng)能夠充分評估和優(yōu)化算法性能，發(fā)揮數(shù)據(jù)價(jià)值?？山鉀Q智能駕駛測試過程中的幾類問題：

• 實(shí)車測試效率低，無法有效閉環(huán)驗(yàn)證
• 場景挖掘速度慢，數(shù)據(jù)堆積無價(jià)值
• 部分工況危險(xiǎn)性高，且無法重復(fù)測試
• 實(shí)車測試成本高，工況無法復(fù)現(xiàn)

本文將通過實(shí)際應(yīng)用案例進(jìn)行講解，例如圖1展示了一個(gè)典型的路試數(shù)據(jù)分析及SiL/HiL回灌方案。

圖1 典型路試數(shù)據(jù)分析和SiL/HiL回灌方案

路試項(xiàng)目數(shù)據(jù)分析案例簡介

智能駕駛測試數(shù)據(jù)通常來源于汽車廠商在新車發(fā)布前進(jìn)行的實(shí)際道路測試、場地測試以及量產(chǎn)車的數(shù)據(jù)。其主要特點(diǎn)包括：數(shù)據(jù)覆蓋廣，經(jīng)過精心規(guī)劃和錄制，包含車載總線和傳感器數(shù)據(jù)，能夠充分反映系統(tǒng)狀態(tài)；數(shù)據(jù)量龐大，每次路試的持續(xù)時(shí)間可能為幾周或幾個(gè)月；團(tuán)隊(duì)分工明確，包括路測工程師、數(shù)據(jù)分析工程師和算法工程師等。圖2展示了某自動駕駛研發(fā)項(xiàng)目中，使用OrienLink進(jìn)行數(shù)據(jù)分析和回灌測試的流程。

圖2 OrienLink測試分析流程

• 方案解讀

通過云端協(xié)同，多個(gè)業(yè)務(wù)團(tuán)隊(duì)可以在平臺上共同完成所有測試任務(wù)。路試團(tuán)隊(duì)根據(jù)測試需求，采集大量原始數(shù)據(jù)，并通過互聯(lián)網(wǎng)或磁盤郵寄的方式將數(shù)據(jù)上傳至云端。同時(shí)，團(tuán)隊(duì)會提前進(jìn)行數(shù)據(jù)架構(gòu)設(shè)置、解析協(xié)議配置（如圖3），同步準(zhǔn)備數(shù)據(jù)。數(shù)據(jù)分析團(tuán)隊(duì)根據(jù)測試需求，構(gòu)建車輛中間層，并預(yù)埋所需的數(shù)據(jù)分析標(biāo)記信號，如Cut-in、Cut-out和異常制動等關(guān)鍵場景標(biāo)記。

• 產(chǎn)品特性

- EB級云端數(shù)據(jù)管理，實(shí)現(xiàn)智駕全量數(shù)據(jù)的統(tǒng)一管理

- 支持多樣化數(shù)據(jù)類型的解析，遵循行業(yè)標(biāo)準(zhǔn)協(xié)議

- 實(shí)現(xiàn)毫秒級時(shí)間同步，確保原始數(shù)據(jù)的時(shí)空對齊和一致性

- 統(tǒng)一各車型的中間層，確保不同車型間的復(fù)用匹配和執(zhí)行效率

- 數(shù)據(jù)衍生，包括多層級衍生信號和依賴信號的計(jì)算

圖3 路試車輛模型配置

數(shù)據(jù)分析團(tuán)隊(duì)在路試前根據(jù)測試需求和KPI指標(biāo)搭建數(shù)據(jù)處理流程（如圖4），配置場景提取算子（如跟車、異常接管、異常制動、誤報(bào)、漏報(bào)等），設(shè)計(jì)智駕功能（如NOA、HWP、ACC、AEB、TSR、ELK）的評價(jià)算子，并設(shè)定自動觸發(fā)條件，確保路試數(shù)據(jù)上傳后能自動執(zhí)行分析。

算法開發(fā)團(tuán)隊(duì)在研發(fā)初期使用大量場景數(shù)據(jù)進(jìn)行SiL/HiL回灌測試，以評估智駕算法的準(zhǔn)確率和召回率，同時(shí)多維度分析誤觸發(fā)和漏觸發(fā)情況，確保車輛軟件的質(zhì)量和安全性。圖5展示了一個(gè)OrienLink場景挖掘原理的案例。

• 產(chǎn)品特性

- 自定義流水線，滿足不同用戶的數(shù)據(jù)處理需求

- 多線程并行處理，充分利用服務(wù)器性能，實(shí)現(xiàn)加速

- 靈活配置數(shù)據(jù)源，兼容不同數(shù)據(jù)采集工具的數(shù)據(jù)類型

- 支持EB級別數(shù)據(jù)的快速挖掘和關(guān)鍵場景的快速提取

- 多模態(tài)大模型對多源數(shù)據(jù)進(jìn)行深度特征提取

- 支持復(fù)雜場景理解和挖掘，模型挖掘準(zhǔn)確率高

- 內(nèi)置算子庫，高效管理挖掘規(guī)則和KPI評價(jià)指標(biāo)

- 提供圖像和點(diǎn)云預(yù)處理模塊，支持抽幀、去畸變等操作

- 快速集成，縮短感知和規(guī)控算法迭代版本的集成時(shí)間

- 數(shù)據(jù)處理自動化，支持多種觸發(fā)方式，實(shí)現(xiàn)即時(shí)處理

圖4 自定義數(shù)據(jù)處理流水線

圖5 場景挖掘原理案例

可視化是數(shù)據(jù)結(jié)果呈現(xiàn)和分析的直觀方式。在測試任務(wù)執(zhí)行完成后，會自動生成可視化報(bào)告（如圖6），數(shù)據(jù)分析團(tuán)隊(duì)或算法開發(fā)團(tuán)隊(duì)可以直接訪問這些報(bào)告。這樣，團(tuán)隊(duì)能夠從宏觀角度了解測試KPI是否達(dá)標(biāo)，并直觀地評估系統(tǒng)問題的分布，還可以從多個(gè)視角和層次分析異常事件場景，幫助定位感知或規(guī)控中的根本原因（如圖7）。

• 產(chǎn)品特性

- 用戶可以根據(jù)需要自由定制報(bào)告模板，模板可以快速復(fù)用，并自動加載數(shù)據(jù)生成報(bào)表

- 內(nèi)置多種智能駕駛功能分析模板，用戶可以輕松上手并復(fù)用這些模板

- 提供豐富的可視化組件，可以從智駕多個(gè)維度和層次分析數(shù)據(jù)

- 感知數(shù)據(jù)和信號數(shù)據(jù)的同步精度達(dá)到毫秒級別，確保數(shù)據(jù)回放的準(zhǔn)確性

- 支持對場景事件進(jìn)行分析和標(biāo)記，提升分析過程的便捷性

- 支持全流程測試管理集成，實(shí)現(xiàn)問題場景的自動關(guān)聯(lián)，如INTEWORK-TPA/JIRA等測試缺陷跟蹤

- 支持對不同版本算法的回灌結(jié)果進(jìn)行快速對比和回歸分析，方便評估算法改進(jìn)效果

圖6 自動化報(bào)告生成

圖7 問題場景回放分析

方案優(yōu)勢

• 高性能：采用云原生架構(gòu)支持多任務(wù)并行處理，能夠同時(shí)運(yùn)行多個(gè)數(shù)據(jù)處理或回灌仿真實(shí)例，大大縮短測試周期，提高效率
• 高精度：各類型數(shù)據(jù)時(shí)空高度對齊，回灌精度確保仿真結(jié)果與實(shí)際系統(tǒng)行為的高度一致，能夠準(zhǔn)確反映系統(tǒng)在真實(shí)條件下的表現(xiàn)，提高驗(yàn)證的有效性
• 自動化：支持測試實(shí)例的自動觸發(fā)與測試報(bào)告的自動生成，減少因重復(fù)操作導(dǎo)致的人為錯(cuò)誤和測試結(jié)果的不一致問題
• 高質(zhì)量：通過提供多維度、深層次的數(shù)據(jù)分析結(jié)果，推動智駕算法的快速迭代
• 好追溯：各版本軟件測試結(jié)果與測試管理平臺缺陷關(guān)聯(lián)，有助于分析歷史趨勢和追蹤缺陷修復(fù)進(jìn)度，形成完整測試鏈條