车端数据库助力域控制器成为数据驱动引擎

目前，车载终端产生了大量的数据，各种数据来自不同的传感器和不同的领域。自动驾驶域控制器基本实现了计算能力超过100 t的资源分配，催生了对车载终端数据库的需求。

智信汇通是一家专注于构建汽车数据链和价值挖掘的公司。拥有以车辆数据库为核心的车云全栈产品，通过车云同构框架实现结构化和非结构化数据的一体化采集。智协汇通产品可以轻量级部署到车端各大域控制器，实现跨域数据采集和存储，高效推动产品优化迭代。

强大的计算能力促进了对跨域数据库的需求

随着人们对各种驾驶行为信号数据的需求越来越大，各种传感器上产生了大量的感知数据，对车辆数据价值点的挖掘需求也越来越大。在此背景下，智协汇通认为，存储与计算分离的车端数据库是边缘计算的基石。

目前，车载终端产生的大量数据来自不同的传感器和不同的域，自动驾驶域控制器已经基本配置了计算能力超过100 t的资源，高计算能力资源和强大的CPU是在车载端实现更多计算和分析能力的前提，同时也催生了对车载端数据库的需求。

车载数据库具有降低数据存储和传输成本、保证数据高质量、高容错性等优点。但是，目前市场上还没有成熟的车载端数据库方案。虽然有类似的产品，但并没有真正落地到量产车上。

图片来源:知心汇通

目前自动驾驶已经进入量产阶段，各大主机厂都推出了自己的数据闭环解决方案。从过去单一用途的纯视觉解决方案，到如今的多摄像头多传感器一体化自动驾驶解决方案，部署在自动驾驶域控制器上的数据闭环解决方案，可以帮助主机厂收集与自动驾驶相关的所有数据。

数据涵盖摄像头、毫米波雷达、激光雷达、公交车等各个方面，涵盖了从整车测试到量产的各个阶段。同时，智能驾驶相关的数据不仅来自自动驾驶领域，还来自底盘动力领域、智能驾驶舱领域和网关领域。

相比燃油车，电动汽车带来的是更高维度、全方位的驾驶体验。正因如此，自动驾驶数据涉及多个场景和维度，市场需要的数据库产品必须覆盖所有场景和维度，才能实现跨领域的灵活数据采集。

车端数据采集面临困难。

目前自动驾驶的数据收集还面临很多问题。

首先，在量产前获取测试车数据的过程中，传统的数据记录仪数据采集效率低，仪器成本很高。采集的大部分数据都是整车的全数据。无论是流量还是云端的存储成本，以及数据的清洗和处理、关键数据的提取、建模和分析，整个过程的效率和成本都给R&D团队带来了困扰。

在量产车中，大规模结构化数据的获取涉及到如何在车端灵活采集高精度、高质量的数据，降低上传存储的成本，这也是目前各大主机厂数据相关部门面临的一大痛点。

自动驾驶中数据采集的第二个难点是非结构化数据采集。自动驾驶的NOA和NOP方案的实施需要不断优化弯道情况。对于自动驾驶来说，如果系统没有感知到遇到了弯道情况，就会带来严重的安全隐患。然而，解耦一个角落情况涉及许多问题，例如数据采集复杂性、多过程、成本等。，往往需要按月开发，数据层面需要近万个训练样本和标注数据集。这些极限情况数据的收集和获取已经……时间成本高，收集困难。

图片来源:智和官网

智协汇通看到了整车数据采集的关键痛点，打造了低代码开发工具-算法直接交付-车端二级运营-柔性数据采集/上传/存储的闭环方案，帮助主机厂进行大维度、高精度、低成本、高质量的数据采集。

针对时间成本和采集难度大的痛点，智信汇通提出了基于车辆的柔性触发机制，可以根据拐角案例的具体场景灵活定义，管理数据从采集到应用的全过程，从而加速神经网络的迭代。

智协汇通的自动驾驶数据闭环解决方案，将采集公交车结构化数据、图像等所有非结构化数据，可以帮助主机厂快速提取场景关键数据，重现场景，找到神经网络算法中需要的关键迭代点和有价值的数据。

支持数据采集和存储的车云链路

智协汇通自动驾驶数据闭环解决方案，可以看作是一个轻量级的车云环节。得益于该方案的优势，主机厂可以实现更好的关键数据抓取、数据预处理、数据标注、AI模型创建、模型训练、仿真测试等。

图片来源:知心汇通

首先，这种数据闭环方案最大的优势在于，可以在不增加硬件的情况下，实现量产车结构化和非结构化数据采集存储一体化。面对数十万辆量产智能汽车产生的海量多类型数据，智信汇通的解决方案可以对接摄像头、激光雷达、毫米波雷达以及各种类型的传感器，处理图像、视频、雷达点云数据、车辆总线数据等不同类型的数据。这些数据在车端可以按照时间、场景等维度进行系统化管理，并根据定制的智能数据算法进行灵活的筛选和上传。量产车智能行驶数据采集、链路传输、数据计算的成本大大降低，数据质量和精度也能得到保证。

其次，该方案可以灵活定义算法和拐角情况。主机厂可以通过反复不断的快速更新迭代，灵活应对Corner case的数据需求，其计算引擎可以实现毫秒级数万个以上信号的实时数据采集。云开发工具生成的算法可以根据不同的车辆、场景、地域快速分发。

再次，智协汇通整体解决方案非常轻量级。该产品只占用自动驾驶域控制器CPU约500兆的计算能力和数百兆的内存，可以适配不同计算能力的CPU。

第四个优点是触发图像采集。封装在车辆中的操作员库可以预先定位各种触发机制。在满足触发机制条件的情况下，通过该方案可以灵活采集车内各个部位、领域、不同维度、不同数据类型的信号。

暗影模式的触发机制是另一大优势。数据采集除了由算法触发外，还可以由阴影模式触发。换句话说，在行驶的情况下，汽车会继续进行实时计算和模拟决策，计算结果可以实时上传到云端。基于AB模式下的结果计算和分析，支持主机厂车载端阴影模式下场景数据的灵活采集和触发。

图片来源:智和官网

另一个优点是数据是分段上传的。自动驾驶中的图像数据和视频数据量巨大，车辆在不同场景和路段的网络情况往往不稳定，很难实时上传数据。此时可以通过预设的分段上传机制，缓存并补充相应的数据。这种机制极大地保证了关键数据从采集到上传到云端的安全性。

软硬合作助力域控制发展

我……电动汽车普及率的提高，随之而来的是应用场景的增加和需求的多样化。随着自动驾驶技术的快速发展，安全问题一直是技术发展的制约因素，而弯道情况的存在是一大安全隐患。

针对目前的弯道情况，智信汇通实现了雨雪、切入/切出、急加速、急转弯、隧道入口等各种极端场景下的触发机制。在与客户联合开发和量产的实践中，智信汇通还锁定了更多后续触发机制，涵盖了高速急刹车、罕见急转弯、刹车灯亮但车辆有正加速等更多特殊场景。

按照智信汇通的规划，将会有上百种灵活的触发机制，收集整车厂在车辆各种场景、时间段、路段所需要的拐角案例数据。智信汇通将在高效率的模型构建、快速的车端部署、低成本的验证、灵活的实施等方面持续发力。，高效的促进了角点案例的优化迭代。

据悉，目前智信汇通是第一家通过车端数据库和边缘计算，真正实现自动驾驶数据闭环解决方案的企业。在自动驾驶数据闭环方案的量产实践中，智信汇通也积累了大量经验，帮助用户在数据闭环过程中调整和提高效率。

简而言之，其经验可以总结为:(1)轻量级的数据采集方案减轻了自动驾驶仪控制器的负荷；通过基于场景的柔性数据采集和智能触发机制，加速自动驾驶感知算法的迭代过程；最后，根据批量投放算法的功能，灵活检查问题车辆。

图片来源:智和官网

作为未来汽车计算决策的中心，域控制器功能的实现不仅依赖于芯片，还需要软件操作系统、中间件、算法等多层次软硬件的协同升级。智信汇通认为，数据库作为一个效率工具，可以应用于自动驾驶和车辆端的各种域控制器，为主机厂提高数据采集、问题解耦和处理的效率，为用户带来更多的体验和更好的安全性。

在克服了诸多技术挑战后，智协汇通的解决方案已经能够从容面对来自行业各大主机厂的更多需求和更多场景。当然，技术的变革必须经过市场的检验。EXD自动驾驶仪数据闭环方案的实际性能需要在搭载该技术的车辆上市后确认。

(以上内容来自于2022年6月29日，智信汇通合伙人、副总裁牛国浩在盖世汽车主办的第二届智能车载域控制器创新——云论坛上发表的主题演讲《自动驾驶域控制器车载端数据库量产实践》。)目前，车载终端产生了大量的数据，各种数据来自不同的传感器和不同的领域。自动驾驶域控制器基本实现了计算能力超过100 t的资源分配，催生了对车载终端数据库的需求。

智信汇通是一家专注于构建汽车数据链和价值挖掘的公司。拥有以车辆数据库为核心的车云全栈产品，通过车云同构框架实现结构化和非结构化数据的一体化采集。智协汇通产品可以轻量级部署到车端各大域控制器，实现跨域数据采集和存储，高效推动产品优化迭代。

强大的计算能力促进了对跨域数据库的需求

随着人们对各种驾驶行为信号数据的需求越来越大，各种传感器上产生了大量的感知数据，对车辆数据价值点的挖掘需求也越来越大。在此背景下，智协汇通认为，存储与计算分离的车端数据库是边缘计算的基石。

目前，车载终端产生的大量数据来自不同的传感器和不同的域，自动驾驶域控制器已经基本配置了计算能力超过100 t的资源，高计算能力资源和强大的CPU是在车载端实现更多计算和分析能力的前提，同时也催生了对车载端数据库的需求。

车载数据库具有降低数据存储和传输成本、保证数据高质量、高容错性等优点。但是，目前市场上还没有成熟的车载端数据库方案。虽然有类似的产品，但并没有真正落地到量产车上。

图片来源:知心汇通

目前自动驾驶已经进入量产阶段，各大主机厂都推出了自己的数据闭环解决方案。从过去单一用途的纯视觉解决方案，到如今的多摄像头多传感器一体化自动驾驶解决方案，部署在自动驾驶域控制器上的数据闭环解决方案，可以帮助主机厂收集与自动驾驶相关的所有数据。

数据涵盖摄像头、毫米波雷达、激光雷达、公交车等各个方面，涵盖了从整车测试到量产的各个阶段。同时，智能驾驶相关的数据不仅来自自动驾驶领域，还来自底盘动力领域、智能驾驶舱领域和网关领域。

相比燃油车，电动汽车带来的是更高维度、全方位的驾驶体验。正因如此，自动驾驶数据涉及多个场景和维度，市场需要的数据库产品必须覆盖所有场景和维度，才能实现跨领域的灵活数据采集。

车端数据采集面临困难。

目前，自动驾驶的数据收集……生病面临许多问题。

首先，在量产前获取测试车数据的过程中，传统的数据记录仪数据采集效率低，仪器成本很高。采集的大部分数据都是整车的全数据。无论是流量还是云端的存储成本，以及数据的清洗和处理、关键数据的提取、建模和分析，整个过程的效率和成本都给R&D团队带来了困扰。

在量产车中，大规模结构化数据的获取涉及到如何在车端灵活采集高精度、高质量的数据，降低上传存储的成本，这也是目前各大主机厂数据相关部门面临的一大痛点。

自动驾驶中数据采集的第二个难点是非结构化数据采集。自动驾驶的NOA和NOP方案的实施需要不断优化弯道情况。对于自动驾驶来说，如果系统没有感知到遇到了弯道情况，就会带来严重的安全隐患。然而，解耦一个角落情况涉及许多问题，例如数据采集复杂性、多过程、成本等。，往往需要按月开发，数据层面需要近万个训练样本和标注数据集。这些拐角情况数据的收集和获取具有非常高的时间成本和收集难度。

图片来源:智和官网

智协汇通看到了整车数据采集的关键痛点，打造了低代码开发工具-算法直接交付-车端二级运营-柔性数据采集/上传/存储的闭环方案，帮助主机厂进行大维度、高精度、低成本、高质量的数据采集。

针对时间成本和采集难度大的痛点，智信汇通提出了基于车辆的柔性触发机制，可以根据拐角案例的具体场景灵活定义，管理数据从采集到应用的全过程，从而加速神经网络的迭代。

智协汇通的自动驾驶数据闭环解决方案，将采集公交车结构化数据、图像等所有非结构化数据，可以帮助主机厂快速提取场景关键数据，重现场景，找到神经网络算法中需要的关键迭代点和有价值的数据。

支持数据采集和存储的车云链路

智协汇通自动驾驶数据闭环解决方案，可以看作是一个轻量级的车云环节。得益于该方案的优势，主机厂可以实现更好的关键数据抓取、数据预处理、数据标注、AI模型创建、模型训练、仿真测试等。

图片来源:知心汇通

首先，这种数据闭环方案最大的优势在于，可以在不增加硬件的情况下，实现量产车结构化和非结构化数据采集存储一体化。面对数十万辆量产智能汽车产生的海量多类型数据，智信汇通的解决方案可以对接摄像头、激光雷达、毫米波雷达以及各种类型的传感器，处理图像、视频、雷达点云数据、车辆总线数据等不同类型的数据。这些数据在车端可以按照时间、场景等维度进行系统化管理，并根据定制的智能数据算法进行灵活的筛选和上传。量产车智能行驶数据采集、链路传输、数据计算的成本大大降低，数据质量和精度也能得到保证。

其次，该方案可以灵活定义算法和拐角情况。主机厂可以通过反复不断的快速更新迭代，灵活应对Corner case的数据需求，其计算引擎可以实现毫秒级数万个以上信号的实时数据采集。云开发工具生成的算法可以根据不同的车辆、场景、地域快速分发。

再次，智协汇通整体解决方案非常轻量级。该产品只占用自动驾驶域控制器CPU约500兆的计算能力和数百兆的内存，可以适配不同计算能力的CPU。

第四个优点是触发图像采集……封装在车辆中的操作员库可以预先定位各种触发机制。在满足触发机制条件的情况下，通过该方案可以灵活采集车内各个部位、领域、不同维度、不同数据类型的信号。

暗影模式的触发机制是另一大优势。数据采集除了由算法触发外，还可以由阴影模式触发。换句话说，在行驶的情况下，汽车会继续进行实时计算和模拟决策，计算结果可以实时上传到云端。基于AB模式下的结果计算和分析，支持主机厂车载端阴影模式下场景数据的灵活采集和触发。

图片来源:智和官网

另一个优点是数据是分段上传的。自动驾驶中的图像数据和视频数据量巨大，车辆在不同场景和路段的网络情况往往不稳定，很难实时上传数据。此时可以通过预设的分段上传机制，缓存并补充相应的数据。这种机制极大地保证了关键数据从采集到上传到云端的安全性。

软硬合作助力域控制发展

电动汽车普及率的提升，随之而来的是应用场景的增加和需求的多样化。随着自动驾驶技术的快速发展，安全问题一直是技术发展的制约因素，而弯道情况的存在是一大安全隐患。

针对目前的弯道情况，智信汇通实现了雨雪、切入/切出、急加速、急转弯、隧道入口等各种极端场景下的触发机制。在与客户联合开发和量产的实践中，智信汇通还锁定了更多后续触发机制，涵盖了高速急刹车、罕见急转弯、刹车灯亮但车辆有正加速等更多特殊场景。

按照智信汇通的规划，将会有上百种灵活的触发机制，收集整车厂在车辆各种场景、时间段、路段所需要的拐角案例数据。智信汇通将在高效率的模型构建、快速的车端部署、低成本的验证、灵活的实施等方面持续发力。，高效的促进了角点案例的优化迭代。

据悉，目前智信汇通是第一家通过车端数据库和边缘计算，真正实现自动驾驶数据闭环解决方案的企业。在自动驾驶数据闭环方案的量产实践中，智信汇通也积累了大量经验，帮助用户在数据闭环过程中调整和提高效率。

简而言之，其经验可以总结为:(1)轻量级的数据采集方案减轻了自动驾驶仪控制器的负荷；通过基于场景的柔性数据采集和智能触发机制，加速自动驾驶感知算法的迭代过程；最后，根据批量投放算法的功能，灵活检查问题车辆。

图片来源:智和官网

作为未来汽车计算决策的中心，域控制器功能的实现不仅依赖于芯片，还需要软件操作系统、中间件、算法等多层次软硬件的协同升级。智信汇通认为，数据库作为一个效率工具，可以应用于自动驾驶和车辆端的各种域控制器，为主机厂提高数据采集、问题解耦和处理的效率，为用户带来更多的体验和更好的安全性。

在克服了诸多技术挑战后，智协汇通的解决方案已经能够从容面对来自行业各大主机厂的更多需求和更多场景。当然，技术的变革必须经过市场的检验。EXD自动驾驶仪数据闭环方案的实际性能需要在搭载该技术的车辆上市后确认。

(以上内容来自于2022年6月29日，智信汇通合伙人、副总裁牛国浩在盖世汽车主办的第二届智能车载域控制器创新——云论坛上发表的主题演讲《自动驾驶域控制器车载端数据库量产实践》。)

标签：

汽车资讯热门资讯