应用案例分享 | 智驾路试数据分析及 SiL/HiL 回灌案例介绍

概述

为有效利用海量的路试数据并发挥其价值,经纬恒润推出了OrienLink路试数据分析及开环/闭环回灌测试系统。该系统采用统一的数据存储标准平台,基于云计算技术提供的大规模存储、高带宽和高算力,能够对路试数据进行深入的场景挖掘。通过软件在环(SiL)和硬件在环(HiL)回灌验证,该系统能够充分评估和优化算法性能,发挥数据价值。可解决智能驾驶测试过程中的几类问题:

  • 实车测试效率低,无法有效闭环验证
  • 场景挖掘速度慢,数据堆积无价值
  • 部分工况危险性高,且无法重复测试
  • 实车测试成本高,工况无法复现

本文将通过实际应用案例进行讲解,例如图1展示了一个典型的路试数据分析及SiL/HiL回灌方案。

图1 典型路试数据分析和SiL/HiL回灌方案

路试项目数据分析案例简介

智能驾驶测试数据通常来源于汽车厂商在新车发布前进行的实际道路测试、场地测试以及量产车的数据。其主要特点包括:数据覆盖广,经过精心规划和录制,包含车载总线和传感器数据,能够充分反映系统状态;数据量庞大,每次路试的持续时间可能为几周或几个月;团队分工明确,包括路测工程师、数据分析工程师和算法工程师等。图2展示了某自动驾驶研发项目中,使用OrienLink进行数据分析和回灌测试的流程。

图2 OrienLink测试分析流程

  • 方案解读

通过云端协同,多个业务团队可以在平台上共同完成所有测试任务。路试团队根据测试需求,采集大量原始数据,并通过互联网或磁盘邮寄的方式将数据上传至云端。同时,团队会提前进行数据架构设置、解析协议配置(如图3),同步准备数据。数据分析团队根据测试需求,构建车辆中间层,并预埋所需的数据分析标记信号,如Cut-in、Cut-out和异常制动等关键场景标记。

  • 产品特性

 EB级云端数据管理,实现智驾全量数据的统一管理

 支持多样化数据类型的解析,遵循行业标准协议

 实现毫秒级时间同步,确保原始数据的时空对齐和一致性

 统一各车型的中间层,确保不同车型间的复用匹配和执行效率

 数据衍生,包括多层级衍生信号和依赖信号的计算

图3 路试车辆模型配置

数据分析团队在路试前根据测试需求和KPI指标搭建数据处理流程(如图4),配置场景提取算子(如跟车、异常接管、异常制动、误报、漏报等),设计智驾功能(如NOA、HWP、ACC、AEB、TSR、ELK)的评价算子,并设定自动触发条件,确保路试数据上传后能自动执行分析。

算法开发团队在研发初期使用大量场景数据进行SiL/HiL回灌测试,以评估智驾算法的准确率和召回率,同时多维度分析误触发和漏触发情况,确保车辆软件的质量和安全性。图5展示了一个OrienLink场景挖掘原理的案例。

  • 产品特性

 自定义流水线,满足不同用户的数据处理需求

 多线程并行处理,充分利用服务器性能,实现加速

 灵活配置数据源,兼容不同数据采集工具的数据类型

 支持EB级别数据的快速挖掘和关键场景的快速提取

 多模态大模型对多源数据进行深度特征提取

 支持复杂场景理解和挖掘,模型挖掘准确率高

 内置算子库,高效管理挖掘规则和KPI评价指标

 提供图像和点云预处理模块,支持抽帧、去畸变等操作

 快速集成,缩短感知和规控算法迭代版本的集成时间

 数据处理自动化,支持多种触发方式,实现即时处理

图4 自定义数据处理流水线

图5 场景挖掘原理案例

可视化是数据结果呈现和分析的直观方式。在测试任务执行完成后,会自动生成可视化报告(如图6),数据分析团队或算法开发团队可以直接访问这些报告。这样,团队能够从宏观角度了解测试KPI是否达标,并直观地评估系统问题的分布,还可以从多个视角和层次分析异常事件场景,帮助定位感知或规控中的根本原因(如图7)。

  • 产品特性

 用户可以根据需要自由定制报告模板,模板可以快速复用,并自动加载数据生成报表

 内置多种智能驾驶功能分析模板,用户可以轻松上手并复用这些模板

 提供丰富的可视化组件,可以从智驾多个维度和层次分析数据

 感知数据和信号数据的同步精度达到毫秒级别,确保数据回放的准确性

 支持对场景事件进行分析和标记,提升分析过程的便捷性

 支持全流程测试管理集成,实现问题场景的自动关联,如INTEWORK-TPA/JIRA等测试缺陷跟踪

 支持对不同版本算法的回灌结果进行快速对比和回归分析,方便评估算法改进效果

图6 自动化报告生成

图7 问题场景回放分析

方案优势

  • 高性能:采用云原生架构支持多任务并行处理,能够同时运行多个数据处理或回灌仿真实例,大大缩短测试周期,提高效率
  • 高精度:各类型数据时空高度对齐,回灌精度确保仿真结果与实际系统行为的高度一致,能够准确反映系统在真实条件下的表现,提高验证的有效性
  • 自动化:支持测试实例的自动触发与测试报告的自动生成,减少因重复操作导致的人为错误和测试结果的不一致问题
  • 高质量:通过提供多维度、深层次的数据分析结果,推动智驾算法的快速迭代
  • 好追溯:各版本软件测试结果与测试管理平台缺陷关联,有助于分析历史趋势和追踪缺陷修复进度,形成完整测试链条

参考文章

[1] OrienLink数据回灌系统介绍:https://zhuanlan.zhihu.com/p/714241998

了解更多

请致电 010-64840808转6115或发邮件至market_dept@hirain.com(联系时请说明来自CSDN)

相关推荐
Altair澳汰尔3 小时前
数据分析和AI丨知识图谱,AI革命中数据集成和模型构建的关键推动者
人工智能·算法·机器学习·数据分析·知识图谱
qingyunliushuiyu9 小时前
企业为何需要可视化数据分析系统
数据挖掘·数据分析·数据采集·数据可视化·数据分析系统
dundunmm10 小时前
数据挖掘之认识数据
人工智能·机器学习·信息可视化·数据挖掘
chenchihwen10 小时前
数据分析时的json to excel 转换的好用小工具
数据分析·json·excel
江南野栀子1 天前
数据可视化-1. 折线图
信息可视化·数据挖掘·数据分析
反方向的钟儿1 天前
非结构化数据分析与应用(Unstructured data analysis and applications)(pt3)图像数据分析1
人工智能·计算机视觉·数据分析
感谢地心引力1 天前
【数据分析】层次贝叶斯
机器学习·数据分析·概率论
【建模先锋】1 天前
故障诊断 | 一个小创新:特征提取+KAN分类
人工智能·分类·数据挖掘
殇淋狱陌1 天前
第四章 列表(List)&元组(Tuple)以及代码格式基础语法及操作
数据结构·python·数据分析·list·元组
dundunmm1 天前
机器学习之KNN算法
人工智能·算法·机器学习·数据挖掘·knn·分类算法