概述

為有效利用海量的路試數據并發揮其價值，經緯恒潤推出了OrienLink路試數據分析及開環/閉環回灌測試系統。該系統采用統一的數據存儲標準平臺，基于云計算技術提供的大規模存儲、高帶寬和高算力，能夠對路試數據進行深入的場景挖掘。通過軟件在環（SiL）和硬件在環（HiL）回灌驗證，該系統能夠充分評估和優化算法性能，發揮數據價值。可解決智能駕駛測試過程中的幾類問題：

• 實車測試效率低，無法有效閉環驗證
• 場景挖掘速度慢，數據堆積無價值
• 部分工況危險性高，且無法重復測試
• 實車測試成本高，工況無法復現

本文將通過實際應用案例進行講解，例如圖1展示了一個典型的路試數據分析及SiL/HiL回灌方案。

圖1 典型路試數據分析和SiL/HiL回灌方案

路試項目數據分析案例簡介

智能駕駛測試數據通常來源于汽車廠商在新車發布前進行的實際道路測試、場地測試以及量產車的數據。其主要特點包括：數據覆蓋廣，經過精心規劃和錄制，包含車載總線和傳感器數據，能夠充分反映系統狀態；數據量龐大，每次路試的持續時間可能為幾周或幾個月；團隊分工明確，包括路測工程師、數據分析工程師和算法工程師等。圖2展示了某自動駕駛研發項目中，使用OrienLink進行數據分析和回灌測試的流程。

圖2 OrienLink測試分析流程

• 方案解讀

通過云端協同，多個業務團隊可以在平臺上共同完成所有測試任務。路試團隊根據測試需求，采集大量原始數據，并通過互聯網或磁盤郵寄的方式將數據上傳至云端。同時，團隊會提前進行數據架構設置、解析協議配置（如圖3），同步準備數據。數據分析團隊根據測試需求，構建車輛中間層，并預埋所需的數據分析標記信號，如Cut-in、Cut-out和異常制動等關鍵場景標記。

• 產品特性

- EB級云端數據管理，實現智駕全量數據的統一管理

- 支持多樣化數據類型的解析，遵循行業標準協議

- 實現毫秒級時間同步，確保原始數據的時空對齊和一致性

- 統一各車型的中間層，確保不同車型間的復用匹配和執行效率

- 數據衍生，包括多層級衍生信號和依賴信號的計算

圖3 路試車輛模型配置

數據分析團隊在路試前根據測試需求和KPI指標搭建數據處理流程（如圖4），配置場景提取算子（如跟車、異常接管、異常制動、誤報、漏報等），設計智駕功能（如NOA、HWP、ACC、AEB、TSR、ELK）的評價算子，并設定自動觸發條件，確保路試數據上傳后能自動執行分析。

算法開發團隊在研發初期使用大量場景數據進行SiL/HiL回灌測試，以評估智駕算法的準確率和召回率，同時多維度分析誤觸發和漏觸發情況，確保車輛軟件的質量和安全性。圖5展示了一個OrienLink場景挖掘原理的案例。

• 產品特性

- 自定義流水線，滿足不同用戶的數據處理需求

- 多線程并行處理，充分利用服務器性能，實現加速

- 靈活配置數據源，兼容不同數據采集工具的數據類型

- 支持EB級別數據的快速挖掘和關鍵場景的快速提取

- 多模態大模型對多源數據進行深度特征提取

- 支持復雜場景理解和挖掘，模型挖掘準確率高

- 內置算子庫，高效管理挖掘規則和KPI評價指標

- 提供圖像和點云預處理模塊，支持抽幀、去畸變等操作

- 快速集成，縮短感知和規控算法迭代版本的集成時間

- 數據處理自動化，支持多種觸發方式，實現即時處理

圖4 自定義數據處理流水線

圖5 場景挖掘原理案例

可視化是數據結果呈現和分析的直觀方式。在測試任務執行完成后，會自動生成可視化報告（如圖6），數據分析團隊或算法開發團隊可以直接訪問這些報告。這樣，團隊能夠從宏觀角度了解測試KPI是否達標，并直觀地評估系統問題的分布，還可以從多個視角和層次分析異常事件場景，幫助定位感知或規控中的根本原因（如圖7）。

• 產品特性

- 用戶可以根據需要自由定制報告模板，模板可以快速復用，并自動加載數據生成報表

- 內置多種智能駕駛功能分析模板，用戶可以輕松上手并復用這些模板

- 提供豐富的可視化組件，可以從智駕多個維度和層次分析數據

- 感知數據和信號數據的同步精度達到毫秒級別，確保數據回放的準確性

- 支持對場景事件進行分析和標記，提升分析過程的便捷性

- 支持全流程測試管理集成，實現問題場景的自動關聯，如INTEWORK-TPA/JIRA等測試缺陷跟蹤

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

圖6 自動化報告生成

圖7 問題場景回放分析

方案優勢

• 高性能：采用云原生架構支持多任務并行處理，能夠同時運行多個數據處理或回灌仿真實例，大大縮短測試周期，提高效率
• 高精度：各類型數據時空高度對齊，回灌精度確保仿真結果與實際系統行為的高度一致，能夠準確反映系統在真實條件下的表現，提高驗證的有效性
• 自動化：支持測試實例的自動觸發與測試報告的自動生成，減少因重復操作導致的人為錯誤和測試結果的不一致問題
• 高質量：通過提供多維度、深層次的數據分析結果，推動智駕算法的快速迭代
• 好追溯：各版本軟件測試結果與測試管理平臺缺陷關聯，有助于分析歷史趨勢和追蹤缺陷修復進度，形成完整測試鏈條