车端数据库助力域控制器成为数据驱动引擎

目前车辆产生大量的数据，各种数据来自不同的传感器，不同的域，自动驾驶域控制器已经基本实现了100 t以上计算能力的资源分配，催生了车辆数据库的需求。

智汇通是一家专注于汽车数据链创造和价值挖掘的公司。拥有以汽车数据库为核心的汽车云全栈产品，通过车云的同构框架实现结构化和非结构化数据的融合采集。智汇通的产品可以轻量级部署到车载端的各种域控制器，实现跨域的数据采集和存储，高效促进产品的优化和迭代。

强大的计算能力推动了跨领域数据库的需求。

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，对车辆端数据值点挖掘的需求也越来越大。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。

目前汽车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，高计算资源和强大的CPU是在车端实现更多计算和分析能力的前提，同时也催生了车端数据库的需求。

汽车数据库具有降低数据存储和传输成本、保证数据高质量和高容错性等诸多优点。但是，目前市场上还没有成熟的车辆数据库解决方案。虽然有类似的产品，但并没有真正落实到量产车上。

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，可以帮助主机厂在车辆端收集所有与自动驾驶相关的数据。

相比燃油车，电动汽车带来的是更高维度、更全面的驾驶体验。正因为如此，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。

车辆数据采集面临困难。

目前自动驾驶的数据收集还面临很多困难。

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。采集的数据大部分是整车数据。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让RD团队头疼不已。

在量产车上，大规模结构化数据的获取涉及到如何灵活采集车端的高精度高质量数据，降低上传存储成本，这也是目前各大主机厂数据相关部门面临的一大痛点。

自动驾驶第二大数据采集难点是非结构化数据采集。自动驾驶NOA和NOP方案的落地，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弯道情况，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。，而且经常需要按月开发。在数据层面，需要近万个训练样本和标注数据集。这些拐角情况数据的获取和采集，有非常高的时间成本和难度。

智汇通看准了车端数据采集的关键痛点，打造了低代码开发工具-直接算法下发-车端秒级操作-灵活数据采集/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，智协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。

智汇通的自动驾驶数据闭环解决方案将联合采集公交结构化数据、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。得益于该解决方案的诸多优势，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。

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。面对数十万辆智能汽车量产产生的海量多类型数据，智协汇通的解决方案可以对接摄像头、激光雷达、毫米波雷达以及各类传感器，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。这些数据可以在车辆端按照时间、场景等维度进行系统化管理，并根据自定义的智能数据算法进行灵活筛选上传。量产车智能行驶数据采集、链路传输、数据计算等成本大大降低，数据质量和准确性也能得到保证。

其次，该方案可以灵活定义算法和角点用例。工厂可以通过反复不断的快速更新迭代，灵活应对边角案例的数据需求，其计算引擎可以实现毫秒级数万个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，以及数百兆的内存，可以适应不同计算能力的CPU。

第四个优点是触发图像采集。包装车辆中的操作员库可用于预先定位各种触发机制。当满足触发机制条件时，通过该方案可以灵活采集整车中各种部件、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，当有人驾驶时，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模式下的结果计算分析，支持主机厂阴影模式灵活采集触发场景数据。

另一个优点是数据是分段上传的。在自动驾驶中，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，在车载端缓存并传输相应的数据。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。

软硬协同助力域控发展

电动汽车普及率提高，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，而角落案例的存在是一大安全隐患。

针对目前的弯道情况，智协汇通实现了雨雪、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，智协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、刹车灯亮但车辆正加速等更多特殊场景。

按照智协汇通的规划，将会有上百种灵活的触发机制，收集整车各种场景、时间段、路段下主机厂所需的转角案例数据。智汇通将继续在高效率的模型搭建、快速的车辆调配、低成本的验证、灵活的实施等方面发力，高效推动拐角案例的优化迭代。

据悉，目前，智协汇通是第一家通过车辆数据库和边缘计算，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，智协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:轻量级的数据采集方案降低了自动驾驶域控制器的负载；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；最后可以根据批量分配算法功能灵活检查问题车辆。

作为未来汽车运营决策的中心，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。智汇通认为，数据库作为一种效率工具，可以应用于自动驾驶和车辆的各种域控制器，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。

智协汇通的解决方案在克服了诸多技术挑战后，已经能够从容面对行业内各大主机厂的更多需求和场景。当然，技术上的变化还得接受市场的检验。EXD自动驾驶数据闭环方案的实际性能需要在搭载该技术的车型投放市场后才能确认。