车端日前发生大批的数据之间，各式数据来源于不同的传感器、不同的域，自动驾驭域操控器根本曾经实现了算力超越百T的资源配置，这就催生了车端数据库的要求。

智协慧同是全家聚集车子数据链路塑造和价格发掘的企业，具有以车端数据库为焦点的车云全栈产物，经过车云同构构架，实现构造化和非构造化数据的合一采集。智协慧同产物可轻量化部署到车端各大域操控器，实现跨域的数据采存，高效推行产物的改良迭代。

大算力催生跨域数据库要求

随着各式驾驭控制举止的信号数据要求渐渐增添，多个传感器上发生海量感知数据，车端数据价格点发掘的要求也日益强烈。在此背景下，智协慧同以为，存算分离的车端数据库是边缘计算的基石。

车端日前发生的大批数据来源于不同的传感器、不同的域，自动驾驭域操控器根本曾经配置了算力超越百T的资源。高算力的资源以及强盛的CPU是实现更多车端计算剖析能力的前提，同一时间也催生了车端数据库的要求。

车端数据库具备下降数据存储和传输流量本钱、保证数据高品质、高容错性等诸多的优点。然则，日前市场上并未老练的车端数据库方案，尽管有相似的产物，但都并没有真实实此刻量产车上的落地。

相片来自：智协慧同

日前，自动驾驭曾经映入大量量量产的阶段，各大主机厂都公布了本人的数据闭环解决方案。从往日单目的纯视线方案进行于今天多摄像头、多传感器合一的自动驾驭解决方案，部署在自动驾驭域操控器上的数据闭环解决方案能够帮助主机厂采集到车端各个与自动驾驭相干的数据。

此中的数据掩盖摄像头、mm波雷达、激光雷达、总线等方面，涵盖了从全车测试到量产的各个阶段。同一时间，与智能驾驭相干的数据不但来自于自动驾驭域，另有更多的数据来源底盘能源域、智能座舱域及网关域。

比较汽油车，电动车子带来的是更高维度、更全角度的驾控体会，正因如许，自动驾驭数据涉及到多情景、多维度，市场须要的数据库产物必需掩盖到各个情景和维度，才能够实现数据的跨域灵活采集。

车端数据采集面对困难

自动驾驭的数据采集，日前仍面对着不少困难。

起首，在量产前测试机动车数据的获取进程中，惯例的数据纪录仪数据采集效能低下，同一时间仪器的本钱十分高，采集到的数据许多是全车的全量数据。不论是流量仍是云端的存储费率，以及对数据的清洗、料理、要害数据的提取、建模剖析，全个过程效能以及本钱都为研发团队带来困扰。

在量产车上，大范围构造化数据的获取则涉及到如何将车端高精度高品质的数据发展灵活采集，以及下降上传和存储料理的本钱，这也是当前各大主机厂数据相干部门全在面对的一大痛点。

自动驾驭的第二大数据采集难点是非构造化数据获取。自动驾驭NOA、NOP方案的落地，须要不停对Corner cases（边界化困难）发展改良。关于自动驾驭而言，倘若体系无感知出碰到了Corner cases，会带来惨重的平安祸患。然则解耦一种Corner case涉及到数采繁杂度、多过程、本钱等若干方面的难题，常常须要以月为单位发展开发，数据层次则须要近万张训练样本和标注数据集。这点Corner case数据的采集和获取，有十分高的时间本钱以及采集难度。

相片来自：智协慧同官网

智协慧同见到了车端数据采集的要害痛点，塑造了低代码开发用具-算法干脆发放-车端秒级运转-灵活数据采集/上传/存储的闭环方案，帮助主机厂发展大维度、高精度、低本钱、高品质的数据采集。

针对时间本钱和采集难度的痛点，智协慧同提议了一个鉴于车端的灵活触发体制，可行依照Corner case的详细情景来灵活定义，对数据发展从采集到利用的全过程治理，因此提速神经网站的迭代。

智协慧同的自动驾驭数据闭环解决方案会对全部的总线构造化数据、图像等非构造化数据发展一同采集，能够帮助主机厂迅速提取情景化的要害数据、发展情景复现，寻到神经网站算法中须要的要害迭代点以及有价格的数据。

车云链路赋能数据采存

智协慧同自动驾驭数据闭环的解决方案可行看作是一条轻量化的车云链路，得益于这一方案的许多优势，主机厂能够实现更没有问题要害数据抓取、数据预料理、数据标注、AI模子组建、模子训练、仿真测试等。

相片来自：智协慧同

起首，该数据闭环方案第一大的优势，便是前文提到的，在不格外增添硬件的概况下能够实现量产车的构造化和非构造化数据采存合一。面临数十万辆等级量产智能车发生的海量多类别数据，智协慧同的方案能够对接摄像头、激光雷达、mm波雷达、各式类别的传感器，料理图像、视频、雷达点云数据、机动车总线数据等不同类别的数据。这点数据在车端就可以依据时间、情景等多维度发展体系化的治理，依照自定义的智能数据算法灵活筛选上传。使量产车的智驾数据采集，链路传输，数据计算等本钱大幅下降，同一时间还能确保数据品质和精度。

其次，该方案能灵活定义算法与Corner cases。主机厂可行经过屡次持续、迅速的革新迭代来灵活响应Corner case的数据要求，其计算引擎可行实现超越数万个信号毫秒级的实时数据采集，云端开发用具生成的算法可行依据不同的机动车、情景、区域来迅速发放。

第三，智协慧同的全体解决方案十分轻量化，该产物只占用自动驾驭域操控器CPU大约500兆左右的算力，以及几百兆左右的内存，能够适配不同算力的CPU。

第四点优势是触发式的图像采集。封装在车端的算子库能发展多个触发体制的前置，在触发体制要求满足的概况下，全车中来源各个部件、各个域以及各个不同的维度、不同数据类别的信号，全能经过该方案发展灵活的采集。

影子形式的触发体制是又一大优势。除了经过算法触发，数据采集还可行经过影子形式（Shadow mode）触发。换言之，在有人驾驭的概况下，车端仍会持续发展实时计算、模拟决策，并能让计算结果实时上传到云端。鉴于AB形式下的结果计算剖析，扶持主机厂车端影子形式发展情景数据的灵活采集触发。

相片来自：智协慧同官网

另有一种优势是数据分段上传。自动驾驭中图像数据、视频数据的数据量非常巨大，而机动车在不同的情景、路段中网站概况常常是不固定的，难以实现数据实时上传。此时就能经过预先设定的分段上传体制，关于相应的数据发展车端缓存、补传。这一体制极大地保证了要害数据从采集到上传至云端的进程中的平安难题。

软硬协同助力域控进行

电动车子的渗透率上升，随之而来的是利用情景的增多、要求的多元化。在自动驾驭技艺迅速进行的同一时间，此中的平安性难题始终是技艺进行的掣肘，Corner cases的存留愈是一大平安祸患。

针对日前的Corner case，智协慧同曾经实现了雨雪、Cut in/out、急提速、急转弯、隧道口等多个极限情景下的触发体制。在与消费者发展一同开发和量产的实践进程中，智协慧同也锁定了延续更多的触发体制，此中掩盖了快速上急刹车、罕见的急转弯路、刹车灯亮但机动车有正向提速度等更多特殊情景。

依据智协慧同的规划，将来会有上百个左右的灵活触发体制，在全车的各个情景、时段、路段，采集主机厂所须要的Corner cases数据。智协慧同将在高效能模子搭建、迅速车端部署、低本钱认证、灵活实现等方面持续发力，高效推行Corner cases改良迭代。

获悉，日前智协慧同是第全家能够真实实现经过车端数据库和边缘计算，达成自动驾驭数据闭环解决方案的公司。在自动驾驭数据闭环方案的量产实践中，智协慧同也积累了大批的经历，以帮助使用者调度、提高在数据闭环进程中的效能。

简而言之，其经历可行总结为：轻量化数采方案下降自动驾驭域操控器负载；经过情景化的灵活数据采集和智能化的触发体制，提速自动驾驭感知算法的迭代进程；终归可依据批量发放算法功效，灵活排查难题机动车。

相片来自：智协慧同官网

作为未来车子运算决策的中心，域操控器功效的实现不但依赖于芯片，也须要软件操作体系、当中件、算法等多档次软硬件的协同进级。智协慧同以为，数据库作为一种效能用具，可行利用于自动驾驭以及车端的各个域操控器上，为主机厂提升数据采集、难题解耦和料理效能，为使用者带来更多的体会及更没有问题平安。

在克服了诸多技艺挑战后，智协慧同的解决方案日前曾经能够从容面临产业内各大主机厂的更多要求、更多情景。自然，技艺的变更总得通过市场检测。EXD自动驾驭数据闭环方案的实质体现如何，还需在装载这一技艺的车型到市场后才能印证。

（以上内容来源智协慧同合伙人兼副总裁牛国浩于2022年6月29日由盖世车子主持的2022第二届智能车子域操控器创新-云论坛发表的《车端数据库在自动驾驭域操控器上的量产实践》专题演讲。）