汽车电子数据采集、标定与回灌优秀解决方案

以下内容来源于《汽车电子与软件》，作者：王颖飞

一

数据采集、标定和回灌是什么？

汽车数据采集、标定和数据回灌是整车开发和测试过程中的重要步骤。下面对它们进行简要介绍：

1、汽车数据采集：

汽车数据采集是指通过车辆搭载的传感器、摄像头、雷达等设备收集车辆周围环境、车辆状态和驾驶行为等数据。这些数据可以包括图像、视频、激光雷达扫描、惯性测量单元（IMU）数据、GPS位置信息等。汽车数据采集的目的是提供实时、准确的车辆和环境数据作为自动驾驶系统的输入，用于感知、决策和控制。

2、汽车标定：

汽车标定是调整和优化车辆的参数和配置，以使其在不同的环境和条件下具有良好的性能和安全性。标定主要包括标定需求，标定计划制定，标定开发及验证，极限环境开发及验证，标定评审，标定发布等步骤。在汽车标定中，使用采集到的车辆数据来评估和调整整车的系统的感知、决策和控制算法，以适应不同的道路、天气、交通情况等变化等。标定的参数可以包括传感器的校准、车辆动力学参数、障碍物检测和跟踪算法等。

如：发动机管理系统标定（包括点火时机、燃油喷射量、气门正时等参数的调整，以实现最佳的动力输出、燃油经济性和排放控制）、传动系统标定（包括自动变速器的换挡逻辑、离合器的操作点、传动比的选择等参数的调整，以提供顺畅的换挡和驾驶舒适性）、刹车系统标定（包括刹车盘和刹车片的材料和几何参数的调整，以实现最佳的制动性能和耐用性）、悬挂系统标定（包括悬挂硬度、阻尼特性等参数的调整，以提供良好的悬挂舒适性和操控稳定性）等。

3、数据回灌：

数据回灌是指将采集到的实际车辆数据再次注入到整车控制器或域控中进行仿真和测试。如通过数据回灌，可以重现实际驾驶场景和情况，并对自动驾驶系统的性能和算法进行评估和验证。回灌的数据可以包括传感器数据、车辆状态信息和驾驶行为数据等。数据回灌的目的是在仿真环境中进行大规模测试、验证和优化，以加速自动驾驶系统的开发和部署过程。

这些步骤在整车开发和测试中起着关键的作用，通过数据采集、标定和回灌，可以提高车辆整体性能、安全性和适应性，并加速其商业化进程。

二

市场背景与需求

截至2021年，汽车数据采集市场规模已经相当庞大，并且预计在未来几年内将继续增长。根据市场研究公司的数据， 2021年全球汽车数据采集市场规模约150亿美元左右，包括车载传感器、智能车辆平台和数据分析解决方案等相关产品和服务。这主要受益于汽车行业数字化转型的推动，以及对车辆数据的日益重视。

汽车数据采集市场的增长受到多个因素的推动。首先，汽车制造商和技术公司对车辆数据的收集和分析日益重视，以提供更好的驾驶体验、车辆安全性和车辆维护。其次，新能源汽车、自动驾驶技术的兴起，为数据采集和分析提供了更大的需求。此外，车辆与其他智能设备和系统的连接性增强，也促使了汽车数据采集市场的增长。

新能源汽车和自动驾驶技术的发展对汽车数据采集产生的显著影响，主要体现在以下几个方面：

1.数据量的增加：

新能源汽车和自动驾驶车辆的引入使得车辆产生的数据量大幅增加。电动汽车包含了大量与电池、电机、能量管理等相关的数据，而自动驾驶车辆则通过各种传感器（如激光雷达、摄像头和雷达）采集周围环境信息。这些车辆产生的大规模数据需要进行采集、传输、存储和分析，以支持车辆控制、性能优化和安全保障等方面的需求。

2.多样化的数据类型：

新能源汽车和自动驾驶技术引入了各种新的数据类型。例如，电动汽车需要采集电池的状态和性能数据，以便进行电池管理和充电策略优化。自动驾驶车辆需要采集环境感知数据、车辆状态数据和行为数据等，以支持自主决策和行驶控制。因此，汽车数据采集系统需要能够处理和分析多样化的数据类型，以提供更全面的信息支持。

3.数据安全和隐私保护：

随着汽车数据量的增加，数据安全和隐私保护成为更为重要的问题。新能源汽车和自动驾驶车辆携带着大量敏感信息，如车辆位置、驾驶行为和车辆性能等。因此，汽车数据采集系统需要采取相应的安全措施，保护数据的机密性和完整性，防止数据被非法访问和滥用。

4.实时性要求的增加：

自动驾驶车辆对实时数据的需求更加迫切。例如，车辆需要实时采集和处理传感器数据，以便对周围环境进行准确感知和决策。因此，汽车数据采集系统需要具备快速、高效的数据采集和处理能力，以满足实时性要求。

5.安全和驾驶辅助系统：

自动驾驶汽车标定需要关注安全和驾驶辅助系统的参数调整。这包括自动制动系统、自适应巡航控制、车道保持辅助等功能的标定，以确保其在不同道路和交通情况下的安全性和可靠性。

总的来说，新能源汽车和自动驾驶技术的发展促进了汽车数据采集技术的进步和应用。它们对数据量、数据类型、数据安全和实时性等方面提出了更高的要求，推动了数据采集技术的创新和发展。同时，也为智能交通、车辆管理和驾驶辅助等领域提供了更丰富的基础。

三

市场现状与行业痛点

随着新能源汽车和自动驾驶技术的发展，当前汽车数据采集行业面临一些新的痛点和挑战，包括以下方面：

1.数据标准化和互操作性：由于不同汽车制造商和技术供应商采用不同的数据格式和接口标准，导致数据采集的互操作性问题。这使得数据采集和整合变得复杂，限制了数据的有效利用和共享。行业需要更广泛的数据标准化努力，以促进数据的互通和互操作性。

2.数据安全和隐私保护：随着车辆数据的增加和敏感性的提高，数据安全和隐私保护成为行业关注的焦点。汽车数据采集系统需要采取严格的安全措施，以保护数据免受恶意攻击和非法访问。同时，需要确保车主和驾驶员的个人隐私得到妥善保护，符合相关法规和政策要求。

3.数据质量和准确性：汽车数据采集过程中可能面临数据质量和准确性的挑战。传感器的误差、噪声和故障可能导致数据不准确或不完整。数据采集系统需要具备高精度和可靠性，以确保采集到的数据质量达到要求。

4.处理和存储的挑战：随着数据量的增加，对数据的处理和存储也带来了挑战。大规模的数据处理需要高性能的计算和存储资源，以支持实时分析和决策。此外，对于长期存储和管理大量数据也需要解决数据存储和备份的问题。

5.法规和合规要求：汽车数据采集涉及到一系列法规和合规要求，包括数据隐私、数据安全、数据使用和共享等方面。行业需要遵守相关法规和政策，并确保数据采集和处理过程符合法律和道德的要求。

解决这些痛点和挑战需要行业各方的合作和努力，包括制定更统一的数据标准、加强数据安全和隐私保护、改进数据质量和准确性、提供高效的数据处理和存储解决方案，以及遵守相关法规和合规要求。

同时，在新能源汽车和自动驾驶的发展过程中，标定也同样面临一些困难，包括以下方面，

1.复杂性增加：

新能源汽车和自动驾驶系统的复杂性比传统汽车更高，涉及到多个子系统、传感器和算法的集成。解决方案是建立全面的标定策略和流程，确保各个子系统和组件的相互配合和最佳性能。

2.大规模数据处理

新能源汽车和自动驾驶系统产生的数据量巨大，包括传感器数据、高精度地图数据、车辆状态数据等。处理这些大规模数据需要强大的计算和存储能力，解决方案是采用高性能的计算平台和云计算技术，以加快数据处理和分析的速度。

3.多样化的工况和环境：

新能源汽车和自动驾驶系统在不同的工况和环境下工作，如不同的天气条件、路面状况、交通情况等。解决方案是进行大量的实地测试和仿真，在各种工况和环境下收集数据，并进行标定和优化，以确保系统在各种条件下的稳定性和可靠性。

4.安全性和可靠性要求：

新能源汽车和自动驾驶系统对安全性和可靠性要求非常高，任何错误或不准确的标定都可能导致严重的后果。解决方案是建立完善的安全测试和验证流程，包括模拟测试、实地测试和验证，以确保系统在各种情况下的安全性和可靠性。

5.快速迭代和更新：

新能源汽车和自动驾驶技术发展迅速，要求标定工作能够快速适应新的技术和算法。解决方案是建立灵活的标定流程和工具链，以便快速调整参数和算法，实现快速迭代和更新。

总体而言，面对新能源汽车和自动驾驶的发展，标定困难的解决方案主要包括建立全面的标定策略和流程、采用高性能计算平台和云计算技术、进行大规模数据处理和分析、进行多样化的实地测试和仿真、建立完善的安全测试和验证流程，以及建立灵活的标定流程和工具链。

回灌的验证过程同样重要，在汽车标定数据回灌的过程中，存在的一些常见的痛点和挑战有：

1.数据质量和一致性：回灌过程中使用的数据质量和一致性是一个关键问题。确保回灌的数据准确、完整且一致，对于正确的标定和系统优化至关重要。数据采集设备和方法的选择、数据处理和校正的准确性都会对数据质量产生影响。

2.数据处理和存储容量：汽车系统产生的数据量庞大，需要进行有效的数据处理和存储。处理和分析大量的回灌数据可能需要高性能的计算和存储设备，以确保数据的及时性和准确性。同时，需要考虑数据存储的可靠性和安全性。

3.数据回灌时机和频率：确定数据回灌的时机和频率是一个重要的问题。过于频繁的回灌可能会对系统的性能产生负面影响，而过于稀疏的回灌可能无法捕捉到系统的动态特性。因此，需要合理选择回灌的时机和频率，以平衡系统性能和数据采集的成本。

4.标定和回灌的自动化：标定和数据回灌过程通常需要手动操作和人工干预，这可能导致效率低下和错误的风险。实现标定和回灌的自动化是一个挑战，需要开发相应的算法和工具，以减少人工操作和提高效率。

四

数据采集、标定与回灌优秀解决方案与产品介绍

前文已充分介绍了随着新能源汽车和自动驾驶技术的发展，当前汽车数据采集、标定与回灌行业面临一些新的痛点和挑战，下面着重介绍下针对这些困难而涌现出的解决方案与产品：

1.标定软件的产生：

随着标定工作的日趋复杂，为提高汽车开发效率，有许多专门设计的标定软件可用于新能源汽车和自动驾驶系统的参数调整和优化。这些软件提供直观的用户界面，允许工程师轻松配置和调整系统参数，同时提供实时数据监测和可视化，以帮助分析和评估标定效果，诸如ETAS公司的INCA、INCA FLOW与VECTOR的CANape等，下面以INCA为例对当前先进的标定工具进行展开介绍。

ETAS INCA：

ETAS INCA是ETAS公司旗下一款汽车标定测量诊断工具，支持各种汽车控制单元的参数调整和优化，具备强大的功能与优秀的易用性、兼容性，能够极大地提高标定效率，被广泛应用在各主机厂、Tier1的ECU项目开发过程中。目前全球有超过5万名用户在日常工作中使用。INCA不仅可以应用在传统的发动机电控开发领域，也可以应用在新能源整车、电机电池控制和处理器标定领域，并且在新的版本中增加了专门针对新能源车的功能。

INCA基础软件和各种插件

INCA性能特征

￭集成数据监控/记录及标定更改等功能于一体，是集成化的标定开发工具；

￭支持CAN通讯及CCP协议；

￭可灵活定义所需监控及记录的参数；

￭可灵活制作工作界面支持Copy&paste功能；

￭支持很多专用数据采集设备，如ES590等，使用灵活；

￭标定文件的比较/切换等功能，输入输出不同格式的标定数据等功能；

￭标定参数的查找/更改/图形化功能；

￭可按标定功能定制标定参数模块；

￭可整体输入/输出不同配置的工程文件，利于团体协作；

￭数据回放及数据后处理功能；

INCA界面展示及名词简介

￭DBC为CAN的数据库文件；

￭Experiment文件是各类数据的记录/显示配置，是一个预先设置好的窗口，里边包含为实现测量和标定任务所需要的变量和匹配值；

￭Project,即项目包含了所有的匹配值和数据，这些匹配值和数据反映了一定版本的代码和匹配值。项目包含两个文件.a2l和.hex(或.s19)；

￭A2L文件，变量地址文件（变量名+地址），用来描述测量变量和标定参数；

￭Hex文件，包含了由数据和代码组成的ECU控制程序，可以直接下载到ECU中运行；

￭硬件配置，可以选择硬件设备及硬件参数

 

2.数据采集系统：

数据采集系统用于收集车辆和环境数据，以支持标定过程。这些系统通常包括传感器、数据记录设备和相关软件。工程师可以使用这些系统采集车辆传感器数据、高精度地图数据等，并将其用于标定和验证过程中的仿真和实验室测试。为解决待采信号种类多、数据量大、占用算力等问题，数据采集系统也进行了升级，下面对当前使用较广泛的ETAS数采产品做简要介绍。

ETK/FETK/XETK

ETK产品家族是一系列安装在ECU里面或外面的小型的、可靠的、高性能的硬件设备，使得软件开发和标定工程师可以直接访问ECU来控制

使用ETK的优势:

￭开发软件与产品软件结合紧密，可与标定软件INCA 等协同使用，提高标定效率

￭ETK具有非常高的运行时效性 

￭一个接口可以在整个开发周期中使用

￭ETK速度和数据吞吐量远超XCP，可解决海量数据采集传输速率跟不上及占用ECU算力等问题

￭ETK帮助工程师减少开发和标定的工作时间和工作量

ECU和总线接口模块：

多信号多系列可解决待采设备多样化、通讯信号多样化与通讯协议多样化的问题，提高数据采集效率。

3.数据回灌系统：

将采集到的实际车辆数据通过算法处理，再次注入到自动驾驶系统中进行仿真和测试，对算法进行验证，或一些场景、状态的再现对开发同样重要：通过数据回灌，可以重现实际驾驶场景和情况，并对自动驾驶系统的性能和算法进行评估和验证。回灌的数据可以包括传感器数据、车辆状态信息和驾驶行为数据等，数据量庞大且复杂，回灌验证的难度比采集的难度更大。因此，强大的数据回灌软件是开发过程中必不可少的重要工具。

下面，以ETAS的ADAS数据回灌解决方案为例，对数据回灌做实际解决方案的解读。

上图为ETAS基于PC的高性能回灌解决方案，具有可扩展性和高带宽的特性。为应对ADAS相关传感器数量不断增加的场景，该回灌系统可支持多达16个摄像头、12个雷达和4个激光雷达的输入，以及多总线接口（以太网、CAN、FlexRay）的同步采集和回灌，基于记录的数据，回放定义的场景，来执行批量测试。这种解决方案可通过使用车辆采集回的数据，回灌到ADAS ECU上，用以验证逐次修改迭代的ADAS算法。

ETAS数据回灌解决方案解决了在实际开发中，ADAS软件的发布和回归测试需要采集成百上千的车辆行驶里程的题，提高了虚拟测试系统、硬件开环（HoL）系统执行发布和回归测试效率，也解决了在车辆上进行特定的边缘案例测试非常耗时且昂贵的问题。

五

数据采集与标定未来展望

数据采集、标定和数据回灌在汽车行业中扮演着越来越重要的角色，并且在未来将继续发展和演进。

以下是数据采集、标定和数据回灌的一些未来展望：

1.数据采集的多样化：

随着汽车技术的发展，数据采集的多样性将成为一个重要趋势。除了传统的车辆传感器数据，还会涉及到更多的外部数据源，如车联网数据、高精度地图数据、交通数据等。这将为标定工作提供更丰富和全面的数据来源，以更好地优化和调整车辆性能和行为，甚至可用于优化交通流，解决交通拥堵等方面。

2.自动化标定：

随着自动驾驶技术的成熟，自动化标定将成为一个重要的发展方向。自动化标定利用机器学习和人工智能等技术，通过对大量数据的分析和模型训练，实现自动调整和优化车辆参数。这将大大减少人工干预和时间成本，并提高标定的精度和效率。

3.实时标定和在线更新：

随着车辆变得越来越智能化和互联化，实时标定和在线更新将变得更加重要。车辆可以通过与云端系统的连接，实时获取最新的标定参数和优化策略，以适应不同的驾驶环境和路况。这将使车辆具备更高的自适应性和性能，并能够快速应对不断变化的需求和挑战。

4.数据隐私和安全：

随着数据采集的增加，数据隐私和安全问题也将变得更加重要。采集的数据可能涉及用户的隐私信息，因此需要采取相应的安全措施，确保数据的安全传输、存储和使用。同时，标定过程中的数据安全也需要得到保障，以防止数据被篡改或恶意使用。

5.标定标准和规范：

随着数据采集和标定的普及，标定标准和规范的制定将成为一个重要的发展方向。制定统一的标定标准和规范，有助于确保标定的一致性和可比性，提高整个行业的效率和质量水平。这将促进数据共享和合作，推动标定技术的进一步发展。

6.回灌数据智能化和自适应性：

数据回灌将成为实现智能化和自适应性的重要手段。通过将实际运行数据回灌到车辆系统中，系统可以不断学习和优化，适应不同的驾驶环境和驾驶者行为，提供更加智能和个性化的驾驶体验。

7.回灌实现个性化驾驶体验：

通过数据回灌，车辆可以根据驾驶者的个性化偏好和习惯进行优化。例如，根据驾驶者的驾驶风格和喜好，车辆可以调整座椅、音响系统等各种设置，提供更加舒适和个性化的驾驶体验。

8.回灌实现系统优化和故障诊断：

通过数据回灌，车辆制造商和技术提供商可以分析和评估车辆系统的性能，并发现潜在的问题和故障。这将帮助改进系统设计和开发，并提供更有效的故障诊断和维护策略，提高车辆的可靠性和可维护性。

编辑：黄飞