隨著 GNSS 在車載終端、智能交通及安全系統(tǒng)中的應(yīng)用不斷深入，相關(guān)測試標(biāo)準(zhǔn)也在持續(xù)升級。以 GB/T 45086 為代表的新一代標(biāo)準(zhǔn)，已不再局限于簡單的功能驗證，而是通過近 80 項測試用例，對定位性能、穩(wěn)定性與復(fù)雜場景響應(yīng)能力提出了系統(tǒng)性要求。

這意味著，傳統(tǒng)依賴人工搭建環(huán)境、手動執(zhí)行流程與離線處理數(shù)據(jù)的測試方式，正在逐步失效——不僅效率難以支撐，更難以保證測試的一致性與可復(fù)現(xiàn)性。動輒數(shù)天的長周期測試、極易引入誤差的手動配置、以及跨設(shè)備的數(shù)據(jù)同步難題，讓越來越多的測試工程師感到“力不從心”。

在這一背景下，GNSS自動化測試不再是“效率優(yōu)化工具”，而已成為應(yīng)對標(biāo)準(zhǔn)復(fù)雜化與工程規(guī)?；谋厝贿x擇。

德思特AutoGNSS 正是在這樣的需求下誕生：通過對測試流程、設(shè)備控制與數(shù)據(jù)處理的系統(tǒng)化封裝，將復(fù)雜的 GNSS 測試轉(zhuǎn)化為可復(fù)用、可執(zhí)行、可驗證的自動化能力。

那么，AutoGNSS 究竟解決了哪些實際痛點？它的研發(fā)背后經(jīng)歷了怎樣的技術(shù)攻堅？未來 AI 又將如何進(jìn)一步降低測試門檻？

我們特別邀請到德思特技術(shù)總監(jiān)Akio與研發(fā)主管Leo，圍繞 GNSS 自動化測試的必要性、研發(fā)挑戰(zhàn)與未來演進(jìn)，帶來第一手的深度解讀。

如果你也是一名從事車載定位、無人機(jī)或智能終端研發(fā)的測試工程師，那么接下來的內(nèi)容，或許正是你一直在尋找的答案。

01 應(yīng)對標(biāo)準(zhǔn)趨嚴(yán)：如何讓復(fù)雜測試“開箱即用”

近年來，國家和行業(yè)針對GNSS制定的標(biāo)準(zhǔn)日益嚴(yán)格。在你們看來，這種“標(biāo)準(zhǔn)化”趨勢給測試工作帶來了哪些核心挑戰(zhàn)？

Akio：首先需要明確，近年來的“標(biāo)準(zhǔn)化”與傳統(tǒng)的“產(chǎn)線批量標(biāo)準(zhǔn)化”有著本質(zhì)區(qū)別。以 GB/T 45086 為例，該標(biāo)準(zhǔn)針對定位導(dǎo)航終端的測試用例多達(dá)近 80 項，其評估維度早已超越了簡單的“Pass/Fail”。

這種趨勢對測試方案的架構(gòu)搭建、測試設(shè)備的選型、自動化流程設(shè)計以及海量數(shù)據(jù)的后期處理都提出了極高的要求。

我們面臨的核心挑戰(zhàn)在于：如何通過底層封裝，將復(fù)雜的測試邏輯轉(zhuǎn)化為“開箱即用”的用戶體驗？為此，我們正在持續(xù)優(yōu)化軟件架構(gòu)并精簡前端邏輯，確保非行業(yè)背景的用戶也能快速上手。同時，我們的技術(shù)團(tuán)隊正通過 AI 技術(shù)的深度融合與賦能，致力于讓測試過程更簡單、更智能。

02 從“測試小白”到“專家級輸出”：AutoGNSS消除技術(shù)門檻

站在行業(yè)視角來看，你覺得AutoGNSS這款工具為客戶解決的最重要的一個問題是什么？如果用詞語提煉的話，你會怎么描述？

Akio：如果用一個詞來概括，那就是“降本增效，跨越門檻” 。

仍以 GB/T 45086 為例，作為AECS（事故緊急呼叫系統(tǒng)）的基石標(biāo)準(zhǔn)之一，其直接用戶大多來自車企及產(chǎn)業(yè)鏈相關(guān)企業(yè)。這些工程師可能深耕于整車或相關(guān)電子領(lǐng)域，但不一定精通 GNSS 的技術(shù)原理。面對嚴(yán)格的標(biāo)準(zhǔn)，用戶往往面臨巨大的學(xué)習(xí)壓力和知識盲區(qū)。

AutoGNSS 的核心價值在于“消除技術(shù)門檻與心理壓力”。我們希望實現(xiàn)：即便用戶不完全掌握底層原理，只要遵循標(biāo)準(zhǔn)化手冊操作，即可解決絕大部分測試難題。此外，軟件內(nèi)置的 AI 工具能顯著加快知識提取效率，輔助用戶完成從“測試小白”到“專家級輸出”的跨越。

03 全鏈路留痕與數(shù)據(jù)可溯源：讓每一次測試都有據(jù)可查

將國家標(biāo)準(zhǔn)條款轉(zhuǎn)化為自動化的腳本代碼，研發(fā)團(tuán)隊在這一過程中是如何保證測試邏輯與結(jié)果的嚴(yán)謹(jǐn)性與權(quán)威性的？

Akio：這是一個非常關(guān)鍵的問題。在目前通用測試軟件尚缺乏統(tǒng)一合規(guī)性標(biāo)準(zhǔn)的情況下，我們通過“全鏈路留痕”與“數(shù)據(jù)可溯源”來確保結(jié)果的可靠性：

在測試邏輯層面：核心在于對 GNSS 模擬器的精準(zhǔn)控制與場景構(gòu)建。我們的系統(tǒng)具備完善的 API 操作留痕能力，配合場景可視化功能，研發(fā)人員和用戶可以直觀地比對控制指令與標(biāo)準(zhǔn)要求的符合度，確保邏輯執(zhí)行無偏差。

在測試結(jié)果層面：我們堅持“結(jié)果可審計”原則。AutoGNSS 提供了標(biāo)準(zhǔn)化的數(shù)據(jù)比對接口，支持導(dǎo)出各個處理階段的原始數(shù)據(jù)。這種可溯源性確保了每一個測試結(jié)論都有據(jù)可查，經(jīng)得起推敲。

04 三大技術(shù)攻堅：精度、兼容、穩(wěn)定性

落地一套高效的GNSS自動化平臺，最大的技術(shù)瓶頸在哪里？

Leo：在 GNSS 仿真測試這樣的專業(yè)場景下，我認(rèn)為最大的技術(shù)瓶頸主要存在于以下三個方面：

數(shù)據(jù)同步的精度。這是整個測試流程的核心。在測試過程中，軟件指令、模擬器生成的射頻信號、以及接收機(jī)輸出的定位數(shù)據(jù)之間，存在天然的異步性。如果不能準(zhǔn)確地完成時間標(biāo)對齊和延遲補(bǔ)償，就會引入額外的系統(tǒng)誤差，從而導(dǎo)致自動化測試的結(jié)果失真。

不同硬件設(shè)備的集成挑戰(zhàn)。GNSS 仿真測試面臨極其復(fù)雜的異構(gòu)硬件環(huán)境。不同廠商儀器的控制協(xié)議各不相同，且不同用戶的待測件通信協(xié)議也存在很大差異。平臺必須能夠適配不同標(biāo)準(zhǔn)的硬件設(shè)備，才能確保測試框架具有通用性與可擴(kuò)展性。

長時間測試下的軟件穩(wěn)定性。GNSS 行業(yè)存在大量長時間測試的需求，這對自動化軟件的內(nèi)存管理、高頻日志寫入壓力以及系統(tǒng)穩(wěn)健性都提出了嚴(yán)格要求。在無人值守的測試場景中，面對可能出現(xiàn)的串口斷連、設(shè)備假死或網(wǎng)絡(luò)波動，平臺必須具備完善的異常捕獲機(jī)制。否則，任何細(xì)小的缺陷都會導(dǎo)致整個長周期測試任務(wù)半途而廢。

05 效率質(zhì)變：全周期提速4-5倍

引入AutoGNSS自動化測試工具后，產(chǎn)品完成一個標(biāo)準(zhǔn)的測試周期大約縮短了多少？

Akio：效率的提升是全方位的。雖然因個人技術(shù)背景而異，但從測試流程的各階段來看，提效非常顯著：

學(xué)習(xí)與環(huán)境搭建：傳統(tǒng)模式下，從零研讀標(biāo)準(zhǔn)到搭建環(huán)境起碼需要 30 小時；而利用 AutoGNSS 的預(yù)置框架和典型用例，這一過程可縮短至 1-2 小時，且基本上針對熱門標(biāo)準(zhǔn)軟件都配置好了相關(guān)用例，可以直接使用。

執(zhí)行階段：自動化軟件實現(xiàn)了用例的全自動切換與配置，大幅減少了人工干預(yù)。特別是對于長周期的耗時用例，自動化測試是唯一具備實操性的方案。

數(shù)據(jù)處理與出具報告：AutoGNSS 內(nèi)置的數(shù)據(jù)處理模塊告別了傳統(tǒng)的人工導(dǎo)入、手動運(yùn)算和腳本撰寫，實現(xiàn)了數(shù)據(jù)實時處理與報告的快速生成。

綜合評估，在引入 AutoGNSS 后，整體測試效率至少能提升 4-5 倍，顯著縮短了測試用時

06 偶發(fā)性數(shù)據(jù)丟包難題：從“排查無果”到“底層根治”

在將軟件算法與模擬器硬件聯(lián)調(diào)的過程中，有沒有遇到過反復(fù)出現(xiàn)卻找不到根源的問題？最后是怎么解決它的？

Leo:在聯(lián)調(diào)過程中，我們確實遇到過一些較為棘手的問題，其中最典型的就是測試過程中存在的偶發(fā)性數(shù)據(jù)丟包。

在進(jìn)行仿真測試時，算法側(cè)常常出現(xiàn)短時間的信號中斷，導(dǎo)致系統(tǒng)誤判設(shè)備斷線，觸發(fā)測試異常。由于這些現(xiàn)象隨機(jī)出現(xiàn)，最初我們懷疑是軟件解析邏輯的Bug或數(shù)據(jù)鏈路的傳輸不穩(wěn)定，但經(jīng)過多輪排查，都無法找到確切根源。

為了定位問題，我們在硬件接口、系統(tǒng)底層與上層算法之間進(jìn)行了全鏈路埋點。通過對比每一層的原始字節(jié)流，我們發(fā)現(xiàn)問題并不在算法層，而是在數(shù)據(jù)傳輸?shù)木彌_區(qū)。當(dāng)模擬器高頻推送大量數(shù)據(jù)時，系統(tǒng)底層的緩沖區(qū)在特定高負(fù)載瞬間發(fā)生了溢出，直接導(dǎo)致了丟包。

定位到這一根源后，解決思路就明確了。我們進(jìn)一步優(yōu)化了底層的通信機(jī)制，引入了更有效的緩沖區(qū)管理策略，徹底解決了偶發(fā)性丟包問題。

07 AI賦能：降門檻 · 精診斷

未來AI會給AutoGNSS帶來哪些變化，以及最重要的賦能方向是什么？

Leo：我認(rèn)為，AI 未來對 AutoGNSS 最核心的賦能方向在于降低專業(yè)軟件的操作門檻。以往，這類工業(yè)軟件由于操作復(fù)雜、前置專業(yè)知識較多，工程師常常需要通過多次培訓(xùn)才能上手使用。AI 帶來的最重要改變就是簡化了專業(yè)軟件的復(fù)雜配置，甚至可以輔助完成操作。例如過去搭建一個特定的仿真環(huán)境，要求工程師對 GNSS 仿真中的測試參數(shù)有極深的專業(yè)理解。未來，AI 可以根據(jù)簡單的任務(wù)描述，自動完成測試配置，也讓工程師不必再把大量精力耗費(fèi)在學(xué)習(xí)和查閱手冊文檔上。

另一方面，AI 的專業(yè)知識能夠提供日志數(shù)據(jù)的智能分析與故障診斷。長時間 GNSS 測試產(chǎn)生的數(shù)據(jù)量較為龐大，定位相關(guān)的測試問題往往需要專業(yè)工程師花費(fèi)數(shù)小時分析日志。引入 AI 工具進(jìn)行自動化掃描，容易從海量信息中自動定位異常位置或是識別出異常原因，直接給出診斷結(jié)果。

審核編輯 黃宇

?