技术 动力性能测试制动性能测试振动与噪声操作稳定性测试空气动力学耐久性试验安全性测试车身及材料测试环境测试数据采集分析仿真与模拟电子系统测试自动驾驶测试新能源测试汽车实验室模态试验变速箱测试悬架K汽车评测测试行业动态 首页汽车行业资讯正文 智能汽车计算平台的关键技术与核心器件 2018-07-04 20:01:50·来源：中国工业和信息化 　 微信公众号 广告 0 分享到 微信“扫一扫”分享到朋友圈 智能汽车计算平台关键技术不仅包含汽车本身的硬件/软件平台、系统安全平台、整车通信平台、核心算法等基础技术，也包括云控平台的系统架构和核心算法，最重要的核心器件是中央处理器、云端域控制器等。智能计算平台关键技术和核心器件研发难度高、周期长、投入大，目前大多掌握在欧美日等供应商手中，并受其技术保护和垄断，因而加强共性核心技术攻关迫在眉睫。智能汽车计算平台关键技术不仅包含汽车本身的硬件/软件平台、系统安全平台、整车通信平台、核心算法等基础技术，也包括云控平台的系统架构和核心算法，最重要的核心器件是中央处理器、云端域控制器等。智能计算平台关键技术和核心器件研发难度高、周期长、投入大，目前大多掌握在欧美日等供应商手中，并受其技术保护和垄断，因而加强共性核心技术攻关迫在眉睫。目前，智能汽车的发展已经被提升至国家高度，国家制造强国战略中明确提出，到2020年掌握智能辅助驾驶总体技术及各项关键技术，初步建立智能汽车自主研发体系及生产配套体系；到2025年，掌握自动驾驶总体技术及各项关键技术，建立完善的智能汽车自主研发体系、生产配套体系及产业群，基本完成汽车产业转型升级。随着智能汽车的高速发展，系统功能越来越复杂、实时性要求越来越高、安全等级也越来越高，以CAN总线为基础的传统汽车分布式控制架构已不能满足未来需求，集成化的主干网加多域控制的新型电子电器架构成为未来智能汽车发展的最佳选择，对于智能汽车复杂功能和大量互联信息的高效传输及管理，以及系统安全十分必要。智能驾驶计算平台以环境感知数据、GPS信息、车辆实时数据和V2X交互数据等作为输入，基于环境感知定位、路径决策规划和车辆运动控制等核心控制算法，输出驱动、传动、转向和制动等执行控制指令，实现车辆的自动控制，并通过人机交互界面（如仪表）实现自动驾驶信息的人机交互。为了实现智能驾驶系统高性能和高安全性的控制需求，智能汽车计算平台汇集了多项关键技术：包括基础硬件/软件平台技术、系统安全平台技术、整车通信平台技术、云计算平台技术、核心控制算法技术等。智能汽车的网联化给乘客带来越来越多的方便服务的同时，也掌握了驾驶员越来越多的个人信息和隐私，甚至可以远程访问操控汽车，为网络安全埋下了隐患。同时因为自动驾驶完全由计算机控制车辆而不需驾驶员判断操作，需要在传统车辆上增加大量的传感器、控制器，执行器也需升级，系统变得越发复杂，增大了系统故障的概率，而且自动驾驶汽车要求系统发生故障情况下，车辆仍具有操控性。所以智能系统的网络安全技术和功能安全成为智能汽车的关键技术。功能局限的产生原因主要是：设计开发时系统功能定义不能充分覆盖目标市场的使用需求。为此，需要充分搜集预期使用场景的数据，作为功能设计输入，同时要求进行大量的验证工作，包括实地实车测试，以尽可能涵盖全部使用工况，须在广泛相异的情形以及天气情况下实现安全目标。道路测试在可控性、重复性、详尽性或者快速性方面都有着不足之处，所以，仿真模拟环境是非常有必要的。信息安全 智能汽车可以被看作是利用计算机通过无线通信技术和云端大数据库相连接，通过系统软件来实现车的自动控制，智能汽车的计算机联网属性，决定所有计算机可能遇到的信息安全风险都可能出现在智能汽车上，不仅涉及用户数据丢失、物品被盗取，而且涉及驾驶安全，因此智能汽车的信息安全尤为重要；目前针对智能汽车的信息安全危害分析，需要重点开展车外通信、架构隔离、车内通信和控制器内部，从外至内四层级信息安全防护策略，逐层进行多级防护。V2X是指借助当前的各种无线通信技术，将车、路、人、云等交通参与要素有机地联系在一起，不仅可以支撑车辆获得更多的感知信息，促进自动驾驶技术创新和应用；还有利于构建一个智慧的交通体系，促进汽车和交通服务的新模式新业态发展，对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。智能汽车计算平台可以通过发送或接收以下数据：车辆的时速、相对位置、刹车、直行还是左拐等所有与行驶安全相关的数据，甚至包括拍摄周围事物的图片或者音视频等，分析和预判其他车辆的驾驶行为，从而实现主动的安全策略，提升行驶安全，为半自动驾驶、自动驾驶提供数据支撑。V2V车辆通信可以通过C-V2X中的D2D协议实现车与车之间的通信，为整车厂带来了另一种运维模式，即自由有效建立智能车队，规划路径，降低油耗，提升营运收益。智能汽车计算平台需要通过分析接收到路边基础设施的警示信息如：十字路口的盲区碰撞、道路险情、道路施工、救急车辆、交通堵塞和事故警告，以及视线盲区的交通信号或标志指示，提示用户相应的险情，推荐优化的驾驶行为，促进道路车辆行驶和周边信息的合理化和完善化。智能汽车计算平台通过支持强大的安全通信，通过智能钥匙，实现无钥匙进入和远程启动等功能。同时还要通过强大的计算能力，实时推算行人或者骑行者的行动轨迹，为驾驶员提供驾驶预判，避免发生交通事故。当前云计算平台主要应用于对实时性要求不高的内容服务和数据分析，譬如智能互联中的信息娱乐功能、用户的驾驶行为分析等。车辆通过网络将ECU数据上传到云平台，云平台通过数据存储、数据挖掘、数据分析，然后将数据模型下发给车辆，供车辆提升用户体验使用。随着4G数据网络上行下行速度越来越快，并且在车辆中的大量搭载，计算平台有从车载终端向云计算平台迁移的趋势。其主要的优势是规模大、虚拟化能力强、高可靠性、通用性、高扩展性、按需服务和低成本性。一旦超高速网络成为现实，云控平台的域控制器将承担更多的计算量，相应的AI芯片及核心算法将成为重点研发领域。环境感知与定位 环境感知的主要目的是通过智能汽车传感器（如摄像头、毫米波雷达、激光雷达、超声波雷达及差分GPS等）收集车辆自身、周围障碍物及道路等与驾驶任务相关的信息。车辆周围障碍物及道路信息可通过多种车载传感器检测获得，基于多传感器的信息融合方法能够综合利用多传感器的优点，有效克服单一传感器性能缺陷，从而获得稳定、准确的障碍物及道路信息。因此，多传感器信息融合技术是自动驾驶汽车系统中的核心技术之一。而且，近年来算法（如多传感器融合等）越来越成为AI芯片发展的驱动力，如地平线、寒武纪等芯片公司的算法。环境感知系统总体方案设计。根据智能汽车驾驶场景分析设计环境感知系统总体方案。针对自动驾驶360度全域安全指标要求，一般通过在车辆周边布置多个毫米波雷达和摄像头，以及多个激光雷达，完成车道线、车辆、行人、非机动车辆、障碍物、道路标识等环境信息的检测。选择高性能处理器作为运算平台，运行基于深度学习的多传感器信息融合算法。为实现多源信息融合感知系统目标检测与跟踪和环境建模功能，设计不同的软件类库来实现具体的软件功能，并利用面向对象的方法，使用抽象类库设计抽象接口类，实现数据、设备驱动、软件算法等方面的模块化设计，为进行功能扩展、设备替换提供方便，形成智能汽车多源信息融合感知系统的基础软件平台。决策与规划 智能汽车路径规划决策是实现汽车智能驾驶的关键技术之一，智能驾驶是将车从起始位置移动到目标位置，车辆的运动限制在路面上、同时考虑汽车动力学，因此规划的路径除了考虑路程最短、无碰撞外还需要考虑车辆运动轨迹的可执行性。路径规划任务可以分为三层，如图6所示，上层全局路径规划、中层局部路径规划和下层轨迹规划，每层执行不同任务，三大规划是智能驾驶计算平台最复杂的部分，算法很多。谷歌、百度等科技公司切入智能车领域擅长的就是这些算法；传统整车厂如福特和丰田，拥有对车辆动力学的绝对优势，在此领域也在重点发力。中层局部路径规划，是指根据当前行驶区域内道路交通等环境信息，决策出当前时刻满足交通法规、道路约束的最优行驶行为，动态规划的局部路径序列组成宏观路径。局部路径规划的传感信息主要来自车载传感器如雷达、摄像头等，用以识别道路障碍、车道线、道路标识信息和交通信号灯信息等。下层轨迹规划是指在当前时刻以完成当前行车行为为目标，考虑周围交通环境并满足不同约束条件，根据目标动态规划决策出的最优轨迹。下层轨迹规划除了必要的外部环境信息外，还需要对本车状态信息进行测量或估计，车辆的动力学约束也会在轨迹规划中得到体现。局部路径规划。局部路径规划是在智能车辆的行驶过程中，以局部环境信息和自身状态信息为基础，规划出一段无碰撞的理想局部路径。主要是探测障碍物，并对障碍物的移动轨迹跟踪做出下一步可能位置的推算，最终绘制出一幅包含现存碰撞风险和潜在碰撞风险的障碍物地图。规划决策可基于社会属性的深度强化学习的决策方法，如图7所示，可以借鉴驾驶员规划决策知识进行机器学习，探究具有不完整数据、不确定知识特点的驾驶规划决策知识获取算法，消除多源信息间可能存在的冗余和矛盾信息，降低其不确定性，以形成对驾驶系统的相对完整一致性描述，从而提高驾驶系统决策及反应的快速性和准确性，为智能汽车辆智能行为决策控制提供理论依据。控制与执行 目前智能驾驶车辆运动控制主要掌握在核心供应商和国外主流主机厂手中，国内积累薄弱，而且一级核心供应商对国内整车厂底层执行协议的开放不足，多为黑盒子，控制协议均为付费公开，而且接口开放程度也直接影响着汽车操控的可控程度。但车辆运动控制技术是自动驾驶真正落地的基础，自动驾驶汽车想要平稳行驶，并保持舒适性，很大程度上取决于底盘和动力控制技术。同时，自动驾驶能否达到专业的操控性，很大程度上在于自动驾驶决策规划时对车辆控制动力学的理解程度。在传统汽车领域，芯片供应商包括英飞凌、恩智浦、意法半导体和瑞萨等公司，几乎垄断了全球汽车芯片市场；但随着高级驾驶辅助系统ADAS和自动驾驶技术的发展，智能汽车对芯片的计算能力需求也随之快速增长，因此消费类电子芯片公司如英伟达、高通、英特尔等相继进入汽车芯片行业；同时瑞萨、德州仪器、英飞凌等也均在自动驾驶领域进行布局。地平线机器人、中科寒武纪、森国科等国内公司，开始进行车载级芯片研究，可满足L2级以下ADAS场景需求。但目前我国半导体芯片行业整体竞争力较弱，缺乏核心技术，导致目前中国的车载芯片几乎全部依赖进口。因此，如果可以借助智能汽车引导的行业革命发展国产芯片，或许将是我国汽车产业的一个难得机会。