简介
未来的轿车将会带动很多技能的交融。电气化、传感器、衔接性、云核算、大数据和 AI，它们在自动驾驭轿车、车辆与万物 (V2X) 通讯以及信息文娱电子设备的功用安全及其驾驭辅佐功用方面都有着严密的联络。
此外，这些车辆是终极的体系体系之体系。在最低层，咱们具有独自的传感器和集成电路。它们在车辆的各个子体系中交互，而这些子体系则构成了车辆自身。但整个体系并未停步于此：车辆不过是整体车载环境的一部分，该环境还包含其他车辆、行人、基础设施，乃至云。
图 1. 车辆是体系体系之体系体系。
这使得轿车体系的验证成为一项艰巨的使命。毫不夸大地说，需求查验的场景数量多达数百万个，并且每个场景都有不同的变型。例如，在一个场景中，或许有轿车正在挨近人行横道上的行人。但这或许发生在一天中的不同时刻，具有不同的气候、不同的行人服装和不同的种族类型。实际上，一切这些要素一起构成了一个凭仗手动物理办法必定无法完结的验证项目。
在 2016 年巴黎车展上，丰田首席履行官 Akio Toyoda 曾提示人们，“轿车验证需求 142 亿英里的测验”。在 2014 年的一篇文章《自主驾驭》(Autonomous Driving) 中，Roland Berger 指出，“规划验证即使不是本钱最高的部分，也是一个非常重要的部分”。麦肯锡陈述《机器人何时上路》(When Will the Robots Hit the Road) 中则劝诫人们，虽然硬件立异将会效果卓著，但软件仍会是一个要害的瓶颈”。任何人假如不能充沛认识到轿车规划的困难异常，风险随时或许剑拔弩张。在这个职业里，只要做好充沛准备，才不会让一些艰苦深重的作业弄得措手不及。
轿车规划的杂乱性原本现已满足高了，安全和确保问题则让它变得愈加杂乱，因为这是一个生命攸关的问题。跟着 ISO 26262 等规范以及行将出台的旨在界说测验场景的 SOTIF（预期功用的安全性）规范的日趋老练，各种认证层出不穷。在安全方面，供货商必定不能敷衍了事；他们有必要证明安全性。
除了上述一切需求之外，尽快将具有本钱竞争力的产品推向市场，是另一项常见的应战。这一问题迫切需求可以改进此流程的可管理性的验证东西。要让一辆新车可以快速、高效地上路，有必要归纳运用实际场景建模、硬件加速仿真和机电验证。
三个轿车组件
要让自动驾驭轿车卓有成效，其体系有必要履行三项使命：
• 感知：车辆有必要可以感知其周边环境。此外，为确保正确的操作，还有必要感知许多内部条件。
• 核算：有必要评价这些传感器的输出，以便做出决议计划。
• 履行：这些决议计划有必要操控车辆的某个部分或其操作的某个方面。
任何归纳验证进程都需求包含上述一切三个元素。因为没有时刻运用试错法，通过物理样机研讨来查找问题，因而上述要求构成了一项严峻的应战。并且，咱们必定无法在实在的物理车辆中进行齐备的安全和确保测验。要履行全面的验证作业，咱们仅有的途径是对整个体系，包含环境和车辆进行虚拟化。
这意味着咱们需求东西来履行以下使命：
• 验证实在的环境条件和呼应这些条件的传感器输出。
• 考虑到传感器输入，验证履行决议计划核算的电路。
• 做出通过核算的决议计划，并将其应用于这些决议计划所操控的机械体系的虚拟化版别。
为驱动环境建模
Siemens Tass 部分的 PreScan 东西可履行第一项使命。它能广泛地对车辆基础设施（例如路途或路段、桥梁和十字路口等）、实体目标（例如树木、建筑物和交通标志等）、其他车辆和行人以及气候条件进行建模。它还具有一个归纳的已建模传感器库，其间包含摄像头、雷达、激光雷达、超声波传感器、红外传感器、V2X 通讯和 GPS。
这些元素协同作业，以答应对实际路途条件进行建模，并针对一天中的时刻、气候、车辆或行人服装的色彩、行人特征及其他多种可用来测验这些场景的办法供给模型变型。这些虚拟场景一起发生各种车辆传感器在对场景做出反应时所生成的信号。然后可运用这些信号来测验担任呼应传感器的集成电路。
图 2. Siemens Tass 小组的 PreScan 东西可以对广泛的实在场景进行建模。
…未完待续…
点击免费下载完好白皮书>>
