自动驾驶汽车电子电气架构技术开发

本文由李春、聂石启、司炎欣、刘明春联合创作

摘要

总结汽车电子电气架构的概念，分析深蓝色车型的自动驾驶系统框架结构和电子电气架构，总结汽车行业电子电气架构的演变趋势，结合智能和网络发展的趋势，展望未来的汽车电子电气架构。

人工智能、计算机、5G、物联网、大数据、区块链等新一代技术与汽车产业的深度融合，自动驾驶汽车的重要性日益突出，逐渐成为全球汽车产业发展的战略制高点，加快了世界各国的布局。目前，智能化、网络化、电气化、共享化是汽车技术发展的重要特点和产业发展趋势，是解决交通安全、道路拥堵、能源消耗等问题的重要手段，是自动驾驶汽车发展的核心基础技术。在深入探讨和研究感知系统、决策系统、控制系统、高精度组合导航定位系统、通信系统等关键系统的同时，自动驾驶汽车配备了新一代高性能计算单元、各种感知部件等硬件设备，以及装载运行自动驾驶操作系统的系统软件、功能软件和向上支撑应用软件。为了应对日益复杂的汽车电子电气系统，研究自动驾驶汽车的电子电气架构是非常必要和重要的。自动驾驶汽车电子电气架构的技术研究不仅促进了自动驾驶系统技术的发展，而且延长了汽车产业链，扩大了汽车产业的涉及面。

1 EEA概述

1.1 EEA综述

电子电气架构 （Electrical and Electronic Architecture， 简称EEA） 概念最早来自IT由美国组成的行业DELPHI公司首 首先，主要思路是根据整车各功能域的类型进行划分和集成 功能ECU进行控制。随着汽车技术和工业的发展，EEA概念 基本清晰，但鉴于架构一词的广泛外延，也属于抽象概念，导致各种OEM与整车电气设计工程师、电气部件研发工程师、电气测试工程师等工作边界不同，电子电气架构工程师的工作边界也不清晰。由电气和电子工程协会制定IEEE Std1471-2000 《Recommended Practice for Architectural De-scription of Software-Intensive Systems》 标准中第3.5条款定义了Architecture （架构） 一词：The fundamental organization of a system embodied in its components，their relationships to each other，and to the environment，and the principles guiding its design and evolution。分析架构的标准定义， 该架构是一种抽象的概念描述，用于描述物理功能与信息功能之间的关以及形式元素之间的分布。分析架构的标准定义， 架构是一种抽象的概念描述，用于描述物理功能与信息功能之间的关系和形式元素之间的分布。一般来说，架构是系统组织结构的表现，是关系的体现，是分配原则。

1.2 汽车EEA定义

结合汽车属性和汽车电气系统的功能和性能规范 求，汽车EEA可定义为：汽车电气部件之间的关系，以及所有电气部件与电气系统之间的关系，包括汽车电气硬件设计、软件开发测试和功能/性能实现，以及未来研发设计、维护和监控电气系统规定的原则。

汽车EEA工程师的职责主要是在车辆功能能、性能、工艺、装配、服务甚至成本，在车辆功能需求、法规、标准和设计要求的具体约束下，输出最优化的车辆电气系统模型和总电气布局规划。汽车EEA开发包括不同层次的开发活动，如需求定义、逻辑功能架构设计、软件/服务架构设计、硬件架构设计、线束设计等。汽车EEA设计的最终目标是合理安排和控制汽车上的电子电气元件 为实现车辆设计功能、性能最佳、整体成本控制最低，策略有效实施，信息交互顺畅。

1.3 EEA法规标准

针对汽车EEA目前，国际上还没有专门针对汽车电子电气架构的设计和要求标准的指导标准。ISO 26262《Road Vehicles-Functional Safety》 和GB/T 34590 《道路车辆功能安全》 标准的颁布和实施可用作汽车EEA参考设计和优化。

2 自动驾驶汽车EEA

随着智能化、网络化、电气化、电子化等技术的发展，传统汽车EEA新一代自动驾驶汽车已不能满足汽车技术发展的需要EEA 对整车的安全性、可靠性和可扩展性至关重要。苏州金龙MiniBus以深蓝自动驾驶车型为例，探讨新一代自动驾驶汽车EEA，如图1所示。

图1 苏州金龙MiniBus深蓝自动驾驶车型

2.1 深蓝自动驾驶系统框架结构

深蓝色自动驾驶系统框架分为六个模块：环境感知、决策规划、运动控制、定位导航、车辆通信和车辆联网。自动驾驶系统采用高计算能力、高性能的车辆级别控制器 自动驾驶系统的框架结构如图2所示。

图2 “深蓝” 自动驾驶系统框架结构图

环境感知模块主要为自动驾驶系统提供周围障碍物的位置信息，以及与周围车辆、道路设置或行人的相对距离、相对速度和相对加速度，然后为控制决策提供信息依据，主要包括激光雷达、毫米波雷达、超声波雷达、摄像头等感知设备，综合传感器的工作原理、检测范围、工作条件和性能特点。作为衡量和评价自动驾驶能力的核心指标之一，决策规划模块的主要任务是接收环境感知模块发出的当前感知信息，分析环境，然后向运动控制模块发出指令。典型的决策规划模块可分为全局路径规划、行为决策层和体育规划三层，如Dijkstra算法、Filed D*算法 、BP自动驾驶的核心算法，如神经网络法。

运动控制模块是在保证车辆操作安全性和稳定性的前提下，使车辆能够准确跟踪预期道路，并具有良好的动力、舒适性和乘坐舒适性。运动控制模块分为纵向控制和横向控制。纵向控制是通过油门和制动的协调来准确控制车辆的速度和加速度。横向控制是通过转向控制来控制车辆的路径。运动控制算法较多，目前应用较多的有PID控制算法、MPC控制算法、LQR控制算法和BP控制系统也可以与模糊逻辑和滑模控制理论相结合。通过车联网模块OBU和RSU实现C-V2X结合部署，无线通信MEC利用云平台建设PC5模式和Uu该模式将人-车-路-云等交通参与要素有机地联系在一起，弥补了自行车智能的技术不足，实现了更丰富的自动驾驶操作场景。

定位导航模块对自动驾驶系统非常重要。定位是确定自动驾驶车辆的相对或绝对坐标。导航是指导自动驾驶车辆的方向和路径信息，导航需要定位，导航。GNSS或差别补偿RTK这是最基本的定位方法，但单一技术难以满足现实复杂环境中自动驾驶车辆的高精度定位 惯性导航、高精度地图、传感器定位等。 实现准确定位的技术融合。自动驾驶系统仿真可以对自动驾驶部件、系统和车辆进行不同层次的全链测试和评价，这是实车测试的前提。通过仿真可以实现更多、更复杂的自动驾驶场景测试，也可以提前发现软件存在的BUG，并可根据仿真结果优化系统参数，提高实车试验的安全性，节省试验时间和成本。

2.2 深蓝自动驾驶汽车EEA

根据车载控制器集中技术路线，结合模块化设计理念和车载控制器演变发展趋势，开发深蓝自动驾驶汽车EEA，该EEA底盘域控制平台、车身控制平台、车载智能计算平台、车联网控制平台Ⅳ平台方案。车载智能计算平台的传输速率为500kbit/s的高速CAN总线、传输速率为2Mbit/s的CAN FD总线和符合IEEE 802.3z标准千兆以太网与车身控制平台、底盘域控制平台和车联网控制平台进行信息交互。车身控制平台通过速率250kbit/s的低速CAN5000速率为500kbit/s的高速CAN如图3所示，总线与底盘域控制平台和车联网控制平台进行信息交互。

图3 “深蓝” 自动驾驶汽车EEA框架图

底盘控制平台作为线控行车制动平台EHB、线控驻车制动EPB、线控电机驱动，线控转向C-EPS上位机的传输速率为500kbit/s的高速CAN控制线控底盘的总线。底盘域控制平台对自动驾驶车辆的纵、车辆位置信息、线路控制底盘开关量、模拟量、频率等信息的综合操作和判断，响应自动驾驶车辆的纵向和横向运动。

作为自动驾驶系统的大脑，车载智能计算平台是核心功能部件。深蓝车型的自动驾驶系统采用高计算能力(集成CPU算力和AI作为车载智能计算平台，计算能力)和高性能车辆级域控制器主要包括硬件平台、车载操作系统和根据异构分布设计的功能软件，并支持应用软件和算法的开发。硬件接口包括电源GMSL、CAN、CANFD、以太网、UART和GPIO接口等，基于功能软件SOA架构，遵循AUTOSAR标准化放接口。超声波雷达适用于250kbit/s的低速CAN毫米波雷达的传输速率为500kbit/s的高速CAN激光雷达适用于总线1万BASE-T1以太网，相机使用GMSL基于数据传输接口RTKcm级技术GNSSIMU组合导航定位系统适配传输速率为500kbit/s的高速CAN总线，分别与车载智能计算平台进行数据通信。基于各传感器的不同感知特性，通过对周围环境包括其它交通参与者信息在数字世界中的准确重建，将各传感器对环境感知信息融合，且进行时钟同步、置信度更新等处理，并结合厘米级高精度地图，为规划决策控制模块提供精准的感知道路环境信息，最终驱动“深蓝”的执行系统实现自动驾驶。

车身控制平台主要基于传输速率为250kbit/s的低速CAN 总线对车身电器系统通信和实施控制，如空调、灯光、娱乐、人机交互 （HMI）、除霜、门控等系统。在自动驾驶过程中，通过车身控制平台为自动驾驶系统的规划决策提供车身电器系统的参数依据，同时控制执行车身电器系统的功能实现。

车联网控制平台采用第Ⅳ代5G版G-BOS（智慧运营系统），该系统不仅具备“智能运营调度、智能车辆监控、智能安全防控、智能故障预警、智能充电运营、智能出行服务和OTA”等功能，还集成了5G模块、V2X模块、数据网关、高精度定位等模块，可扩展 集成DSSAD（自动驾驶汽车数据记录系统），并通过配置加密芯片模组嵌入Cyber SDK密码开发库，实现车辆的数据安全和网络安全等信息安全管理。车联网控制平台通过V2X模块，支持PC5接口 （直通链路接口）和Uu接口（空中接口）通信，可实现车路协同、 编队行驶等功能场景。应用5G“大带宽、低时延、广连接”的网络特性，提升车联网的上行/下行速率，响应 “深蓝”自动驾驶系统低时延、实时性要求较高的技术核心诉求。

3 汽车EEA演进趋势

随着汽车电控技术的快速发展，整车电控单元的快速增长促使数据交互量也在飞速增长，这些海量数据也像人类出行需求一样要通过各种载体准时、高效、安全地送达正确的地方，数据传输管理方法及数据计算控制策略显得尤为重要。以功能划分为主要特征的汽车EEA 逐渐转化为以分区域管理为主体，同时分区域管理的思想， 在整车EEA中平台化、模块化、集成化、智能化逐渐占有越来越多的权重。

在很大程度上，未来汽车以性能、功能、成本和服务为主要竞争重点，以上竞争点均与整车EEA有着直接或间接的关联，整车企业把EEA作为核心技术和竞争力是必然趋势。笔者通过分析研究整车EEA，总结出汽车行业电子电气架构演进发展，如表1所示。

汽车EEA演进趋势的根本驱动力是市场实际需求和用户对性能/功能预期期望的不断提升。伴随着汽车电子电气技术的飞速发展，汽车行业纷纷对未来汽车EEA提出规划，如BOSCH公司提出的“融合、集中、云平台”EEA演进趋势，安波福提出的“大脑”+“神经”EEA演进趋势，伟世通提出的“三域（VDC车控域控制器、ADC智能驾驶域控制器、CDC智能座舱域控制器）”EEA方案，华为提出的“计算+通信”CC架构（CDC智能座舱、VDC整车控制、MDC智能驾驶）方案；又如整车企业大众MEB平台围绕ICAS1  （网关服务单元）、ICAS2（ 信息娱乐单元）和ICAS3 （ 辅助驾驶单元） 3个中央电脑搭建整车EEA（E3架构），丰田汽车提出未来EEA将采用Central &Zone  EEA方案，特斯拉Model  3采用的中央计算模块（CCM）、左车身控制模块（BCM LH）、右车身控制模块（BCM RH） 3大部分组成整车EEA等。综上所述，未来汽车EEA将按照3层技术演进：感知执行层、计算与控制层、云服务层，并充分结合平台化、模块化和集中化的设计思想。

4 结论

随着汽车智能化、网联化以及自动驾驶技术的迅速发展，以及市场对汽车舒适性和娱乐性的需求不断提升，汽车将会配置越来越多的感知设备和执行单元，这对汽车EEA会提出更高的要求，并且伴随着计算机、物联网、人工智能和云平台技术的愈发成熟，也将催生汽车EEA发生深刻变革。 以太网总线技术、云平台和以智能车载计算平台为主体的EEA将是未来汽车研究的重点方向。

参考文献：

［1］   中华人民共和国国家发展和改革委员会.  发改产业［2021］372号    《关于加快推动制造服务业高质量发展的意见》［A/OL］. （2021 -03 -16）［2021 -03 -23］. https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202103/t20210323_1270129. html.

［2］  中华人民共和国中央人民政府. 国办发［2020］39号《国务院办公厅关于印发新能源汽车产业发展规划（2021-2035年）的通知》［A/OL］.（2020-10-20）［2020-11-02］.  http：//www.gov.cn/zhengce/content/2020 -11/02/content_5556716. html.

［3］ 华一丁， 龚进峰， 戎辉， 等. 国外智能汽车电子电气架构综述及分析［J］. 汽车电器， 2018 （12）： 6-13.

［4］ 贾承前. 汽车电子电气架构开发［J］. 汽车电器， 2011（12）： 4-6.

［5］ Schwarting W， Alonso -Mora J， Rus D. Planning and Decision-Making for Autonomous Vehicles［J］. Annual Re view of Control， Robotics， and Autonomous Systems， 2018， 1 （1）： 187-210.

［6］ Breese J S， Heckerman D， et al.EmpiricalAnalysis of Predictive Algorithms for Collaborative Filtering ［C］// Proc. of the 14th Conference on Uncertainty in Artifi-cial Intelligence， 1998： 43-52.

［7］ Ferguson D， Stentz A.The Field D* Algorithm for Im proved Path Planning and Replanning in Uniform  and  Non -uniform Cost Environment［R］.Technical Report CMU-T  R-RI-05-19，  Carnegie  Mellon  School  of  Com-puter Science， 2005.

［8］ 邱锡鹏. 神经网络与深度学习［M］. 北京： 机械工业出版社， 2019.

［9］ 冀杰， 李以农， 郑玲， 等. 车辆自动驾驶系统纵向和横向运动综合控制［J］. 中国公路学报， 2010， 23 （ 5） ： 119-126.

［10］ IMT-2020（5G）推进组.车辆高精度定位白皮书［R］.  2019.

［11］ 邓戬.  智能网联汽车电子电气架构设计与试验研究［D］.长春： 吉林大学， 2020.