广告
量身定制的自主行驶汽车（AV）和高级驾驶辅助系统（ADAS）工具
2021-03-05 16:10:21· 来源：AVL李斯特
车辆开发人员通过采用一整套无缝工具链，可以克服场景测试的复杂性和重复性。 汽车行业正在经历其历史上最大的变革。通过软件控制的驾驶自动化——尤其是高级驾驶辅助系统（ADAS）和自动驾驶（AD）——的发展正在强烈影响着全球出行。AVL在这一领
车辆开发人员通过采用一整套无缝工具链，可以克服场景测试的复杂性和重复性。
汽车行业正在经历其历史上最大的变革。通过软件控制的驾驶自动化——尤其是高级驾驶辅助系统（ADAS）和自动驾驶（AD）——的发展正在强烈影响着全球出行。AVL在这一领域有多年经验，作为值得信赖的合作伙伴，AVL为世界上许多最大的主机厂（OEM）和一级制造供应商提供开发和测试服务以及工具和方法。
AVL的方法以解决方案为导向，作为领先的工程、开发和测试专家，AVL为客户所面临的一些最大挑战提供可靠的技术解决方案。AVL全球工具和工程解决方案组合代表了全面的高级驾驶辅助系统（ADAS）/自动驾驶（AD）产品。
AVL的系统设计遵循符合ISO 26262标准的鲁棒性汽车流程，包括诸如使用用例的定义、测试用例、危害和风险分析、最坏情况分析、功能安全、预期功能安全（SOTIF）、可追溯性概念、传感器规范和关键绩效指标（KPI）目标设置等活动。
AVL业务遍布全球，了解特定市场的需求以及如何解决这些需求。例如，另一辆车近距离超车时自适应巡航控制系统的行为，这在印度或中国等交通密集的国家是很常见的场景。然而，环境感知和车辆行为必须在很少发生这些操作的国家满足截然不同的要求。这种考虑必须在开发的早期，即在系统设计阶段进行，AVL基于关键绩效指标（KPI）的目标定义方法可为此提供最佳解决方案。
此外，AVL还具备高级驾驶辅助系统（ADAS）功能在车辆上实现后进行目标验证的知识、经验和工具。尽管可以在试车跑道上执行基于关键绩效指标（KPI）的验证，但是新功能的验证必须在实际工况下进行。通过监测配备有AVL-Drive Autonomous的整个高级驾驶辅助系统（ADAS）车队，AVL可以解决这一挑战。
经过验证的端到端功能和性能测试、标定和优化服务可以在每个开发阶段都进行，涵盖了在实验室（SIL软件在环、MIL模型在环、HIL硬件在环）测试、试车跑道上的测试以及在公共道路上的实际测试。AVL代表主机厂（OEM）开展这些活动，帮助设计功能完善且安全的高级驾驶辅助系统（ADAS）和自主驾驶（AD）系统，从而改善驾驶员体验。AVL可以设计全新的系统，定义目标关键绩效指标（KPI），以及开发可运行的高级驾驶辅助系统（ADAS）或自动驾驶（AD）系统所需的所有其他功能。此外，AVL在执行交钥匙SOP（量产）项目方面具有丰富的经验，并负责将高级驾驶辅助系统（ADAS）功能重新应用到衍生产品和变型中，包括全球各地的不同市场。
随着高级驾驶辅助系统（ADAS）/自动驾驶（AD）系统变得更加先进和复杂，传统的软件开发方法很快就过时了。
在自动化的高端领域，系统复杂性是主要挑战之一。AVL已经在为此寻求解决方案，包括更大的验证挑战。AVL应用其集成式开发和测试平台，该平台具有多种工具的组合，能够高效地应用过程和方法指南。当然，通用的全球开发过程是基于汽车过程评估方法（例如Spice ISO / IEC 15504，CMMI或标准，例如ISO 26262）的要求。它涵盖了从概念验证到试验阶段的整个开发过程、系列开发乃至整个产品生命周期。
AVL是为各种应用创建高级驾驶辅助系统（ADAS）和自动驾驶（AD）测试解决方案的领导者
AVL的解决方案是针对客户需求和自动驾驶应用量身定制的，可以无缝地嵌入到现有工作流程中。模块化白盒解决方案的使用使客户能够向各个市场提供技术成熟的产品。
软件和硬件开发可以针对全球不同的需求和市场领域进行定制，并与支持市场差异化的控制器子模块开发并行运行。这样，客户可以创建自己强大而可靠的产品。这是小批量生产或特殊应用的理想选择，并支持符合行业标准的可行性测试、高级预测性能源管理。还有另一种选择，由AVL的专家来接管这些任务，并确保解决方案能够强化和差异化客户的品牌。
左上图：AVL正在开发互联的高级驾驶辅助系统（ADAS）和自动驾驶（AD）系统，以支持诸如汽车编队和乘用车应用之类的商业应用
右上图：通过将仿真与现成的车辆结合在底盘测功机或动力总成台架上，AVL为加快自动驾驶系统的验证和审批过程铺平了道路
左下图：AVL 智能高级驾驶辅助系统（ADAS）分析仪是在不同环境中进行高级驾驶辅助系统（ADAS）测试的所有阶段的理想工具
根据目标规范测试高级驾驶辅助系统（ADAS）是一个复杂度级别，而验证自动驾驶（AD）技术栈则是另一个复杂度级别。当无需人类驾驶时，正如业界试图使用AD系统一样，这项技术必须几乎无懈可击。因此，由于公众不会接受自动驾驶车辆所犯的错误，因此AD系统需要比人类驾驶员具有更好的性能。
高级驾驶辅助系统（ADAS）和自动驾驶（AD）测试非常复杂，通常要执行数十亿个变量和场景。随着自动驾驶（AD）系统变得越来越复杂，以及对其需求的增加，测试方法和系统也需要应对这些挑战。制造商只有通过物理测试和仿真相结合的方式，才能在无限工况下验证车辆的长距离行驶，以确保系统的鲁棒性。
AVL已经开发了一个基于场景的综合性高级驾驶辅助系统（ADAS）/自动驾驶（AD）验证和确认工具链，该工具链可生成使用场景和相关测试用例，并在虚拟和真实道路环境中执行测试和认证功能。
以前需要耗时数年的详细测试，现在只需花费很短的时间即可完成。结合云计算，虚拟验证时间可以从数周缩短至数天。
该工具链策略的基础是AVL的开放式集成工具平台，该平台可以集成不同的工具和内容，例如交通或平台仿真工具以及来自不同供应商的传感器模型。AVL的车辆在环（Vehicle-in-the-loop）测试平台，即AVL DrivingCube，用于在虚拟的、高度可再现的环境中测试集成到真实车辆中的自动驾驶（AD）系统。使用Model.Connect（模型连接）和Testbed.Connect（台架连接），任何车辆、传感器和环境仿真模型都可以集成到硬件测试平台中，不受测试台类型或是供应商限制。
AVL强大的战略合作伙伴网络加快了鲁棒性测试解决方案的开发速度，这是自动1驾驶验证流程的一部分。AVL将完整的端到端解决方案与全球专业知识相结合，从而可以帮助客户满怀信心地进入所选市场，并掌握所选市场中的高级驾驶辅助系统（ADAS）/自动驾驶（AD）。
广告
广告
最新资讯
-
NVIDIA 发布 2025 财年第三季度财务报告
2024-11-21 13:30
-
Mack卡车为买家推出创新的虚拟现场探索体验
2024-11-21 13:29
-
氢燃料电池卡车从1到100要多长时间？戴姆勒
2024-11-21 13:28
-
聚焦消费者用车极限环境，2024中国汽研汽车
2024-11-21 13:21
-
新能源汽车高寒环境可靠性行驶试验研究
2024-11-21 13:19
广告
广告
