自动驾驶汽车电子电气架构技术开发

本文由李春，聂石启，司炎鑫，刘明春联合创作

摘要

对汽车电子电气架构进行概念综述；分析“深蓝”车型的自动驾驶系统框架结构和电子电气架构；总结归纳汽车行业电子电气架构的演进趋势，并结合汽车向智能化、网联化发展的趋势，对未来汽车电子电气架构进行展望。

随着人工智能、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凸显，正逐渐成为全球汽车产业发展的战略制高点，世界各国正在加速布局。当前，智能化、网联化、电动化和共享化是汽车技术演进的重要特征和产业发展趋势，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。自动驾驶汽车在对感知系统、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深入探讨研究的同时，伴随着新一代高性能计算单元、各类型感知部件等硬件设备布置在车辆上，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的应用软件。为应对日趋复杂的汽车电子电气系统，对自动驾驶汽车的电子电气架构研究是非常必要的，亦是非常重要的。自动驾驶汽车电子电气架构的技术研究不仅促进自动驾驶系统技术的发展，也可以延长汽车的产业链和拓展汽车产业的涉及面。

1 EEA概述

1.1 EEA综述

电子电气架构 （Electrical and Electronic Architecture， 简称EEA） 概念最早来源于IT行业，是由美国DELPHI公司首 先提出的，主体思路是按整车各功能域类型划分并集成多个 功能ECU进行控制。随着汽车技术和行业的发展，EEA概念 已基本清晰，但鉴于“架构”一词外延较广，也属于一种抽象化概念，致使各OEM电子电气架构工程师不像整车电气设计工程师、电气部件研发工程师和电气测试工程师等工作边界那么清晰。在电气与电子工程协会制定的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。从标准定义“架构”分析， 架构是一种抽象化的概念描述，用来描述物理功能和信息功能之间的关联以及形式元素之间的分配。总体来说，架构是系统的组织结构表现，是一种关系的体现，是一种分配原则。 

1.2 汽车EEA定义

结合汽车属性和汽车电气系统的功能及性能法规标准要 求，汽车EEA可以定义为：汽车上电气部件之间的相互关系，以及包括汽车各电气硬件设计、软件开发测试和各功能/性能实现等所有电气部件和电气系统所共同承载逻辑功能之间的关系，以及未来研发设计、维护保养和监测电气系统所规定的诸项原则。

汽车EEA工程师职责主要是在整车功能需求、法规标准和设计要求等特定约束条件下，对功能、性能、工艺、装配、服务甚至成本等各方面进行分析研究，输出最优化的整车电气系统模型和电气总布置规划书。汽车EEA的开发包括需求定义、逻辑功能架构设计、软件/服务架构设计、硬件架构设计、线束设计等不同层面的开发活动。汽车EEA设计的最终目标是：对汽车上的电子电气元器件排布合理、控制 策略有效实施和信息交互通畅，以达到整车设计功能实现、性能最优、总体成本控制最低。

1.3 EEA法规标准

针对汽车EEA设计和要求标准，目前在国际上还没有专门针对汽车电子电气架构的指导性标准。但随着ISO 26262《Road Vehicles-Functional Safety》 和GB/T 34590 《道路车辆功能安全》 标准的颁布实施，可作为汽车EEA设计与优化参考依据。

2 自动驾驶汽车EEA

随着汽车智能化、网联化、电动化和电子化等技术的演进，传统汽车EEA已不能满足汽车技术发展需要，全新一代自动驾驶汽车EEA 对整车的安全性、可靠性和扩展性至关重要。以苏州金龙MiniBus“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”自动驾驶系统框架划分为环境感知、决策规划、运动控制、定位导航、整车通信和车联网等6个模块，采用高算力、高性能的车规级域控制器作为自动驾驶系统的车载 智能计算平台，自动驾驶系统框架结构如图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、道路设置或行人等障碍物的相对距离、相对速度和相对加速度等信息，进而为控制决策提供信息依据，主要包括激光雷达、毫米波雷达、超声波雷达和摄像头等感知设备，并综合各传感器的工作原理、检测范围、工作条件及性能特点等对感知融合技术开发。决策规划模块作为衡量和评价自动驾驶能力的最核心的指标之一，其主要任务是接收环境感知模块发出的当前感知信息并对环境做出分析，然后对运动控制模块下达指令。较典型的决策规划模块可分为全局路径规划、行为决策层和运动规划3层，涉及到如Dijkstra算法、Filed D*算法 、BP神经网络法等自动驾驶的核心算法。

运动控制模块是在保证车辆操纵安全性和稳定性的前提下，使车辆精确跟踪期望道路，还需具备良好的动力性、平顺性和乘坐舒适性。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、制动的协调实现对车辆的车速和加速度精确控制，横向控制是通过转向的控制实现对车辆的路径控制。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神经网络控制算法等，也可结合模糊逻辑和滑模控制理论综合设计控制系统。车联网模块通过OBU和RSU实现C-V2X无线通信，结合部署MEC和建设云平台，利用PC5模式和Uu模式将“人-车-路-云”等交通参与要素有机地联系在一起，弥补单车智能在技术上的不足，实现更丰富的自动驾驶运行场景。

定位导航模块对自动驾驶系统非常重要，定位是为了确定自动驾驶车辆所在位置的相对或绝对坐标，导航是为自动驾驶车辆指示方向和路径信息，“导航需要定位，定位为了导航”。GNSS或其差分补偿RTK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高精度定位稳 定性的需求，采用惯性导航、高精度地图、传感器定位等多 种技术融合来实现精准定位。自动驾驶系统仿真可以对自动驾驶部件、系统以及整车进行不同层级的全链条测试评价，是实车测试的前提条件。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，并可以依据仿真结果对系统参数进行优化，提高实车测试的安全性，节省测试时间和成本。 

2.2 “深蓝”自动驾驶汽车EEA

按照车载控制器集中化技术路线，结合模块化设计思想和车载域控制器演进发展趋势开发“深蓝”自动驾驶汽车EEA，该EEA采用底盘域控制平台、车身控制平台、车载智能计算平台和车联网控制平台“Ⅳ平台”方案。车载智能计算平台通过传输速率为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标准的千兆以太网分别与车身控制平台、底盘域控制平台和车联网控制平台进行信息交互。车身控制平台通过传输速率为250kbit/s的低速CAN总线、传输速率为500kbit/s的高速CAN总线分别与底盘域控制平台、车联网控制平台进行信息交互，如图3所示。

图3 “深蓝” 自动驾驶汽车EEA框架图

底盘域控制平台作为线控行车制动EHB、线控驻车制动EPB、线控电机驱动、线控转向C-EPS的上位机，通过传输速率为500kbit/s的高速CAN总线实现对线控底盘的控制。底盘域控制平台通过接收到的车身状态信息、整车位姿信息以及线控底盘的开关量、模拟量和频率量等信息综合运算、研判后，响应执行自动驾驶车辆的纵向和横向运动。

车载智能计算平台作为自动驾驶系统的“大脑”是核心功能部件。“深蓝”车型的自动驾驶系统采用高算力（集成CPU算力和AI算力）、高性能的车规级域控制器作为车载智能计算平台，主要包括按异构分布设计的硬件平台、车载操作系统和功能软件3部分，并支撑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，功能软件为基于SOA架构，遵循AUTOSAR规范的开放接口。其中超声波雷达适配传输速率为250kbit/s的低速CAN总线，毫米波雷达采用传输速率为500kbit/s的高速CAN总线，激光雷达适配1000BASE-T1以太网，摄像头采用GMSL数据传输接口，基于RTK技术的厘米级GNSS/IMU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.