知车视界 22年1月

　　资讯飞速碎片化来袭的新时代，一本精品杂志如同在茫茫人海中找到了慰籍心灵的良师益友，既武装了知识储备，打开了眼界格局，洞悉了行业前沿，又赋予了阅读体验，熨平了浮躁心绪，让我们更加冷静客观地切入方向，找准发力点。

　　作为创刊号，在这里首先结合栏目设置介绍一下本期《知车视界》的主要内容：

　　•知讯速递：报道国际国内有关智能网联车行业的发展动态，涵盖政策、科技、合作、资本、人才、企业等方方面面。

　　•知者：国内外头部企业的深度访谈，本期文章《C-V2X灵魂拷问：爆发|挑战|价值|盈利|竞合|引领》，出镜者是大唐高鸿智联科技（重庆）有限公司总经理助理范炬博士。关于车联网标准和中国方案，特别是C-V2X规模产业化落地何时爆发？还面临哪挑战？消费者会不会买单？盈利模式如何？竞合关系怎样？谁能引领市场？文章做了一一解答。

　　•我的故事：如果你是智能汽车行业摸爬滚打的战将，你就有资格讲述属于你的精彩。本期文章《后来者说：那是一场混战，持续经年》以纪实的口吻回顾了所“看到的平静水面下，其实已经开始酝酿着一场滔天巨浪。”而这也许就是汽车行业百年未有之大变局吧！

　　•热点技术：本刊的干货所在，旨在为广大工程师提供涵盖研发、测试、应用的各种技术文章，供大家探讨和交流，本期的几篇文章是：

　　-《基于Autosar的SOA软件开发设计详解》：面向服务的SOA架构设计主要包含五个步骤，它不是一种具体的技术实现，而是一种模板软件架构，而AP AUTOSAR则是一个模板SOA。如何利用Autosar构建好的SOA模型是需要特别关注的问题。

　　-《高级自动驾驶系统的新型三大感知能力要素分析》：传感器正趋于从探测范围、精度、能力上进行不断优化，以适应更多边缘场景。使用更高能力的传感器能带来哪些优势？又能解决哪些问题？如何对车上的传感器进行最优化配置和选择是行业必须要面对的课题。

　　-《元宇宙、数字孪生与汽车》：作为工程师的笔者认为，元宇宙是由于相关技术已经发展到关键阶段，需要一个概念来整合技术资源，提供下一步突破的积极性，实现技术、经济、社会的闭环。这些技术将在汽车中或多或少应用，重点介绍的是跟汽车相关的数字孪生技术。

　　-《高阶自动驾驶系统的通信存储技术》：高阶自动驾驶汽车需要通过高带宽和低延迟的网络来连接所有传感器、摄像头、诊断工具、通信系统以及中央人工智能。这些技术会产生、发送、接收、存储和处理海量数据。当前的大部分汽车通过CAN或LIN联网，随着传输速度和数据量的增加，CAN/LIN总线仍有一席之地，但不会成为通信系统的骨干。

　　-《中国汽车座椅法规及试验介绍》：介绍世界范围内主要汽车法规及机动车辆分类，使大家对汽车法规和车辆分类有一个整体了解；并对中国汽车座椅涉及的法规及试验进行了详细介绍。希望对从事汽车座椅设计的工程师有所帮助。

　　我们，旨在打造一本精品杂志——《知车视界》。

　　此创刊号皆为抛砖引玉，期待业內同仁鼎力相助，不吝赐教，将您对智能网联或自动驾驶的感悟、经验积累、独到观点、应用实践、前景预期等分享给更多的志同道合者，一起实现汽车行业的百年巨变和人类梦寐以求的梦想！

CONTENTS

刊首语

知车视界首秀，

皆为抛砖引玉

03

知讯速递

知讯速递

政策  科技

合作  资本

人才  企业

05

知者

C-V2X灵魂拷问：

爆发、挑战、价值、

盈利、竞合、引领

作者：老刘

12

45

20

24

30

33

38

热点技术

基于Autosar的SOA软件开发设计详解

作者：Jessie

高级自动驾驶系统的新型三大感知能力

要素分析

元宇宙、数字孪生与汽车

作者：一骥绝尘

高阶自动驾驶系统的通信存储技术

作者：Kevin

中国汽车座椅法规及试验介绍

作者：Paul

我的故事

后来者说：

那是一场混战，持续经年 

作者：小薄荷茶馆

文 / 作者：本刊编辑部

知车视界首秀，皆为抛砖引玉

知讯速递

1月4日，为贯彻落实《中共中央国务院关于支持浙江高质量发展建设共同富裕示范区的意见》，探索加快建设交通强国的省域范例，交通运输部日前印发《交通运输支持浙江高质量发展建设共同富裕示范区的实施意见》，了解到《意见》明确加强交通运输科技创新和智慧引领，支持开展推进新技术与交通行业深度融合试点，实施一批智慧公路，加快构建综合交通运输“数据大脑”；推动杭州、宁波等城市率先开展开放道路智能网联汽车道路测试及示范运营。

交通部：从购置、路权及加氢站等方面鼓励氢燃料车辆参与城市绿色货运配送示范项目

“十四五”数字经济发展规划发布

1月12日，国务院向各省、自治区、直辖市人民政府，以及国务院各部委、各直属机构发布《“十四五”数字经济发展规划》，《规划》明确“加快推进交通运输领域基础设施数字化改造”以及“完善新能源汽车产业供应链体系”。

上海将制定智能网联汽车终端产业发展行动计划

1月17日，从上海市经济和信息化委员会获悉，为增进数字经济新动能，2022年，上海从以下领域推动智能网联汽车发展：一是聚焦传统车企、新势力、科技公司，发挥整车“大终端”“大平台”的引领作用，二是推动“三智”终端突破(智能驾驶、智能网联、智能座舱)，支持重点攻关环境感知、决策算法、控制执行、车载交互终端、高精度地图、路侧设备、信息安全等。三是加快商业化落地应用，四是推动政策、标准、品牌等协同发展，制定《上海市智能网联汽车终端产业发展行动计划》。

1月5日，交通部公开了《关于组织开展第三批城市绿色货运配送示范工程申报工作的通知》。 《通知》指出，按照《综合运输服务“十四五”发展规划》有关工作安排，交通运输部、公安部、商务部决定在“十四五”期持续开展城市绿色货运配送示范创建工作：优先支持城市配送车辆清洁化、标准化、专业化发展成效明显的项目。鼓励城市制定货运配送车辆电动化替代，电力、氢燃料、液化天然气动力重型货运车辆推广等计划，并从车辆购置、运营、路权保障及充换电、加氢、加气配套设施等方面建立有效的支持政策体系。

《网络安全技术应用试点示范重点方向》发布

1月11日，工业和信息化部办公厅、国家互联网信息办公室秘书局等十二部门发布《网络安全技术应用试点示范重点方向》，车联网安全是《通知》重点关注方向之一，要求面向在线升级（OTA）、远程诊断监控、自动驾驶、车路协同、智慧交通等典型场景，针对智能驾驶系统、联网关键设备、网络基础设施、车联网服务平台等网络安全需求，轻量化防护、安全认证、数据合规、威胁检测、应急处理、检测评估方面安全应用方案。

　　政策

《促进绿色消费实施方案》发布

1月21日，国家发改委等7部委印发《促进绿色消费实施方案》，方案提出，大力推广新能源汽车，逐步取消各地新能源车辆购买限制，推动落实免限行、路权等支持政策， 加强充换电、新型储能、加氢等配套基础设施建设，积极推进车船用LNG发展。推动开展新能源汽车换电模式应用试点工作，有序开展燃料电池汽车示范应用。

高通推出面向自动驾驶开放平台Snapdragon Ride视觉系统

1月4日，高通技术公司在CES上推出Snapdragon Ride最新产品⸺Snapdragon Ride视觉系统。该系统拥有全新的开放、可扩展、模块化计算机视觉软件栈，基于4nm制程打造，旨在优化前视和环视摄像头部署，支持ADAS和AD（自动驾驶）。Snapdragon Ride视觉系统集成了专用高性能Snapdragon 

手柄）适用于至少部分自动驾驶的双轨机动车，换句话说，这是面向L3级或以上自动驾驶汽车的专利，其主要目的是通过转向手柄获得更多的空间。

西井科技智能换电无人驾驶商用车实现量产

1月15日，西井科技宣布全球首款智能换电无人驾驶商用车Q-Truck实现量产。目前，除自主品牌的Q-Truck，加上助力振华重工的智能跨运车，以及为天津港、厦门港用户的提供基于IGV车型平台的自动驾驶系统，西井科技在全球实际运营的无人驾驶车辆达到了近百台。

1月18日，宁德时代举办发布会，正式发布换电品牌EVOGO。EVOGO将面向全部车企，通过统一电池接口和通用化适配，将来为市面上所有车型提供换电服务。

英飞凌推出新一代MOTIX™

单半桥IC

1月18日，英飞凌科技公司宣布推出独特的智能集成半桥系列：全新MOTIX™ BTN99xx（NovalithIC™+），是BTN89xx

Ride SoC和Arriver下一代视觉感知软件栈。该系统提供模块化架构，为OEM提供扩展灵活性，使其能够集成地图众包、驾驶员检测系统（DMS）、泊车系统、蜂窝车联网（C-V2X）技术和定位模组。

安霸发布AI域控制器芯片CV3系列

1月4日，AI视觉感知半导体公司安霸（Ambarella）在CES上发布最新AI域控制器芯片CV系列。基于完全可扩展、高能效比的CVflow架构，CV3系列SoC算力高达500eTOPS，比安霸上一代车规级SoC CV2系列提高42倍；同时，CV3搭载了16个Arm Cortex-A78AE CPU内核，在支持自动驾驶系统的软件应用所需的CPU性能上，比上一代芯片CV2提高30倍。CV3除覆盖自动驾驶域之外，还可同时处理舱内感知，包括驾驶员和车内感知系统。

据搜狐网报道，宝马的最新专利申请表明，未来的自动驾驶汽车将会配备一个可以单手操作的转向手柄来替代传统的方向盘。按照宝马的说法，这种全新方向盘（转向

      科技

的直接升级版。除了一个p通道高侧和一个n通道低侧MOSFET外，该BTN99xx还包括完全集成在单个封装中的智能驱动器IC，具有易用性、高级保护和可扩展性等特点，因此适用于各种汽车应用。BTN99xx还在单个坚固封装中集成各种功能。

通用汽车将推出氢燃料电池发电机

1月19日，通用汽车宣布将其Hydrotec氢燃料电池技术应用于新的商业领域。目前开发的Hydrotec项目主要用于重型卡车、航空航天和机车领域，但通用计划将其用于发电。使用该技术可用于为电动汽车创建快速、可移动的充电站，保障电车的技术补能需求。

在CES 2022上，英特尔公司的自动驾驶部门Mobileye表示，计划与吉利控股支持的极氪Zeekr合

1月7日，微软宣布，在基于微软智能云Azure的深度神经网络 TTS（Text-to-Speech）支持下，小鹏汽车已经完成其车规级语音助手的升级，进一步提升智能汽车语音助手的技术水准。目前，购买小鹏汽车P系列车型的中国用户，可以通过OTA（Over-The-Air）升级语音助手“小P”，小鹏汽车也计划通过OTA将这一技术升级引入其他几款车型当中。

大众中国CEO回应与华为成立合资自动驾驶公司传闻：确实进行着商讨

1 月 11 日消息，针对华为与大众将合资成立自动驾驶公司的传闻，大众中国CEO冯思瀚今日表示，大众与华为确实进行着商讨，但现阶段没有可以确认的消息，“包括双方成立合资公司”。早在2021年10月，就有消息称华为计划与全球汽车巨头大众集团组建合资公司，研发自动驾驶技术。其中讨论合作方式之一是大众集团出资，成为合资公司控股方，华为主要提供技术IP（即知识产权）。其中，华为所提供的技术IP，不仅包括自动驾驶等软件技术，也包括华为的芯片类IP。据了解，华为与大众集团奥迪品牌于2018年7月在柏林签署战略合作谅解备忘录，联合发展智能网联汽车。在自动驾驶领域合作，奥迪与华为的全面战略合作也更进一步。

作，于2024年在中国推出全球首辆具有L4自动驾驶能力的全电动汽车，并最终将在全球市场推出。两家公司表示，这款汽车将拥有所谓的L4级自动驾驶功能，也就是说，它仍将拥有方向盘，需要有驾驶执照的驾驶员，但在许多情况下可以自动驾驶。它将使用6个Mobileye的“EyeQ 5”芯片，加上开放的SEA架构，并使用Mobileye的道路地图数据。

1月6日，沃尔沃汽车与其旗下自动驾驶软件公司Zenseact和激光雷达厂商Luminar共同宣布，将共同打造自动驾驶系统“Ride Pilot”，并将其通过订阅方式，推送到一款将于今年亮相的电动SUV车型上。据悉，Ride Pilot将是一款沃尔沃称之为“无需监管”的自动驾驶系统，这意味着在系统开启状态下，驾驶员可以放开方向盘，进行阅读、写作、工作、社交等活动，即SAE定义的L3级自动驾驶功能。三家公司希望将Ride Pilot打造成为可提供给第三方的自动驾驶系统。目前未透露推出该功能的具体时间计划。

      合作

1月18日，大众集团在其官网发布消息称，已经与博世集团签署一份谅解备忘录，双方拟合建一家欧洲电池设备制造工厂。项目立项现已完成，合资公司预计于2022年底前成立。

1月19日，主线科技与激光雷达企业探维科技在北京举行战略合作发布会，正式宣布双方在自动驾驶商用车及智能物流展开全面的业务合作与深入的技术探索。在未来，主线科技将与探维科技共同研发打造基于ALS技术平台，以及硬件级图像前融合的车规级混合固态激光雷达的传感技术解决方案，助力自动驾驶卡车量产进程与智能物流业务规模化落地。

蔚来官微获悉，近日，蔚来第800座换电站于杭州宜家正式上线，标志着蔚来正式与宜家携手共建换电站，为绿色可持续发展贡献力量。该站上线只是双方合作的第一步，后续会有更多换电站出现在宜家商场。

1月5日，企查查数据显示，上海零念科技有限公司发生工商变更，新增股东广西腾讯创业投资有限公司。零念科技成立于2021年8月，专注于智能驾驶平台软件。12月23日，该公司发布了其自主研发的智能汽车平台软件中间件产品：LinearXCarOS 1.0。零念科技称，该产品提供了车规级的高实时、高安全的域控软件平台，基于AUTOSAR标准下实现了跨核异构甚至跨域的中间件通信和实时调度。

一径科技完成数亿元Pre-C轮融资，小鹏汽车领投

1月10日，车规级MEMS激光雷达解决方案提供商一径科技正式宣布完成数亿元Pre-C轮融资。本轮融资由小鹏汽车领投，上汽集团旗下尚颀资本、东风交银汽车基金、老股东英特尔资本继续加注。华兴资本任此次融资的独家财务顾问。据悉，本轮融资将用于一径科技长短距全系列车规级前装量产激光雷达产品的迭代发展，加强产线升级和供应链及全面质量管理，持续推动车规级MEMS激光雷达解决方案的研发和商业化进程。

1月3日消息，LG新能源（LG Energy Solution）已开始接受投资者认购，计划融资最高108亿美元，可能成为韩国有史以来最大的首次公开募股（IPO）。文件显示，LG新能源计划以每股25.7万至30万韩元（216.19-252.36美元）的价格出售约4250万股股票，筹集92亿美元至108亿美元，最高将打破三星人寿保险在2010年发行的4.9万亿韩元（41.2亿美元）前纪录。资料显示，LG新能源是LG化学（LG Chem Ltd.）的全资子公司，为特斯拉、通用汽车、现代汽车等供货。韩国市场研究机构SNE Research，2021年LG新能源市占率20.5%，仅次于宁德时代（31.8%）。

      资本

1月12日，新能源汽车核心零部件制造商浙江富特科技股份有限公司宣布完成亿元战略轮融资。此轮融资由产业投资机构湖北小米长江产业基金合伙企业（有限合伙） （简称“小米产投”）投资，这也是富特科技继获得广汽资本、蔚来资本、安吉产投等战略投资之后，迎来的又一重要产业资本。此轮融资所募资金将主要用于新平台研发以及海外市场布局。

山东吉利欣旺达动力电池项目奠基

1月19日，山东吉利欣旺达动力电池项目奠基仪式在山东枣庄高新区举行。该项目总投资约50亿元，占地面积约451亩，达产后预计实现年产能80万套混合动力电池，年产值60亿元。

美国固态电池企业Factorial Energy融资2亿美元

1月21日，据外媒报道，美国固态电池初创企业Factorial Energy筹集了2亿美元，在完成本轮融资之后，该公司将进一步进行电动汽车固态电池的开发，并尝试对其进行商业化。本轮融资由汽车制造商Stellantis和戴姆勒领投。

沃尔沃汽车任命Jim Rowan担任下一任总裁和CEO

据外媒报道，沃尔沃汽车已聘请戴森集团前高管Jim Rowan接替Hakan Samuelsson担任公司新任总裁和首席执行官。1月4日，沃尔沃汽车在声明中表示，现年56岁的Rowan将于3月21日接替70岁的Samuelsson。Samuelsson于2010年加入沃尔沃汽车董事会，担任该公司首席执行官近10年，他的合同将于2022年到期。据悉，Samuelsson将继续担任极星(Polestar)董事长，以见证极星完成上市程序。沃尔沃汽车此前曾宣布，极星将于今年晚些时候在纳斯

达克上市。沃尔沃汽车表示，Rowan在数字化、颠覆性、创新、工程和供应链方面的全球经验将对该公司实现其战略雄心非常有帮助。Rowan将面临的任务是带领沃尔沃汽车实现其目标，即到2025年左右，使纯电动汽车在其全球销量中的占比达到一半；到2030年成为纯电动汽车品牌。

小米汽车招兵买马，前极狐汽车总裁于立国加入

小米方面官宣任命于立国担任小米汽车副总裁兼小米汽车北京总部政委，负责统筹小米汽车综合管理工作、专项业务推进以及小米汽车北京总部组织和人才建设，向雷军汇报。于立国也是雷军在去年9月公开汽车团队核心成员之后，第二位由内部对外公开引进的高管。另一位是宝马i品牌外观设计师李田原。公开信息显示，于立国是北京理工大学工学博士，曾先后担任北汽集团战略规划部部长、北汽新能源党委委员 、北汽新能源执行副总经理，并兼任过蓝谷智慧能源公司董事长以及ARCFOX事业部总裁。在北汽任职期间，余立国主导成立了极狐汽车高端汽车品牌，对于新能源汽车品牌中长期产品规划、用户体验设计、数字化应用等方面经验丰富。

       人才

1月7号，我们从多位熟悉北汽集团的业内人士了解到，北汽管理层发生了重大调整。福田汽车董事长巩月琼和北汽新能源董事长刘宇升任北汽集团副总经理。这一人事变动已经在北汽内部进行公示。巩月琼出生于1976年7月，毕业于清华大学金融财务MBA项目，现担任职务除了福田汽车集团的董事长和党委书记，他也兼任了福田戴姆勒董事长一职。在入主福田后，2018年11月，他将萎靡不振的宝沃汽车67%的股份抛售给神州汽车，并通过转让河北雷萨重工和安凯车桥在内的子公司资产回流资金。随后，福田在他的领导下重新把注意力放在擅长的商用车业务上，公司营业收入在2020年达到577.7亿元，净利润同年达到1.5亿元，在福田最困难的时期，力挽狂澜。

长安汽车宣布最新人事任命，新一届领导班子带领长安加速转型发展

“探索商业发布”VISION-S概念车的可能，让未来实现量产看起来比以往任何时候都更加真实。尽管索尼VISION-S 01电动轿车面世已经整整两年了，索尼似乎一直在坚持推进，已经在连续3届CES展台上展示（2021年还发布了实际公共道路驾驶镜头），并即将以此创建一个全新公司，VISION-S 02电动SUV的发布确实表明索尼正加大投入，期待未来的量产。

造车新势力又添一员，团车宣布进入电动汽车制造领域

据报道，国内汽车交易和服务平台团车宣布新的战略规划，将通过组建包括设计、研发、生产等在内的团队构成新的电动汽车业务线，以进入电动汽车制造领域。团车于2010年在北京成立，以大数据、云计算和人工智能为基础，历经十余年发展，打造出包括潮车集、车博会、团车节、县域巡展、聚合燃爆、售后特卖会在内的多维数字化交易场景矩阵，成为涵盖线上线下车展、数字营销解决方案、汽车后市场服务、媒体、培训、精准投放等业务的领先的汽车交易和服务平台。2018年11月，团车网在美股纳斯达克上市。截至2021年，团车年新增精准购车潜客用户超过1,000万人，每年在全国240个城市为超过14,000家汽车主机厂与经销商提供最优“品销合一”解决方案，实现新车撮合交易近40万辆/年。

近日，重庆长安汽车股份有限公司召开第八届董事会第三十二次会议。经总裁提名，董事会投票表决通过，聘任张晓宇、王孝飞为公司副总裁，任期与公司第八届董事会任期一致。同时，原长安汽车执行副总裁李伟因年龄原因不再担任执行副总裁职务。

1月18日，汽车技术供应商安波福任命微软前高管Sophia Velastegui担任其新任首席产品官。Velastegui将于2月1日正式履新，直接向安波福首席执行官汇报工作。

CES：索尼首款电动SUV概念车全球首发

2022国际消费电子展CES正如火如荼，索尼首款电动SUV概念车全球首发，这是2020 CES索尼展示的VISION-S电动概念轿车的SUV版本。按照索尼的说法，这款全新电动SUV概念车正式命名为VISION-S 02，原来的概念轿车现在更名为VISION-S 01。与此同时，索尼还宣布将成立索尼移动出行（Sony Mobility）公司，专注于移动出行和纯电动车，并明确表示索尼正在

      企业

安波福聘请前微软高管担任首席产品官

北汽集团领导层发生重大变动，刘宇巩月琼升任副总经理

比亚迪中标智利锂矿开采 获8万吨锂产量配额

1月13日，有消息称，智利将五份锂开采合同中的两份给了比亚迪智利公司和 Serviciosy Mineras delNorte。比亚迪出价6100万美元，Serviciosy Opperciones出价6000万美元，每份合同授予8万吨锂产量配额。据中国证券报记者从比亚迪获悉，该消息属实。获得智利锂矿8万吨锂产量配额，这在一定程度上也缓解了因原材料涨价带来的压力。

苹果预计2022年底前完成对Apple Car汽车供应商的选择

1月14日消息，据外媒报道，苹果正在为其电动汽车选择供应商。继2021年夏天的初步访问后，苹果公司代表于去年12月访问韩国，与当地供应商会面。苹果正在寻找一些具有大规模生产经验的汽车电子零部件制造商，为汽车提供核心部件。据悉，苹果还与LG和SK讨论了电动汽车电池供应问题。预计苹果将在2022年底前完成对汽车供应商的选择，随后在未来两到三年内启动全面开发、公开宣布和大规模生产。

丰田汽车欧洲公司为FCH2Rail项目交付6个燃料电池模块

1月17日，丰田表示，FCH2RAIL项目已于2021年1月启动，是无排放双模列车领域的先驱，它将常规轨道和无架空线的无排放铁路相结合。FCH2Rail联盟正在开发燃料电池混合动力组并集成到示范双模列车中。丰田已经为该项目的下一阶段制造、测试并交付了6个燃料电池模块。这些模块包括最新的Gen2技术，以更紧凑的封装提供更大的功率和更高的密度。采用扁平模块配置，以便最有效地集成到示范列车的车顶。

　　作为融合蜂窝网通信和终端直通通信的车联网技术，我国C-V2X（蜂窝车联网）在政策支持、技术标准、产业化推进等各个方面日趋成熟，车联网产业已具备大规模商用条件。大唐高鸿智联科技（重庆）有限公司总经理助理范炬博士这样评价发展至今的C-V2X车联网技术。

　　作为中国信科集团旗下车联网产业的骨干载体，大唐高鸿智联科技（重庆）有限公司从2012年即开展我国核心知识产权的C-V2X（LTE-V2X和NR-V2X）技术标准研究、产品开发和市场推广工作。经过9年多的不懈努力，在大唐高鸿等厂商的推动下，车联网标准有了，中国方案渐渐深入人心，C-V2X规模产业化落地何时爆发？还面临哪挑战？消费者会不会买单？盈利模式如何？竞合关系怎样？谁能引领市场？范博士说，这简直就像是灵魂拷问！

　　行业都关心C-V2X是不是已可以商用，什么时候会爆发？范博士指出，C-V2X是以蜂窝通信技术为基础，针对车联网直连通信需求衍生出的技术，具有低时延、高可靠、不占用公网负荷等独特优势，可以说是为车联网量身定做的技术标准。他回顾道，早在2013年5月17日世界电信日，中国信科集团（原大唐电信集团）副总经理、专家委主任陈山枝博士首次正式提出LTE-V的概念，确定了C-V2X（蜂窝车联网）的基本体系架构和技术原理，大唐团队推动C-V2X标准，到现在已将近9年。

爆发时点

回顾C-V2X的发展，主要体现在以下三个方面。

　　二是技术和标准演进。2015年，C-V2X开始在3GPP标准化组织立项；2018年完成两个协议版本LTE-V2X技术标准制定。此后，我国积极制定C-V2X相关行业与团体标准，包括CCSA、C-ITS、CAICV等。同时，在车联网技术路线方面，C-V2X对DSRC已形成超越态势。一方面，C-V2X的时延、可靠性、通信距离等仿真和测试结果更优；另一方面，C-V2X的产业化发展也取得了领先优势。我国率先于2018年11月为LTE-V2X直连通信分配了5.9GHz频段20MHz专用带宽，而欧盟在2019年7月宣布由此前仅支持IEEE 802.11p转向技术中立，美国则在2020年11月取消已分配给DSRC的5.9GHz频段的75MHz带宽，并把其中30MHz带宽（5.895-5.925GHz）分配给C-V2X。中美两大汽车与交通大国的支持使C-V2X成为了全球车联网的主流技术标准。如今，C-V2X车联网的国际与国内标准体系已可以支撑车联网产业化进程，有助于大力推动智能交通和智能网联汽车产业的发展。

　　一是政策支持。面对全球的道路安全、交通拥堵、节能减排等巨大挑战，需要通过C-V2X车联网技术加以应对。车、路、人等交通参与者相互通信、信息共享、互相协作，可有效提升道路安全、缓解交通拥堵、促进节能减排，从而改变人们交通出行乃至生活方式。因此车联网一方面是市场需求及国家战略需要，另一方面也是我国参与国际竞争的一个战略制高点。由此，衍生出国家政策层面的顶层设计。自2015年起，我国车联网产业政策不断出台，包括颁布C-V2X专用频段、国务院及各部委相关政策也陆续发布。今年，国家和工信部出台的十四五规划都强调推进车联网建设工作。2021年3月，十三届全国人大四次会议通过的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出，要积极稳妥发展车联网。2021年11月，工信部《“十四五”信息通信行业发展规划》提出，到2025年重点高速公路、城市道路实现C-V2X规模覆盖，同时加快车联网部署应用及基于C-V2X的车联网基础设施部署的顶层设计，“条块结合”推进高速公路车联网升级改造和国家级车联网先导区建设。此外，今年住建部、工信部联合发布16个双智城市，以加速开展智慧城市基础设施与智能网联汽车协同发展工作。可以说，车联网产业已成为中国汽车产业新四化和智能交通行业变革的新引擎，也是社会和经济发展的重要引领力量。

C-V2X灵魂拷问：

文 / 作者：老刘

爆发、挑战、价值、盈利、竞合、引领

　　三是产业化进程日趋成熟。首先，车联网产业链上下游企业围绕LTE-V2X形成了包括通信芯片和模组、车载终端、路侧设备、解决方案、整车制造、测试认证、安全认证、高精度定位、高精度地图、运营服务等完整产业链生态。通过近几年开展的“三跨”、“四跨”、“新四跨”互联互通系列测试及应用实践，越来越多的企业参与到车联网产业，技术与产业日趋成熟。同时，智能网联汽车从测试验证阶段逐步进入示范应用、大规模推广阶段，全国已有数十个车联网示范区，形成了以无锡、长沙、天津、重庆为代表的国家级车联网先导区。各地积极开展相关示范推广和商业化，探索多种场景应用服务。在车端，到2021年底，一汽红旗、上汽、上汽通用、上汽奥迪、广汽、长安福特、长城、比亚迪、蔚来等多家车企已实现C-V2X前装车型量产。车联网产业已从技术验证逐步走向商业化部署。

　　综上，随着政策支持、技术标准、产业化推进等

各个方面日趋成熟，车联网从技术验证逐步走向商业部署，车联网产业即将迎来大规模商用。

　　此外，根据中国汽车工程学会2020年11月发布的《智能网联汽车技术路线图（2.0版）》，2025年“C-V2X终端新车装配率将达50%，网联协同感知在高速公路、城市道节点（如交叉路口、匝道口）和封闭园区实现成熟应用，具备网联协同决策功能的车辆进入市场。在高速公路、专用车道、停车场等限定景及园区、港口、矿区等封闭区域实现HA级智能网联汽车的商业化应用”。基于这样的前装渗透率及丰富的应用场景，车联网将真正融入人们的交通出行和生活，从而极大地提升道路安全、交通拥堵、节能减排效果。

　　范博士说：“我们虽不能很精准地预测明年一定会发生什么，但可以预测，在2025年这个时间点，车联网应用会达到很大规模。这两年是陡峭曲线，还是平缓曲线，恰恰取决于当下行业参与者的共同努力。”

　　当然，C-V2X前装量产一定还有问题需要解决。范博士认为，应用于智能交通和智能网联汽车产业的技术必须适应跨行业领域的相应要求。对于C-V2X技术的汽车前装量产而言，需要面对的挑战包括：

　　•第一是车规级要求。一般而言，车规级要求是为满足汽车使用环境，如大范围温度变化、振动、冲击、电磁环境等因素，对可靠性、寿命、安全等方面的严苛要求。基于前装BOX的车规级要求也会延伸到包括C-V2X通信模组在内的器件，涉及高标准的可靠性要求（如工作温度要求、元器件生命周期要求、失效率要求、振动、冲击、电磁环境等）、IATF 16949认证体系、AEC Q系列测试要求等，因此，传统消费级或工业级通信器件和设备难以满足更严苛的车规级标准。

　　•第二是C-V2X前装产品形态的确定。近年来，车辆电子电气架构出现了不同形态和路线。C-V2X前装上车需要匹配车辆电子电器架构的演进方向、ADAS/自动驾驶落地以及车辆安全性提升的要求。从目前业内讨论

和实践看，C-V2X前装产品包括几种可能的形态：

　　① T-BOX：将C-V2X与4G/5G通信功能集成在一起，T-BOX负责车辆的通信功能，包括蜂窝通信和车联网通信。

　　② V-BOX：将C-V2X单独做成一个BOX来支撑车联网功能实现。

　　③ 网联式ADAS：C-V2X与ADAS/自动驾驶域控制器整合，其基于C-V2X直连通信，主要面向车辆安全，因此与4G/5G蜂窝通信在车辆中的功能有较大差异。直连通信承载的数据用于车辆控制，属于ADAS域或自动驾驶域，而4G/5G蜂窝通信主要用于音乐、视频、OTA等智能座舱域，因此将C-V2X与4G/5G分离开来。

　　④ 智能网关：根据车辆电子电器架构中越来越海量的信息交换数据，以及可靠性与实时性越来越高的要求，将C-V2X融合到信息交换域中。

　　以上不同产品形态对C-V2X前装设计及要求有所差异，也是C-V2X前装必须考虑的重要问题。

挑战犹在

　　•第三是成本要求。作为前装车辆汽车电子部件，车企对规模化量产的价格下降都有相应预期。从之前T-BOX前装走势看，这也是一个趋势。C-V2X前装产品必然面临着规模化使用后的成本不断下降，以满足车企及用户需求的挑战。

　　•第四是安全要求。对于C-V2X前装，特别是进入控车域，会涉及汽车电子电气产品相应的安全标准，如功能安全、预期功能安全、汽车网络安全等。目前业内也在讨论具体要满足的标准和等级，这需要结合C-V2X功能定位、产品形态及所属电子电气架构域来进行综合考虑。

　　范博士认为，伴随C-V2X产业化推进，上述问题具

有相应的产品和解决方案。以大唐高鸿为例，已推出满足车规级要求的C-V2X通信模组DMD3A，以此形成了高性价比的C-V2X前装产品整体解决方案，包括C-V2X模组、前装参考设计、满足二次开发的SDK软件、协议栈以及C-V2X应用软件等；同时还在研发C-V2X融合ADAS/自动驾驶的产品形态，以提供满足C-V2X安全预警、驾驶辅助及自动驾驶的丰富解决方案。

　　他说：“作为C-V2X车联网产业的主要推动者和参与者，我们将与所有车企合作推进C-V2X的应用进程，加快智能网联汽车的技术与产业向前发展，让驾驶者有更愉悦、更安全的驾驶体验。”

　　范博士介绍说，C-V2X前装量产将带来相应的直接价值，包括道路安全、通行效率、乃至节约能耗等方面。这也是C-V2X车联网技术的出发点和目标所在，具体体现在以下几个方面。

　　当路侧已部署C-V2X网络时：具有C-V2X功能的车辆可以准确接收路侧通信设备从上帝视角发来的拥堵、交通危险等信息，大大降低事故率，提升行驶安全性和通行效率。例如，红绿灯倒计时提醒等功能有助于司机更有效判断启停时间。通过车路通信可以实现的常见预警功能包括：交叉路口碰撞预警、左转辅助、道路危险状况提示、限速预警、闯红灯预警、弱势交通参与者碰撞预警、绿波车速引导、车内标牌、前方拥堵提醒等。

　　当车辆通过前装或后装方式使得C-V2X具有了足够的渗透率时：车和车之间可以通过实时通信实现彼此安全距离、并道、超车、特种车辆避让、追尾危险等提醒，支持前向碰撞预警、盲区预警/变道辅助、逆向超车预警、紧急制动预警、异常车辆提醒、车辆失控预警、紧急车辆提醒等典型应用场景。

车联网价值

　　此外在节约能耗方面，C-V2X应用也可以发挥作用。据有关资料显示，大型货运车辆的油费占其运营成本40%以上，在高速公路的长上坡路段，通过C-V2X应用提醒司机提前开始缓慢加速，要比发现上坡时再加大油门节省可观的油耗。

　　更进一步，将C-V2X与ADAS/自动驾驶融合，可形成网联式ADAS产品，从而拓展和提升ADAS功能。以ACC（自适应巡航）为例，目前的ACC有一定局限性，不具备通过路口能力。车辆进入路口前不会根据红绿灯状态调整车速，进入路口后也不会主动减速，如果遇到红灯司机刹车ACC即退出，绿灯时ACC也不会自动恢复。使用网联式ADAS功能通过路口时，如前方无车辆则参考道路限速及设置的巡航速度，并根据红绿灯状态控制车辆以合理速度通行，遇红灯则安全停车，绿灯后自动安全启动。这样就实现了全域道路ACC功能，大大提升了用户体验。

　　目前多家C-V2X前装量产车型已实现的C-V2X应用主要集中在CSAE定义的一阶段应用场景，包括前向碰撞预警、紧急制动预警、盲区提醒/变道预警、车辆失控预警、交叉路口碰撞预警、异常车辆提醒、限速预警、道路危险状况提示、绿波车速引导、闯红灯预警、绿灯起步提醒、道路信息广播等。在各示范区、先导区都部署了C-V2X网络的路段，消费者驾驶这些车辆就会获得很好的驾乘体验。

　　我们也曾针对C-V2X示范区建设者、车联网参与企业、以及普通消费者对哪些C-V2X应用感兴趣做过一份调研。期待最多的几个应用主要是：红绿灯提醒、拥堵提醒和规划、盲区提醒、绿波车速引导、公交优先通行、积水/湿滑提醒、被追尾提醒，同时消费者对增加的合理化成本是可以接受的。这些应用随着C-V2X网络建设覆盖率的提高、以及车辆C-V2X安装渗透率的提高都可以实现。

　　范博士也表示，C-V2X主要定位于安全预警或增强ADAS功能，并不违背或者突破现有道路交通相关法律法规。即使将来C-V2X融合高等级自动驾驶，也只是对自动驾驶感知和协同能力的增强，自动驾驶本身所需要的法律法规支持与C-V2X是两回事。

　　商业模式必包含盈利模式。关于C-V2X的商业盈利模式，业内从不同角度一直在进行探索和实践。

　　从C-V2X支撑的不同驾驶等级看，它可以实现以下车联网商业模式：

　　•C-V2X预警：有人驾驶C-V2X预警应用主要覆盖高速公路、城市道路等，从2020年开始在车联网示范区、先导区建设和运行。其可能盈利模式包括：增值服务、降低运行费用、数据服务、降低保险费用、车载信息服务商（TSP）等。

　　具体推进方式，路侧C-V2X网络建设和运营可以由直接利益获得者主导，比如建成智慧高速降低事故发生率，提升通行效率等，其与高速业主利益直接相关，业主会推进RSU等路侧网络建设。

　　在车端，OBU渗透率尤为重要，路侧RSU设备覆盖

率提升后，OBU设备渗透率也应加快提升。因此需要政府的政策支持，如补贴，以提升OBU渗透率，使行业和民众有获得感，自然就会产生相应消费，商业模式也会随之出现。

　　在宏观层面，除了商业模式探索，C-V2X车路协同发展前期需要政府在顶层设计规划方面进行引导和促进，包括资金支持、税收政策扶持等，吸引社会投资进入，形成良性发展。

　　•C-V2X融合ADAS：即网联式ADAS，主要市场是车企、Tier1等。ADAS已被证明是成熟产业，只要C-V2X能够与ADAS成功融合，就可以拓展和增强ADAS功能，出现有价值的网联式ADAS产品，例如前面提到的网联式ACC增强产品，打开了市场，商业模式就可以落地。

怎样盈利？

　　融合自动驾驶：即网联式自动驾驶，特别是限定场景低速无人驾驶，主要市场包括矿区、港口、机场、园区物流、环卫、接驳、安保等，涉及的应用场景包括无人物流、无人运输、无人配送、无人接驳、无人作业等。根据业内预测，上述市场将在未来三年将爆发增长，而对于自动驾驶在车流量大、双向多车道、路况复杂特别是没有信号灯控制的路口、有人车和无人车混行、优先车辆与普通车辆混行等各种复杂场景下，通过C-V2X车路协同技术进行自动驾驶车辆控制，能够极大地提高自动驾驶通行的安全性和效率。范博士认为：“只要C-V2X车路协同应用能为业主节省运营成本，如降低人工成本、增加运行时间、提升运行速度等，商业模式就可以成立。盈利模式可以分为一次性投入建设或分批分阶段投入运营。”他说，大唐高鸿的低速无人驾驶车路协同解决方案，已开始在矿山、机场等限定场景

落地应用。

　　范博士回顾到，在某种程度上，当前的C-V2X很像宽带移动通信网络3G、4G建设之初。当时大众也怀疑过其应用是否必要，其假设也是五花八门，后来发现都不太准确。而只有当3G、4G真正大规模建设之后，即时通信（微信等）、移动支付（支付宝、微信支付）、基于位置服务的LBS（共享单车等）、O2O（网约车、外卖等）才如雨后春笋般涌现，催生了移动互联网大潮。这种爆发并非最初网络建设者所能预知的，也超出了绝大多数人的想象。

　　总体来说，关于车联网的商业模式，业内已有众多的讨论和探索。通过政府有形的手和市场无形的手有机结合，一定可以找到可以落地的商业闭环，从而有效推进C-V2X车路协同行业得以产业化落地。

　　大唐高鸿是C-V2X技术最早在3GPP的项目联合报告人，对于车联网标准有着深入的理解。作为C-V2X系列标准的核心制定者、五大标准化组织的核心成员，大唐高鸿参编标准超过数十项，拥有多项C-V2X核心专利；在车联网领域作为国家重大科技专项的牵头单位，参与了多项国家重大科技专项。

竞合关系

C-V2X车规级模组DMD3A

　　范博士介绍，大唐高鸿支持前装量产的核心器件C-V2X车规级通信模组DMD3A的主要特色和优势体现在五个方面。

　　•品质。满足车规级要求，在可靠性、电磁兼容、接口性能、射频性能等方面都进行了严苛而全面的测试。

　　•合规。紧跟车联网标准进展，无论是功能还是接口，完全满足国际、国内系列标准定义。

　　•灵活。采用Open CPU架构开放应用处理器，支持各种类型应用模式，包括All in One设计。

　　•开放。提供SDK，开放丰富的API帮助用户实现二次开发；提供灵活开放的管理接口，参数配置灵活、状态实时可查、异常及时上报、日志方便提取、软件可靠升级。

　　•自主。拥有核心知识产权，产品自主可控。

　　范博士告诉记者，为降低车企、Tier1客户C-V2X前装开发难度，提高客户开发成功率，大唐高鸿还基于C-V2X车规级模组为客户提供高性价比的C-V2X前装产品整体解决方案，包括前装参考设计、满足二次开发的SDK软件、协议栈、以及C-V2X应用软件等；而大唐高鸿在研的C-V2X融合ADAS/自动驾驶的产品形态将为车企等广大客户提供满足C-V2X安全预警、驾驶辅助及自动驾驶的丰富解决方案。

　　虽然优势明显，大唐高鸿对于整个产业仍然保持着理性的认知。目前C-V2X尚处于产业化大力推进的发展阶段，业内友商更多的不是竞争关系，而是合作关系。大家需要一起携手推进产业化进程，在相关政策支持下将市场总量做大。

　　范博士说：“以C-V2X车规级模组产品为例，目前全球产业链中大型的供应商并不多，任何一个友商掉队，或者少了一个参与者，产业都会受到很大负面影响。从这个意义来讲，大唐高鸿和业内友商都在紧密合作。就像C-V2X后来居上成为主流车联网通信技术，也是因为有包括大唐在内的一批掌握核心技术又有产业能力的企业一起推动，才能形成当前来之不易的大好局面。未来，大唐高鸿将继续与友商一起加速推进C-V2X产业化进程。”

　　车联网及应用是跨行业、跨领域、跨学科的前沿交叉创新领域，随着C-V2X等技术不断深入赋能交通和汽车行业，我国已经并将继续走出有自身特色的发展模式，以基于C-V2X的车路协同发展模式支持未来智能交通、智能网联汽车和自动驾驶的发展。

　　我国在基础设施建设和投资能力有着天然的优势，近两年，国家不断推出5G新基建、智能汽车发展等战略，极大促进了车路协同的创新探索和发展。当前我国在技术标准、频段支持、政策条件、产品研发、应用示范、产业化推进方面都已处于世界前列，已经走出了一个跟美国和欧洲等发达国家不同的发展模式。因此，车联网产业发展应该继续从我国国情出发，依托C-V2X技术优势，做好顶层设计，系统谋划、统筹部署，走出一条车联网与车路云协同的智能网联汽车和智能交通的中国特色发展之路，在车联网技术创新、产品研发和融合应用等方面引领世界。

　　他最后表示：“中国有自己特色的车联网路线，另一事实上支持C-V2X的是美国，中国将依托政府职能推进基础设施建设，结合市场上的探索与实践，促进产业成熟。因此，中国车路协同的大环境可以让我们走出比国外更快的路线，而且可以走得比国外更好，真正做到引领产业发展方向。”

引领

　　除了基于SOA的软件架构模块设计外，AUTOSAR针对汽车软件开发提出了一套标准化的方法论，构建 ECU 中的软件模块，将各种 ECU 集成到具有不同总线系统的车辆通信网络。它定义了通用工件和相关活动，特别是活动的依赖关系。

　　在 SOA的设计方法中可以使用AUTOSAR的相关信息，定义了一种具有语义约束的正式数据交换格式，这种数据信息作为标准描述了存储在 AUTOSAR XML (.arxml) 文件中，这种ARXML文件实际是由顶层SOA系统架构设计者通过构建相应的SWC组件接口来生成的。软件组件描述为应用软件提供了标准化的组件模型，系统描述定义了系统上的纯软件层与物理系统架构之间的关系，许多工具使用这些描述来配置和生成AUTOSAR 中RTE的基础软件。

　　基于SOA开发模式的软件架构（见下图）主要在于通过软件抽象层——运行时环境 (RTE) 拆分独立于硬件的应用软件（ASW）和面向硬件的基础软件 (BSW)。一方面，这个抽象层能够为OEM自动驾驶系统开发特定的、有竞争力的软件应用程序。另一方面，它简化了独立于 OEM 的 基础软件标准化，其中，基础软件进一步分为以下几层，“服务”、“ECU 抽象”、“微控制器抽象”。此外，它是 ECU 软件可扩展性的前提条件。

　　运行时环境RTE是从基础软件

文 / 作者：Jessie

基于Autosar的SOA软件开发设计详解

　　面向服务的架构SOA的出现可以打破车内静态交互模型，并且建立功能灵活治理的系统架构。确保新增功能的实现可以与车辆原有的系统架构、驱动方式、通信方式相匹配。（SOA）总体思路是设计组件模型，将不同的应用功能服务进行拆分，并通过定义恰当的通信接口将相应的服务串联起来。接口定义是独立于实现服务的硬件平台、操作系统和编程语言。确保构建在不同系统中的服务可以以一种统一和通用的方式进行交互。

　　SOA是基于系统的概念，这种系统是由一组服务组成的，其中一个服务可以轮流使用另一个服务，应用程序可以根据各自的需要调用一到多个服务。这一点上，SOA与Autosar的工作方式是一致的，因此，当前自动驾驶系统的开发中往往采用了基于Autosar的SOA设计模式。

中抽象出应用层，并组织它们之间的数据和信息流量。这构成了在应用层面向组件、独立于硬件的软件结构的基础，软件模块可以作为独立的单元存在。

　　例如，下一代自动驾驶系统采用SOA软件模块架构，其所有顶层功能都由底层软件模块实现。这些软件模块共同构成了应用程序。各个软件模块仅直接与 RTE 通信。因此，无论是在 ECU 内还是超出 ECU 边界，都设计了清晰的通信边界。通过这种独立性，可以在不了解使用或计划的硬件情况下开发软件组件，或者更确切地说是在 ECU 之间分配现有软件模块。

　

　　除了具备描述汽车行业 E/E 系统的基本能力外，还有许多方面需要实际交换格式的支持，例如可以通过技术文档（包括规范、定义、技术要求等）、接口需求表等可追溯性来贯穿整个软件生命周期。这种集成的变体管理允许 OEM 和供应商共同深入到基本的 AUTOSAR 产品线，并在必要时与其合作伙伴交换相互的信息，对这些变体的共同理解和一致解释是联合开发项目成功合作的关键因素。

　　SOA中的应用程序接口用于确保应用程序模块与 RTE 进行有效链接。其中，AP Autosar并未标准化应用程序的内部功能流程，例如算法，而是将在应用程序之间交换的信息。

　　一方面Autosar使用专用语法将基本接口机制进行了标准化。这种标准化接口规范允许软件设计人

基于Autosar的SOA

软件架构设计方法

各种SWC组件接口调用示意图

员和开发人员独立于任何特定硬件或 ECU 来开发软件模块，这种软件模块可以在包含其使用的数据类型、单位和缩放因子下进行扩展或重用。另一方面对车辆域主体中应用程序接口的语义、内涵、舒适性、动力传动系、底盘以及乘客和行人保护进行了标准化。重点是广泛引入应用程序的接口规范，以重点突破软件模块的重用和交换。最后，标准化应用程序接口的使用对于应用程序的重用至关重要。

　　为了开发功能系统架构，AUTOSAR 引入了虚拟功能总线的概念 —— VFB（Virtual Function Bus）。 为了避免误解，应该明确指出：AUTOSAR 已经指定了 VFB 概念。这个概念在市场上可用的各种系统架构工具中实现。

　　VFB 允许描述整个系统中应用模块之间的功能交互，此描述独立于实际 ECU 的架构和实施的网络。通过这种方式，VFB 将应用程序从硬件中抽象出来，在这里，软件组件被分配给 ECU，在每个 ECU 中，VFB 的功能由 RTE 和底层基础软件实现。在进一步架构构建过程中，功能系统架构被映射到物理架构上或者说在 ECU 和网络拓扑上。SOA中 将单个应用程序描述为软件组件 (SWC)。VFB 既提供了它们之间的通信机制，也提供了使用基本软件服务到软件组件的机制，各种机制由所谓的端口表示。

1、应用软件

　　SOA软件架构的层模型将应用软件以软件组件的形式放置在应用层中，可以将软件组件分组为在外部再次充当软件组件的组合。通过这个通用组件概念，可以将软件组件的任何嵌套层次结构实现为一个系统。应用软件可以独立于硬件进行设计和开发。

　　软件组件通过端口进行通信，每个端口代表某种通信机制。应用程序之间通信中最重要的机制是“发送方-接收方”用于由数据发送方发起的通信，以及“客户端-服务器”用于接收方发起的通信。除此之外，还有用于过程控制（外部触发事件）或用于访问某些参数（校准、操作模式、非易失性存储器）的更多端口。每个端口都有一个接口，用于确定要通信的数据类型。 AUTOSAR 已在编程语言 C 中定义了端口的精确映射。下图显示了 ECU 内以及不同 ECU 中的应用程序之间的通信路径。

基于SOA构建

软件设计方法

基于Autosar的

SOA软件架构

系统架构-虚拟功能总线

 SOA软件分层

软件组件在 AUTOSAR中由 “软件组件模板”做特定描述。除了端口和接口的描述之外，这还包含所谓的内部行为。在 AUTOSAR 的上下文中，“内部行为”是描述与时间或事件相关的过程控制（事件和调度）相关的组件。这包括“可运行实体”的定义，即底层操作系统可在事件或时间上调度的最小软件实体。需要说明的是，要在组件中明确实现的算法不属于“内部行为”。

　　在实践中，有几种典型的方法来填写或编辑软件组件描述。许多基于模型开发的设计工具如EA、Rapshody等，可以从图形模型中生成软件组件描述，并允许编辑相应的条目。此外，RTE 生成器通常允许编辑软件组件描述。对于具有特定硬件要求的应用程序，例如作为依赖于某些传感器或执行器的软件，AUTOSAR 提供了所谓的传感器/执行器软件组件，其中可以在软件组件描述中注明此类约束。

　　2、实时运行环境

　　运行时环境 (RTE) 从基本软件的任何实现细节和控制设备的硬件中提取应用程序。 它表示特定 ECU 上 VFB的运行时实现。 RTE 提供应用程序之间的通信机制和访问基础软件服务的机制。 这还包括为通信提供数据缓冲和排队。RTE 的实际程序代码取决于应用程序及其通信、使用的基础软件服务和调度。 

在实践中，代码是由 RTE 生成器根据软件组件描述信息创建的。

　　严格来说，RTE 是一种“中间件”层技术，它可以通过去中心化网络实现应用层组件的重新定位。

　　3、基础软件

　　基础软件通过 RTE 为应用程序提供所有系统服务和功能。尽管基本软件的功能对于应用程序来说是必不可少的，但车辆用户通常不会很好地注意到这些功能。随着对硬件的依赖性越来越大，基本软件进一步划分为多个层次：即服务层、ECU 抽象层和微控制器抽象层。反过来，每一层都包含代表精确指定功能范围的单独模块。 AUTOSAR 基础软件总共包含大约 80 个不同的模块，标准对每个模块都有一个要求和软件规范。其中模块的功能行为及其接口是用 C 定义的，因此一个模块的两种不同但符合标准的实现可以直接互换。基本软件模块的功能行为参数化及其配置使用与应用程序组件相同的形式描述机制。控制单元基本软件模块的配置描述总结在ECU配置描述中。

　　服务层包括通信服务、诊断协议、存储服务、ECU工作模式管理等系统服务，以及作为独立模块的AUTOSAR操作系统（OS）。 AUTOSAR OS 基于实时系统标准OSEK/VDX，在某些领域得到扩展，但在其他领域也受到限制。它是静态配置和缩放的，并提供基于优先级的实时行为和中断处理。在运行时，可以使用各种用于内存访问或时间行为的保护机制。 

应商的特定专业知识和知识产权。然而，复杂的驱动程序和标准化的模块必须满足 AUTOSAR 基础软件中接口机制的要求。

　　系统配置成功需要通过对各个控制单元的进一步配置，最后通过软件集成来完成，每个 ECU 都是独立的，即如果需要，它可以并行运行。此外，某个控制单元的所有相关信息都被复制到系统配置之外的 ECU 描述中。这

被命名为系统描述的 ECU 摘录。 ECU 描述还汇总了每个基本软件模块的配置描

述。基本软件配置的许多参数直接来自系统描述或软件组件的描述。其余的自由参数通过使用基本的软件配置工具来设置。在几乎所有基本软件模块的配置步骤之后，属于配置的代码由生成器生成——就像在 RTE 中一样。 

　　应用软件组件的实现是算法和编码的创建，可以与系统配置完全并行完成，因为这一步独立于硬件。最终，基础软件的整个代码连同 RTE 代码以及所有应用软件组件的代码都集成到每个控制单元的 ECU 软件中。

　　整体上讲，面向服务的SOA架构设计主要包含五个步骤：梳理整车功能、规划SOA架构、服务定义、服务矩阵和ARXML设计、服务验证和仿真； SOA不是一种具体的技术实现，而是一种模板软件架构，而AP AUTOSAR则称是一个模板SOA。如何利用Autosar构建好的SOA模型是我们需要特别关注的。本文详细阐述了面向服务的SOA软件设计过程，以Autosar为基础分析软件架构及其设计方法、系统配置、硬件抽象、软件分层等。

AUTOSAR OS 也适用于小型和较低性能的微控制器，同时也支持多核对代码、数据使用和使用多个内存分区，服务的模块是独立于硬件的操作系统。这些系统服务可通过 RTE 提供给应用程序，应用程序不能直接访问底层的基本软件模块。这是保留提供服务作为其功能的一部分从而访问 ECU 或微控制器资源。服务模块及其底层模块也称为功能栈，例如 FlexRay 的通信栈。此类堆栈有时会作为一个大型软件单元来实现和集成，而没有 AUTOSAR 定义的底层模块结构。虽然这破坏了抽象原则并降低了灵活性，但由于实现的效率和性能可能更高，因此在 AUTOSAR 中使用函数堆栈进行处理很普遍。

　　服务层主要用于硬件抽象。首先，ECU 抽象层将 ECU 布局（即外围模块如何与微控制器连接）与上层分离。尽管这一层是特定于 ECU 的，但它独立于微控制器。下一级抽象是由微控制器抽象层实现的，其中包括微控制器特定的驱动程序。例如，这些驱动程序是用于数字输入和输出的 I/O 驱动程序，或用于将模拟信号转换为数字值的 ADC 驱动程序。因此，AUTOSAR 标准直接支持标准化硬件。

　　复杂驱动层用于处理特殊情况，例如，用于控制具有特殊实时要求或具有特定机电硬件要求的复杂传感器或执行器。此类模块并未标准化为 AUTOSAR 基本软件模块，因为这里需要汽车制造商或供

硬件抽象

基于Autosar的

SOA服务

总结

文 / 作者：Jessie

高级自动驾驶系统的

新型三大感知能力要素分析

　　自动驾驶传感器配置需求随着汽车智能化和电动化的快速发展不断增加。 当前的传感器趋向于从探测范围、探测精度、探测能力上进行不断优化以便适应更多的边缘场景。使用更高级能力的传感器到底能带来哪些优势，又能解决哪些问题，如何对车身周围配置的传感器进行最优化配置和选择将是我们必须要面对的问题。

　　高阶自动驾驶系统的传感器仍然按照当前自动驾驶系统一样，配置了包含毫米波雷达、摄像头、激光雷达、超声波雷达等传感器配置。然而，在毫米波雷达、摄像头、激光雷达的选择上却是增加了几个台阶。首先，是毫米波雷达采用了4D高精度毫米波雷达，从分辨率角度得到质的飞跃。其次是，摄像头采用了高清摄像头，其分辨率的巨大提升使得其更加容易探测出更小的目标。最后，是激光雷达从原始的机械式激光雷达向MEMS甚至Flash激光雷达的转变。

　　本文将针对如上三类传感器的转变详细说明其对自动驾驶系统探测能力到底有哪些提升。

　　4D毫米波雷达优势

　　从当前已经出过得自动驾驶事故（无论是特斯拉的大卡车相撞还是蔚来汽车主装上高速作业车）中不难看出，高速自动驾驶最容易出现事故的地方就是在于传感器对于静止目标的识别上。当前，驾驶辅助系统架构常采用摄像头融合毫米波雷达的方式进行检测，而对于静止目标的识别主要是依靠摄像头的视觉检测，由于视觉感知的目标都必须经过模块或算法训练，而数据模型中无法涵盖所有类型目标数据，且识别过程中通常采用的图像分割会把静止目标当成背景区域而过滤到，因此，视觉检测很难做到对目标的有效识别。

　　这时，很多情况下会依靠传统毫米波雷达进行静止目标检测。而由于当前的毫米波雷达是不具备测高能力的，这就意味着其检测过程中难以判断前方静止物体是在地面还是在空中，无法细化刹车场景，容易出现如下情况的误检测导致AEB误制动或漏制动。

　　高阶自动驾驶系统采用了4D毫米波雷达，其原理是指在原有距离、方位、速度的基础上增加了对目标的高度维数据解析，能够实现“3D+速度”四个维度的信息感知。主要的感知参数表示如下：

　　除开如上述的检测能力外，4D毫米波雷达又称为“成像雷达”，其中的成像概念是指其具备超高的分辨率，可以有效解析目标的轮廓、类别、行为。这意味着4D毫米波雷达系统可以适应更多复杂路况，包括识别较小的物体，被遮挡的部分物体以及静止物体和横向移动障碍物的检测等。

　　具体来说，对于4D雷达来说是如何提升目标信息检测能力从而提升自动驾驶系统控制能力的呢？

　　首先，成像雷达可提供精度更高的道路边缘信息，为高速行车与变道提供更精确的辅助定位信息；对静止目标尤其是拥堵条件下目标探测精度更高，可以有效避免追尾等安全事故。

　　如何做到的呢？很多工程师以为是其分辨率提升促使其深度学习可以更好地利用在点云匹配学习算法中，但是笔者并不这么认为。因为再强的深度学习碰上毫米波雷达那样稀疏的图像也基本无能为力的，能检测到静止目标主要还是因为其能够有效检测高度信息。4D毫米波雷达增加了俯仰角天线通道，通常这种通道数的增加会使得其雷达芯片的运算量成倍的增加。

　　其次，自动驾驶中最难的场景之一是对于行人的识别能力，而当前的识别往往依赖于摄像头，如果我们基于成像雷达的高分辨特征是否能够对其行人的识别产生好的辅助效果呢？答案是肯定的。这个过程主要是结合行人摆臂、车轮转动等微动特征，利用更高分辨率的时频分析方法，提取目标的微多普勒信息，通过机器学习等目标分类方法，进行VRU目标的微多普勒识别。

　　3、 基于毫米波雷达的高精定位

　　众所周知，高精定位系统的检测过程需要相应的传感器建立密集的毫米波雷达点云信息，且依托于环境结构，且不受雨、雪、雾等环境因素的影响。而这些要素则是毫米波雷达本身所具备的能力。因此，利用毫米波雷达本身就可以进行简单的定位建图，这里我们称之为RSLAM。而如果系统本身搭载了诸如激光雷达或高清摄像头，则毫米波雷达的建图能力可以很好的作为该两者的辅助传感器。

　　4D雷达成像主要的部件包括比3D雷达多更多的收发天线，同时最重要的是其双板处理芯片：一块用于RF收发器（主要是PCB板搭载的多跟收发天线）、SRAM数据采集和USB类型的数据流；另一个用于数据处理（包含基于点云的深度学习）和BT/Wi-Fi连接。因此，很多毫米波雷达供应商通常还采用芯片级联或通过软件新建虚拟发射天线的方式增加发射端对环境物体的点云信息搜集比率。一般的，高分辨成像雷达随着级联芯片的增多，点云密度与精度越来越高，通过人工智能（AI）中深度学习等在雷达的应用就带来了更多优越的先验条件（比如点云聚类），接近于视觉的分类效果。

　　高分辨率摄像头是否能够带来质的飞跃

　　随着整车E/E 架构的演化趋势，传感ECU 也开始由分布式向集中式进行演变，其中的算力也不再向以前一样由各分ECU来承担，而是由中央处理器进行集中式处理，这一过程中的计算机视觉及图像处理则由中央域控制器进行软件集成，而摄像头将只用于“图像采集”的纯sensor。

　　随着自动驾驶级别的提升，对摄像头的要求也越来越高，其中主要体现在对摄像头的分辨率上，从最开始30万像素实现基本的全景泊车升级到100多万像素实现半自动泊车，又发展到现在的200万像素实现基本的行车对中控制。并且随着自动驾驶级别对于感知能力的进一步提升需求以及市场需求的推动，未来的高级别自动驾驶车辆中都在规划应用800万级别的高清像素摄像头，用于对更远距离的目标进行识别和监测。

　　从基础能力上看，升级为800万摄像头最大的挑战在于其对感知算力的大幅提升。举个例子，像地平线目前对800万摄像头的处理demo实验，采用了J3对其进行算法处理，这无异于小马拉大车，导致不得不将高分辨率图像进行下裁剪。裁剪后的图像其分辨率降低后，才可进行相应的包含语义分割、目标级匹配等处理。因此，类似高清车载摄像头需要有与高分辨率摄像头相匹配的算法和测试能力。

　　那么业界普遍关注的话题就是800万像素摄像头与算力、算法以及数据之间的关系。其中包括：

　　1） 如果用高清摄像头（如800万像素）代替之前低分辨率摄像头，需要多大算力的芯片的支持，对于整个域控制器的发热量及功耗会有多大提升？

　　首先摄像头对算力的需求不仅跟摄像头自身的性能参数有关（位数、帧率、分辨率等），也和自动驾驶实际的应用场景和感知算法模型相关。TOPS=Function(camera intrinsic parameters，usecase，perceptron algorithm)

　　比如，以前视为例，基于同样分辨率的摄像头，如果其应用场景仅限于识别车辆、行人、车道线、限速牌这几类目标，由于其算法匹配库中的模型是简单的，因此其对算力的匹配需求来说是一个相对轻量级的。若其应用场景需要系统识别的更多目标（包含一些不常见或异类目标，如落石、不明障碍物、红绿灯、路标）、探测的更远距离（包含一些小动物、小障碍物等）、更高识别精度（如更加清晰的航向定位、更加准确的距离、速度），对于如上这类应用场景的算力需求肯定是更大量级的。

　　2） 新的高清摄像头是否需要将原来的算法结构进行大幅更新？

　　实际是使用高分辨率摄像头后，在算法方面并不需要完全重写，原有采集的数据可以作为深度学习模型的初始架构参数，而新采集的高分辨率图像数据则可以作为深度学习模型中更新和优化其架构的参数的数据源。

　　对于如上的说法，需要充分考虑其低分辨率的摄像头目标检测算法是否已经应用到了AI神经网络训练算法，还是只是简单的模式识别算法。因为，诸如像做L1或者L2这样的简单驾驶辅助功能，很多时候对于摄像头的检测能力只需要满足简单的车道线或者标准的车辆等一些简单的检测方案。这样的检测过程压根可能不需要进行AI算法训练和神经网络加速，而是通过类似于构建ARM核进行逻辑运算便可以满足要求（这样就可以说SOC中的CPU资源就可以满足）。因此，从算法复杂度，算法策略及算法构建的模型参数上考虑，高分辨率摄像头都是没办法完全复用低分辨率摄像头算法的。另外，从硬件资源上讲，处理高分辨率摄像头数据所需要的SOC往往是更高级的SOC，不仅其中的AI运算单元得到了极大的提升，而且其中的逻辑算力也是提升到了新的高度，这就导致对于原始低等级驾驶辅助系统所训练的算法无法在新的SOC上做到很好的适配。因此，这也往往促使其改进相应的AI算法模型。另外，诸如像采用相同供应商的系列芯片这种方式，也有可能存在相类似的情况，比如当前采用地平线的J3进行算法训练所产生的产品，到其升级到J5后，很有可能就会在当前算法的复杂度上实现较大的提升了。

　　3） 当摄像头传感器得到升级后，低等级的自动驾驶系统架构采集的数据是否可以直接应用于高等级自动驾驶？

　　自动驾驶算法的构建和迭代都是以数据作为驱动的，尤其是感知和预测模块，并且很多时候都是要在过程中做到很好的数据闭环。

　　自动驾驶的算法模块，尤其是感知和预测模块，基本都是数据驱动，可见数据对算法迭代的重要性。这里需要说明的是，很多智能驾驶算法公司都是前期通过数据采集进行算法训练参数得到的，而低等级智能驾驶系统的数据采集往往采用了低等级的传感器，不管是在分辨率、检测距离、误检漏检等方面均不及高等级自动驾驶。因此，对于高分辨率摄像头检测而言，除了需要通过之前采集的数据继承低像素摄像头的一些基础性能外，也可以通过场景建模来实现部分场景重构。此外，对于一些极端场景，则需要利用高分辨率摄像头进行数据采集和重新的算法训练，进而无限的提升其检测效果，实现数据闭环。

　　4） 高分辨率摄像头是只进行前装（前视摄像头）还是整个铺开（侧视、后视摄像头）？

　　对于高阶自动驾驶系统来说，前视需要解决的场景最多，目标识别任务最复杂，比如远距离小目标识别，近距离目标切入识别，这两者对于摄像头的波束开角和分辨率

都有较高的需求。对于侧视和后视摄像头来说，其感知场景的要求则相对简单些，这两者的主要需求都基本在对于自动变道场景的侧后方目标探测上。因此，从成本和效率上讲，侧视/后视场景采用一般分辨率的摄像头即可满足要求。而对于环视摄像头而言，通常是在中低速情况下通过大视角短距离检测泊车入位的车道线和车辆目标。因此，采用中低分辨率摄像头也能够满足目标探测要求。同理，对于智能座舱内的摄像头，通常采用的是包含驾驶员在位识别、人脸识别、情绪识别等，基本上采用适中的摄像头分辨率即可。

　　当然，对于如上摄像头能力配置，可以在一定程度上通过模拟实际场景并通过算法迭代来找到最优值。比如，利用响应曲面法找到最优值。

　　5） 相同探测要求下，摄像头分辨率是不是越高越好？

　　其实不然，高分辨率摄像头由于其探测范围更远、探测结果更清晰，且其具备更宽动态范围（HDR）和更优质的LED频闪消除功能（LFM）。但是其低光照强度下的感知效果相对会差一些。这是因为同等条件下，摄像头分辨率越高，其单像素尺寸就会越小，这就导致其在低照度下的光电转换效率就会低一些，从而影响在光照不足时摄像头的表现。

　　此外，对于高清摄像头在带宽、数据量等方面的需求也是呈现指数级别的增长，这就导致其对于周边关联部件和网络的需求也呈现较高的能力需求。因此，对于自动驾驶系统来说，在进行摄像头方案选型时候需要在分辨率和探测效能上做一个权衡。

　　如何利用激光雷达优势才能真正满足自动驾驶需求

　　同样是雷达，毫米波雷达的金属反射电磁波性能远比人体要高，因此针对像自行车或行人这样的反射物在距离检测车辆1.5米时，普通采用3发4收单片3D毫米波雷达对自行车也几乎只能检测到一个点，甚至检测不到。即便是成像毫米波雷达，对于行人、锥桶这类物体也只是一个小点，普通雷达则完全检测不到。从这一点上讲，显然成像毫米波雷达无法和激光雷达成像相提并论。激光雷达用于下一代自动驾驶系统可以极大程度地提升其系统探测能力，已经是一个不争的事实。这方面的优势主要体现在其优质的探测能力可以解决很多当前自动驾驶系统无法解决的一些边缘场景，包括车辆Cut-in、检测车后突出物、道路中的异形物等。

　　那么关于激光雷达，大家究竟关心什么？

　　其实，无论对于主机厂还是供应商，对激光雷达的要求无非就是性能（包含测距能力、精度、视场角、分辨率、刷新帧率、体积、功耗等参数）、可靠性（运行稳定性、一致性、是否符合车规级别）和成本（设计成本、物料成本、生产成本）。

　　1） 探测距离与精度：

　　我们知道，激光雷达最重要的部分是收发模块和扫描模块。激光收发效率越高，信号处理能力越强，则测距能力越强。激光雷达实际使用中，测距能力也和被测物体的反射率相关，反射率越高，收到的反射光就越多，测距就越远，测得的距离也越精确。因此，测距能力主要由收发模块决定，包括激光器的发射功率、发射波段、探测器的探测灵敏度等。我们在额定探测距离及其精度的时候一定是附带在某反射率下来谈其探测目标的距离的。

　　2） 探测范围

　　探测范围主要通过视场角、分辨率和刷新帧率来定义。视场角主要由激光雷达发射激光点的方向相关，而分辨率则是和发射点频率相关。发射点频率指的是激光雷达每秒完成探测并获取的探测点的总数目，类似摄像头的总像素的概念。因此，相同探测场景下，激光点频越大，说明激光雷达对目标物的感知能力越好。

　　使用发射点频率来描述可以很好的解决类似激光刷新率和视场角大小不均匀带来的极端分辨率。

　　我们知道激光雷达的扫描都是采用二维扫描进行的。即包含水平扫描和垂直扫描，因此对于发射点频来说，可以通过输入的水平扫描和垂直扫描点综合描述。

　　如上情况，要想提高激光点频率，可以很大程度上提升刷新率，但是与之相反的是其分辨率也会很快下跌。因此，要想提高发射点频率的唯一办法就是提升激光雷达的发射本体性能，即发射内参来决定。这种广义内参实际是激光雷达本体需要考虑激光器性能需求、总功耗、寿命以及激光芯片的信号的综合处理能力。

　　3） 功耗

　　激光雷达内部的电子模块需要每秒在百万次的量级上发设和接受光，并且每次收发都要经过复杂的模拟和数字电路处理把他转化为3D点云信号。因此，该电子模块需要大量的供电输出。同时，由于激光雷达的探测能力很大程度上收到其探测表面是否干净无杂质的影响，因此很多情况下要求激光雷达具备自清洗能力，而这一过程也是需要极高的电源供电能力的。

　　4） 功能安全

　　激光雷达的可靠性主要取决于其收发模块和扫描模块，一般采用905nm的供应厂商，其收发模块的电子元器件相对容易过车规，比如博世的激光雷达，可以达到整体ASILB的安全等级，而人眼激光保护的场合可以达到ASIL C。相比之下，基于1550nm收发模块的器件都还处于相对早期，过车规挑战大。

　　5） 成本

　　最后，不得不回到激光雷达最关心的核心议题，那就是成本问题，这也是制约激光雷达搭载率的重要因素。由于激光雷达的扫描模块很大程度上影响着其可靠性、稳定性。而收发模块则很大程度上影响着其性能指标。因此，从维持其功能和性能的角度上讲，激光雷达需要不断优化其相应的收发模块性能，从而在不增加成本的情况下增加其整体性能。

　　从自动驾驶系统的传感器先进性升级角度上看，将搭载高清摄像头、优质的激光雷达、成像毫米波雷达来重点解决当前自动驾驶系统可能遇到的各种边缘场景问题。其中，升级为4D毫米波雷达，算法便可更多考虑毫米波雷达的感知结果，从而以更高概率识别路面上的静态障碍物，结合其高分辨率带来的优势，可以更有效地解析目标的轮廓、类别、行为，进而能知道在什么情况下必须刹车（避免漏刹）。视觉感知的挑战在于，目标障碍物必须经过提前训练，而模型库又不可能穷举所有类型，所以很多静态障碍物成了“漏网之鱼”，此外即使有模型库，另一个挑战在于神经网络能否正确识别出前方障碍物。因此，便经常出现明明前方有障碍物、自动驾驶汽车却依然撞上去的结果。高清摄像头正好从一定程度上可以解决部分该问题，但是也要注意对摄像头的选型需要遵循一定的原则。此外，从激光雷达的原理可以，激光雷达可以通过发射接收的点云自然的拟合出各种形状的物体，但是，激光雷达的使用也是需要从成本、性能和功耗等各个角度统一考虑其搭载的可行性。

文 / 作者：一骥绝尘

元宇宙、数字孪生与汽车

图1：元宇宙概念图

图2：汽车的数字孪生概念图

图3：钢铁侠设计的

数字孪生

图4：研发阶段的

数字孪生概念图

图5：数字工厂示意图

的CAD上，我们已经可以在设计阶段将车上的所有零部件组装在一起，检查干涉和设计避让，然后作空气动力学仿真和模态分析等。数字孪生技术在这基础上更进一层，具有外观光学、机械动力、硬件电路和软件算法等特征，供各个部门共同打造。同时数字孪生除了产品本体的虚拟映射外，还能提供虚拟的多维度的测试环境，以便设计人员更快速准确地做出各种设计决策。

　　我们来看一个智能驾驶相关的例子。

　　一辆汽车从概念设计到原型样车再到量产制造，少则两年，多则五年十年。应用数字孪生技术，可以把这个时间大大减少，并提高设计质量。造型设计师通过VR眼镜替代油泥模型，1：1看见车辆的外形，实时调整设计。而在同一个模型上，机械工程师则能准确测量出激光雷达的安装位置和雷达前方覆盖件的物理特性，并把参数提供给感知算法工程师。算法工程师将最新设计算法集成到激光雷达的数字孪生上，并让其在虚拟上海中环路上跑一圈。冒烟测试通过后，测试工程师再进一步搭建近距离切入、儿童横穿等场景，并模拟各种恶劣天气，测试车辆的关键性能指标。

　　而这些数字场景并非简单的三维建模，而是具备针对ADAS传感器的属性。譬如针对摄像头，虚拟道路具有运动模糊和曝光控制；针对毫米波雷达，虚拟隧道能模拟电磁波复杂反射特性，不同外观、不同角度的目标车辆具有不同的RCS，大型卡车具有强反射特征；针对激光雷达，车道线具有特定的能量反射，地面积水会引起多径反射，运动车辆会有运动畸变……

　　这样的例子有点天马行空？事实上福特汽车的设计师们在疫情期间就通过VR设备和协作平台设计车型。dSpace、ADTF和Siemens等目前都已经有上面提到的传感器仿真模型的商用方案可售。上海、新加坡等地都有开展相关项目，建设数字孪生城市。

　　制造过程也可以应用数字孪生技术，优化厂房、生产线、产品的配置，优化成本。这与近年热火朝天的工业4.0一脉相承，让产品在制造环节也得以升级。除了建立制造过程中产品本身的数字孪生，生产线的设备也同样可以有数字孪生。

　　产品和生产设备上的传感器可以将采集的数据同步到数字孪生模型上，然后基于模型监控制造工艺状态以及设备状态。这进一步可以支持实时优化物料输送、预测零部件库存、报告设备综合效率（OEE）和平均无故障时间（MTBF）等。这些参数同时也是财务计算生产和物料成本的关键输入，实时的分析结果可以提供给成本核算部门计算效益，然后再提供给销售部门调整价格。

　　我们再来看一个汽车制造的例子。

　　通过光学扫描建模技术，可以快速地建立整个汽车焊装车间的数字模型。识别出模型的关键运动节点，同时在自动化焊装机器人的关键位置部署加速度计等传感器，实时同步实体机器人和数字孪生模型的数据。这样基于数字孪生模型就可以实时监控焊接工艺情况，工艺工程师可以通过调整数字孪生机器人的参数预测调整后的效果。如果调整效果理想，再将参数同步回实体焊接机器人上。这样更能高效准确地调整工艺。同时数字孪生模型也可以监控运行状态，提前预测设备故障并报警，有效提高生产效率。

　　2021年10月28日，在名为Facebook Connect的年度大会上，Facebook宣布，公司名将更改为“Meta”，这是元宇宙MetaVerse的前缀。那么什么是元宇宙？

　　元宇宙这个概念最早出自20世纪九十年代出版的一本科幻小说《雪崩》，在作者尼尔•斯蒂芬森描绘的情景里，人们可以通过数字替身在一个叫Meatverse的虚拟空间中工作、学习、社交、娱乐等等，而这个虚拟的三维空间就是元宇宙。这个角度看，元宇宙就是一个虚拟的数字化世界。

　　影视作品中有很多关于这个世界的遐想，脍炙人口的黑客帝国、失控玩家和阿凡达都有呈现。在思想哲学界亦早有探究，庄周梦蝶和缸中之脑就是其中代表。而这些科幻或者哲学思想为何最近这么火，受到资本追捧呢？

　　有人说是因为疫情的催化作用。疫情期间，大家穿着睡衣在家里接入电话会议，虚拟的线上会议环境中大家的头像照片却是西装革

履；以往白板上的写写画画也变成了在线会议的编辑工具，然后大家发现这样的虚拟形式也挺好的，这不就是元宇宙吗？这不就是下一个风口吗？

　　但作为工程师的笔者认为，其根本原因还是在于相关技术已经发展到关键阶段，需要一个概念来整合技术资源，提供下一步突破的积极性，实现技术、经济、社会的闭环。这些技术有：虚拟现实和增强现实（VR&AR）、区块链、人工智能、云计算、电子游戏和数字孪生等等。这些技术在汽车行业都有或多或少的应用，相信在“元宇宙”里，汽车也会是其中的重要一环。而这次，我们重点来看看跟汽车相关的数字孪生技术。

　　什么是数字孪生？

　　数字孪生（Digital Twin），其官方解释是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。其实简单理解就是其字面意思：给实体建立一个数字化的双胞胎。

　　那么大家可能会问，这不就是CAD或者仿真技术吗？实际上，数字孪生和它们有关系，但却是它们的进化升华版。数字孪生之于传统CAD和仿真技术，就像传统CAD和仿真技术之于手绘图纸。也许将英伟达黄教主的头“移花接木”到另一图片上PS一下，你会不以为然；但当GPU渲染出一个有表情、有动作、能说话的Jensen来开个发布会，大家都赞叹不已。

　　数字孪生中的数字双胞胎具备多物理量的虚拟映射，并能覆盖产品的全生命周期。说人话就是，数字孪生更加“有血有肉”，也能随时间“成长”。实体设备上传感器采集的信息会回传同步到数字孪生上，以支撑更多维度的分析跟踪，甚至预测实体设备的状态。

　　接下来我们在产品生命周期的维度上，看一下数字孪生在汽车研发、制造和运营上的应用。

　　通过数字孪生技术，我们可以打破固有的新车型设计导入的传统，快速设计一个数字孪生，并在各种应用场景下对这个虚拟数字孪生进行测试。这相当于将常用于软件的敏捷开发推广到整个汽车研发。

　　当然这样炫酷的数字孪生，得益于飞速发展的高性能计算芯片、大数据和大存储、快速三维成型、云计算和人工智能等技术。在传统

图6：汽车焊装车间

图7：F1赛车的

数字孪生概念图

参考来源：

1.What is a digital twin? https://www.ibm.com/topics/what-is-a-digital-twin

2.车企入侵元宇宙，https://news.pedaily.cn/202110/480370.shtml

3.Digital Twins in the Automotive Industry，https://www.challenge.org/knowledgeitems/digital-twins-in-the-automotive-industry/

4.Learnings From The Digital Twin’s Data Architecture Of Teslahttps://www.cloudflight.io/expert-views/learnings-from-the-digital-twins-data-architecture-of-tesla-40097/

　　这些技术同样不遥远。特斯拉超级工厂就有应用数字孪生，用于规划能源消耗和改进制造流程。国内的爱驰亿维也针对江西上饶的工厂运用了数字孪生技术，产线具有1200多个数据采集点位和300多个人机交互界面，贯通实体工厂和数字工厂的数据。

　　数字孪生同样可以应用在汽车售出后的运营阶段，监控车辆实时状态、支持车辆诊断甚至预测车辆故障等。结合V2X和数字城市等技术，还可以进一步助力智能驾驶。

　　例如发动机传感器的数据回传给其数字孪生模型，主机厂和用户就能实时监控发动机的运行状态，实时诊断故障或者预测保养情况。现在一般新车可能会简单粗暴的按照6个月或者5000km达者为先作为首次保养的条件。但事实上，什么时候需要更换机油机滤和车辆（发动机）的实际运行状态息息相关。走过什么路、驾驶习惯如何、使用什么驾驶模式等等都会导致需要更换机油的时机不一样。利用数字孪生技术，可以提供给用户更加个性而精准的保养时间。将数字孪生拓展到车上所有保养相关的零件，用户就可以实时察看爱车的健康状态，有的放矢地保养，增长汽车使用寿命。

　　F1的迈凯伦车队就为他们的赛车建立了数字孪生模型。除了赛车的数字孪生，车队还利用天气、场地、泥土情况等数据建立数字赛道，让数字赛车可以在上面虚拟作赛。这有利于车队和车手的赛前分析和策略部署，同样也能在比赛过程中实时帮助决策，诸如什么时候换胎等。

　　著名的特斯拉影子模式同样是数字孪生技术的一个体现。通过车上传感器采集的数据来分析驾驶行为，优化其自动驾驶算法，并通过OTA将数字孪生的软件程序同步到实体的车辆上。

　　写在最后

　　数字孪生和元宇宙技术方兴未艾，充满机会。但它们与当前技术属于相辅相成，而非替代关系。试想如果不懂焊接工艺技术，能完成焊装车间的数字孪生吗？如果不懂车辆动力学知识，能完成汽车数字孪生进行规控训练吗？因此数字孪生技术对我们的要求是做一个T字型人才，在深耕自己专业领域的同时，横向拓展寻找数字化和智能化相结合的机会。

　　而除了上文提到的快速三维扫描成型技术、云计算、人工智能等正向支持的技术外，还有一个方向作为约束条件而充满机会：网络信息安全和数据保护。数字化、智能化带来的海量数据包含了许多敏感和隐私数据；数字孪生和实体设备的同步也存在受到网络黑客攻击的威胁。网络信息安全和数据保护的重要性也就不言而喻。

　　笔者作为工程师始终相信，不管数字孪生还是元宇宙，这些美好的概念都必须具有技术支撑并能（在资本和社会环境等方面）反过来促进技术发展，才有意义，我们的生活才能更加美好。

　　高阶自动驾驶汽车需要通过高带宽和低延迟的网络来连接所有传感器、摄像头、诊断工具、通信系统以及中央人工智能。这些技术会产生、发送、接收、存储和处理海量数据。

　　如上图表示了一种集中式域控制器的内部通用连接形式，对于下一代自动驾驶系统通信网络连接而言，主要涉及中央域控制器单元中的芯片连接，传感器接口输入连接，调试接口连接，存储连接等。

文 / 作者：Kevin

高阶自动驾驶系统的通信存储技术

　　在中央域控制器中，通常需要设计一定大小的存储单元进行数据、程序、文件、图像等信息的存取。设计的存储单元包括Flash、EMMC、LDDR等。其中，Flash一般存放驱动程序文件，大小为32MB-64MB，EMMC主要用于存储高精地图数据，众包建图，自动驾驶数据记录，影子模式、大数据等信息，大小需求大致为96GB-128GB。LDDR主要用于程序运行缓存。这里我们需要讲解一下几种典型的通信链路硬件形式，其中包含SPI、UART、GPIO、PCIe、CanFD、FlexRay以及ethernet等。

　　为了说明各种通信链路的连接形式适用场景，我们需要将这些通信链路及相应的存储单元进行不同程度的功能分析及优缺点说明，并着力于为自动驾驶系统域控制器硬件设计、网络通信设计过程提供帮助和参考。

　　自动驾驶系统的外围通信总线主要是指中央域控制器所连接的外围传感器、存储硬盘、显示单元及整车执行器等。这些外围传感器、执行器单元的连接方式传输的数据类型主要包括原始视频数据、激光雷达点云数据、毫米波雷达目标数据及控制/显示指令等信息。主要的通信连接方式包括了Ethernet、CanFd/Flexray/Lin等。

　　如下表表示了高阶自动驾驶中央域控制器单元中的除AI计算单元SOC及逻辑计算单元MCU以外的所有典型网络连接、存储及接口信息

交换单元数据信息。

　　为什么要用以太网，简单地说，整体汽车架构会强烈的影响网络走向，以太网可以在域控制单元的车载网络中减少线束的同时，很好的提升服务质量。目前，自动驾驶系统架构已逐渐向集中式架构进行不断演进，这就意味着可以采用经典的zonal架构将分布在各zone的所有数据带入一个中心位置区域进行处理，而中央集中式方案的挑战之一就是带宽，基本上该带宽可以轻松的增加到10Gbps，当前我们车载以太网的速度仅仅是1Gpbs。

　　一般的，在外围传感器连接中，毫米波雷达不需要千兆的以太网，低速以太网足以，摄像头既可以用过以太网，也可以采用传统的LVDS进行数据通信，而如果增加了激光雷达，则摄像头+激光雷达数据的组合就需要高速以太网。这里需要说明一点，在集成到域控制器的高速以太网PHY中，可能存在多个不同的通道同时驱动20-30甚至更长英尺的线束。这就会导致域控制器中的Soc发热量出现巨大的增加，这将使得整个域控制器的封装价格出现巨大的攀升。

　　CanFD作为之前Can网络的升级版，且只升级了协议，物理层未改变。具备更高的带宽、数据传输速率。Can与CanFD主要区别：传输速率不同、数据长度不同、帧格式不同、ID长度不同。同时，CANFD速率可变，仲裁比特率最高1Mbps（与CAN相同），数据比特率最高8Mbps。因此，在下一代智能驾驶汽车的通信网络中，主要作为渐进式网络通信单元用于传输较高带宽需求及较大速率的Can信号通信中。

　　Lin为局部连接网络，是一种低成本、串行通信，通信接口为UART。Lin分为主节点和从节点，通过单线连接。Lin在下一代智能驾驶汽车中，主要应用于通信带宽要求比较低的车身控制方面，如方向盘按键、车窗、座椅等，可作为Can通信补充。

　　FlexRay主要是应对汽车安全性、功能性方面的要求，即可以提供更高传输带宽、更高可靠性的场合。他和可以完全实现Can或者Lin的所有功能，但更多的是具备更高的确定性、容错性、高速等特点。主要应用在对误差容限和时间确定性要求较高的线控领域，如下一代自动驾驶系统通常采用线控制动、线控转向、线控驱动等方式进行相应的横纵向控制。Flexray主要是基于差分信号传输，由两条总线组成，通常使用双绞线。Flexray总线收发数据主要采用时间触发和事件触发的方式进行，利用时间触发通信时，可以尽可能的保持传输同步与可预测，这对需要高速线控控制的三大控制执行单元十分有利。但因其Flexray成本较高、设施复杂等缺点，并不会完全取代其他主要的车载网络标准。

　　智能驾驶高阶域控制器需要把多个CPU核心为单位的SOC/MCU/MPU及相关辅助电路封装在一个主板上，这种多芯片域控单元称之为中央域控制器。当然，多核多芯片的域控制器往往会包含更多辅助电路，以解决多个CPU核心之间通信和协调问题。当前常用的辅助电路连接方式有以下几种：GPIO、SPI、UART、PCIe、I2C。

　　GPIO表示一种通用型输入输出总线，是一个灵活的软件控制的数字信号。每个GPIO提供一位与特定的管脚相连。域控SOC处理器非常依赖于GPIO，某些情况下，普通管脚可以被配置为GPIO。大多数芯片至少拥有几组类似的GPIO。GPIO驱动可写成通用的，便于单板编写代码可以将这些管脚配置数据传递给驱动。在高阶自动驾驶AI芯片中具备电源管理、音视频解码等功能，也会经常具有一些这样的管脚来弥补SOC芯片上面管脚的不足。这里就需要设计一些GPIO扩展芯片，连接用于I2C或SPI串行总线。

　　这里需要说明的是：如果用GPIO口模拟SPI总线，必须要有一个输出口(SDO)，一个输入口(SDI)，另一个口则视具体的设备类型而定，如果要实现主从设备，则需输入输出口，若只实现主设备，则需输出口即可，若只实现从设备，则只需输入口即可。

　　SPI是一种高速、全双工、同步、串行通信串行外设接口总线，3~4线接口，以主从模式工作，收发独立，可以实现多个SPI设备互相连接。

　　SPI总线由三条信号线组成，分别是SCLK（串行时钟）、SDI（串行数据输入）、SDO（串行数据输出）。当有多个从设备时，还可以增加一条从设备选择线，用CS控制芯片是否被选中，这样就可以实现在同一总线上多个SPI设备互相连接，比如一块芯片上可以挂接多个Flash设备。这里我们通常用SPI作为Nor Flash的通信连接方式，解决了不同容量的Nor flash在数据线和地址线的数量不同时，其在硬件上兼容性问题，并且不同容量的SPI Nor flash管脚也兼容封装也更小，占用了合适的PCB板位置。SPI Nor Flash每次传输一bit位的数据，接口简单点，速度慢，但性价比高。对于中央域控制器来说，Norflash 主要用于存储用户数据及基础程序，通常情况这对整个存储过程的实时性要求并不高，一般可采用串行数据的方式提前写入Nor Flash即可。

　　提供SPI串行时钟的SPI设备为SPI主机或主设备(Master)，其他设备为SPI从机或从设备(Slave)。

　　UART是一种通用异步收发器总线，为两线、全双工、异步串口，特点是速度慢。比SPI、I2C这两种同步串口的结构要复杂很多，一般由波特率产生器（产生的波特率等于传输波特率的16倍）、UART接收器、UART发送器组成，硬件上有两根线，一根用于发送，一根用于接收。

　　作为接口的一部分，UART可以提供以下功能：

　　 UART是用于控制中央计算单元与串行设备的芯片，它提供了RS-232C数据终端设备接口，这样域控制器芯片就可以和调制解调器或其它使用RS-232C接口的串行设备通信了；

　　 并/串转化：将由SOC传递的并行数据转换为输出的串行数据流；

　　 串行转化字节：将CPU单元外部来的串行数据转换为字节，供MCU内部并行数据器件使用；

　　 奇偶校验：在输出的串行数据流中加入奇偶校验位及启停标志位，并对从外部接收的数据流进行奇偶校验；

　　 输入输出缓冲区，处理域控制器与外部串行设备（如摄像头）数据管理及同步管理问题；

　　PCIe总线使用端到端的连接方式，在一条PCIe链路的两端只能各连接一个芯片设备，且这两个芯片是互为是数据发送端和数据接收端的。PCIe总线除了总线链路外，还采用了与网络协议栈较为类似的模型层次，发送和接收的数据都会经过该层次。在高性能计算平台设计中，往往利用PCIe在不同的SOC之间传递图像、点云等信息。在域控制器内部的芯片处理逻辑中，均采用了并行数据处理方式。而其中最重要的性能参数有两个：即带宽和传输实时性。

PCIe总线层次组成结构

　　我们一般关注于有效带宽，而在PCIe总线中，影响有效带宽的因素有很多，其有效带宽较难计算。通常只能计算PCIe链路的峰值带宽来做大致评估。

　　如下表表示了PCIe中总线数据位宽与峰值带宽的关系，了解PCIe峰值带宽可便于我们在设计与域控制器过程中设计较好的硬件选型，从整体数据、图像、点云等信息传输需求上选定合适大小的PCIe。PCIe最高版本 V3.0规范使用4GHz的总线频率，将进一步提高PCIe链路的峰值带宽。

　　PCIe链路使用串行方式进行数据传送，然而在芯片内部，数据总线仍然是并行的，因此PCIe链路接口需要进行串并转换，这种串并转换将产生较大的延时。这也是PCIe应用过程中的最大缺陷。 除此之外PCIe总线的数据报文需要经过事务层、数据链路层和物理层，这些数据报文在穿越这些层次时，也将带来延时。

　　在PCIe总线中，Switch是一个类似交换机的存在，该设备由1个上游端口和多个下游端口组成。

　　5、I2C

　　I2C表示一种集成电路总线，它是一种串行通信总线，使用多主从架构，方便了中央域控制器系统与外围传感器之间的有效通信。由于其简单性，它被广泛用于微控制器MCU/SOC与传感器阵列、EPROM之间的通信。

平台中的通信接口

　　1、MIPI - CSI/DSI

　　MIPI为移动行业处理器接口，通常用于适配下一代自动驾驶系统 DSI, CSI (Display Serial Interface, Camera Serial Interface），其中DSI 定义了一个位于处理器和显示模组之间的高速串行接口，DSI是一种Lane可扩展的接口，1个时钟Lane/1-4个数据Lane。DSI和CSI的物理层定义都由D-PHY提供。在下一代高阶智能驾驶系统中，DSI通常用于连接和输入超声波雷达数据，而CSI 定义了一个用于处理器和摄像模组之间的高速串行接口。

　　2、Serializer/Deserializer

　　在高阶智能驾驶系统架构中，其外围传感器部件往往趋向于高带宽，大数据，这可能加剧对系统架构的布线难度，提升功耗，增加封装成本等。通常中央域控制器处理的是串行数据，因此，需要首先会传感器视频的输出信号进行并/串行(加串)转换，而对其显示单元的输入信号进行串并行(解串)转换。

　　如上图，FPD-Link 是用于点对点传输视频的接口。该接口利用SerDes技术可通过双绞线或同轴线缆传输高清数字视频以及双向控制通道。这样可以在域控制器单元与摄像头或显示单元与摄像头之间进行优化。同时通过不同的采样时钟确保视频流和数据流在相同物理通道中的同步传送。

　　在如上视频图像的处理过程中我们可称之为图像序列化，这一过程可以方便网络传输，协议解释及数据存储。同时，在系统架构设计中采用串行器/解串器（SERDES）技术的高速串行接口来取代传统的并行总线架构，可以减少布线冲突、降低开关噪声、更低的功耗和封装成本等。

　　高阶自动驾驶域控制器的工作处理能力不仅体现在对于提供大算力、高性能图像处理芯片，更多也是依赖于内部片间通信网络、存储单元与外设总线传输、接口等设计。通信网络设计讲究网络设计带宽、速率、稳定性及避免通信冲突等问题。存储单元则是要求存储容量、稳定性等方面的需求。外围接口则更多的关注接口适配性，与通信网络总线的连接程度等问题。以上每一项对于真正涉及域控制器实体PCB版设计都是必须完全考虑的内容，本文从整体分析中给设计师在各传输、存储等方面的硬件选型上提供了一定的参考。此外，如果更加细化，就会涉及实际的电阻、电容甚至布线规则等，本文就不再做细化。

　　在域控制器中，PCIe链路使用端到端的数据传送方式。在一条PCIe链路的两端SOC/MCU芯片端口是完全对等的，分别为发送和接收端，而且一个PCIe链路的一端只能连接一个发送设备或者接收设备。因此PCIe链路必须使用Switch扩展PCIe链路后，才能连接多个设备。

文 / 作者：Paul

中国汽车座椅法规及试验介绍

内容摘要：

　　本文首先介绍世界范围内主要汽车法规及机动车辆分类，使得大家对汽车法规和车辆分类有一个整体的了解，接着对中国汽车座椅涉及的法规及试验进行了详细介绍。

　　当前世界范围内主要车辆法规如下图所示。对于汽车座椅设计工程师：需要与客户沟通清楚车辆销售的地区或需要满足哪些国家/区域的法规。

　　我国汽车座椅法规（GB Regulations）制定的比较晚，刚制定时参照了欧洲、美国、日本等国家的法规，但现在已向ECE法规靠拢。下图展示了ECE法规有关座椅各个部分的相关法规。

　　下表展示了GB与ECE法规的对应关系。

　　M2: 1驾驶员+多于8乘客且总质量小于5000kg。

　　M3: 1驾驶员+多于8乘客且总质量大于5000kg。

　　N类：至少有四个车轮并且用于载货的机动车辆。

　　N1: 总质量<=3500kg。

　　N2: 3500kg<总质量<=12000kg。

　　N3: 12000kg<总质量。

　　1、GB 15083-2019 汽车座椅、座椅固定装置及头枕强度要求和试验方法

　　按照ECE R17修订，2019年10月14日发布， 2020年7月1日实施。主要实验内容包括：座椅固定点强度、靠背强度、头枕要求、行李箱保持要求、内凸要求。

　　1.1 座椅固定点强度（前后方向惯性负荷）

　　将试验座椅按设计位置安装在车辆车体上，对整个车体施加一个不小于20g的纵向水平减速度或加速度,持续时间为30ms,用以模拟车辆正面、后面碰撞。根据制造厂的要求,可以选用附录B描述的试验波形。

　　试验要求：

　　1、试验过程中或试验后,座椅骨架、座椅固定装置、调节装置、移位装置及其锁止装置均不应失效。2、允许产生在碰撞过程中不会增加伤害程度的永久变形(包括裂纹)。3、试验过程中,锁止装置不得松脱。4、试验后,允许或有助于乘员通过的移位装置应处于工作状态,且至少能保证解锁一次,并可按需要移动座椅或座椅的一部分。

　　1.2 靠背强度

　　通过一个模拟GB 11551-2014中附录A所述的人体假背模型，对座椅靠背骨架上部沿纵向向后施加相对于座椅R点530Nm力矩的负荷。对于长条座椅，如支撑骨架部分或全部（包括头枕部分）为一个以上座位共用，则应对这些座位同时进行试验。试验过程中或试验后，座椅骨架、座椅固定装置、调节装置、移位装置及其锁止装置均不应失效。允许产生在碰撞过程中不会增加伤害程度永久变形（包括裂纹）且能承受规定载荷。

　　1.3 头枕要求

　　1.3.1 头枕高度的要求

　　前排：最高使用位置不得低于800mm。

　　后排：最高使用位置不得低于750mm。

　　头枕最低使用位置：前后排不得小于750mm，后排中间头枕：700mm。

　　1.3.2 头枕枕用高度的要求

　　头枕枕用高度＞100mm。

　　1.3.3 头枕间隙要求：

　　在头枕最低使用位置时：

　　对于不可调节头枕：间隙＜60mm；对于可调节头枕：间隙＜25mm。

　　1.3.4 头枕宽度要求

　　座椅垂直中心平面（R点平面）距剖面上头枕侧边距离≥85mm。

　　1.3.5 头枕静强度要求

　　1.3.6 头枕动态强度要求

　　1.4 行李箱保持要求

　　行李箱保持（即行李箱冲击试验）：在滑台或车身上进行的模拟碰撞试验，试验设置如下：

　　1.重块尺寸为：300*300*300；

　　2.重块重量为：18KG；

　　4.重块前端距座椅后端距离200mm；

　　3.两重块间距50mm（沿中心对称）；

　　6.车辆加速度：20-28g；

　　5.车辆速度：48-50公里/小时。

　　行李箱保持（即行李箱冲击试验）要求：

　　对于邵尔硬度＞50的部件：

　　1、头枕不能超过R点向前150mm的平面。

　　2、靠背不能超过R点向前100mm的平面（不含扶手）。

　　1.5 内部凸出物的要求

　　对于绍尔硬度大于50的部件：（不包“柔性金属网”）

　　区域1：曲率半径≥2.5mm；

　　区域2：曲率半径≥5mm；

　　区域3：曲率半径≥3.2mm。

　　以上不适用于最后排座椅和背对背安装的座椅。

　　2、GB 14167-2013 汽车安全带安装固定点、ISOFIX固定点系统及上拉带固定点

　　按照ECE R14第三版修订，2013年5月7日发布；2014年1月1日实施。主要内容包括：1、安全带有效固定点；2、安全带有效固定点的位置；3、安全带固定点的数量；3、安全带固定点的强度；4、ISOFIX的数量、尺寸、强度要求。

　　2.1 安全带有效固定点

　　2.1.1 安全带固定点

　　在车身、座椅或车辆其他部分的构件上用于安装、固定安全带总成的零部件。

　　2.1.2安全带有效固定点

　　用于确定安全带各部分相对于使用者的角度的点，将织带系于该点可获得与预期设计相同的安全带佩带状态。其可以是也可以不是安全带实际固定点，主要取决于与固定点相连接的安全带金属接头的形状。

　　a. 如果在车身结构或座椅结构上设有织带的导向件，则应将织带朝向使用者一侧的导向件中点作为安全带有效固定点；

　　b. 如果安全带经使用者直接通向卷收器而不带导向件，则应以卷轴与通过织带中心线卷收平面的交点作为安全带有效固定点。

　　2.1.3 锁扣端安全带有效固定点的选择

　　条件1:

　　若显示的肩带受约束不能围绕X点转动,并且锁舌不能绕带扣(Z点)内的锁止机构转动,以及如果带扣和连接件(柄)刚性相连,即不能绕P点转动)并且肩带的刚性足以阻止磨损的连接件弯曲,以及在通过X点的侧向平面内旋转,则有效固定点是Y点。

　　Y点是锁舌织带槽的中心,以及在这个固定点的织带几何尺寸上的第一固定点(即织带穿过锁舌刚性构件的几何中心点)。

　　条件2:

　　如果织带是在条件1中所描述的,但锁舌能够绕带扣锁止机构旋转，即使在有限的范围，有效的固定点将为Z点。

　　Z点是在带扣锁销的中心。

　　(其它观点:对于条件2，我们认为一般不会存在锁舌和锁扣之间相对旋转这种设计方式， 一般的我们把二者之间的这种小幅度的旋转看为是公差,在这种情况下,应该按照条件1处理，即以织带穿过锁舌构件接触的中心点为有效固定点)。

　　2.2 安全带有效固定点的位置

　　安全带固定点既可以设在车辆结构上或座椅结构上，亦可以设在车辆的其他部件上，或者分设于以上各部件上。

　　2.2.1 下固定点角度要求

　　即下图中角度α1、α2。

　　α1、α2应满足下表角度要求。

　　条件3:

　　如果织带是在条件1中所描述的，但带扣是能够相对于所述柄(连接件)旋转(以及无论是否符合条件2)，有效固定点是P点。

　　P点位于在相对于柄（连接件）旋转的带扣的旋转中心。

　　条件4:

　　如果织带是在条件1中所描述的,但柄(连接件)可以自由地绕点X旋转(无论条件2和/或条件3是否满足),有效固定点将是X点。

　　2.2.2 下有效固定点的距离

　　分别通过同一安全带的两个下固定点L1、L2，且平行于车辆纵向中心平面的两个垂直平面间的距离不得小于350 mm。对M1和N1类车辆的后排中间乘坐位置，若中间座椅与其它座椅不可交换，则上述距离不可小于240 mm。座椅的纵向中心平面应在L1和L2点之间，且距离至少为120 mm。

　　2.2.3 上有效固定点的范围

　　1、安全带上有效固定点应在与躯干线成65°角的FN平面下方：对于后排座椅，此夹角可减小至60°；FN平面与躯干线相交于D点：

　　DR=315mm+1.8S，但当S（上有效固定点与R点Y方向距离）≤200mm时，DR=675mm。

　　2、安全带上有效固定点应在与躯干线成120°且相交于B点的FK平面后方：BR=260mm+S，但当S≥280mm时，可选用BR=260mm+0.8S。

　　3、安全带上有效固定点应位于通过R点并垂直于车辆纵向中心平面的铅锤平面之后。

　　4、安全带上有效固定点应通过C点的水平面上方：C点位于R点铅锤上方450mm处，如果S不小于280mm，且制造商

选用的换算公式BR=260mm+0.8S，则C和R之间的铅锤距离应为500mm。

　　5、S:安全带上有效固定点至平行于车辆纵向中心平面的R点平面的距离S≥140mm。

　　2.3 安全带固定点的数量要求

　　2.4 安全带固定点的强度要求

　　安全带固定点应满足下表的强度要求。

　　2.5 ISOFIX的数量、尺寸、强度要求：

　　2.5.1 ISOFIX定义

　　ISOFIX（International Standards Organization FIX）是用来固定儿童座椅的一个标准

系统。现在已经被广泛应用，ISOFIX系统的优点：一是给儿童座椅提供了个一个规范而简单的安装方式，同一个儿童座椅可以安装于不同的车上，安装方式简单则给使用者提供了便利，相比用车上安全带固定更便于安装和拆卸；二是在儿童座椅与车身地板间建立了一个刚性的连接，减小了儿童座椅安装后松脱的风险，提高了儿童座椅的动态性能。

　　ISOFIX系统的组成主要由两个下部固定点（Lower Anchorage Point） 与一个上部固定点（Top Tether Anchorage Point）组成。如下图所示：

　　对于儿童下部的固定方式除了上图所示的刚性支架连接外，另外一种是柔性织带连接，如下图所示：这两种连接方式对于ISOFIX系统来说要求是一样的。

　　2.5.2 ISOFIX的数量要求

　　M1类车辆中必须至少有2个位置配备有ISOFIX系统（包括两个下固定点和一个上固定点），至少有1个ISOFIX系统位于第二排。当ISOFIX系统位于副驾驶位置时，安全气囊必须能够被关闭。

　　2.5.3 ISOFIX 的尺寸要求

　　ISOFIX固定点系统的设计和布置应符合以下要求：

　　1、应有两个直径为6mm±0.1mm的横向水平刚性杆件，两杆件最小有效长度为25mm，且两杆件同轴。

　　2、 安装在车辆乘坐位置上的所有ISOFIX固定点系统，应位于距H点之后不小于120mm处（水平测量至杆件中心）。

　　GB14166-2013附录B图B.5或图B.6定义的固定模块ISO/F2（B）或ISO/F2X（B1）的底面倾斜角度满足如下要求：

　　2.5.4 ISOFIX的强度要求

　　前向：下固定点；下固定点+上固定点。斜向：下固定点。

　　3、GB 8410-2006 汽车内饰材料的燃烧特性

　　本标准对应于美国联邦机动车辆安全标准FMVSS 571.302《汽车内饰材料的燃烧特性》，类似于ECE - R.E.3。2006年1月18日发布，2006年7月1日实施。

　　主要技术要求：内饰材料的燃烧燃烧速度≤100mm/min

　　座椅中涉及需要满足燃烧特性的主要材料及部件包括：表皮材料（织物& PVC & PU&真皮等）、塑料材料（护板、手柄等）、发泡（发泡、复合海绵）等。

　　试验原理：

　　将样品水平地夹持在U形支架上，在燃烧箱中用规定高度火焰点燃样品的自由端15秒后，确

　　定样品上火焰是否熄灭，或者何时熄灭，以及样品燃烧的距离和燃烧该距离所用的时间。测得的燃烧距离与燃烧此距离所用时间的比值即为燃烧速度，单位为毫米每分钟(mm/min)。

　　4、GB/T 30512-2014 汽车禁用物质要求

　　2014年2月19日发布，2014年6月1日实施。标准规定了汽车整车及其零部件产品中禁止使用的物质。适用于在中国境内使用的汽车及其零部件产品。

　　4.1 禁用物质范围

　　本标准中要求禁止使用的物质特质以下六种物质：

　　a)铅或其化合物；

　　b)汞或其化合物；

　　c)镉或其化合物；

　　d)六价铬；

　　e)多溴联苯（PBBs）；

　　f)多溴二苯醚（PBDEs）。

　　4.2 禁用物质的含量限值

　　除标准附录A中规定的在一定期限内豁免的汽车零部件和材料外，汽车及其零部件产品中每一均质材料中的铅、汞、六价铬、多溴联苯（PBBs）、多溴二苯醚（PBDEs）的质量百分数不得超过0.1%，镉的质量百分数不得超过0.01%。

　　更多详细内容，请查阅标准。

文 / 作者：小薄荷茶馆

《后来者说：那是一场混战，持续经年》

　　2012年，我本科毕业，进入泛亚。

　　同批50多个校友。

　　那时候浦东金桥房价2w，我们工资年10w出头。

　　大家上班穿着蓝色的工作服，吃食堂，参加各种党支部活动。

　　加班有加班费，上下班有班车，过节有工会福利。

　　春天暴走，秋天郊游，有年会，有团建。

　　那时候工资有年度普调，同岗位工资基本平齐。

　　那时候的高级经理看起来是永远也摸不到的岗位。

　　那时候加班打车需要打出租车调度电话，司机找不到路，电话里面东南西北鸡同鸭讲。

　　那时候每个人座位上都配备了座机电话，通讯录里留的是分机号码。

　　那时候大家用OA沟通，界面简单，windows97风。

　　那时候大家新员工培训要进工厂，考内部驾照要去试车场。

　　那时候，泛亚就是领军者。

　　那时候，谁人提到泛亚，都是牛逼特拉斯；提到GVDP，就是造车流程开山祖；提到泛亚的工程师，纷纷竖起大拇指。

　　那时候，泛亚只有一个车联网应用是安吉星，只有一个智能网联是TDS+RMU，只有一款电动车叫Springo。

　　那时候，厂区的围墙看起来很高很高。

　　那时候的时光，缓慢，平和，静静流淌，我以为这就是永远。

　　2013年，新能源补贴，如一声炸雷，惊醒了无数的春笋。

　　2015年，电动车元年。

　　新能源汽车来了。

　　一同而来的，是“新四化”。如同先知一般，指明了汽车产业的技术发展和价值流向。

　　“汽车“新四化”是电动化，网联化，智能化，共享化。电动化指的是新能源动力系统领域；智能化指的是无人驾驶或者驾驶辅助子系统；网联化便指的是车联网布局；共享化，指的是汽车共享与移动出行。2015年，智能化、电动化、电商化和共享化的汽车新四化概念率先由中国汽车蓝皮书论坛组委会主席贾可博士提出。借着这股东风，中国车企率先由电动化上路，试图通过弯道超车改变中国汽车行业的发展。作为第一家响应的企业，上汽集团在2017年正式提出开启“新四化”进程，这次新四化的造车概念已经变为：电动化、网联化、智能化、共享化。”

　　彼时的汽车行业的发展似乎走到了一个死胡同。

　　技术的革新，落脚在内饰的豪华、造型的细节微调、操控悬挂和发动机平顺性的极致感受，轻量化省油的极致精益，和车型“新瓶装旧酒”式的推陈出新。激进前瞻的技术基本被圈在厂门里，作为创新评优的预研课题，保守节制。缺乏技术竞争，缺少革新的内驱力。

　　而“新四化”如同一把圣火，照亮了汽车产业的升级方向：广阔空间，大有作为。

　　造车门槛很高，但非高不可攀；造车壁垒很厚，也非坚不可破。

　　在传统车厂还没想清楚未来汽车的模样时，新势力们来了。

　　新势力们装着它们的资源和雄心，像一条条肥硕的鲶鱼，搅乱了造车的这一池平静的水。

　　当人们说到造车新势力的时候，想到的究竟是什么？

　　是充电桩换电站？是hi nomi帮我播放小猪佩奇？是高薪高职和全员期权？是可以薅羊毛的APP？是在高端商场铺设店铺？是办公室里的免费咖啡和舒适的环境？是裁员欠薪，破产？是个位数的上险量？是听都没听过的品牌？是充电宝给电车充电？是牛逼的自动驾驶？是蔚来理想和小鹏？

　　新势力的标签在不断地在变化，在市场和资本的选择过程中，新势力们也此消彼长。

　　这张被各公众号叠加了无数次水印的图，记录着短暂的历史。

　　从新势力创始人的来源区分，可分为传统造车新势力，互联网造车新势力。

　　而互联网下场造车这件事，充满了傲慢与偏见。

　　听闻一位传统造车新势力大佬的感慨，2017年他和李斌出席会议坐在同一桌，怎么也没想到，短短四年间，这个从来没有过传统车企从业背景的男人，打造的国产品牌成为了中国市值最高的造车企业。

　　大佬发自肺腑地纳闷：“这怎么可能呢？”

　　再看最近在车圈热闹了一把的“团车下场造车”事件。团车创始人激动地表示，团车有一只神秘的团队，这个团队“可以承担产品规划、造型设计、工程开发、测试、底盘、三电、智能驾驶、智能座舱、系统化整合方案、生产支持、供应商管理几乎所有的造车流程”。更振奋人心的是，这个团队“可以做2000万元以上的车，也可以做5万元以下的车”，而且“造车周期18-24月，就算第一款车失败了也没关系，3个月能再做一款。”最令人拍案称奇的是，这只团队只有100人。

　　在团车创始人眼里，造车这件事，“没有什么不可能”。

　　互联网的激进敏捷与传统车厂的严谨保守，像是冰与火的对立。但做的好的大法师，能够博采众家之长，将互联网在网联生态、产品定义、数采分析领域上的优势与传统车厂供应链、工程、制造的超级大摊子融合在一起。

　　不同行业领域的融合带来了人员的快速流动。

　蓥石成立的那年，用高薪高职挖走了大批的泛亚工程师，有一些业务甚至一窝端。在吸引人才方面，外部的人力资源显然有更多凶猛的招式。尽管后来泛亚总经理层面发言动之以情，晓之以“外部动荡不稳”之理，甚至诱之以“重点人才计划”等利。但仍架不住优秀人才的汹涌外流。

　　在泛亚，组织架构稳定，一个萝卜一个坑，苦熬10年都难摸到基层经理岗位；在外面，海量高职高薪岗位等你来挑。饭桌八卦，工资敏感阈值一次次被朋友和朋友的朋友拔高。似乎只要进了新势力，工资不翻倍就亏了；只要入了自动驾驶的门槛，年薪百万不是梦。

　　但即便如此，在猎头的小本本上，这些车企人都是不值钱的碎钻。真正值钱的，是那些从苹果、微软、谷歌挖来搞算法、搞从0到1建设的大佬们。

　　每个人的认知范围基本上都是固化的，适应和理解的是自己圈层的上下5%。不同行业、背景、经验人员的快速流动，突如其来的大洗牌，再加上流程制度、岗位职责、潜规则等的模糊定义，这些会造成大量的认知冲击。

　　和那些刚从传统车厂调到新势力的朋友吃饭，酒过三巡就开始感慨世道艰辛。那些不是从老东家出来的许多新同事们（其他造车流程体系、不了解造车流程的供应商、不了解汽车的互联网人），都是XX。

　　有些优秀的组织建设团队，精准地识别到这一影响团队和谐共建的要害，于是在公司范围内大肆宣贯“工作在同一个世界”的文化，花重金打造使命、理念、方法论的同一性。这一行为对企业发展的意义类似于统一度量衡。而缺失这种同一性的企业发展之路就如同巴别塔的寓言。

　　创11:1　那时，天下人的口音、言语，都是一样。

　　不论是传统车厂出身创始人的新创新势力，还是互联网下场造车的新势力，它们出色的产品都具有鲜明的“破局”气质：大胆的外观设计、丰富的座舱生态、激进的驾驶辅助；它们的运营更是前所未有的：用户社群、薅羊毛精品APP、在高大上商场里开店，真正地像卖商品一样卖车。

　　而在新势力势如破竹般定义汽车之际，传统车厂也在寻求突破。有的厂家，试图在原有传统的、百年家族基因特质的产品上添加这些潮流的元素。而在一种固有架构的产品上嫁接出新的元素，寄希望它能有崭新的面貌和吸引力，现实可能不尽人意。这种方式造的物，看起来别扭，用起来拧巴。此话不是贸然妄语，我自己的车，误操作体验过一次车机的原生生态，此后更坚定地用Carplay投屏。

　　相比于旧房改造，打造一个全新品牌，正向设计整体架构，显然更顺手，也更容易讲故事树标签。这也成为了一些传统车厂的破局解法。长城的欧拉猫系、上汽智己等，都是要与相同血脉兄弟割席的新势力品牌。这些是传统车厂作壁上观良久后的大招式，杀伤力不可小觑。

　　回首2012入行伊始，看到的平静水面下，其实已经开始酝酿着一场滔天巨浪。

　　它们来了。

　　他们走了。

　　它们死了。

　　它们活了。

　　后来者说：那是一场混战，持续经年。