第三节 自动驾驶技术架构

自动驾驶核心技术涉及激光雷达、毫米波雷达、摄像头等新型传感器，车载智能计算平台、通信、高精度地图、线控系统等诸多方面，是一个技术密集型产品。自动驾驶技术架构如图1-4所示。

图1-4 自动驾驶技术架构

（1）应用。应用软件主要是实现自动驾驶功能，包括环境感知、决策控制、控制执行、云端协同和人机交互。

（2）自动驾驶操作系统。自动驾驶操作系统面向自动驾驶功能，是管理和控制汽车硬件与软件资源的程序系统。自动驾驶操作系统基于异构分布硬件架构，包含系统软件和功能软件的整体基础框架软件。自动驾驶操作系统使用并包含了车控操作系统，基于异构分布的硬件/芯片组合，是车控操作系统的异构分布扩展。系统软件创建复杂的嵌入式系统运行环境。功能软件根据自动驾驶核心共性需求，明确定义自动驾驶各共性子模块。

（3）车载智能计算硬件平台。车载智能计算平台是智能网联汽车电子电气架构的核心，多核异构计算架构为自动驾驶提供算力支撑。随着自动驾驶级别的提升，自动驾驶芯片所要处理的传感器数据也开始呈几何倍数增加，这对于处理器的计算能力、数据处理数量以及速度的要求亦愈加严格。异构计算能经济有效地获取高性能计算能力、可扩展性好、计算资源利用率高、发展潜力巨大。异构计算是指多种计算单元（CPU、GPU、DSP、FPGA、ASIC等）的搭配、集成和融合。通常情况下，异构计算架构的芯片中既有CPU等传统的通用计算单元，也有高性能的专用计算单元。车载智能计算硬件平台架构采用异构芯片集成设计。硬件主要包括AI单元、计算单元和控制单元。该架构具有芯片选型灵活、可配置拓展、算力可堆砌等优点。

（4）云平台。云平台为智能汽车及其用户、管理及服务机构等提供车辆运行、基础设施、交通环境、交通管理等动态基础数据，具有数据存储、数据运维、大数据分析、云计算、信息安全等基础服务机制，提供数据处理能力，支持智能网联汽车实际应用需求。

（5）路侧设备。路侧设备是自动驾驶系统的关键组成，能提供自动驾驶所需的路侧感知预测等信息，提供更广泛的环境感知及决策，并且网联式自动驾驶离不开车路协同技术的发展。

（6）传感器。自动驾驶汽车的新型传感器主要包括摄像头、激光雷达、毫米波雷达、高精度导航定位系统等。车载摄像头应用广泛且价格相对低廉，车载应用最早，技术也最成熟。车载摄像头包括单目摄像头、双目摄像头、广角摄像头等。低等级自动驾驶（L1、L2）多应用单目摄像头，高等级自动驾驶（L3及以上）则往往需要多个摄像头；毫米波雷达技术相对成熟，成本较低，可穿透雨雪、尘雾，具有不受恶劣天气影响的优势，但分辨率较低，较难成像；激光雷达主要优点是能对周边物体进行建模，形成高清3D图像，但精度受恶劣天气影响。激光雷达从机械旋转式演进到混合固态再到固态激光雷达，向小型化、低功耗、集成化方向发展；实现实时动态高精度定位需多技术融合。传统的GPS定位精度不能满足自动驾驶的需求，增强系统是提升GPS定位精度的必要途径，IMU（惯性测量单元）拥有更高的更新频率，而且不受信号影响，可以很好地与GPS形成互补。

（7）动力、底盘。自动驾驶控制执行系统中包括驱动控制、转向控制、制动控制等。控制执行是指系统在做出决策后，按照决策结果对车辆进行控制。车辆的各个操控系统都需要能够通过总线与决策系统相连接，并能够按照决策系统发出的总线指令精确地控制加速程度、制动程度、转向幅度、灯光控制等驾驶动作，以实现车辆的自主驾驶，这就需要线控底盘来支撑。因此自动驾驶汽车必须对车辆的传统执行机构进行电子化改造，升级为具有外部控制协议接口的线控执行部件系统，主要包括线控节气门、线控转向、线控制动三个部分。

（8）通信。自动驾驶通信技术包括车内通信与V2X。车内通信网络主流总线主要有CAN总线、LIN总线、FlexRay总线和MOST总线等。近年来车载以太网受到汽车行业以及通信领域的广泛关注，目前百兆以太网技术已经成熟，并在应用成本、可扩展性方面表现出明显优势，已有车企采用其作为主干网络。V2X是指借助新一代信息和通信技术，实现车与车、车与路、车与人、车与服务平台的全方位网络连接。现有DSRC（专用短程通信技术）和C-V2X（蜂窝车联网）两种技术路线，与DSRC技术相比，C-V2X基于蜂窝网络通信技术，通信距离较远，技术安全性更高且性能可预期，拥有可持续的演进路径。

（9）工具链。提供配套工具，让开发工作更方便和快捷高效，将成为自动驾驶解决方案核心竞争力之一。参考基于V流程的开发模式，自动驾驶工具链主要包括设计工具、开发工具、集成工具和验证工具。设计工具用以实现需求定义、需求跟踪、需求变更、测试计划、测试用例设计、测试执行跟踪、测试缺陷跟踪、测试报告追溯等，满足产品从开发到测试全过程的需求对应和需求变更影响分析。开发工具包括软件开发和硬件开发工具。软件开发工具包括基于模型的应用软件开发工具、基于模型的嵌入式代码生成工具、AUTOSAR开发配套相关工具、AI开发工具等。系统集成包括软件、硬件、数据库技术、网络通信技术等的集成，以及不同厂家产品选型。测试验证工具包括仿真工具、测试管理工具、图形界面工具等。模拟仿真是提高自动驾驶系统开发迭代效率、丰富测试场景的重要手段。

（10）过程管理。使用一组实践方法、技术和工具来策划、控制和改进过程的效果、效率和适应性，包括过程策划（Plan）、过程实施（Do）、过程监测（Check）和过程改进（Act）四个部分，PDCA循环。策划阶段通过市场调查、即用户访问等，了解用户对产品质量的要求，确定质量政策、质量目标和质量计划等。设计和执行阶段实施策划阶段所规定的内容。根据质量标准进行产品设计、试制、试验及计划执行前的人员培训。监测阶段主要是在计划执行过程之中或执行之后，检查执行情况以判断是否符合预期。过程改进阶段主要根据监测结果，采取相应的措施。

（11）安全防护。功能安全、预期功能安全和信息安全构成了自动驾驶体系的安全要素。信息安全、功能安全主要针对自动驾驶系统的漏洞、故障导致的失效行为，而预期功能安全主要针对因功能预期失误或功能实现不足导致的功能未实现行为，主要原因是设计开发时系统功能定义不能充分覆盖目标市场的使用需求。

（12）标准规范。自动驾驶的国际、国家标准均在制定中，顶层标准体系虽已初步形成，但细分领域的标准仍需完善。考虑产业发展的需要、技术逻辑结构和产品物理结构组成，综合不同的功能要求、产品和技术类型，形成自动驾驶标准体系。针对自动驾驶所涉及的关键技术，构建并完善架构标准、接口标准、技术要求、测试规范等方面的关键标准，可以推动行业共识的形成，加速关键技术攻关和产品定型。