人工智能和数字孪生对自动驾驶汽车认证的影响

在过去，测试数据或多或少是在测试期间同期收集的。现在，由于需要大量的测试数据，方法正在改变。测试数据是独立于实际测试过程本身并且在验证和确认发生之前收集的。今天的测试生态系统和测试工具被用于模拟仿真和物理测试的结合。测试必须包括真实的汽车、人和道路以捕捉现实情况。然而，有可能无法捕捉到足够多的数据量来验证这个过程。值得注意的是，物理测试不仅将更频繁地用于验证系统和功能，而且还将用于验证它们的模型。

与物理世界测试相比，仿真可能是一种更优越、更经济的解决方案，因为它能够通过在数据中心增加计算能力来轻松扩展。然而，关键是要证明仿真测试的结果与物理测试一样可靠，并能产生足够相似的结果。一个典型的例子是虚拟障碍物，它们通常来自于物理世界的场景。这些测试可以比设计真实世界测试更加实用。例如，可以在虚拟环境中添加虚拟儿童、行人和骑自行车的人，并设计他们进行意想不到的动作，比如从障碍物后跳到移动汽车的前面。这些场景测试是必要的，而且在虚拟世界中更加容易和安全。以Cognata为代表的初创公司，与VIRES和IPGAutomotive，AVSIMULATION等其他仿真公司，以及dSPACE、NationalInstruments和Elektrobit等工具供应商一起，正在引领虚拟仿真市场的发展。借助DRIVESim和DRIVEConstellationVehicle，Nvidia提供了一个测试和验证套件，可以在数据中心对数十亿英里进行虚拟验证。8走向虚拟认证的最后一步是极其关键的。诸如国际工程师协会、德国技术监督协会(T?V)、美国国家交通安全管理局(NHTSA)和中国汽车技术研究中心(CATARC)等组织正在努力为安全和可信的虚拟认证定义适当的标准。

在智慧城市中，完全自动的电动车以按使用付费的方式向居民提供智能出行服务。新的自动驾驶汽车功能在云端使用深度学习进行训练，并通过OTA推送新功能到车辆端。有了这个概念，创新的新商业模式将出现。对于自动驾驶私家车，消费者可以自由决定何时激活哪些功能，只需在使用时付费即可。例如，假设一个消费者想买一辆车，主要是为了在城市环境中购物和上下班，以及在城市附近跑腿。在这种情况下，他们不太可能经常需要在高速公路上启用自动驾驶。那么，他们为什么要将自动驾驶功能纳入购车需求呢?相反，他们可以在进行长途旅行时，在有限的时间内订购自动驾驶功能。

随着汽车主机厂开始在按次计费的基础上提供软件升级，要了解智能驾驶如何适应社会需要，就需要重新思考汽车的生命周期模型。例如，在美国墨西哥湾沿岸的飓风警报期间，特斯拉通过OTA技术更新为需要疏散的特斯拉车主安装了延长电池续航时间的软件。迄今为止，对于传统的汽车主机厂来说，汽车开发的基础主要是基于硬件。特斯拉和Lucid等科技公司采用的是更加以软件为中心的方法。许多汽车主机厂目前正在为系统工程和系统开发流程中加入全球OTA软件功能。目前的趋势是在车辆中安装强大且更通用的控制器，并定期增强功能软件。即使在汽车销售一年后，它可能也不需要任何硬件升级，而只需要软件更新，因此可以安装新的、更复杂的软件功能。该模型支持更低成本和更有效的本地软件升级和更细化的功能发布管理。在一个定义明确的持续集成(CI)和持续交付(CD)环境中，新的自动驾驶汽车功能的测试版可能首先在仿真环境中验证，然后仅在受控条件下的部分车队中以被动影子模式激活。该功能并不活跃，但工程研发团队可以收集宝贵的测试数据。一旦测试完成，该功能被批准，汽车就可以通过由OTA激活,应用到车队中。等待下一个车型的发布来获得技术升级已成为过去。这为汽车主机厂开辟了一个新的世界，建立了以软件为中心的敏捷、DevOps和持续集成/持续交付(CI/CD)驱动的发布流程，加快了上市时间，同时不牺牲整体产品质量，保证满足严格的安全标准。

随着人工智能的崛起，测试方法变得更加以数据为导向，而流程、方法和工具需要快速调整。随着人工智能的兴起和SAEL2-plus及以上车型所需的测试量，汽车主机厂进入了数据驱动工程的领域。之前从分离数据集中收集的数据被用于训练、测试和验证高度自动驾驶功能，越来越多的汽车主机厂运用机器学习来实现这些功能。数据必须巧妙地被收集，并在统计上合理分布。例如，用春季和夏季创建的数据来训练AI算法，然后用秋季或冬季的数据来验证它，这没有多大意义。从物理世界中收集的公路数据也被用于构建现实的数字孪生，并通过虚拟场景进一步扩大数据湖。自动驾驶是由数据驱动的智能产业的产物。当今复杂的系统工程项目需要一个可扩展的混合云基础设施，它比单一的本地数据中心环境更好地适应项目每个阶段的项目需求。数据的重要性和敏感性日益增长，因而要求在隐私政策、网络安全、国家安全、出口法规、数据审查和匿名化方面加强数据安全和治理。数据的丰富性和质量以及顺利管理数据的能力是成功的关键。

OTA是一种通过软件定义的手段逐步改善当今车辆功能的智能方式。但对于自动驾驶来说，必须按照ISO26262、ISO/DIS21448(SOTIF)、SAEJ3016和和预期功能安全(SOTIS)的功能安全标准实施严格的安全和信任流程。事实上，这些标准和其他标准对自动驾驶汽车的成功至关重要。一些走在前沿的玩家和科技或出行服务公司，如特斯拉、Uber、Lyft和Waymo正在取得重大进展。另外，传统的汽车主机厂，如沃尔沃、戴姆勒、奥迪、丰田和许多其他公司，以及主要的一级供应商，如博世、大陆、麦格纳和其他公司，正在加紧应对自动驾驶汽车的挑战。

欲了解更多中国智能驾驶行业的未来发展前景，可以点击查看中研普华产业院研究报告《2023-2028年中国智能驾驶行业市场深度全景调研及投资前景分析报告》。