2022 MathWorks中国汽车年会：“软件定义汽车”成为业内新共识

2022 MathWorks中国汽车年会将于2022年8月2日至11日在线举行。本次活动包括近30场技术演讲和3场专题实践活动，涵盖车载软件、自动驾驶、虚拟汽车、人工智能等多个领域。从软件赋能到软件定义，汽车行业不仅需要解决错误检测滞后成本高等老问题，功能集成所需的跨学科知识，以及功能安全和实施成本之间的权衡，但也面临着新的挑战：软件复杂性的持续增加，使用数据驱动的价值创造，人工智能的引入和实施，以及数字技术和工程能力的结合。这些问题和挑战也为行业提供了审视和重塑软件开发系统的机会，使软件成为未来价值的真正驱动力。在这次年会上，MathWorks中国首席技术专家龚小平就软件定义汽车发表了演讲。

在20世纪70年代和80年代，电子控制系统逐渐开始应用于车辆。现阶段，软件极大地提高了硬件的能力，这可以被视为行业的首次数字化转型。在这一转型过程中，我们面临着许多挑战。例如，在设计方面，利益相关者无法有效地进行审查。在实现方面，错误发现较晚会导致高昂的修复成本。在人员方面，汽车工程师不熟悉软件开发。基于模型的设计方法就是在这种背景下出现的。它通过建模和仿真实现了可执行和易于理解的设计。通过系统测试，提前发现问题，并通过自动代码生成技术，使汽车工程师摆脱编码。

随着社会对清洁和交通安全的期望进一步提高，以及互联网和移动数字体验的渗透，公众希望在出行方式上保持这种体验的连续性。在此背景下，行业迎来了以电动化、智能化、网络化为标志的第二次数字化转型。软件在技术创新中发挥了前所未有的作用，导致了软件定义汽车的概念。软件可以作为应用商店形式的独立产品，为用户提供按需功能，并通过软件服务订阅收费。这种商业模式满足了用户对个性化和新体验的期望。

这种转变对组织结构和发展体系产生了颠覆性影响，要求企业组织提高虚拟化的发展比例，重建供应链体系，并增加对员工的知识和技能培训。对于软件开发系统来说，算力集中后如何优化系统和软件架构，如何建立AI算法开发和集成的能力？如何结合质量和工程能力来构建虚拟化的开发过程？MathWorks认为，系统工程、软件工厂、数据驱动和虚拟车辆是解决这些问题的重要能力。

系统工程能力可以帮助软件创新达到系统级优化。软件工厂的能力可以帮助持续快速地交付高质量的软件产品。数据驱动能力将人工智能算法集成到软件中。虚拟车辆的能力是将上述三者集成在一起，有助于将虚拟原型、虚拟集成和虚拟验证的概念引入到过程中。

具体来说，系统工程是一个用于解决复杂多学科系统设计的过程。复杂系统的开发往往面临多重约束，如相关方对功能和性能的期望、成本预算和进度等项目要求以及工程中的可实现性。在软件定义的汽车时代，车辆系统不仅涉及机械和电子控制等领域，还引入了新的学科……

如计算机视觉信号处理、传感器融合和路径规划。这些功能的出现为车辆的结构和形式开辟了更多的可能性。如何找到一个既满足约束又在开发早期相对优化的解决方案，并为软件分配合理的功能需求，取决于系统工程在系统需求、分析、设计、实施和验证的整个生命周期中集成不同形式模型的能力，这被称为基于模型的系统工程。

如前所述，在第一次数字化转型过程中，基于模型的设计方法发挥了重要作用。那么，基于模型的设计和基于模型的系统工程之间有什么联系呢？基于模型的设计侧重于软件，而基于模型的系统工程的重点之一是进入软件开发之前的阶段。它以市场需求、客户需求、法律法规要求为输入，通过场景分析推导出系统应该具备的功能，进行架构设计和功能分配，获得软件设计要求和硬件接口规范，然后进入基于模型的设计阶段。另一个重点是系统集成和验证，使用模型作为载体。系统过程扩展了基于模型的设计范围，在整个系统生命周期中构建了一个数字线程，从系统需求、系统架构到软件设计、软件实现、系统集成，甚至系统操作。

软件工厂的首要目标是持续提供高质量的软件产品。除了软件本身，它还应该包括文档、报告和工件等输出。诸如回归测试、测量统计和报告生成等高频任务也应实现自动化。与此同时，在尚未实现自动化的流程探索阶段，应努力找出并填补标准规范中的空白。因此，关键问题是：软件工厂何时会引入高频任务并实现自动化？

应用基于模型的设计的典型过程是首先导入设计需求，创建软件体系结构，并用图形建模取代传统的文档设计规范。此规范更易于理解，也可以进行模拟。随着越来越多的设计细节被添加到可执行规范中，我们可以获得用于产品和代码生成的模型。

在模拟测试之后，这样的模型可以生成代码并编译它以下载到目标硬件执行。仿真在这个过程中至关重要，我们用它来填补需求验证中的空白，但光靠它是不够的。对于安全关键应用程序的高质量软件需求，我们需要采取更严格的方法来补充它们，并进行一些其他验证活动。这些活动包括建立需求与软件体系结构、软件模块之间的可追溯关系，对作为可执行规范的模型进行评审和静态分析，对生成的代码进行背靠背测试，最后在单元级验证后进行软件集成测试。

数据驱动的首要任务是集成人工智能算法，并进一步增强现有系统的能力。两者之间存在一些挑战：如何将人工智能与现有技术相结合？如何解决原始数据的复杂性和质量问题？如何解决现有人员在人工智能算法开发方面缺乏相关技能的问题？对于特定组织来说，数据驱动成功的标志是向市场提供基于人工智能的产品和服务的能力。因此，数据驱动企业需要面对的问题是，如何将真实的系统与人工智能连接起来？数据科学家和工程师如何有效合作？

0

MathWorks建议工程师和数据科学家将人工智能集成到整个系统设计工作流程中，可以分为四个主要阶段：数据准备、算法建模、模拟测试和算法部署。在数据准备过程中，清洁和预处理至关重要。如果我们没有足够的数据，我们可以……

e模拟生成。在这个阶段，具有专业领域知识的工程师是处理这些数据的最佳人选。在模型的设计和调试阶段，自动化的训练步骤可以提供可视化的方法来理解和编辑深度学习网络。特定的平台也可以用来加速训练，并保持与主流人工智能网络的连接。算法开发完成后，需要将其集成到一个更大的系统中进行模拟测试，使基于人工智能的感知算法与定位路径规划和控制算法协同工作。在最终的算法部署阶段，人工智能算法应采用自动代码生成技术，消除人工编码错误，并采用灵活的配置方法，实现从嵌入式到企业系统或云的不同平台的灵活部署。这种端到端的工作流程是实现数据驱动实施的基础。

1

虚拟车辆允许功能设计师在几分钟内以适当的细节级别集成系统、软件和数据，以创建可用于模拟功能的虚拟车辆，从而实现原型设计、虚拟校准和虚拟验证。虚拟汽车实现的一个核心是仿真集成平台，该平台应具有丰富的开箱即用功能，同时保持一个用于定制和扩展的开放接口，然后利用集成仿真实现最大程度的过程预见。会议期间，关于嵌入式软件在汽车领域的发展趋势，MathWorks中国区汽车技术经理董树成对TechWeb表示：我们看到汽车行业最大的趋势是软件架构的变化。以前，该软件是面向信号的软件体系结构。一辆车里有很多控制器。现在这种情况可能会改变。从软件体系结构的角度来看，有必要将面向信号的体系结构转变为面向服务的体系结构。也就是说，我们经常提到SOA架构，这是我们汽车嵌入式软件开发的最大趋势。我看到的是这个。关于SOA在汽车行业的优势，董树成经理表示，SOA的优势可以说是信号的软件架构已经无法应对当前软件的复杂性。SOA已经应用了软件模块，我们可以大致理解未来的软件模块与以前不同。在过去，我们会将许多模块放在一起，并将它们编译成一个文件下载到控制器。未来，我们将应用一些软件模块，并将其转化为应用程序，就像我们的手机应用程序一样。对于开发每一个应用程序，其复杂性和开发难度都将大大降低。在应用程序之间实现服务接口允许模块之间的松散耦合。

标签：发现世纪

汽车资讯热门资讯