仿真技术推动更安全的自动驾驶汽车持续发展

1年前浏览2665

本文原刊登于Ansys Blog：《How Simulation Drives the Top Automotive Trends: Autonomous Vehicles》

作者：Kim Woodham | Ansys 行业市场经理

Laura Carter | Ansys 高级市场传播撰稿人

如今距离自动驾驶车辆的普及还有很长一段路，而我们中的大部分人也不急于放弃对方向盘的掌控。近期美国汽车协会的一项调研显示，与开发全自动驾驶体验相比，大部分用户更乐于看到对现有驾驶辅助系统的改进。事实上，85%的受访者表示对自动驾驶技术感到担忧或感觉没有把握。

不过，原始设备制造商（OEM）仍在持续推进自动驾驶汽车（AV）技术的发展，并进一步拓展高级驾驶辅助系统（ADAS）的优势，未来将有望通过更加成熟的自动驾驶技术实现此类优势。由于能够避免驾驶者人工操作失误的弊端，自动驾驶可以为所有乘客（以及驾驶途中遇到的行人）带来变革性的安全水平。它们还有助于提高交通技术的普惠性，改善空气质量，并可结合周密的城市规划，减少交通堵塞，造就更加环保的城市环境。

借助仿真有望实现更安全的汽车自动驾驶

当然，自动驾驶技术的优势存在一大假设，即消除驾驶过程中的人为因素就能够从根源上消除大部分交通事故。虽然这种说法在一定程度上没错，但实现安全性取决于无人驾驶技术本身能够发挥预期表现。确保自动驾驶系统的技术安全性需要借助仿真进行大量测试与验证。

Ansys自动驾驶汽车业务拓展兼学科专家Gilles Gallee表示：“采用自动驾驶技术基本上能够减少对驾驶产生不利影响的所有人为因素。因此，为了消除这些风险因素，在完全接纳自动驾驶汽车之前，我们必须能以高置信度验证自动驾驶比人工驾驶更加安全这一结论。在我们推进各级自动驾驶水平的过程中，原始设备制造商面临的主要问题在于如何提高技术的安全性，以及如何向相关监管机构证明自动驾驶实际上比人工驾驶更安全。”

在自动驾驶技术领域，OEM无法仅凭测试就重现安全性能。获得许可所需的方法节点或法规体系、方法与程序皆基于国际标准化组织（ISO）制订的标准。因此，获得ISO认证属于OEM的关键要务，因为有关标准规定了充分证明安全性水平需采用的方法。

这意味着OEM必须采用预期功能安全（SOTIF）场景，并应用特定测试方法来证明其系统安全性。SOTIF（ISO PAS/21448）是专为解决汽车软件开发人员面临的自动与半自动驾驶汽车安全难题而开发。与开展大量难以实现的物理测试相比，仿真是可验证AV系统安全性的唯一低成本且快速的方法。

Gallee指出：“功能安全性的关键在于降低由软件、硬件与传感器失效等系统故障造成的风险，除了功能安全性，SOTIF还致力于开发正确的态势感知，以确保安全。”

Ansys medini analyze安全分析软件为Ansys生态系统提供了功能安全性基准。medini analyze可以提供基于模型的系统方法和方式，以支持在该领域成功开展安全性分析。

为了解决大量验证工作带来的问题，Ansys还提供了与medini analyze并行运行的仿真工具链。该工具链将大规模仿真与统计和场景分析相结合。它包含Ansys AVxcelerate Sensors，可通过虚拟传感器仿真真实场景中的传感器感知与行为能力，另外还包含Ansys optiSLang，其可以提供高效的可靠性分析与基于场景的验证。为展示这些功能的表现，Gallee的团队在去年12月提议奔驰公司采用optiSLang，最终成功地向德国监管机构展示了有关安全性，奠定了梅赛德斯·奔驰2022 S级全球首款L3自动驾驶汽车的地位。

上面高亮显示的黄色栏说明原始设备制造商在全自动驾驶方面取得的进展。目前他们正在开发介于L3与L4之间的解决方案；不过，他们会继续深入探索L2与L3领域。就L3级而言，安全责任开始从驾驶员转移到OEM。

安全性无疑是OEM考虑的最重要主题，尤其是在开发首批L3级自动驾驶汽车方面，它们代表了汽车行业的重大技术变革。L3是一个重要里程碑的原因在于它标志着首个自动化功能的诞生，其中OEM认同在车辆运行方面承担全部责任。另外，在系统完全运行的情况下，OEM需要对其发生的事故承担责任，因此，这标志着汽车制造商责任的重大转变。

Gallee表示：“梅赛德斯·奔驰成功实现L3级自动驾驶事实上是市场的模板。同时，我们还与宝马公司合作实施工具链，目的是在实际安全性分析之前证明自动驾驶汽车的安全性。在不远的将来，相信其它OEM肯定会采用这些经过验证的方法，尤其是相关的仿真方法。”

利用行为预测与目标检测功能感知不明显对象

自动驾驶的两大要素是行为预测与3D目标检测。这两个方面都涉及传感器与感知软件。这些功能目的在于通过感知运动车辆周边行人行为以及车内驾驶员疲劳或疏忽而减少事故。顺利实现这些功能基本都需要采用经人工智能（AI）强化的高级识别技术。

在当前环境中，所谓的L3级自动驾驶，主要是指最高速度约为每小时40英里（每小时60公里）的自动驾驶汽车行为。速度超过每小时40英里必然会提高风险，从而导致精度要求提高，同时需要加大预测技术的投入，如：行人、动物与障碍物探测。

Gallee表示：“尽管L3自动驾驶的应用树立了业界的里程碑，与将来的趋势相比，还是有其局限性。它的局限性一方面来自与感知技术关联的需求。当今传感器精度或可靠性不足以支持高级预测，因此，新一代技术将涉及在更快速度场景下实现更优化的性能。”

为了支持这方面的计划，OEM和汽车供应商正在提高传感技术在整体性能方面的准确性。有关监管部门也期望此类发展能有所建树，以支持驾驶员监控系统的实现，这无疑会给感知技术、基于AI的机器学习以及摄像头开发带来巨大压力。我们需要实现何种水平的准确性和传感器性能还有待观察。

为确保AV的安全性与长期可靠性，OEM需要在早期阶段对感知技术进行评估。这最终将需要更多的传感器与场景仿真，进而助力推进测试与开发目标。Ansys仿真包括热成像摄像头等各类传感器的独特功能，将在其开发目标过程中发挥重要作用。

利用无人驾驶实现无人配送

展望未来，成熟的全自动驾驶技术趋势的第一步是网约车服务，包括“自动驾驶出租车”服务，又称为最后一英里配送。一般情况下这种应用涉及通过自动驾驶车队从附近店面交付物资与服务 - 通过网约车企业在市区应用环境提供全面实现L4或L5自动驾驶水平的服务。在特定场景下，通过结合高级AI算法和人类辅助超高速远程操作可以实现妥善交付。

Gallee表示：“这方面的挑战涉及地图功能与可靠性以及城区卫星信号覆盖，这有可能导致道路定位不准，大都通常会受建筑物与其它一些干扰点影响。” 这一点是我们许多客户议题的核心，这也影响了我们助力客户的长远数字化举措的实施。”

为了推进这项任务，仍有几个问题有待解决：

我们如何确保这项任务在更加复杂的道路环境中取得成功？
在没有天线、GPS或者卫星导航情况下，配送车辆必须通过隧道或者必须进入地下停车场时会发生什么？

这种复杂度需要更加先进的仿真以及相关AI功能。由Ansys仿真软件提供支持的无人驾驶货运与交通运输解决方案提供商EasyMile已经在这种模式下开始运营。

携手Ansys为更先进的自动驾驶奠定安全基础

加快自动驾驶的发展需要采集多个方面的信息，包括雷达、激光雷达、传感器和其它AI增强软件技术，另外还需要实现广阔数字环境中的无缝通信。目前OEM厂商和其它交通运输解决方案提供商正借助Ansys仿真软件改进其无人驾驶技术，以更快实现安全合规。Ansys提供了可支持此类计划的丰富解决方案。

Ansys AVxcelerate Sensors可轻松集成地面实况传感器仿真，包括摄像头、雷达、热感摄像头和激光雷达，以虚拟方式评估复杂的ADAS系统与自动驾驶汽车。
Ansys HFSS是一款3D电磁（EM）仿真软件，用于设计和仿真高频电子产品，如：天线、天线阵列、射频或微波组件、高速互连、滤波器、连接器、IC封装与印刷电路板。
Ansys medini analyze是基于模型的端到端安全性与网络安全解决方案，用于加快自动驾驶系统开发与认证。
Ansys optiSLang流程集成与设计优化软件可以自动执行可靠性设计优化过程的关键功能。
Ansys SCADE面向软件设计和验证、基于模型的软件工程环境，对电气化动力总成集成、电池管理系统和汽车电气系统应用至关重要。
Ansys Speos光学设计软件提供了自动驾驶汽车传感器综合仿真的功能，包括激光雷达、雷达以及摄像头设计与开发。