0
| 本文作者： 愷歌 | 2023-06-15 16:04 |
干線智能貨運(yùn)正加速進(jìn)入商業(yè)化探索階段。
作為供應(yīng)鏈管理中至關(guān)重要的一環(huán)，干線物流扮演著連接供應(yīng)商、生產(chǎn)商和分銷商之間的紐帶。在快速變化的商業(yè)環(huán)境中，了解干線智能貨運(yùn)的商業(yè)模式和面臨的挑戰(zhàn)對于了解行業(yè)發(fā)展至關(guān)重要。
為此雷峰網(wǎng)新智駕邀請了千掛科技量產(chǎn)技術(shù)總監(jiān)薛毛先生來進(jìn)分享。以下為演講內(nèi)容，雷峰網(wǎng)(公眾號：雷峰網(wǎng))新智駕進(jìn)行了不改變原意的整理：
大家好，我是千掛科技量產(chǎn)技術(shù)總監(jiān)薛毛，今天和大家交流分享一下我們千掛科技近期的一些量產(chǎn)項目和系統(tǒng)研發(fā)的進(jìn)展。本次的主題是量產(chǎn)研發(fā)加商業(yè)運(yùn)營雙循環(huán)，如何幫助干線智能貨運(yùn)服務(wù)加速突圍。
首先介紹一下本次交流的內(nèi)容概況。第一點(diǎn)，我們先會看一下整個干線智能貨運(yùn)當(dāng)前概況和模式，然后影響干線智能貨運(yùn)落地進(jìn)展的核心痛點(diǎn)。其次我們會以千掛科技為例，講我們是如何打造前裝量產(chǎn)智能駕駛商用卡車。最后講講就是關(guān)于在可靠性方面的一些積累。
中國干線物流市場是一個非常巨大的市場，有著 4. 6 萬億的體量，但同時其實也只有 3% 到 4% 的一個很低的毛利。所以不管是車隊老板還是個體司機(jī)，大家都非常會摳成本，因為這個會明顯影響的是大家的一個毛利的高低。
再一個從人口的角度，隨著出生率的下降，預(yù)期在2030年，整個貨運(yùn)市場的人力缺口大概會大于9. 5%。
我們想通過技術(shù)改變一些將來這種會出現(xiàn)在運(yùn)輸上的矛盾。
下面是我們關(guān)于干線智能貨運(yùn)落地進(jìn)程的一些核心痛點(diǎn)的理解。
首先從量產(chǎn)難的一個角度來講，大概會分到幾個方面，一個是整車功能，包括系統(tǒng)的性能、可靠性，還有前裝的規(guī)?；⒄嚦杀?。
從整車功能來講，需要準(zhǔn)確識別應(yīng)用場景的一些需求。比如在軟硬件研發(fā)階段，還有設(shè)計的階段，短期和中期內(nèi)技術(shù)能力其實能達(dá)到的一個水平是有預(yù)期的，但同時還要符合車規(guī)，包括做一個正向開發(fā)，這是一個比較有挑戰(zhàn)性的事情，需要的團(tuán)隊能力既要有軟件開發(fā)的思維，也要有傳統(tǒng)汽車開發(fā)的思維。這個在概念理解、開發(fā)模式、工具流程、測試?yán)砟?、集成理念、交付理念，多個環(huán)節(jié)都會有碰撞和融合，想要實現(xiàn)一個 1 + 1 大于 2 的效果，還是非常有難度的。
其次在功能和需求準(zhǔn)確的前提下，實現(xiàn)優(yōu)秀的系統(tǒng)性能也是富有挑戰(zhàn)的、復(fù)雜的工程任務(wù)。除了整車功能，其實我們看智駕系統(tǒng)的性能也是有非常高的要求，包括在基礎(chǔ)的架構(gòu)性能、算法性能以及硬件系統(tǒng)的性能。
今天我們先只講一講硬件性能方面在量產(chǎn)項目中的一些心得。
首先第一個是智駕域的性能，包括算力、傳感器、控制器、通信方案，這些硬件的水平，其實一定程度上和一定時間范圍內(nèi)決定了我們之后的整車功能的一個上限。
其次是，車輛平臺的性能，這個性能其實會包含很多部分，典型的比如說線控的性能，車輛自身的性能。舉個例子，像我們線控接口的一個豐富程度，還有一個響應(yīng)速度，包括線控制動力的范圍。最典型的像商用車上EHPS的跟隨精度，還有響應(yīng)速度，都直接影響整車的功能表現(xiàn)。
除此之外，在量產(chǎn)的智駕域我們還得考慮提供一定的靈活性，隨著目前市面上的傳感器性能越來越強(qiáng)大，數(shù)據(jù)帶寬要求越來越高，智駕域如何能對接更多的各種各樣的傳感器，其實也是一個非常重要的問題。與此同時，我們不僅需要考慮智駕域的數(shù)據(jù)接入實時性，還要考慮時間同步，包括它的診斷以及在遇到功能降級時候多個方面的影響。
智駕系統(tǒng)的可靠性也是目前量產(chǎn)化難做的但又非常重要的一點(diǎn)。
從零部件層面，包括零件資質(zhì)以及質(zhì)量標(biāo)準(zhǔn)體系，還有供應(yīng)鏈的水平。比如說我們在做一些電子電氣設(shè)備研發(fā)的時候，最基本的要滿足一些 ACE-Q 的認(rèn)證，比如說像汽車集成電路可能要滿足AEC-Q100，一些光電部分需要滿足Q102，被動的組件需要滿足Q200。舉個例子，做產(chǎn)品的時候，可能后期我們會做ESD測試，像AEC-Q100就要求你的器件要承受 2KV的人體放電模擬，在邊腳引腳要承擔(dān) 750V的帶電器件模式，還有其他引腳需要承受 500V的電壓，這個對于量產(chǎn)都帶來了功能、性能、成本等多方面影響。
除了零部件的可靠性，還包括一些功能安全的設(shè)計，比如說需要遵守V模型開發(fā)，包括V模型里邊提到的相關(guān)項分析、功能定義、安全概念、安全目標(biāo)，再到具體的軟硬件設(shè)計和測試，這部分需要投入非常大的人力和物力成本，也勢必影響整個項目的開發(fā)周期。所以在量產(chǎn)的項目里邊如何去權(quán)重它與開發(fā)進(jìn)度，以及它的可靠性，都是需要一些工程積累的。
其次除了這種客觀的可靠性，還有主觀對可靠性的感知，或者說大眾的接受能力。
在司機(jī)開車不關(guān)注或者無接管的條件下，自動駕駛安全級別量化按理不低于人類司機(jī)即可。目前統(tǒng)計的數(shù)據(jù)是在高速路段平均無事故里程是不少于 53 萬公里，這是一個客觀指標(biāo)。但在實際場景中，人們感性上總是難接受這個事情，大家總是希望自動駕駛是絕對安全可靠的，這個也是我們整個行業(yè)需要共同去努力提升的。
另外一個決定量產(chǎn)化難做的原因是整車成本。所有的東西都是跟成本掛鉤的，工程本質(zhì)是要求我們收斂到一個最經(jīng)濟(jì)的路線上，所以在各種制約的條件下，如何能找到一個量產(chǎn)化的最優(yōu)解，也是一個非常難的事情。
從應(yīng)用難的一個角度分析的話，實際運(yùn)營場景中遇到會各種各樣復(fù)雜的問題，比如說對于運(yùn)力的時效性的要求，這個是在功能設(shè)計層面非常難考慮的一個問題，但是在現(xiàn)實場景中就會遇到這樣的需求。經(jīng)濟(jì)性要求，比如說從軟硬件開發(fā)成本，像硬件的 BOM 成本這個刨除之后你的商業(yè)模型如何能獲取利潤？這個也是大家目前比較難落地或者難應(yīng)用的一個點(diǎn)。
除了這種客觀或者技術(shù)的問題，法律法規(guī)也是我們必須要遵守的。比如說我們做的車得符合國家相關(guān)的認(rèn)證或者規(guī)范，滿足相關(guān)的測試標(biāo)準(zhǔn)。
還有一些其他的安全問題，比如說我們需要考慮各種各樣的環(huán)境、道路、場景因素，這個是在概念階段要做到足夠的分析，才能保證功能開發(fā)出來是可以解決一些實際問題的。
商用車的智能駕駛應(yīng)該是一個生產(chǎn)工具，而不僅僅是一個附加的功能，它幫助司機(jī)或者車隊是掙更多的錢，特別在干線物流行業(yè)，這個是最基本的認(rèn)知。
其次，卡車作為一個生產(chǎn)工具，其實多掙錢就是多跑、多拉貨，一天能額外跑個 200 或 400 公里，它的生產(chǎn)力一下子就上來了。舉個例子，比如說從 a 點(diǎn)到 b 點(diǎn)的 1000 公里，追求高時效性的企業(yè)往往會配備兩個司機(jī)，這樣就能確保每天 1000 公里的往返能力。一個卡車司機(jī)的成本大概是 15- 18 萬元，這和目前自動駕駛硬件系統(tǒng)的成本其實是差不多的，規(guī)模起來之后自動駕駛的硬件成本可能會變得更低。所以，對于企業(yè)來說，一年可以把這個成本省回來，后面就是凈賺，這也是目前客戶比較認(rèn)可的一個商業(yè)邏輯。
具體到千掛，我們的切入方式其實就是“雙駕變單駕”，通過智能駕駛提升單人日均駕駛里程，按照我們的模式，估算下來一臺車一年的利潤可達(dá)到 15- 20 萬元。
除了提升里程之外，在優(yōu)化排放，提升安全性方面，自動駕駛也有非常大的技術(shù)潛力和迭代的可能性。
從長期來看，我們覺得“脫眼脫手”才是自動駕駛干線物流的唯一解決方案。
為什么說是唯一？這里有一些具體的說明，是關(guān)于輔助駕駛現(xiàn)階段存在的一些問題。德國布倫瑞克柏林工業(yè)大學(xué)曾聯(lián)合保險事故調(diào)查公司，做過一個關(guān)于輔助駕駛的研究報告，通過對照試驗發(fā)現(xiàn)，隨著駕駛時長的增加，駕駛員是更容易犯困的。這個實驗雖然是基于模擬倉的一個統(tǒng)計，但是有一定的說服力。
如果說大家有開過帶輔助駕駛功能的車，也不難發(fā)現(xiàn)，在長時間駕駛的情況下，如果只是脫手，但不脫眼的話，隨著駕駛時長的增加，自己會變得更容易犯困，某種程度上反而會帶來更大的安全隱患。
所以，我們要做到“脫眼脫手”這個級別，它對于系統(tǒng)的要求就是：只要車還在動，那就需要保證智駕的系統(tǒng)是相對安全的。
對比純無人模式，“脫眼脫手”模式是更容易落地的。
首先第一個點(diǎn)是場景的需求，比如在干線物流場景，駕駛員不僅要處理駕駛本身問題，可能還會有很多關(guān)于貨或者關(guān)于收費(fèi)等各種各樣的問題，這些問題屬于自動駕駛ODD范圍之外的事情，中短期來看，這個目前都依然需要人去解決。
其次是技術(shù)能力的要求，如果系統(tǒng)的ODD定義準(zhǔn)確，那么在ODD之外的情況下，人類駕駛者可以幫助車輛提前安全停車，從而保證在當(dāng)前整體理論和行業(yè)水平?jīng)]有突破的情況下，智能駕駛可以順利落地。
從經(jīng)濟(jì)層面來來看，單車每年大概是多出15- 20萬元的毛利率，如果算上5年的折舊，這個利潤率明顯要比自動駕駛系統(tǒng)的硬件成本要高。
可以說，這些維度支撐起了千掛的核心模式，下面來講一講我們是如何做的。
千掛采取的是和主機(jī)廠一起做整個智能駕駛商用卡車的量產(chǎn)。主機(jī)廠是幫我們提供整車的一個平臺，千掛提供智駕部分的軟硬件方案，然后我們共同去做整車的定義和開發(fā)，再基于整車廠的強(qiáng)大的整合和量產(chǎn)能力，幫助我們從概念設(shè)計到驗證評審再到市場量產(chǎn)，是一個非常深度的合作。
區(qū)別于傳統(tǒng)的 Tier 1 加 OEM 的模式，千掛科技本身在商用車自動駕駛量產(chǎn)的事情上其實是建立了一套靈活且高效的合作模式。從定義整車的功能概念，再到具體的軟件設(shè)計，都是完全參與。
除了和主機(jī)廠對接整車的需求和功能定義之外，我們其實也會和很多 Tier 1 去直接溝通某些零部件的技術(shù)指標(biāo)和性能，比如深入了解電液助力轉(zhuǎn)向，還有甚至eps的一些趨勢。同時作為智駕方案商，我們也會和一些國內(nèi)外領(lǐng)先的傳感器和芯片公司有一些深入的交流，比如說評測一些最新的傳感器和半導(dǎo)體芯片等。
在概念階段，我們希望達(dá)到的效果是讓司機(jī)“脫眼脫手”之后能夠安全放心的水平。這個從技術(shù)層面講是一個非常難做的事情，但我們在技術(shù)層面已經(jīng)有一些非常不錯的積累。同時我們的ODD里邊是會搭配一個司機(jī)使用，全程是有一個雙重的保障。
概念分析完，自然就決定了我們會選的傳感器、需要的算力，技術(shù)路線以及最后出來的效果要求。千掛跟很多單純追求低成本的輔助駕駛會有不同，在功能定義上完全走的是兩個不同的路線。這也體現(xiàn)在概念階段的定義，決定我們追求目標(biāo)的下限是不一樣的。
下面講關(guān)于干線物流ODD的理解。ODD 的定義直接關(guān)系了后面所有的整車功能定義，以及后續(xù)所有的軟硬件開發(fā)。我們理解ODD開發(fā)并不是一個從 0 到多的枚舉或者頭腦風(fēng)暴，而是基于各種客觀的因素做排列組合，一一確認(rèn)，然后做減法的一個過程。
千掛的概念分析階段，其實針對 ODD 總共大做了 5 大級別的一個運(yùn)行情景的分析，涵蓋從靜態(tài)、實體環(huán)境條件、駕駛?cè)藛T狀態(tài)、車輛狀態(tài)、道路狀態(tài)以及多個層面的組合分析，盡可能減少對不安全的場景的特性理解。這樣的分析之后，才能幫助我們針對這種特性去做系統(tǒng)級別的設(shè)計。
舉個例子，干線物流肯定會遇到一些車輛啟停的場景，極端情況是這個場景可能會出現(xiàn)一些小動物，或者說小孩子在車身附近，我們的ODD必須要包含這個場景。所以我們引入了在商用車上并不常見的超聲波傳感器。舉例子也是想說明我們做的事情并不是傳統(tǒng)的 L4 或者 demo 驅(qū)動的開發(fā)模式。
具體到設(shè)計階段，千掛科技和東風(fēng)柳汽的前裝量產(chǎn)項目，已經(jīng)是順利完成了 A 樣車的試制和整體的測試任務(wù)，在線控性能、外觀結(jié)構(gòu)、整車電子電氣適配、標(biāo)定優(yōu)化等多方面其實取得了不錯的進(jìn)展。同時 B1 樣車也按項目計劃改制中。借助于東風(fēng)柳汽強(qiáng)大的整車集成和先進(jìn)整車制造能力，我們預(yù)期是在 2024 年將正式下線我們前裝量產(chǎn)車型。
千掛科技已經(jīng)從底層到應(yīng)用軟件，從基礎(chǔ)架構(gòu)到量產(chǎn)工具，在各個方面取得了一些不錯的工程積累。今天也是針對整車智駕功能中的硬件系統(tǒng)做一些分享。
首先是智駕域控硬件層面的整體架構(gòu)，面向整車前面提到的功能定義，我們做的相關(guān)項分析示意框圖大概如這個圖所示，ADCU是我們整個方案的核心，它一方面是承擔(dān)著左側(cè)傳感器的接入，同時右側(cè)接入的話是我們的線控以及車輛底盤的一些執(zhí)行器，它是一個承上啟下的作用。這個ADCU 的設(shè)計需求其實完全是根據(jù)我們自己對于 ODD 以及運(yùn)營場景里面遇到的一些問題的理解，純定制研發(fā)的一個產(chǎn)品，目前已經(jīng)完成了原理圖階段的設(shè)計。
我們在認(rèn)真嚴(yán)謹(jǐn)?shù)卦u測了前裝市場的一些傳感器之后，選定了多款半固態(tài)激光雷達(dá)作為我們量產(chǎn)項目里邊的一部分的傳感器，因為它的成本已經(jīng)被乘用車的量產(chǎn)項目帶下來了，并且在質(zhì)量和供應(yīng)鏈上面有更加有優(yōu)勢。加上業(yè)內(nèi)比較成熟的攝像頭，還有毫米波傳感器，全套配置下來，為我們后續(xù)的感知研發(fā)還有性能提升奠定了非常充分的基礎(chǔ)，也兼顧了量產(chǎn)在性價比和質(zhì)量方面的綜合性要求。
不同的傳感器有著不同維度的感知特性，為了保證ODD場景內(nèi)硬件感知層面做到可“脫眼脫手”的功能完備和功能備份，我們搭建了一個 360 度的冗余環(huán)境感知系統(tǒng)，包括激光雷達(dá)、攝像頭、毫米波、超聲波雷達(dá)。其中激光雷達(dá)我們用了6顆，它們所實時產(chǎn)生的感知數(shù)據(jù)是一個非常大的數(shù)據(jù)量，大概是在 400 Mbps，前向激光雷達(dá)最大探測距離能達(dá)到 500 米，角分辨率在 ROI 可以做到一個 0. 08 * 0. 08 度，這是一個非?？鋸埖乃剑瑸楹罄m(xù)的復(fù)雜場景，包括遠(yuǎn)距離或者一些小物體的識別，在硬件層面提供了可能性。
前向的攝像頭，最大有 800萬像素和30FPS的環(huán)境感知能力，同時攝像頭在硬件層面也支持HDR、LFM，針對特定場景例如高動態(tài)，還有定制和優(yōu)化。
這張圖是我們最終的激光點(diǎn)云在真實場景下的效果，可以看到車身 360 度都是完全的覆蓋，前向能提供500 米范圍的超遠(yuǎn)距感知（綠色點(diǎn)云）。這里要想分享一個點(diǎn)，如何在整車上適配多個傳感器，這個非?？季繄F(tuán)隊的工程能力和合作能力。比如說從早期的 FOV 覆蓋，到結(jié)構(gòu)設(shè)計仿真，理解傳感器的工作原理（安裝傾角問題），樣件快速成型，法律法規(guī)方面的約束、不同掛車差異、工業(yè)設(shè)計能力、感知模型效果等。
比如說半固態(tài)雷達(dá)，它的壽命或者它的功能在實際的裝配中肯定會受到傾角的影響，這些需要我們?nèi)ダ斫鈧鞲衅鞯脑砑?xì)節(jié)。
這上面的每一環(huán)都是必不可少，且是環(huán)環(huán)相扣的，如果做不好，影響可能是一連串的。比如說激光雷達(dá)的測距或者掃描方式發(fā)生改變，攝像頭的分辨率或者fov或者它的觸發(fā)時序發(fā)生改變，這個都可能會導(dǎo)致感知此前積累的很多數(shù)據(jù)無法復(fù)用，算法需要額外多次迭代，這個都是有工程成本在里面。
我們早期是評測過很多家的感器，也得到了非常多的供應(yīng)商的大力支持，在雙方緊密的技術(shù)合作之下，我們在如何快速地、低成本、高質(zhì)量做整車傳感器的軟硬件適配方面是積累了不少經(jīng)驗。
自研域控制器 ADCU
ADCU 是我們從整車的功能定義出發(fā)，提出了需要滿足對應(yīng)場景解決方案的計算平臺的設(shè)想，包含了從算力、傳感器接入能力、車身控制、智能網(wǎng)關(guān)、智能電源，還有熱管理以及最小安全系統(tǒng)等各個模塊。
我們對于域控制器的理解是CPU 和 GPU 的算力是同等重要的，在感知預(yù)測、深度學(xué)習(xí)、Resolution、Feature map size等方面對于GPU是強(qiáng)需求，在運(yùn)動規(guī)劃、SLAM、Fusion和Tracking 方面對 CPU 的能力會有強(qiáng)需求。所以在控制器的研發(fā)和設(shè)計層面，我們會兼顧 CPU 和 GPU 的整體的算力需求。
目前我們的控制器能做到整機(jī)的GPU等效算力大致于 6顆Orin， CPU 是等效于 8顆Orin；三層異構(gòu)計算控制系統(tǒng)，支持多路相機(jī)和車載以太網(wǎng)設(shè)備接入，同時支持TSN 時間敏感網(wǎng)絡(luò)。
除了接入能力方面，我們在可靠性冗余方面也做了很多的設(shè)計，比如典型的像雙路冗余電源輸入，不同物理和數(shù)據(jù)鏈路的傳感器接入。此外還增加了集成式智能電源管理單元，高速信號的傳感器管理單元等等。
這樣復(fù)雜的域控制系統(tǒng)，它的散熱系統(tǒng)也是非常麻煩的事情，我們聯(lián)合東風(fēng)柳汽對域控的水冷散熱也做了正向的開發(fā)，不僅實現(xiàn)了小體積高密度，同時滿足了車規(guī)級對于散熱系統(tǒng)的液冷管路和驅(qū)動設(shè)備的可靠性和穩(wěn)定性的需求。
電源管理系統(tǒng)
商用車在實際運(yùn)營過程中會面臨很多工況和環(huán)境條件，比如說加速、減速、制動，還有一些高功率的負(fù)載的開關(guān)，包括說因為線束較長存在的線束電感，在大電流的情況下可能會導(dǎo)致的高壓脈沖危害。
雖然這些波動會在ISO 16750-2、GB 28046-2 電性能測試?yán)锩娓采w到，但是涉及到整車級別需求來看，可控、精細(xì)化配置以及可診斷的電源管理，還是一個大趨勢。典型的像特斯拉已經(jīng)在他們的整車電源管理系統(tǒng)實現(xiàn)了這種相對比較智能的設(shè)計。
使用Smart HSD、MOSFET+采樣邏輯代替?zhèn)鹘y(tǒng)保險絲加繼電器的模式，在過流、過壓、 短路、過溫、開路等檢測和耐受性能上有著數(shù)量級的提升，典型Smart HSD開關(guān)次數(shù)在 10^15次以上且保證性能無衰減，而傳統(tǒng)繼電器只能做到10^5左右。除了基礎(chǔ)層面的提升，還會有很多數(shù)據(jù)分析和數(shù)據(jù)挖掘的價值在里面。
傳統(tǒng)車輛的人機(jī)交互系統(tǒng)更多是功能屬性，而自動駕駛系統(tǒng)的人機(jī)交互的并不只是簡單的功能完成，實則某些場景中與安全強(qiáng)相關(guān)。如合理的接管邏輯、方式和閾值判斷，以及簡潔易懂、有效及時的提醒及提醒閉環(huán)或不必要的誤觸發(fā)，這些在預(yù)期功能安全中都需要被分析到。前面提到我們的 ADCU 的性能是非常強(qiáng)大，足以支撐人機(jī)交互對于硬件性能方面的需求，但我們從可靠性角度出發(fā)，還是會做一個智駕域和座艙域在硬件上的一個隔離。
典型的比如我們的ADCU之外，我們針對人機(jī)交互部分會有一套單獨(dú)的硬件系統(tǒng)，這個能保證整車的概念安全和設(shè)計解耦。
內(nèi)部角度，比如說我們自己做的控制器的芯片選型，首先它要滿足AECQ100的要求，在開發(fā)模式上要遵從V模型的開發(fā)+驗證的方式，同時生產(chǎn)制造也要符合汽車行業(yè)規(guī)范，這個是對于內(nèi)部研發(fā)項目的一些基本要求。
外部看的話，我們會有很多傳感器選型和功能性能評測、 DVPV 測試報告的審核，再到供應(yīng)商質(zhì)量體系審核以及定點(diǎn)。
內(nèi)外雙抓手保證零部件層面的自研和外購件符合規(guī)范。另一個角度就是自研和外購件在零部件層面的可靠性要求在我們看來并不是隔離的，反而對于自研項目中的原理細(xì)節(jié)的理解，能幫助我們?nèi)ジ鼘I(yè)的評價外購件的能力水平。
舉一些例子，比如說我們自己在做自研ADCU過程中，我們采用 ASIL-D 等級的MCU作為最底層的安全保障，然后攝像頭和雷達(dá)都會在數(shù)據(jù)層面分在不同的物理和協(xié)議鏈路，接入不同的異構(gòu)計算域進(jìn)行傳輸和處理。對于MCU和一些關(guān)鍵的外設(shè)會采取雙電源冗余的設(shè)計。再比如，像在線控通信矩陣層面，對于制動信號，我們會要求從多個不同的傳感器采集點(diǎn)的報文。
車規(guī)級選型只能保證器件的相對可靠，但元件的可靠其實并不代表系統(tǒng)功能是可靠的。系統(tǒng)的功能首先要從系統(tǒng)功能定義出發(fā)，合理的拆解分析，我們對于智駕系統(tǒng)的功能進(jìn)行了危害分析和風(fēng)險評估之后，大致得出了智駕系統(tǒng)需要滿足的安全目標(biāo)共21 條，并且針對每一個safety goal均有明確的 ASIL 等級以及它的安全狀態(tài)定義，還有故障容忍時間FTTI的明確定義。對于每一個安全目標(biāo)也相應(yīng)完成了它的FTA故障數(shù)分析，我們在概念階段做了非常詳細(xì)的工作。
明確定義的報警和功能降級也是我們實現(xiàn)后期安全停車或者最小安全策略的一個必要的輸入。我們前面提到的 21 條的功能安全目標(biāo)，拆解到700多條的FSR，再導(dǎo)出到指導(dǎo)設(shè)計的技術(shù)安全需求的TSR和硬件層面的HSR，指導(dǎo)我們具體的軟硬件設(shè)計。
可靠性其實既是設(shè)計出來的，同時也是測試出來的，而整車級別的測試反而是更接近于最終用戶或者客戶的驗證工序。從臺架加速試驗到載荷路譜試驗，以及后期的長期真實道路測試，對于加裝智駕系統(tǒng)的整車可靠性都是終極大考。
現(xiàn)階段我們的理解是實踐出真知，我們已經(jīng)從身體力行的在落地一些真實的運(yùn)營，并且在實際運(yùn)營中迭代產(chǎn)品，比如路測過程中發(fā)現(xiàn)的實際場景的問題和需求，我們都會高優(yōu)處理和思考，并將這些需求納入之后的開發(fā)需求，真正的從實踐或者運(yùn)營場景出發(fā)，再回到運(yùn)營場景中去；除此之外，我們研發(fā)也正向的基于OOD的功能開發(fā)需求，在不斷提高我們自動駕駛解決干線物流的技術(shù)指標(biāo)，提高真實場景中的自動駕駛率，提高運(yùn)營的效率。這兩方面是一個雙向奔赴的過程，相互促進(jìn)才能提速量產(chǎn)化和批量化運(yùn)營的一個進(jìn)度。
好的，然后今天的交流分享先到這里。
Q：有做駕駛員的疲勞測試嗎？
這是一個好問題。我們在研發(fā)測試，包括運(yùn)營測試階段，在車上都是有裝了類似于DMS 或者說手環(huán)這樣的設(shè)備，都是在監(jiān)測或者采集一些測試場景的數(shù)據(jù)，然后也在聯(lián)合一些外部高校在做駕駛員疲勞度的數(shù)據(jù)采集和分析的工作。這個對于我們后續(xù)去量化這些指標(biāo)，包括說我們的系統(tǒng)能在多大的程度給駕駛員提供休息的時間等問題上提供一定的理論和數(shù)據(jù)依據(jù)。
Q：千掛科技招人會比較關(guān)注什么樣的點(diǎn)？
首先基礎(chǔ)的一點(diǎn)，對專業(yè)能力或者說是技術(shù)能力有一些基本的要求，除此之外我們也會看重一個團(tuán)隊合作能力或者解決問題的能力，這里也歡迎大家多看一下我們在招聘渠道的公開崗位。
Q：請問現(xiàn)在的卡車線控技術(shù)已經(jīng)足夠成熟量產(chǎn)了嗎？
這個并不是一個單純的技術(shù)問題，而是一個工程問題，是工程就得考慮成本，并不是說現(xiàn)階段技術(shù)做不到。據(jù)我們了解，在電源冗余、轉(zhuǎn)向冗余、制動冗余等方面有很多這種方案，但現(xiàn)階段它是不是最經(jīng)濟(jì)的方案，我們還在實踐和討論的過程中。
Q：自研的ADCU內(nèi)部有冗余嗎？
有冗余的，前面有提到我們的ADCU，它不僅是在系統(tǒng)架構(gòu)上是有一個三層的冗余，而且在與外部傳感器設(shè)備接入上也是有三個不同的鏈路和協(xié)議，保證不會因為某一個鏈路有問題，導(dǎo)致其它不同維度探測感知的傳感器也出現(xiàn)失效。同時在ADCU內(nèi)部也會有電源部分或者重要外設(shè)部分的冗余。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
