推动汽车行业趋势：电气化、自动驾驶、互联互通和人工智能的发展

我们正处于汽车行业的一个重要转折点。我们‍所了解的‍一切有关出行、从一处到达另一处的‍旅程都在快速变化，并被突如其来的创新所颠覆。未来之路充满了激动人心而又陌生的体验。本文展望了由仿真技术推动的、将定义我们未来交通体验的趋势，即电气化和自动驾驶汽车，以及支持其运行的互通互联和人工智能，还讨论了这些新一代技术的不确定性和前景，以及仿真在帮助制造商和供应商更快地将其推向市场方面的作用。

电气化

关于汽车是否将实现电动化的争论已经结束。所有主要的原始设备制造商（OEM）都已宣布，计划在未来十年或二十年内实现全电动。在所有促成这一转型的因素中，成本是最大的影响因素。如何降低工程、材料和电动汽车生产的成本，同时提高产品的可靠性呢？

几乎可以肯定的是，汽车领域的所有人都认为数字工程和数字创新是未来的发展方向。从规格制定到系统验证，Ansys助力宝马、保时捷赛车运动部门和大众汽车等交通创新企业改进其电气化战略。

Ansys技术客户经理和电气化动力总成系统领域专家Zed Tang博士表示：“通过仿真进行的数字工程有助于企业从初步设计到由仿真驱动的产品开发，实现更快、更好、更低成本的创新。而且，几乎所有人都专注于使用更多的仿真来帮助推动未来的电动汽车设计。”

挑战效率极限

在这种新的环境中，OEM厂商和一级汽车供应商在突破工程设计界限方面面临着新的挑战。以内燃机为例，仅0.1%的整体效率提升就对于延长车辆续航里程具有重要意义。但最终，您也可以通过增加一加仑的油箱容量来达到类似的效果。

但电动汽车的情况并非如此，因为在汽车上添加一个或多个电池模块会显著增加重量，这不仅会影响电池组的设计，而且还需要调整电机的尺寸，并对电子设备进行额外的冷却。于是，电动汽车会变得更重，电池消耗的能量也更多。现在，企业必须突破电动汽车设计的界限，以实现最高效率，因为浪费的每一点能量都可能导致企业在当前市场中处于劣势。

为此，工程师正在竭尽所能地突破其设计的极限。如果峰值效率为98%，那么现在大家都在尝试找出一种将效率提高到98.1%的方法。 

Tang提到：“这对在该领域工作的工程师意味着什么呢？意味着再也无法通过足够的原型或测试来确定这额外的0.1%效率如何实现。工程师必须深入挖掘，但如何做到这一点呢？可以使用仿真，因为借助仿真，我们可以了解所有这些情况。通过在多处进行调整，并增加自动化和优化，就可以以虚拟且直观的方式查看结果，从而更好地了解如何获得额外的0.1%效率。”

自动驾驶汽车

如今，我们还需要等上很长一段时间才能乘坐自动驾驶汽车在城市里自由穿行，而我们中的大部分人，也并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。¹

不过，汽车工程师仍在持续推进自动驾驶汽车（AV）技术的发展，并改进高级驾驶辅助系统（ADAS），进一步向实现全自动驾驶迈进。由于能够避免驾驶者人工操作失误，自动驾驶可以为所有乘员（以及驾驶途中遇到的行人）带来变革性的安全水平。其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。

消除安全问题中的人为错误

Ansys自动驾驶汽车业务拓展兼领域专家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因。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。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）专门面向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制定。

为了解决大量安全验证工作带来的问题，Ansys安全分析软件结合自动驾驶仿真工具链，将大规模仿真与统计和基于场景的分析结合在一起。此外，其还支持虚拟传感器仿真，以在实际场景中进行感知测试和传感器行为验证，从而实现高效的可靠性分析。

为展示这些功能的表现，Gallee的团队建议梅赛德斯在向德国监管机构展示安全性时使用Ansys设计优化工具。结果是，他们使用该方法取得了成功，而梅赛德斯·奔驰2022 S级轿车成为了全球首款L3级自动驾驶汽车。

汽车互联和人工智能

自动驾驶的未来，可能完全由通过高速无线网络连接的车辆信息共享所获取的视野来驱动。要实现高级别的自动驾驶，必须考虑几个因素，包括先进的传感器技术、精确确定车辆位置、最新的地图信息、对其他车辆和行人的感知以及规划和决策。

让我们简单了解一下这些交互的规模——2019年，有3100万辆汽车在不同程度上实现了自动化运行。到2025年，全球近60%的新车将实现二级（L2）自动驾驶。

然而，这些成就只是在实现完全自动驾驶方面取得的有限进展。仍有大量的计算任务需要完成，这涉及到众多需要近乎实时响应的车载应用。从安全验证到现实世界传感器和天线性能验证，所有这些活动都将通过人工智能（AI）和仿真支持的高度互联功能进行协调。

汽车互联：人工智能和自动驾驶之间的桥梁

当然，自动驾驶汽车和自动驾驶生态系统中的其他元素之间需要进行多次对话，这些元素依靠一致、低时延的连接来扩展车辆对正前方以外区域的感知。

Ansys首席技术专家Christophe Bianchi指出：“未来的全自动驾驶环境都将由协调车辆移动的更大型通信网格决定。城市中的车辆与城市通信、与其他车辆通信，所有这些都涉及一项任务，即安全地从一个地方到达另一个地方。那么，如何对所有事件、环境中发生的所有事情以及所需的所有通信进行仿真（包括所有这些不同参数之间的信号质量）呢？就是数字任务工程软件的任务。”

我们现在开始看到，其中一些智能交互正在上演。Autotalks，是一种连接到自行车把手以避免碰撞风险的小型装置。作为更广泛的交通生态系统的一部分，该系统可连接车辆及相关车辆基础设施，因此，包括自行车在内的所有车辆都能连接到基础设施并相互通信，从而实时监控交通并共享关键信息。

可靠的服务和覆盖范围，是衡量Autotalks和其他互联技术最重要的成功指标，而仿真技术使5G设计人员能够实现这些目标，提高产品可靠性，同时优化功耗、性能和成本。

人工智能：应用的大脑

人工智能依赖于数据，这对于汽车行业来说十分有利，因为数据驱动的洞察与机器学习（ML）相结合，加速了自动驾驶技术的发展。与ADAS和自动驾驶应用相关的一大挑战是，AI/ML需要一个庞大的数据集，该数据集应涵盖所有边缘案例，并与基于规则的系统协同工作，以实现更佳性能。

最终，通过AI/ML驱动的决策系统与基于规则的自动驾驶系统密切合作，才能将真实驾驶环境中安全操作的复杂性放在首位，以实现安全性。AI/ML系统可以计算任何驾驶员操作的风险评分，为他们做出决策提供必要的控制。

Ansys研发部门高级总监Jay Pathak说道：“在汽车AI/ML中，一个关键的挑战是，当数据没有正确覆盖整个空间时，探索这些规则就成了一个难题。在道路上，多种因素都在发挥作用，从任何道路交互中得出的数据集都是所有这些环境因素共同作用的反映；然而，我们根本没有数据来探索所有这些相互独立的环境因素。这是汽车机器学习领域面临的一项巨大挑战。”

要获得必要的数据，就必须从大数据转向有用的数据，并通过仿真增强的非监督式AI学习方法，在数据集中创建具有挑战性的动态情况，否则在真实情况下很难找到这些动态情况。正如AI应用通过“读取 ”整个互联网的信息学会了如何将词语组合在一起、写出可信的文章，自动驾驶中的AI应用将吸收来自无数驾驶仿真的所有数据，以便更好地告知自动控制软件在各种驾驶情况下如何做出反应。

加速电气化和自动驾驶以满足当前的行业趋势，需要出色的解决方案。在几乎每种道路通信和每种基于云的数据交换背后，都有一款相应的Ansys解决方案。交通行业的领导者都从丰富的Ansys仿真和软件相关工具产品组合中大获裨益，以推动下一波汽车技术的发展。

了解Ansys如何为您的汽车应用提供帮助。 

参考资料：

1. AAA Survey Reaffirms Public Skepticism Over Self-Driving Tech, IoT World Today, May 20, 2022.