车东西(公众号:chedongxi)
编 | James
车东西1月9日消息,据外媒FutureCar报道,1月7日,汽车科技公司安波福在拉斯维加斯举行的国际消费电子展(CES)上发布了其全新智能汽车架构(SVA)。这种智能汽车架构灵活且容易扩展,组装过程十分简单,可以提升使智能网联汽车和自动驾驶汽车的安全性,同时也在后期为汽车架构更新支持软件。
如今,汽车内的机械组件正逐渐被电气组件所替代,特别是电动车、自动驾驶车型以及智能网联汽车,它们有着更加复杂的软件和硬件体系,而目前的汽车架构很快将满足不了这些车辆的需求。
当前,许多汽车厂商投入大量资金制造电动汽车,而安波福公司的SVA汽车架构能够为车企提供更多的软件功能,从而使车企能够更高效地制造汽车。而SVA模块化的体系结构非常适合应用于未来的汽车。
SVA汽车架构的最大优势之一是让汽车制造过程变得简单。在过去,车企向消费者出售的车辆大多在后期难以改变车辆的功能,因为车辆在出厂时软硬件完全嵌入,几乎无法更改。
现在的汽车内部可能有超过2英里(约合3.2公里)的连接线,连接着车内100多个电子控制单元(ECU)。这些ECU的作用是控制车辆系统,例如控制电动车窗,设置定速巡航系统,设置娱乐系统以及控制动力总成。 过多的连接线和ECU则更容易出现系统故障。
SVA汽车架构可以很好解决车内控制器过于繁琐的问题,它能将车辆所有的计算整合到区域控制器中。同时,留出足够的接口,以便后期使用中对汽车进行软件更新,添加新功能。
车辆传感器和其他硬件都能接入这一区域控制器,区域控制器也有足够的冗余,可以充分提高车辆安全性。使用“Dock&Lock连接系统”进行连接,各个区域的控制器就可以连接在一起了,这样能够使车辆组装更加简单。安波福公司表示,使用这种类型的车辆组件可以使车辆中的独立零部件减少25%。
为了实现控制器系统冗余,安波福在SVA汽车架构中采用“双环”拓扑的组合方式。通过使用环形拓扑,车内的每一个区域控制器都能直接连接其他两个区域控制器,形成连续互通的路径。与传统的星形拓扑结构相比,这种连接方式能够更好地处理高数据负载,从而以更低的成本实现控制系统冗余。
▲安波福智能汽车架构示意图
安波福的SVA汽车架构可以提供全车数据计算,同时还可以进行信号、功率分配。这一智能汽车架构由计算、网络和动力三个关键系统组成。安波福表示,SVA汽车架构可将车辆ECU的尺寸和重量减少约25%。
对于车企而言,车辆架构越复杂,生产成本越高。安波福SVA汽车架构提供了更低成本的解决方案,还在汽车架构内提供了可扩展接口。SVA汽车架构形成一个开放的平台,车企能够在这一平台构建功能更加丰富、高度自动化以及智能网联的车辆。
SVA汽车架构还允许车企和第三方开发者针对硬件开发软件应用程序,在不同车辆之间也可安装使用这些软件。
▲安装了安波福智能汽车架构的车辆
安波福总裁兼首席执行官Kevin Clark表示:“车企需要采用新的车辆架构才能进行软件创新,并通过CES展会将创新概念推向市场。作为一家车辆架构解决方案厂商,车辆架构是车辆的核心部件,就像是人体的大脑和神经。我们预计,未来人们的出行会更加依赖智能车辆架构。”
传统车辆架构在出厂前需要对每一个部件进行测试,但SVA汽车架构将软件与硬件分离、I/O与计算分离,可以实现独立并行开发周期,从而缩短上市时间,同时也允许测试软件安装在不同车型的架构中。
安波福的开放服务器平台支持无线软件和固件更新,同时还提供性能升级,车企可以在车辆销售之后持续为车辆加入新功能。它还可以为智能网联汽车生成数据,提供数据分析,并为开发人员提供开放平台构建车辆第三方组件。
安波福与半导体公司Valens合作开发了SVA汽车架构。Valens公司主要生产超高速车载互联产品,它生产的汽车芯片组可通过简单的基础架构传输大量数据,从而简化车载数据传输。而且这种芯片也支持集中或远程计算机系统。Valens公司的超高速HDBaseT数据可以通过多种接口向外输出,包括PCIe、以太网、音频其他控制组件。
安波福移动架构部门副总裁Lee Bauer说:“ Valens公司非常了不起,我们希望继续合作,降低车辆架构复杂程度,开发新的软件功能并提供更高的使用寿命,同时允许车主能够完全控制整辆汽车。”
安波福预计,SVA汽车架构与传统汽车架构相比,系统集成和测试成本以及软件维护成本都会大幅降低,能够降低大约75%的成本。
汽车架构就像是汽车的大脑和神经,控制着汽车的每一个“动作”。未来人们的出行将依靠大量的智能网联技术和自动驾驶技术,这对汽车的架构要求更高,除了运算能力要达到较高水平,还需要保持极高的稳定性与安全性。因此,智能汽车架构应运而生。
智能汽车架构能够为人们带来更安全的出行体验,同时也有更大的灵活性,这就是人与车的互联,人与万物互联的时代已经到来。
http://zhidx.com/p/188877.html
Created by Tan KW | Aug 17, 2024
Created by Tan KW | Aug 17, 2024
Created by Tan KW | Aug 17, 2024
Created by Tan KW | Aug 17, 2024