软件定义汽车七大典型应用场景

随着软件定义汽车典型应用场景的落地,用户将明显体验到汽车从交通工具向智能移动终端的转变。几十年前主要用高性能的底盘操稳与动力系统定义一台好车,几年前主要用智能化系统与智能交互满足终端用户的用车体验,未来将调度全车传感器与数据驱动方式定义智能移动终端。

汽车电子从无到有,如今不断深化到座舱、车控、底盘、动力等多个功能域为用户调用整车资源,为用户不断创造增值的用户体验,基于此,在服务提供上的功能分工与数据利用也会驱使行业分工出现变化。

首先,针对不同的场景服务,整车厂与供应商开启软硬解耦、软软解耦的开发方式, 不同角色负责不同层级的软件开发,以满足用户对于应用场景快速迭代与多样化服务订阅的需求。然后,针对架构解耦暴露出来的数据信息,一方面可以形成数据闭环为用户带来个性化、便捷的用户体验,另一方面整车厂和第三方可以根据数据回馈不断优化产品,并且激发出依靠汽车数据衍生的产业发展。

软件定义汽车使得整车级场景智能化成为可能,以体验为中心满足用户个性化需求, 真正实现千车千面、常用常新的驾乘体验。车辆作为移动的第三生活空间,在高算力芯片、人工智能、大数据、SOA、原子化服务等的加持下,向场景多元化发展,面对日新月异的用车环境,基于车辆的个性化体验更能得到用户的认可。

任何场景逻辑可以抽象为四个部分:场景感知、场景条件、场景交互、场景执行,这四个部分无一不依赖于车辆的能力。场景感知需要通过摄像头、语音模块、车辆信号、地理位置、天气、车内操作等智能识别场景;场景条件需要判断当前的车辆状态如档位、车速、天气、位置等信息确定是否具备执行场景的条件;场景交互是通过显示屏或语音进行场景运行请求、场景运行授权、场景运行倒计时、场景运行提示等;场景执行即执行相关车辆行为,如空调、车窗、座椅、车灯、后视镜、行驶、泊入 等。这些车辆能力需要以服务的形式暴露给应用层,车辆能力暴露的越多,实现场景越多,场景功能越丰富。

在智能场景中,车、云、人得到有机的结合,通过建立场景引擎,车辆可为用户开放空调、天窗、车窗、灯光、座椅、娱乐、资讯、出行等上百个功能的服务接口,供用户自由的排列组合;云端将生态信息、账户、用户画像、运营服务等内容串联起来, 与车端数据进行融合打通,为用户提供增值服务;用户可通过手机或者车机对场景进行定义,从而建立基于自身习惯与喜好的智能化服务场景库。

一、智能交互应用

结合场景化功能引擎实现一键休憩服务。车主可以通过APP,开启或关闭一键休憩指令,根据车主的习惯或设置自动调整车椅位置角度、车窗开度、车灯开关颜色亮度、遮阳窗等,不需要手动一一去调整,降低了操作的复杂度,大大提升了用户体验。在具体的实现中,应用开发者通过调用各原子服务 API 来实现不同的场景APP,提升汽车应用开发的效率。类似的软件定义汽车的典型应用场景还有很多,想象空间很大。

二、用户自定义场景

以专门针对洗车场景设定的私人定制模式为例,在准备洗车的时候,一句已设定好的话将会执行提醒天气、关闭车窗、关闭空调、关闭车顶、折叠后视镜、挂N 档这一系列动作,实现了场景自主编辑与语音指令对场景的控制。

车企在车联网平台的加持下,智能汽车可以实现动态的管理,在车主的意愿 下,服务平台能够帮助车主实现车辆模式的转变,比如车辆长时间停放的场景,就可以从停放到共享的模式切换,智能汽车变成了一个会盈利的移动空间。

三、智能汽车应用商城

随着智能网联汽车的快速推广,车机端所需要的应用程序开发及管理成为了一个新的业务增长点,通过建立企业和品牌专用的应用商城,为厂家、合作企业、三方软件的开发者提供一个方便又高效的应用推广、销售、管理平台,能够有效管理各类应用, 为车主用户提供方便,同时也在一定程度上促进了智能汽车品牌的科技卖点。

未来汽车应用商城的发展生态有望采用类似手机产业的逻辑,按照开发的应用程序类型,汽车应用商城将应用进行分类,开发者在发布新的应用程序时,需要选择应用程序所属的分类,同时管理员可以调整应用程序的分类。应用分类包括生活、信息、地图、音乐、视频、图像、资讯、商务、游戏等 APP。在运作模式方面也可以采用热门应用软件、最新发布软件、应用软件排行榜、应用下载及社交应用评论等方式管理, 打造全产业链生态伙伴平台共同开发、利益共享的盈利模式。

四、智能驾控应用

出行场景和生活场景联接将提升车主的用户体验。在智能互联时代,人车关系的建立依赖基础数据的获取,车辆通过智能获取用户生活数据、出行数据,实现对用户的洞察,从单纯的出行工具向在线生活工具进化,通过场景化的服务准确预判用户需求, 满足用户个性化需求。而智能汽车网络(车辆、道路、网络、云端)的应用将不断进行数据驱动自学习,完善用户体验。车辆行驶的道路越多,越能记忆更多的道路信 息,特别是危险道路信息,通过数量巨大的智能汽车对道路信息的不断学习,云端的智能AI 算法会按照学习数据生成动态的汽车能力,并通过网络分发给还未有大量道路行驶里程的新车,新车一跃获得了高智能的自动驾驶能力。车辆可不断适应环境和人,实现不断进化,且通过对道路信息的获取,可实现更多功能的应用。

预测性经济车速规划服务应用场景

预测性经济车速规划功能是借助高精度地图和定位系统,提前获知前方区域路况和交通信息,以节能与驾驶时间综合最优作为目标,驾驶性和安全性作为约束,利用动态规划算法规划前方车速曲线。该功能对象为车辆纵向动力学模型,通过控制动力源扭矩得到最优的车速曲线。

该功能可适配多种动力结构和系统配置,应用场景广泛,包含前方有限速区、弯道、拥堵、到达目的地等均可适用,并且可针对驾驶员风格和行驶工况进行自适应优化, 构筑更贴合驾驶员意图的车速曲线规划。行车场景下主要结合自车车速、平均车速、前方限速信息、前方道路坡度、前方道路曲率、自车定位、驾驶员允许功能激活按键及前方红绿灯信息等综合要素判断,在车机界面上实时显示一条当前定位的优化车速区间颜色带,驾驶员可通过观察当前车速落在颜色带的区域判断车辆需要加速或者减速,从而辅助驾驶员在更加经济的车速段内运行,并且可与ACC 结合,实现更加智能和安全的PCC 功能。通过该种服务应用可以提供更加智能安全以及行车经济性更好的驾驶指导建议,进而有效节省驾驶成本。

预测性续驶里程功能应用场景

目前电池储能技术所限和公共充电设施不完善,车主在驾驶时会面临“里程焦虑”,而电池续航里程估算的不准确,更是加剧了这种焦虑。预测性续航里程功能,充分利用智能网联车辆可以获取环境和驾驶员信息的优势,全面考虑了实际道路交通环境以及驾驶员驾驶风格和习惯对续航里程的影响,例如环境温度对电池的影响,电池使用状态对电池剩余电量的影响,驾驶员驾驶风格对驱动能耗的影响等,结合车辆工作状态信息及车辆动力学模型预测车辆在未来路程中的能量消耗,并基于精准的电池状态估计算法得到车辆到达导驶终点时可能的 SOC 及剩余续驶里程,并根据估计结果进行充电推荐。从而大大缓解了车主的“里程焦虑”的问题,改善了电动车的使用体验。

预测性滑行回收功能应用场景

预测性滑行回收功能是基于智能网联信息的减速场景驾驶辅助功能。其借由智能网联系统获取前方道路和车辆信息,在前方有减速需求时通过 HMI 或提示音提醒驾驶员松开踏板,并规划滑行车速轨迹,使车辆在滑行过程能安全舒适的减速到需求的目标车速,且同时回收部分动能。

该功能可适配多种动力结构和系统配置,应用场景广泛,包含前方有限速区、弯道、拥堵、到达目的地等均可适用,并且可针对驾驶员风格和行驶工况进行自适应优化, 构筑更贴合驾驶员意图的减速策略。该功能主要结合行车场景下的车速服务、油门踏板服务、制动踏板服务、前方限速信息服务、前方道路坡度服务、前方道路曲率服 务、自车定位服务、驾驶员允许功能激活按键服务、电机扭矩及限值服务、电机转速服务、前车信息及前方红绿灯信息等因素,规划滑行车速轨迹,提示驾驶员松踏板, 将车速滑行减速至目标车速,包含与前车保持距离、限速区减速至目标车速、入弯降速、减速通过红绿灯等不同场景。

在减速的过程中能够有效回收动能,可以提升续航里程。且由于有效减少了操作制动踏板频次,零部件磨损得到缓解,车辆维护成本有所下降。在驾驶感受方面,预测性滑行回收功能很好的缓解了驾驶员的关注焦虑,驾驶员无需在减速过程中持续关注自车车速是否超出限速车速值,仅需听从提醒松踏板指令,便可将车辆安全的减速到所需车速范围。

五、智能底盘驾乘新体验

智能底盘具备大量传感器,基于传感器信息,可以学习车辆当前运动工况,同时由于智能底盘控制自由度多,尤其是针对具备分布式转向、分布式驱动、分布式功能的底盘,每个角模块都可以独立调整,可以提供更多的传感器信息。基于识别的运动工 况,通过软件优化底盘控制,深度协同底盘系统横纵垂向,保证整车车身始终保持在平稳状态,提升驾乘舒适性,给驾驶员和乘客打造一个更舒适移动的空间。

驾驶员通过加速踏板、制动踏板、方向盘实现对底盘系统的控制,智能底盘系统可以直接获取驾驶员的输入,软件可以基于驾驶员的驾驶数据进行驾驶风格分析,自适应的调整智能底盘的驾驶响应。与传统底盘系统响应单一、性能单一相比,智能底盘通过学习不同驾驶员的驾驶风格,提供更符合驾驶员心理预期的驾驶体验。同一个底盘系统,不同驾驶员驾驶,底盘系统都可以表现出不同风格,真正实现千人千面的驾驶体验。

通过软件定义汽车的智能底盘可为用户带来四大体验:

  • 个性化体验:在 SOA 和敏捷开发技术支持下,底盘域可根据终端用户习惯提供个性化的定制服务,满足差异化和个性化体验。如智能悬架系统 HMI 具备运动、舒适、标准、越野、雪地等多种供选择的模式,车身高度具备手动调节功能,供终端用户根据驾驶环境和个人需求设置。

  • 高性能体验:伴随着汽车集中式电子电气架构的逐步成熟、底盘各个系统的紧密关联,动态响应更加精准和迅速,可提供更优质的高性能驾乘体验。如智能悬架系统能够精准地感知车辆状态和路面信息,并结合高精度感知层信息自动调整悬架高度、刚度和阻尼,大幅度提高车辆操稳和舒适性,为终端用户提供高性能的用车体检。

  • 可成长体验:利用深度学习算法和 OTA 等技术,底盘域系统具备自学习能力并支持 OTA 终身服务升级,使得底盘域系统具备自学习和可成长的功能体验。如智能悬架系统能学习用户的驾驶习惯,并合理调节出最适合用户的悬架控制策略。

  • 高安全体验:汽车行业各项强标逐渐推出,功能安全 ISO26262、预期功能安全ISO21448 和信息安全 ISO SAE21434 成为汽车必备的多重安全保障,为底盘域系统提供更高安全的用车体验。

六、基于数据的个性化应用

软件定义的前提是数字化,需要能提前获取相对应的数据。在万物互联的趋势下,可将车辆数据、用户数据、外联生态数据、交通数据等进行收集,通过 AI 算法进行处理,建立基于账户的用户画像。

在处理的过程中,车辆可以提供车辆行驶信息、各传感器数据等,同时还可以收集用户对车辆的操作习惯等数据信息,生态可以提供天气、餐饮娱乐等数据信息,通过云平台连接的交通数据可提供路况等信息。将以上信息汇总到算法模型中,通过筛选去重融合等处理方式,建立用户画像,判断用户的需求和意图。在长期的使用过程中, 数据处理中心还可根据更完善的数据修补用户画像,实现数据闭环,为用户提供最贴切的符合用户特征的个性化服务,进而实现基于数据回馈的服务成长。

七、衍生更多后市场应用场景

软件定义汽车背景下,基于用户数据、车辆数据、场景数据的出行服务新兴模式也将获得高速发展,通过车辆数据智能化存储及应用可以实现人-车-家生活服务连接,车辆保险理赔等后市场服务,及智慧出行共享等带来创新应用场景。

随着V2X 技术的发展,汽车的控制功能不仅限于汽车本身,汽车实现对智能家居如冰箱、电视、洗衣机、空调等控制,反过来车端部分功能也能被家居控制,形成人-车- 家-可穿戴设备等万物互联的产业生态。

当前,在整车厂内部、汽车或交通相关科研机构、部分大数据公司都在积极挖掘车联网数据的价值,以数据驱动的新商业模式开始出现。以UBI车险为例,整车厂联合互联网数据分析公司、保险公司,基于 CAN 总线数据判断车主驾驶行为、驾驶习惯、事故发生时的状态等,协助保险公司量化保费、调查事故。未来,结合车联网大数据, 还有望看到更多实用有趣的车联网应用服务。以道路维修保养为例,在全国范围内行驶的智能汽车相当于高精度的传感器,通过车辆行驶相关环境采集数据,可发现道路设施的异常点,在出现重大问题之前及时修补。还可基于车辆传感器采集的数据,提供区域性天气变化、危险事故预警等。

来源:软件定义汽车产业生态创新白皮书V1.0

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/11195.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

c 数组遍历

#include <stdio.h> #include <stdlib.h> int main() { printf(“指针数组练习&#xff01;&#xff01;&#xff01;\n”); /* 数组名就是数组的首地址 数组存在一段连续的内存空间中 */ double score[] {60, 70, 80, 90, 100}; double *ptr_score; i…

docker安装时报错:Error: Nothing to do

安装docker时报以下错误 解决方法&#xff1a; 1.下载关于docker的相关依赖环境 yum -y install yum-utils device-mapper-persistent-data lvm22.设置下载Docker的镜像源 yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo3…

FMEA存在的五个主要不足及改进措施——FMEA软件

免费试用FMEA软件-免费版-SunFMEA 在制造业和产品设计领域&#xff0c;失效模式与影响分析&#xff08;Failure Modes and Effects Analysis&#xff0c;简称FMEA&#xff09;被广泛运用&#xff0c;用于预防潜在的设计或制造缺陷。然而&#xff0c;尽管FMEA在风险管理方面发挥…

开发者集结号:大湾区 Open Source Day 邀您共探技术前沿

开源技术正以其开放、协作的特性&#xff0c;引领着软件开发的新潮流&#xff0c;是推动社会进步的重要力量。作为开发者&#xff0c;您是否渴望深入了解开源项目的前沿动态&#xff1f;由ALC深圳与2024中国互联网发展创新与投资大赛联合举办、FISCO金链盟深度参与的大湾区 Ope…

MySQL————创建存储过程函数

存储过程使用大纲 有参数传递 delimiter $$ 声明一个名称为get_student_introduce create procedure add_student_infor( in p_userName VARCHAR(20),in p_phone VARCHAR(11),in p_sex char(2),in p_introduce VARCHAR(255)) 开始操作 BEGIN 撰写真正在操作DMLDQL都行 INSE…

CSS---复合选择器、元素显示模式和背景(三)

一、CSS的复合选择器 1.1 什么是复合选择器 在CSS中&#xff0c;可以根据选择器的类型把选择器分为基础选择器和复合选择器&#xff0c;复合选择器是建立在基础选择器之上&#xff0c;对基本选择器进行组合形成的。 复合选择器是由两个或多个基础选择器连写组成&#xff0c;它…

SpringBoot3和SpringBoot2分别整合knife4j(openApi)

文章目录 一、SpringBoot2进行整合knife4j1.1 导入依赖1.2 配置knife4j 配置文件1.3 可以在接口上配置 注解进行信息的配置 二、SpringBoot3 整合kinfe4j(openApi)2.1 导入依赖2.2 yaml配置文件2.3 swagger初始化配置2.4 创建接口 一、SpringBoot2进行整合knife4j 1.1 导入依赖…

【云原生】kubernetes核心组件

引言&#xff1a; Kubernetes 是为运行分布式集群而建立的&#xff0c;分布式系统的本质使得网络成为 Kubernetes 的核心和必要组成部分&#xff0c;了解 Kubernetes 网络模型可以使你能够正确运行、监控和排查应用程序故障。 一、Kubernetes的核心组件 1.1、Master组件 1.1.…

基于Springboot+Vue的Java项目-农产品直卖平台系统开发实战(附演示视频+源码+LW)

大家好&#xff01;我是程序员一帆&#xff0c;感谢您阅读本文&#xff0c;欢迎一键三连哦。 &#x1f49e;当前专栏&#xff1a;Java毕业设计 精彩专栏推荐&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb; &#x1f380; Python毕业设计 &am…

Kubernetes之Headless Services

Kubernetes中的Headless Services&#xff08;无头服务&#xff09;是一种特殊类型的服务&#xff08;Service&#xff09;定义&#xff0c;它不提供传统意义上的负载均衡和集群IP地址分配。在无头服务中&#xff0c;spec.clusterIP 字段被显式设置为None &#xff0c;Kubernet…

可道云teamOS企业网盘实用插件介绍:实时在线流程图编辑与分享,用在线流程图打造数字化工作流程

在使用企业网盘用于日常办公的情况下&#xff0c;有一些实用的在线小工具能为团队效率和协作带来一定的提升。 今天要给大家介绍的可道云teamOS的在线画流程图&#xff0c;是很值得介绍的一个在线工具。 在线流程图&#xff1a;直观展示&#xff0c;高效便捷 以往我们想要梳理…

FANUC机器人单轴零点标定时提示无法执行零点标定,由于重力补偿已启用,所有机器人轴的脉冲计数必须有效

FANUC机器人单轴零点标定时提示无法执行零点标定,由于重力补偿已启用,所有机器人轴的脉冲计数必须有效 首先,机器人由于长时间断电未使用,6个轴的编码器数据全部丢失,上电后报警SRVO-062, 有关SRVO-062故障报警的相关内容可参考以下链接: FANUC机器人SRVO-062报警原因分…

LeetCode 2391. 收集垃圾的最少总时间

Problem: 2391. 收集垃圾的最少总时间 问题分解 我们将这个问题分解为以下几个小问题&#xff1a; 计算每种垃圾&#xff08;金属、纸、玻璃&#xff09;在每个房子中的数量。确定每种垃圾车最后到达的房子。计算每种垃圾车行驶的总时间。计算每种垃圾车收拾垃圾的总时间。返…

SQLite 语法大全

SQLite EXPLAIN 语句&#xff1a; EXPLAIN INSERT statement...; or EXPLAIN QUERY PLAN SELECT statement...; SQLite GLOB 子句&#xff1a; SELECT column1, column2....columnN FROM table_name WHERE column_name GLOB { PATTERN }; SQLite GROUP BY 子句&#xff1…

journalctl参数详解

journalctl 是 Systemd 日志管理工具&#xff0c;用于查看、查询和管理 Systemd 系统日志。 #-x: 详细模式&#xff08;Verbose&#xff09;。这个选项会使 journalctl 输出完整的日志消息&#xff0c;包括其原始结构&#xff0c;如嵌套的JSON消息、未展开的环境变量等。这对于…

Scratch四级:第08讲 排序算法

第08讲 排序算法 教练&#xff1a;老马的程序人生 微信&#xff1a;ProgrammingAssistant 博客&#xff1a;https://lsgogroup.blog.csdn.net/ 讲课目录 常考的排序算法项目制作&#xff1a;“三个数排序”项目制作&#xff1a;“成绩查询”项目制作&#xff1a;“排序”项目制…

单片机智能灯控制系统源程序仿真原理图与论文全套资料

目录 1、设计描述 2、仿真图 3、程序 4、资料内容 资料下载地址&#xff1a;单片机智能灯控制系统源程序仿真原理图与论文全套资料下载 1、设计描述 设计了一款智能控制系统。 AT89C51LCD1602DS1302按键LED组成了这样一个完整的设计。 P2.0-P2.3 4个LED等代表庭院内的4…

计算机视觉——Opencv blobFromImage与torchvision实现数据标准化

1.blobFromImage blobFromImage 是 OpenCV 的深度神经网络&#xff08;DNN&#xff09;模块中的一个函数&#xff0c;它用于将图像转换为深度学习模型所需的输入格式&#xff0c;主要是对传入的图像进行的转换包括图像尺寸调整、均值减法、缩放等预处理步骤&#xff0c;以便图…

架构设计之学新而知故

缘由 因为一些特殊的机缘&#xff0c;接触到洋葱架构等一些新架构设计概念。 尝试理解了一段时间&#xff0c;就想简单梳理下对它们的理解&#xff0c;以达到学新而知故 &#x1f603; 信息增益 以前计算机专业并不设置通信领域的信息论的专业课程&#xff0c;但是&#xf…

输出指定日期区间内的所有天、周、月

hutool获取指定时间周几 Slf4j public class DateWeekUtil {public static List<String> getDateWeek(String startDateString, String endDateString, List<Integer> codeList) {List<String> dateInfoList new ArrayList<>();List<Integer> v…