（文章來源：電子工程世界）

未來的汽車將會帶動眾多技術的融合。電氣化、傳感器、連接性、云計算、大數據和 ?AI，它們在自動駕駛汽車、車輛與萬物 （V2X） 通信以及信息娛樂電子設備的功能安全及其駕駛輔助功能方面都有著緊密的聯系。

此外，這些車輛是終極的系統體系之體系。在最低層，我們擁有單獨的傳感器和集成電路。它們在車輛的各個子系統中交互，而這些子系統則構成了車輛本身。但整個體系并未止步于此：車輛不過是總體車載環境的一部分，該環境還包括其他車輛、行人、基礎設施，甚至云。

這使得汽車系統的驗證成為一項艱巨的任務。毫不夸張地說，需要檢驗的場景數量多達數百萬個，而且每個場景都有不同的變型。例如，在一個場景中，可能有汽車正在接近人行橫道上的行人。但這可能發生在一天中的不同時間，具有不同的天氣、不同的行人服裝和不同的種族類型。實際上，所有這些因素共同構成了一個憑借手動物理方法絕對無法完成的驗證項目。

在 2016 年巴黎車展上，豐田首席執行官 Akio Toyoda 曾提醒人們，“汽車驗證需要 142 億英里的測試”。在 2014 年的一篇文章《自主駕駛》（Autonomous Driving） 中，Roland Berger 指出，“設計驗證即便不是成本最高的部分，也是一個非常重要的部分”。麥肯錫報告《機器人何時上路》（When Will the Robots Hit the Road） 中則告誡人們，盡管硬件創新將會成果卓著，但軟件仍會是一個關鍵的瓶頸”。任何人如果不能充分認識到汽車設計的艱難卓絕，危險隨時可能一觸即發。在這個行業里，只有做好充分準備，才不會讓一些艱苦繁重的工作弄得措手不及。

汽車設計的復雜性本來已經足夠高了，安全和保障問題則讓它變得更加復雜，因為這是一個生命攸關的問題。隨著 ISO 26262 等標準以及即將出臺的旨在定義測試場景的 SOTIF（預期功能的安全性）標準的日趨成熟，各種認證層出不窮。在安全方面，供應商絕對不能敷衍塞責；他們必須證明安全性。

除了上述所有需求之外，盡快將具備成本競爭力的產品推向市場，是另一項常見的挑戰。這一問題迫切需要能夠改善此流程的可管理性的驗證工具。要讓一輛新車能夠快速、高效地上路，必須綜合運用現實場景建模、硬件加速仿真和機電驗證。

要讓自動駕駛汽車行之有效，其系統必須執行三項任務：感知：車輛必須能夠感知其周邊環境。此外，為保證正確的操作，還必須感知許多內部條件。計算：必須評估這些傳感器的輸出，以便做出決策。執行：這些決策必須控制車輛的某個部分或其操作的某個方面。

任何綜合驗證過程都需要包含上述所有三個元素。由于沒有時間使用試錯法，通過物理樣機研究來查找問題，因此上述要求構成了一項嚴峻的挑戰。而且，我們肯定無法在真實的物理車輛中進行完備的安全和保障測試。要執行全面的驗證作業，我們唯一的途徑是對整個系統，包括環境和車輛進行虛擬化。

這意味著我們需要工具來執行以下任務：驗證真實的環境條件和響應這些條件的傳感器輸出。考慮到傳感器輸入，驗證執行決策計算的電路。做出經過計算的決策，并將其應用于這些決策所控制的機械系統的虛擬化版本。

Siemens Tass 部門的 PreScan 工具可執行第一項任務。它能廣泛地對車輛基礎設施（例如道路或路段、橋梁和十字路口等）、實體對象（例如樹木、建筑物和交通標志等）、其他車輛和行人以及天氣條件進行建模。它還擁有一個綜合的已建模傳感器庫，其中包括攝像頭、雷達、激光雷達、超聲波傳感器、紅外傳感器、V2X 通信和 GPS。

這些元素協同工作，以允許對現實道路條件進行建模，并針對一天中的時間、天氣、車輛或行人服裝的顏色、行人特征及其他多種可用來測試這些場景的方法提供模型變型。這些虛擬場景共同產生各種車輛傳感器在對場景做出反應時所生成的信號。然后可使用這些信號來測試負責響應傳感器的集成電路。
? ? ? （責任編輯：fqj）