本文首先從車企競爭、安全政策、成本降低三個方面講了智能車輛對對ADAS的需求，ADAS的特殊開發環境，以及ADAS的控制策略開發，包括車輛建模、ADAS系統結構及參數、ADAS 控制算法開發、ADAS HIL測試系統。

智能車輛是一個集環境測量和感知、車輛定位和姿態判斷、局部路徑和算法、聯網和數據交互、規劃決策與多等級輔助駕駛等功能于一體的綜合車輛控制系統，它集中運用了車輛技術、計算機、現代傳感、信息融合、通訊、人工智能及自動控制等技術。智能車輛己經成為世界車輛工程領域研究的熱點和汽車工業增長的新動力，美國、日本和歐洲都將其納入到各自重點發展的智能交通系統中。

第一部分 影響智能車輛發展的因素

ADAS

a）車企的競爭需求：汽車上的功能特色，從早期電動車窗到當今最新的高級輔助駕駛系統(ADAS)系統，豪華汽車所具有的高端特性和功能隨著時間的推移最終都應用到中端和經濟型汽車上。歐洲的福特福克斯汽車現在具備了自適應巡航控制（ACC）、自動剎車和主動式車道保持等功能，起亞汽車也安裝了后視攝像機。

b）安全政策的需求：隨著政府對于道路安全的管理需求，政府的道路安全規章制度和評分系統的變革也是一個重要因素。歐洲汽車評估機構“Euro NCAP”將從2016年開始將行人檢測系統和減輕行人傷害的制動器列為評估對象。屆時將對行人檢測、自動制動等一系列動作進行測試。美國國家高速運輸安全管理局正在制定強制安裝后視攝像機的政策，推進車車間通信的框架。

c）成本的降低和優惠措施：安裝了ADAS的車輛在保險上有折扣也是推動ADAS廣泛應用的另一因素。 ADAS在汽車上廣泛應用的決定性因素還是成本，其技術的復雜性，隨著傳感器和處理器技術的進步（很少器件中集成多種功能），使得現在經濟型汽車也能承受某些ADAS功能的應用。

智能汽車的開發環境

汽車的開發環境，主要有基于場景的模型和對于智能汽車控制實驗兩部分組成，前者主要是通過各種場景的抽象，形成程序環境；后者主要進行研究、標定和認證的實驗，包括實驗場地、實驗設備，測速環境等。

ADAS系統的功能與應用特性不同于常規汽車電子控制系統，ADAS具有自身的特點：

1）ADAS的應用場景一般為人、車、路構成的閉環系統，三者缺一不可

2）ADAS與自身車輛性能以及道路的特性、駕駛員的安全行為直接相關

3）ADAS系統通常需與多個車載控制系統協作，是一種分布式控制系統

車輛縱向控制需求

ADAS系統的開發具有特殊性，要遵從一般ECU的V模式開發流程（工具和基于模型的設計方法首先對電池管理控制系統進行了設計、仿真和驗證，然后為其生成了產品代碼），由于ADAS系統的實時性非常重要，需要實時與不同類型的傳感器進行數據交換（比如攝像頭、激光雷達、雷達、車輛CAN總線、GPS等），而且需要方便的集成新的功能和算法。ADAS系統的軟件開發需要解決很多挑戰，比如多線程編程、數據樣本時戳和再同步、數據延時測量和預估，系統優化和性能評估、代碼重用和軟件應用維護等，一般一開始就需要考慮虛擬化半實物仿真測試方案。

ADAS細分成不同的功能，但是目前其測試環境和解決方案貫穿于前期的MBD建模和算法開發，到發布ECU代碼，ECU樣件測試完畢，連接到子系統和傳感器，裝到樣車上，以及形成整車，共用一個測試平臺。從MIL，SIL到EIL，HIL，VIL各個階段都用一個測試平臺，通過軟件將虛擬化場景復現出來，測試ADAS的各種功能。包含車輛模型，交通環境模式，駕駛員模型，傳感器模型，環境模型。根據不同測試對象，選擇的不同傳感器，獲取環境中不同的信息。把傳感器獲得的信息給到算法或者ECU，算法或ECU再反過來控制環境中的整車，形成閉環的測試環境。如果在早期算法開始就進行測試，到后期隨著開發的深入，測試項會發生變化，如果從早期就投入使用測試方案，后期會越來越簡單。

MBD的開發過程（編者自行整理）

第二部分 控制策略開發過程

ADAS的控制策略開發

全系統仿真建模：車輛系統動力學主要研究車輛行駛過程中受到的各種力的相互作用、由此產生的對車輛運動的影響以及車輛內部各系統之間的相互影響。

車輛建模

包含輪胎模型和車輛模型。前者是基于試驗數據的半經驗輪胎模型，它對輪胎的縱向力、橫向力和回正力矩的擬合性較好；后者往往需要做一些假設，如車輛坐標系原點與汽車質心重合；汽車僅作沿 ｘ軸的縱向運動、沿ｙ軸的橫向運動和繞 ｚ軸的橫擺運動；各輪胎機械特性相同。

傳統的基于車輛簡化模型（編者自行整理）

現在越來越多的開始在軟件（Cruise仿真軟件, AMESim仿真軟件）中構建該車型的仿真模型，包括車輛內外造型，動力學參數等。AMESim可以對車輛模型結合有傳統制動系統、ABS和ESP系統的液壓、氣動元部件以及控制方案進行建模與仿真分析，得到更為細致的結果。

車輛模型在軟件中進一步細化（AMESim 建模參考）

ADAS系統結構及參數：使用一套傳感器裝置，選用 1 個單目攝像頭和雷達的參數選型。根據這些傳感器開發多目標跟蹤算法，目的是計算出有效目標的距離、速度及角度，需要進一步細化運動狀態的參數及方差、幾何尺寸、運動狀態類別、物體特征類別概率等，且還包括傳感器的信息及交通環境的信息。結合傳感器量測信息，基于本車的運動信息和傳感器的目標管理，從而進行雷達目標狀態的估計，然后對于每個目標進行數據關聯，從而關聯成一個有效的物體，然后再對物體的有效性進行校驗，得到目標的運動狀態及運動狀態參數偏差、幾何尺寸、物體可信度等。對物體的運動狀態進行分類（物體是運動的、靜止的、開始運動再開始靜止）。

ADAS 控制算法開發：以自適應巡航為例，包括定速續航控制、彎道巡航控制和跟隨控制。前者控制單元按照駕駛員設定的巡航速度控制車輛勻速行駛；后者則使主車車速降到理想目標值后，保持相對距離地跟隨前方目標車輛行駛。三個控制系統同時計算，然后基于車輛的行駛工況，理想控制輸出進行選擇。在實際中需要考慮汽車本身動力學及運動學特性的，是否上下坡工況，在不同速度段的驅動能力等等，對理想控制輸出進行限制。

ACC前面目標和系統功能簡圖（圖片來源：微講座《77GHZ毫米波了大的開發難度》）

具體實現是分模塊實現之后在Simulink里面細化，在定速模塊內做PID控制策略；

ACC 算法 Simulink實現（編者自行整理）

ADAS HIL測試系統：不少汽車OEM公司，都采取完整的“虛擬車輛”測試平臺并以此完成了ADAS仿真測試。通過待測試車型仿真模型的實時運行，可實現對車輛各種運行狀態和各類復雜工況的模擬，并完成對整車電子電氣系統的手動測試和自動化測試。