駕駛性的案例
【技術貼】AVL VSM+DRIVE+CAMEO車輛駕駛性優化工具鏈介紹
隨著車輛開發更加注重短周期和低成本，在前期對車輛駕駛性進行預測的需求日益增強。而開展駕駛性仿真的基本目標之一是通過駕駛性虛擬仿真指導整車參數選型，也就是通過整車參數優化在前期改善車輛駕駛性表現。
AVL致力于通過開發任務的前置（frontloading）來縮短開發周期，節省開發成本。本期技術貼給大家介紹AVL VSM+DRIVE+CAMEO工具鏈，將車輛動力學仿真工具VSM的計算結果輸入到AVL DRIVE中得到客觀評分，再將DRIVE的評分結果作為優化指標以及VSM的整車參數作為優化對象傳遞到CAMEO開展ActiveDoE（智能優化）計算，整個工具鏈能夠實時的進行數據交互，無需第三方工具耦合，即保證了優化計算的穩定高效，又能夠實現駕駛性的設計指標。
展開 Amesim工程實例詳解：基于Amesim的新能源車駕駛性工程應用實踐應用案例分享
從下述動畫可以看到，經過駕駛員控制優化之后，車輛在沙石路面沒有出現打滑及卡滯，在轉彎時也沒有出現側翻，可以實現平穩的駕駛，具有比較好的駕駛性。
文章來源：Simcenter 1D系統仿真
Velodyne聯合Ansys提升自動駕駛汽車安全性
Ansys加快激光雷達研發速度，以增強自動駕駛危險識別
主要亮點
Ansys與Velodyne展開合作研發高精度、基于物理的Velodyne激光雷達傳感器模型，以檢測和追蹤駕駛危險
此次合作加速了Velodyne傳感器與自動駕駛汽車（AV）的集成，有助于提升道路安全性
Velodyne與Ansys展開合作為新一代汽車激光雷達傳感器開發軟件模型，以顯著改進高級自動駕駛汽車的危險識別功能。此次合作將Velodyne的激光雷達設計整合到Ansys的虛擬傳感器套件中，加快汽車制造商將Velodyne傳感器集成到自動駕駛汽車應用的速度，實現行業領先的駕駛安全性并大幅加快產品上市進程。
高級駕駛輔助系統（ADAS）面臨的眾多挑戰之一是系統的魯棒性，以可靠測試并識別潛在的危險邊緣場景。
展開 最新綜述：關于自動駕駛的可解釋性（牛津大學）
目前幾乎所有現有自動駕駛數據集中都缺少自動駕駛操作中間數據或狀態數據。此外，自動駕駛汽車可解釋性的現有工作僅僅是人類試圖使自動駕駛汽車或自車的行為得到合理化的解釋。從合理化中獲得的這些解釋用于注釋駕駛數據集，這些數據集隨后用于訓練深度可解釋模型。此過程的復雜性或黑箱性質使檢查變得困難，從而對附和度評估提出了挑戰。
當前研究的另一個嚴重限制是基于感知數據集的結果解釋模型中存在固有偏差。數據集有限并且不具有代表性，因為它們沒有以均等比率涵蓋所有可能的駕駛場景。
本文僅做學術分享，如有侵權，請聯系刪文。
展開 
行業應用方案 | 面向無人駕駛的安全性分析與驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛的安全性分析與驗證技術
隨著汽車電氣化、智能化和網聯化的飛速發展，汽車已經不再像以前一樣僅僅被人們當成是交通工具，如今汽車正慢慢走進人們的生活，成為生活的一部分。通過自動駕駛替代人的駕駛工作，能有效避免人為失誤，減少交通事故的發生。同時，協同的自動駕駛車輛可以顯著提升道路通行效率，節省大量的燃油和通行時間。
依據美國汽車工程師協會制定的自動駕駛分級標準（SAEJ3016），自動駕駛可分為L0-L5共6級，目前大多數廠商已在量產車輛實現了L1，L2級別的駕駛輔助功能，L3，L4級別的自動駕駛功能則是廠商未來實現的重點功能。由于L3及以上級別的自動駕駛功能允許系統進行相應的駕駛任務將駕駛員從緊張的駕駛工作中解脫出來，因此一旦系統無法處理駕駛場景，將對駕駛員乃至周邊車輛環境造成巨大的危害，如何確保行車安全決定著自動駕駛以及車聯網能否真正的走向應用。
數字化的安全分析及仿真手段能夠保證安全分析、安全需求、架構設計及測試驗證的追溯性和一致性，基于物理的仿真能夠快速的幫助安全分析工程師發現傳感器存在的弱點和缺陷，并發現盡可能多的邊緣場景，同時數字化仿真能夠快速確認安全分析工程師的假設，保證因果關系鏈的正確性，從而實現真正意義上的保證安全分析滿足功能安全（ISO26262）及預期功能安全(ISO21448)標準。
展開 行業應用方案 | 面向無人駕駛的安全性分析與驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛的安全性分析與驗證技術
隨著汽車電氣化、智能化和網聯化的飛速發展，汽車已經不再像以前一樣僅僅被人們當成是交通工具，如今汽車正慢慢走進人們的生活，成為生活的一部分。通過自動駕駛替代人的駕駛工作，能有效避免人為失誤，減少交通事故的發生。同時，協同的自動駕駛車輛可以顯著提升道路通行效率，節省大量的燃油和通行時間。
依據美國汽車工程師協會制定的自動駕駛分級標準（SAEJ3016），自動駕駛可分為L0-L5共6級，目前大多數廠商已在量產車輛實現了L1，L2級別的駕駛輔助功能，L3，L4級別的自動駕駛功能則是廠商未來實現的重點功能。由于L3及以上級別的自動駕駛功能允許系統進行相應的駕駛任務將駕駛員從緊張的駕駛工作中解脫出來，因此一旦系統無法處理駕駛場景，將對駕駛員乃至周邊車輛環境造成巨大的危害，如何確保行車安全決定著自動駕駛以及車聯網能否真正的走向應用。
數字化的安全分析及仿真手段能夠保證安全分析、安全需求、架構設計及測試驗證的追溯性和一致性，基于物理的仿真能夠快速的幫助安全分析工程師發現傳感器存在的弱點和缺陷，并發現盡可能多的邊緣場景，同時數字化仿真能夠快速確認安全分析工程師的假設，保證因果關系鏈的正確性，從而實現真正意義上的保證安全分析滿足功能安全（ISO26262）及預期功能安全(ISO21448)標準。
展開 ANSYS 為自動駕駛車輛提供綜合性解決方案
ANSYS 為自動駕駛車輛提供綜合性解決方案。不能滿足最嚴格的安全標準，就不能讓汽車上路，不能讓無人機騰空，或者讓機器人進入倉庫。例如，對于自動駕駛汽車而言，這意味著要駕駛數十億英里，而對于上市時間非常關鍵的情況，這實際上是不可能做到的。利用 ANSYS 的綜合性自動駕駛車輛解決方案，您可以在很短的時間內完成必要的機器測試步驟。我們的開放式解決方案可進行配置，將高保真物理學與真實駕駛、飛行和操縱場景的閉環仿真相結合，以驗證功能的安全性。對車輛性能依賴非常強的情況下，ANSYS 可確保預測并避免所有潛在障礙。
展開 李德毅院士：21世紀最具顛覆性的技術當數無人駕駛，自動駕駛難以量產的最大原因是……
李德毅認為，現在所講的自動駕駛，包括中國的特斯拉等，強調的是確定性窗口，但是越是自動駕駛，人們就越容易造成注意力不集中，因此全球幾千萬英里的路測依然難以獲得駕照，交通部門正在研究路測的駕照和車輛駕駛員的駕照不同，所以，自動駕駛車的量產舉步維艱，“特斯拉仍然還在說他是輔助駕駛，這里面最重要的問題就是線控的制動，成為量產自動駕駛的一顆定時炸彈”。
他說，在人工智能時代，真正的無人駕駛汽車不僅是自動的，更應該是自主的，它應該像駕駛員一樣具有學習能力，能夠應對各種必然的路況，“自主駕駛難在不確定性駕駛，我們叫做邊緣駕駛。要把最后一公里問題當做最先一公里來解決，否則老百姓不敢坐你的車，如果你解決不了，對不起，老百姓不放心”。(韓大鵬)
以下為李德毅演講實錄
各位領導，各位專家，各位朋友，我想跟大家說一說我眼中的未來汽車是什么樣子。大家知道，科學技術是第一生產力，重慶市去年電子信息產業占了5000億的產值，汽車又占了5000億的產值，加起來就1萬億。那么在今后的二三十年之內，這1萬億的產業格局將發生什么樣的變化呢？我想先討論第一個問題。
未來已來，我說的是智能時代來，過去未去，我說的是信息化還未過去。自動駕駛成為全球的風口，全世界都在做這件事，從科學技術的發展史來看，一百多年的汽車發展，經過了技術的改造，到今天我們在哪里？2018年我們在哪里？我認為大概在這個地方，也就是說信息化時代還沒過去，智能化時代已經到來，正好在兩個交接期，在這個時候我們應該怎么辦？
展開 Ansys助力EasyMile提高電動自動駕駛汽車安全性
想要證明這一級別的安全性是非常困難的，需要明確的方法和工具來管理這些非經典系統的復雜架構。
借助Ansys軟件，EasyMile確定了統一的解決方案，其中包含了分析極為復雜的AV系統架構所需的所有工具。在Ansys的幫助下，EasyMile制定了明確的安全分析指南，以及為客戶和各種政府監管機構成功展示其AV解決方案安全性所需的專屬模板和輔助文檔。
EasyMile的研發人員Romain Dupont表示：“在過去，我們很難向客戶證明自己產品的安全性。Ansys medini analyze確實可以幫助我們簡化流程，并以客戶能夠理解的方式將其全部整合在一起，在Ansys軟件的支持下，我們將幫助塑造自動駕駛汽車安全性的未來標準。”
medini analyze是一個軟件工具集，支持為電子控制的安全相關功能開展安全分析。該軟件允許一致且高效地應用特定于自動駕駛汽車應用的行業指南，有助于消除分析過程中的不一致性問題，從而加速認證流程。
Ansys產品高級副總裁Shane Emswiler指出：“自動駕駛汽車技術正以閃電般的速度迅猛發展，這對制造商和OEM廠商而言頗具挑戰，需要可靠地測試這些極度復雜的系統并證明其可行性。我們將不斷改進medini analyze，滿足瞬息萬變的安全標準，以支持客戶的成功部署。”
展開 Ansys助力EasyMile提高電動自動駕駛汽車安全性
在Ansys的幫助下，EasyMile制定了明確的安全分析指南，以及為客戶和各種政府監管機構成功展示其AV解決方案安全性所需的專屬模板和輔助文檔。
EasyMile的研發人員Romain Dupont表示：“在過去，我們很難向客戶證明自己產品的安全性。Ansys medini analyze確實可以幫助我們簡化流程，并以客戶能夠理解的方式將其全部整合在一起，在Ansys軟件的支持下，我們將幫助塑造自動駕駛汽車安全性的未來標準。”
medini analyze是一個軟件工具集，支持為電子控制的安全相關功能開展安全分析。該軟件允許一致且高效地應用特定于自動駕駛汽車應用的行業指南，有助于消除分析過程中的不一致性問題，從而加速認證流程。
Ansys產品高級副總裁Shane Emswiler指出：“自動駕駛汽車技術正以閃電般的速度迅猛發展，這對制造商和OEM廠商而言頗具挑戰，需要可靠地測試這些極度復雜的系統并證明其可行性。我們將不斷改進medini analyze，滿足瞬息萬變的安全標準，以支持客戶的成功部署。”
展開 AEYE攜手ANSYS推動自動駕駛安全性技術的發展
ANSYS為AEye提供虛擬原型設計方案，從而實現在多種極富挑戰的真實場景中加快汽車感知技術的設計、測試和驗證
新一代自動駕駛汽車將通過利用AEye 和ANSYS技術來模擬人眼是如何關注和評估駕駛路況的。AEye將ANSYS業界領先的仿真解決方案整合到其智能檢測和測距（iDAR?）的平臺設計之中，旨在幫助客戶減少物理原型，并提高自動駕駛系統的安全性與可靠性。
要確保自動駕駛的安全性，就需要利用新一代傳感器技術快速準確地解析某些傳統感知平臺無法有效檢測到的危險道路狀況。為了驗證傳感器的有效性，必須順利完成全方位的道路測試，這需要較長的研發時間和高昂的成本。通過利用ANSYS仿真技術，AEye可以幫助汽車廠商在短短幾天內就完成數百萬英里的駕駛場景仿真，從而最大限度地減少物理原型。
AEye在其iDAR設計中采用ANSYS? SPEOS?和ANSYS? VRXPERIENCE?，這是一款基于物理傳感器模型的先進駕駛仿真工具，能幫助客戶在逼真的虛擬駕駛環境中快速測試和驗證iDAR設計。AEye車規級iDAR將確定性和AI驅動型感知技術完美結合，以傳統激光雷達或攝像頭傳感器無法實現的極快速度進行遠距離檢測和分類。通過技術整合，采用自動駕駛系統和高級駕駛輔助系統（ADAS）的汽車客戶將能在虛擬環境中對AEye靈敏的軟件可定義型激光雷達進行原型設計，并精確仿真其環境感知情況。
AEye的聯合創始人兼首席執行官Luis Dussan指出：“系統化地處理場景案例最終使AEye、其OEM廠商和tier 1客戶能夠從邊緣驅動更多智能并提高無人化能力，我們將這一概念定義為按需無人。
展開 
Velodyne聯合Ansys提升自動駕駛汽車安全性
Velodyne領先的汽車激光雷達能夠大幅提高ADAS的安全性與可靠性，以支持高度智能的自動駕駛汽車在大量復雜的邊緣場景下提高決策質量。使用VRXPERIENCE，OEM廠商將驗證激光雷達的軟件堆棧，并可完全訪問經過驗證的傳感器模型，同時保留Velodyne IP。這將有助于Velodyne迅速且低成本地設計開拓性的激光雷達傳感器，并大幅加快產品的市場投放速度。”
Velodyne聯合Ansys提升自動駕駛汽車安全性
Velodyne領先的汽車激光雷達能夠大幅提高ADAS的安全性與可靠性，以支持高度智能的自動駕駛汽車在大量復雜的邊緣場景下提高決策質量。使用VRXPERIENCE，OEM廠商將驗證激光雷達的軟件堆棧，并可完全訪問經過驗證的傳感器模型，同時保留Velodyne IP。這將有助于Velodyne迅速且低成本地設計開拓性的激光雷達傳感器，并大幅加快產品的市場投放速度。”
行業應用方案 | 面向無人駕駛的安全性分析與驗證技術
通過自動駕駛替代人的駕駛工作，能有效避免人為失誤，減少交通事故的發生。同時，協同的自動駕駛車輛可以顯著提升道路通行效率，節省大量的燃油和通行時間。
依據美國汽車工程師協會制定的自動駕駛分級標準（SAEJ3016），自動駕駛可分為L0-L5共6級，目前大多數廠商已在量產車輛實現了L1，L2級別的駕駛輔助功能，L3，L4級別的自動駕駛功能則是廠商未來實現的重點功能。
由于L3及以上級別的自動駕駛功能允許系統進行相應的駕駛任務將駕駛員從緊張的駕駛工作中解脫出來，因此一旦系統無法處理駕駛場景，將對駕駛員乃至周邊車輛環境造成巨大的危害，如何確保行車安全決定著自動駕駛以及車聯網能否真正的走向應用。
數字化的安全分析及仿真手段能夠保證安全分析、安全需求、架構設計及測試驗證的追溯性和一致性，基于物理的仿真能夠快速的幫助安全分析工程師發現傳感器存在的弱點和缺陷，并發現盡可能多的邊緣場景，同時數字化仿真能夠快速確認安全分析工程師的假設，保證因果關系鏈的正確性，從而實現真正意義上的保證安全分析滿足功能安全（ISO26262）及預期功能安全(ISO21448)標準。
展開 振華重工完成無人駕駛車隊階段性研發測試
近日，在唐山港集裝箱碼頭的22號泊位，振華重工智慧集團完成了5臺全電動無人駕駛車隊的階段性研發測試工作。
此次測試初步建立并打通了自動化無人駕駛集卡和碼頭起重設備的整套作業系統，各項系統數據互通，實現無人駕駛集卡和自動化軌道吊的作業信息自動交互，全程無人參與。
同時，完成了無人駕駛集卡在實際作業環境下的各項功能測試。通過長時間實際應用場景的測試，取得多項重要經驗數據，為下階段大規模車隊商業化在港口的運行奠定了堅實的基礎，也論證了無人駕駛集卡在港口商業化運行的可行性。
來源：龍de船人
展開 