基于CAEdge技术将电动汽车连接到云端

在 COVID-19 大流行之前，Elektrobit 开始将 EV 连接到云，作为捕获数据的一种方式，这些数据可以为新汽车功能的开发提供信息。该解决方案使 OEM 能够利用车辆数据创建应用程序，而 EV-cloud 场景只是一个示例用例。作为一个现实世界的例子，该解决方案建立在收集车辆数据的传感器和托管在混合云上的人工智能模型之上，这些模型预测了它们在现场的表现。

它由几个组件组成，包括：

EB Assist 测试实验室：一种基于云的数据管理工具，可与现有开发环境集成以优化数据和存储资源、简化工作流程和交互并简化数据访问。

EB Assist 汽车数据和时间触发框架 （ADTF）：作为开发框架和交互式环境，EB Assist ADTF 促进了车辆数据生命周期，从记录到可视化，甚至包括在基于云的硬件中重放数据循环 （HiL） 模拟。

公司成立时，他们被动地从美国、德国和日本的车辆中收集和处理汽车数据。然而，这项工作演变成 Elektrobit、Continental 和AWS之间的全球合作，以帮助汽车工程师更深入地了解现场设备的性能。

汽车虚拟现实

该解决方案从合作中获益良多，最显着的是使用Continental Automotive Edge （CAEdge） 硬件，该硬件有助于汇总车辆信息，例如重量、轴数和轮胎规格，以及任何相关的传感器数据。

CAEdge 是一个模块化的硬件/软件汽车技术堆栈，它将能够运行 AI 模型的车辆端点与可用于开发、部署和维护汽车软件的基于云的虚拟工作台相结合。Elektrobit 操作系统 （OS），例如用于 AUTOSAR Classic 的 EB tresos 或用于 Adaptive AUTOSAR 的 EB corbos、用于汽车的 Linux OS 等，都在 CAEdge 之上运行，以实现 EV 传感器数据的捕获、聚合和传输。

CAEdge 的云部分存在于 AWS EC2 实例中，该实例是 EB Assist 测试实验室的托管位置。这里的优势不容小觑，因为 AWS 基础设施提供了整个服务器场的并行处理性能，以加速 AI 模型的训练或进行高级 HiL 测试。但除了本质上无限的计算性能之外，与亚马逊基础设施配对的能力还为 EV 开发人员提供了一条无硬件的前进道路。

毫不奇怪，该技术的早期采用者是电动商用车队车辆的原始设备制造商和供应商，他们对更准确地估计续航里程和电池寿命有着既得利益。正如您在下面的视频中看到的那样，Elektrobit 的技术研究主管 Jérémy Dahan 演示了一个完全虚拟的选项，其中上述整个堆栈都在 Amazon EC2 服务器实例上运行。该堆栈模拟 EV 货运卡车的大致续航里程、电池寿命、功耗以及长途旅行的其他细节。

Jeremy 在专门的裸机 EC2 实例上启动了一个 Windows VM，它允许硬件加速运行使用 QEMU 创建的 CAEdge 模拟版本。他进一步“虚拟化”了模拟硬件，使其能够支持 EB Classic AUTOSAR 和虚拟化自适应 AUTOSAR 操作系统，以及包含 Elektrobit 的汽车 Linux 操作系统的 VM。

在模拟平台级别，所有这些都由 EB 管理程序进行分区和管理。多亏了仿真，这个嵌套堆栈可用于提供与您在传统测试设置中发现的结果相近的仿真结果。

自适应 AUTOSAR 实例聚合行程数据并将其指定用于传输到“云”，在云中以 json 文件的形式存储在 AWSS3 服务器上。在那里，数据可用于训练准确预测 EV 卡车性能的 AutoML 模型，然后在“边缘”进行优化和重新部署。

在边缘，推理算法捕获所有相关的行程特征，并在范围预测中考虑它们。该算法及其预测结果也由 Adaptive AUTOSAR OS 管理，它将输出显示为车辆集群上的信息。

最后，在此过程中收集的每一位行程数据都可以存储并重新播放以供将来参考。

你的电动汽车能走多远？

对于成熟的 OEM，该解决方案可以深入了解商业化电动汽车将如何在现实世界中运行。借助 Elektrobit 的虚拟化硬件和灵活、符合 AUTOSAR 的操作系统，工程师可以监控车辆诊断，为操作员提供最佳操作条件（速度、档位、路线规划等）的建议，甚至帮助为下一代车辆的设计提供信息例如，如果他们发现电池在某些条件下表现不佳。

所有这些都是为了增加范围和效率，这当然有助于降低成本。

通过结合这些软件和硬件解决方案，Elektrobit 能够弥合云连接和电动汽车之间的差距——无论它们是虚拟的还是真实的。

审核编辑：郭婷