隨著電子電氣架構(gòu)的發(fā)展，以信號/功能為導(dǎo)向的傳統(tǒng)設(shè)計模式已不再滿足需求，而整車范圍SOA設(shè)計具有統(tǒng)一性、可靠性，可以帶來兩個核心優(yōu)勢：

圖1 基于信號到基于服務(wù)的轉(zhuǎn)變

與傳統(tǒng)設(shè)計模式相比，SOA開發(fā)過程需要考慮更多的系統(tǒng)要求，如延時、帶寬、鑒權(quán)、冗余與安全、整車級別的運行配置等。在智能駕駛領(lǐng)域里，通過動態(tài)配置資源的高性能實時運算平臺（由軟件定義的、硬件高度集成的ECU）在大數(shù)據(jù)和AI算法的幫助下將擔負更多的角色。

圖2 BMW L3&L4可剪裁的自動駕駛架構(gòu)

為了提高模塊化下的軟硬件開發(fā)效率、降低成本、提高復(fù)用性。目前在BMW所有L2至L4/5級乘用車中，基礎(chǔ)平臺統(tǒng)一在AUTOSAR（Automotive Open System Architecture）上進行搭建，并將L2模塊作為L3的備份，這種設(shè)計使ECU和攝像頭的軟硬件具有較高的復(fù)用性。且隨著自動化水平的繼續(xù)升高，還可通過部署額外的傳感器和高端微處理器來滿足需求。

從完整系統(tǒng)測試到持續(xù)集成測試的轉(zhuǎn)變，使得測試對自動化的需求大幅提升，解決這個問題的關(guān)鍵是在設(shè)計初期的虛擬平臺上進行大量的驗證和測試。目前的解決方向是針對整套系統(tǒng)進行不同精度等級的仿真，并在軟/硬件在環(huán)的測試用例中集成真實元件，實現(xiàn)這一目標具有較大的挑戰(zhàn)性。

架構(gòu)在初期設(shè)計階段就已確定，但隨著研發(fā)過程的深入，軟件功能還會陸續(xù)的添加，在產(chǎn)品售出后還有更新的需求。這種更新目前主要有兩個場景：純軟件的升級和軟硬件同時升級（如ADAS模塊）。因此，如何設(shè)計一個擴展性好、可持續(xù)增值的E/E架構(gòu)成為整車設(shè)計的難點。

目前系統(tǒng)的設(shè)計優(yōu)化主要可按照鏈路帶寬、TSN協(xié)議的選擇等方向展開，如何保證在設(shè)計初期就選擇一個“面向未來的”E/E架構(gòu)？下文將從一個示例來闡述，在一個基于TSN的Zonal架構(gòu)中，如何評估網(wǎng)絡(luò)帶寬使用情況以及未來軟件更新可增加的服務(wù)數(shù)量，設(shè)計出一個的擴展性好的E/E架構(gòu)。

示例：如下圖所示，三個區(qū)域控制器（圖中黃色區(qū)域）與HPC（圖中綠色區(qū)域）使用千兆以太網(wǎng)相連，HPC將處理包括車身、運動、數(shù)據(jù)分析、ADAS等內(nèi)容。該以太網(wǎng)拓撲包含17個ECU，如HMI、動力系統(tǒng)、攝像頭、AI后臺計算等。根據(jù)統(tǒng)計，命令控制信息占汽車數(shù)據(jù)流總數(shù)的30%，音視頻流（含ADAS）為10%，各種服務(wù)信息則占到60%，這個示例中，服務(wù)類信息是影響鏈路帶寬的關(guān)鍵。

圖3 示例拓撲及數(shù)據(jù)統(tǒng)計

為了評估后期更新時增添服務(wù)的極限，在分析軟件RTaW-Pegase中將評估內(nèi)容拆解成五個方面：過載、網(wǎng)絡(luò)性能、成本/擴展性、性能優(yōu)化及整體架構(gòu)。接下來本文將圍繞這五個方面進行介紹。

圖4 評估流程

以鏈路100%負載作為限制（當一條或多條鏈路上負載高于100%時，即使使用TSN也不能滿足時間限制），得到的評估結(jié)果為：添加90個新服務(wù)時過載為10%，之后過載量陡然上升，這說明無論使用哪種TSN策略，該架構(gòu)都只適合添加60-80個服務(wù)。

圖5 過載評估

除了鏈路負載以外，流量調(diào)度方法的選擇也會對結(jié)果產(chǎn)生影響。未使用任何整形方法或者流量調(diào)度方法的命令&控制信息只能添加25-30個新服務(wù)（75%保障級別），接著使用不同流量調(diào)度方法進行分析：“CBS[1]+最高優(yōu)先級設(shè)置為Express[2]”方案在同等保障級別下可添加55個新服務(wù)，這個結(jié)果和“最高級使用CBS+TAS[3]”方案結(jié)果相似。所以，在硬件允許且不考慮成本的情況下，這兩種配置可實現(xiàn)幾乎相同的可擴展性。

^[1] CBS（Credit-based Shaping）：IEEE 802.1Q協(xié)議中規(guī)定的一種基于信用的整形機制，在支持AVB功能的交換機出口處對數(shù)據(jù)流依照信用值進行流量整形，以達到保證時間敏感的音視頻流的傳輸目的。

^[2] Express：幀搶占是TSN協(xié)議族中提供延遲保障機制的協(xié)議，通過對幀進行高低優(yōu)先級的劃分（Express MAC和Preamble MAC），來縮短高優(yōu)先級幀的排隊等待時間。

^[3] TAS（Time Aware Shaping）：IEEE 802.1Qbv協(xié)議規(guī)定的時間感知整形，通過開關(guān)門的機制來控制數(shù)據(jù)的發(fā)送，為車內(nèi)時間敏感數(shù)據(jù)提供超低延時及抖動保證。

設(shè)計者在追求系統(tǒng)可擴展性的時候也需要進行成本控制。影響成本的因素眾多（價格、時間、風險、重量等等），在RTaW中為本案例添加自定義的函數(shù)來計算成本。從結(jié)果看，在不使用整形機制（CP）的情況下可新增20個服務(wù)流，此方案的性價比在給定的價格基礎(chǔ)上更優(yōu)；隨著需求中流的數(shù)量的上升，在給定當前價格參考的基礎(chǔ)下，性價比更高的方案由CP向“TAS+CBS”轉(zhuǎn)移，當流的增量超過40條時，“CBS+Preemption”擁有較高的性價比。

圖6 成本和擴展性評估

架構(gòu)可擴展性分析必須同時考慮網(wǎng)絡(luò)通訊以及CPU負載。我們首先來假設(shè)每個服務(wù)所需的處理時間都與其數(shù)據(jù)流成比例，基于相同的CPU算力來進行對比評估。在軟件中分別模擬更好的TSN方案（最高級隊列設(shè)為Express+兩個CBS隊列）有/無CPU需求的場景。在不考慮CPU要求的情況下，結(jié)果往往會過于樂觀，如圖所示，在同時滿足通訊和CPU性能要求的情況下，網(wǎng)絡(luò)的實際可擴展性會差于不考慮CPU要求的情況。

圖7 整體架構(gòu)擴展性評估

以上介紹了基于已有的網(wǎng)絡(luò)拓撲如何進行面向未來的汽車電子電氣架構(gòu)設(shè)計，特別是分析了網(wǎng)絡(luò)的可擴展性以應(yīng)對未來的需求。下面我們來總結(jié)一下，對于通過擴展已有核心網(wǎng)絡(luò)拓撲來設(shè)計未來網(wǎng)絡(luò)架構(gòu)，需要考慮四大方面：

面對汽車電子電氣架構(gòu)設(shè)計優(yōu)化需求，系統(tǒng)復(fù)雜性、擴展性、時間和成本效率等是關(guān)鍵的驅(qū)動因素?？梢灶A(yù)見，計算機輔助網(wǎng)絡(luò)分析軟件將大大推動面向未來的研發(fā)進程。

RTaW-Pegase是法國國家信息與自動化研究所（INRIA）下屬公司RTaW的產(chǎn)品。該公司主要為汽車等領(lǐng)域的企業(yè)提供時間仿真和配置工具。RTaW-Pegase（V4.2.7）全面支持CAN（FD）、車載以太網(wǎng)以及TSN協(xié)議的設(shè)計仿真及性能評估。該軟件功能強大且使用便捷，ZeroConfig功能可根據(jù)用戶輸入一鍵式自動完成車載以太網(wǎng)TSN協(xié)議參數(shù)配置工作，優(yōu)化TSN網(wǎng)絡(luò)拓撲以及調(diào)度機制。不斷新增的功能也將在更廣的范圍內(nèi)支持車載網(wǎng)絡(luò)全網(wǎng)時間分析及優(yōu)化。

經(jīng)緯恒潤持續(xù)關(guān)注車載以太網(wǎng)國際新趨勢，為客戶提供各類優(yōu)質(zhì)先進的車載以太網(wǎng)相關(guān)工程咨詢服務(wù)，涉及車載以太網(wǎng)設(shè)計、AVB/TSN量產(chǎn)應(yīng)用、SOA架構(gòu)、網(wǎng)絡(luò)安全設(shè)計和測試等多個領(lǐng)域。RTaW兩年前由經(jīng)緯恒潤引入國內(nèi)，是該公司在中國的重要合作伙伴。恒潤已為國內(nèi)多家知名汽車企業(yè)提供了基于RTaW-Pegase產(chǎn)品的車載以太網(wǎng)TSN設(shè)計工程咨詢服務(wù)，更多資訊請訪問經(jīng)緯恒潤官網(wǎng)或官微。

[1]O. Creighton,   N. Navet, P. Keller, J. Migge, “Towards Computer-Aided, Iterative TSN-and   Ethernet-based E/E Architecture Design,” IEEE Standards Association (IEEE-SA) Ethernet & IP @   Automotive Technology Day, 2020.

[2]J.   Yoshida, “Unveiled: BMW’s Scalable AV Architecture,” EE|Times, 4 2020.