利用MATLAB重塑汽车软件开发体系

软件定义汽车带来的，不仅仅是消费者所能接触到汽车最终形态上的体验升级，背后是整个汽车开发行业生态的革命。系统工程、数据驱动、虚拟车辆、软件工厂...面对如此多的全新技术趋势和应用升级，行业需要一个统一的开放的平台能够将所有不同的技术和开发人员都集合在一起，加速实现虚拟车辆的仿真和开发，包括后期车辆运营过程中的数据驱动。

在近期召开的 2022 MathWorks中国汽车年会上，MathWorks中国区汽车技术经理董淑成和我们分享了软件定义汽车的挑战，以及如何实现汽车软件开发体系的重构。

软件定义汽车：汽车行业的第二次数字化转型

纵观整个汽车行业的发展历史，大致有两次重要的数字转型阶段。第一次是“软件提升硬件”，最早的应用在于发动机控制上，实现更少的排放。随后一些和安全、性能相关的零部件，也通过软件叠加电子电器硬件的方式去提升车辆性能。

早在20年前，很多软件开发还是基于汇编语言的，对于机械背景的汽车工程师而言，相关的软件开发工作非常生疏，开发难度极大。此外从设计上来看，很多利益相关方没法进行有效的沟通和评审，到了实现过程中才发现问题，导致修复成本极高。

也正是面临着第一次数字转型中出现的挑战，在那个时间节点，“基于模型的设计”开始被引入到了汽车开发过程中来，将整个开发体系进行了提升。开发者可以使用模型，用图形化的方式去构建算法；在Simulink平台上进行仿真，做一些提前测试；一些图形化的算法可以直接被转换成代码，大大降低软件开发的门槛，让汽车背景的工程师也可以从事汽车行业的软件开发工作。

而今，我们来到了汽车行业的第二次的数字化转型期，也就是“软件定义汽车”。这时候的汽车，软件的价值变得更大，甚至可能会超越汽车本身的机械价值。汽车被称为四个轮子上的手机，一些整车厂甚至公开表示已经成为了一家软件公司。电动化、智能化、网联化和共享化的技术变革给汽车开发体系提出了新的挑战。

董淑成表示，软件定义汽车的关键在于整合系统、软件和数据。要实现系统工程和软件开发的能力，将敏捷开发融入到汽车V字型开发中，推动软件的标准化自动化，集成模型驱动和数据驱动的流程，从而应对第二次数字化转型带来的挑战。通过系统工程、软件工厂和数据驱动，叠加在一起实现虚拟车辆概念的真正落地。这里提到的虚拟车辆，并不仅仅是局限于汽车部分功能的实现，而是将模型仿真度提高，例如虚拟标定，从参数优化实现性能提升。

整合系统、软件和数据，重塑汽车软件开发体系

在智能汽车、新能源汽车领域，中国已经走在了世界前列。此前汽车行业中为人诟病的软件成熟度的问题，已经在近十年得到了很大的提升。下一步的关键第一在于优化开发流程，提高开发效率，提高成本优势；第二，通过优化算法来提高产品性能。

【将系统工程的范围扩大】

系统工程是为了应对复杂多学科系统设计而产生的一门学科，针对汽车的系统工程，我们期望系统功能能够解决的不仅仅是技术问题，还要包括一些更高级别的目标。这些更高的目标包括例交付周期、开发费用、后市场需求、盈利状况等等。基于当前的系统工程需求，MathWorks扩大了“系统”的范围，系统工程开发从MBD升级到了MBSE。

MBD更多侧重软件开发，而MBSE则是针对整个系统。如上图所示，MBD包括子系统设计和子系统实施两个部分；而MBSE则将范围扩大，把系统需求、系统功能和架构、系统集成和认证、开发和维护都涵盖了进来。董淑成表示，系统工程师可以从不同的维度去看这个模型，不同的部门从不同的维度使用这个模型。

【汽车软件：敏捷开发融合和DevOps】

具备持续快速交付高质量软件的能力，是汽车软件工厂存在的关键。传统的汽车研发周期可能有5年之久，而今业界已经压缩到了1～2年的时间，这对于软件的开发和交付提出了更高的要求。在IT行业中常见的敏捷开发的方式，也开始融合进了汽车行业的V字型开发中。

另一个汽车软件方面的重要趋势是开发运营（DevOps），也就是一边开发一边运营，将运营中产生的运行数据反馈回开发阶段，实现软件的不停迭代。

MathWorks在软件工厂中提供了非常全面的开发支持，例如从算法开发层面，Simulink进行系统仿真；在测试层面提供各种测试工具给开发者进行模型和代码测试；在后期运营层面提供云计算、大数据和深度学习的算法支持。

董淑成表示，很多车企已经开始了持续集成（CI）、持续交付（CD）的过程，走的更快的已经开始做开发运营（DevOps）。

MATLAB特点在于可以提供丰富的API接口，所有的操作几乎都可以有API接口去调用。这意味着在CI/CD的过程中，开发者可以通过已经写好的一些过程描述和脚本，去调用MATLAB执行一些操作。而通过Simulink实现基于模型的设计，图形化的设计可以更方便不同团队之间交流，实现早期快速验证和代码生成。这都极大地推动了CI/CD，以及DevOps的发展。

【AI算法集成赋能系统开发】

目前一辆智能汽车一天就可以产生几个T的数据，如何将这些数据进行高效挖掘是行业关心的话题。面对大量数据时，如何实现数据特质提取、数据建模和人工智能算法的训练和部署，是能否实现成功的数据驱动的关键。掌握数据优化的能力，训练自己的AI算法模型，是车厂和汽车服务商未来的竞争力的体现。

作为一款数学软件，MATLAB在数据处理上有着天然优势。MATLAB提供了端到端的工作流程，从数据预处理到AI建模、仿真测试和算法部署一整套的流程。

其中算法部署是值得称赞的一个特点，它可以推动软硬件解耦趋势发展。开发者只需关注算法开发的工作，MathWorks可以将算法自动生成符合特定硬件平台或云平台的代码类型。不论是MCU、CPU、GPU、FPGA或是服务器，都可以自动生成与之相应的代码。

【虚拟车辆：建立仿真车辆的完整功能行为】

前文已经提到，虚拟车辆的概念已经不仅仅是部分功能的验证，更重要的是通过优化参数实现汽车性能的提升。所谓虚拟车辆指的是让功能设计者能够在几分钟内，以适当的详细程度集成系统、软件和数据创建出一辆虚拟车辆，用于对功能进行仿真，从而开展原型设计、虚拟标定和虚拟验证。

一个强大的仿真平台，是虚拟车辆的核心。MATLAB提供了丰富的即用功能、多样的开放接口，通过仿真实现最大程度的流程前置。

据悉，近年来MathWorks提供了如动力总成工具箱、车辆动力学工具箱等，帮助开发者快速构建车辆模型。对于一些非常专业的子系统，如果用户想进行更详细的设计，也可以使用Simscape去做更详细的设计。同时Simulink平台还可以去集成其他的建模仿真软件，如下图所示，基本上汽车行业内大部分仿真软件都可以集成到Simulink平台上，从而实现车辆仿真，构建一个虚拟车辆出来。

总结

在当下软件定义汽车的发展趋势下，芯片厂商、Tier1供应商以及主机厂，都已经使用MathWorks提供基于MATLAB和Simulink的平台开发了非常多实际案例。汽车的第二次数字化转型，要将系统、软件和数据集成在一起，构建虚拟车辆的仿真。这种汽车开发体系的革命，需要一个功能齐全的、可扩展、能够覆盖完整流程的软件平台支持。MathWorks已经做好了准备，并且将持续提供更多的功能升级和工具箱，和汽车行业的不同参与者，共同完成汽车行业第二次数字化转型。