前两周说到影响 ADAS 和自动驾驶处理器的主要因素，这次就来说说处理器的功能安全。

影响 ADAS 和自动驾驶处理器的因素

影响 ADAS 和自动驾驶处理器的因素 - 软硬件等

ISO26262/SOTIF/AUTOSAR

在不久的将来，将在用于计算密集型车辆中使用多核处理器来增强域控制器。此外，自动驾驶的愿景也需要这样的域控制器，这将导致更复杂的设计。下一代的 Adaptive AUTOSAR（汽车开放系统架构）是可作为此类设计基础的软件。

AUTOSAR 自适应平台旨在支持软件工程师创建更灵活的 E/E 架构。因此，AUTOSAR 自适应平台将为更复杂的车辆系统提供软件框架。由于采用以太网连接技术，带宽的增加将为工程师提供支持。因此，经典和自适应应用程序可以通过以太网无缝结合。

因此，新标准可能将是第一个在 ADAS 平台中应用的标准。但高级自动驾驶系统必须可靠并且具有故障安全操作功能。这只能通过诸如高数据处理能力、面向服务的通信，以及 OTA 更新等功能来实现。新平台的优势最终将在自动驾驶汽车（AV）中发挥最大的作用，它通过使尽可能多的 OEM、供应商和开发商能够使用新平台，成为 AV 的关键推动力。AUTOSAR Adaptive 还可以通过将其无缝集成到具有更多网联性和图形计算能力的标准操作系统中来帮助信息娱乐系统的开发。

开发团体的目标之一是创建一个包含中间件的动态系统，并使用 POSIX 接口和多核微处理器来支持复杂的操作系统。它的主要通信方法基于面向服务的通信和 IP/ 以太网。该平台将能够在与非 AUTOSAR 系统交互时支持自适应软件部署。

ADAS vs. AV

ADAS 是汽车电子领域中发展最快的部分之一，具有汽车安全系统的行业标准（例如 ISO 26262）以及正在开发的技术特定标准（例如，针对图像传感器质量的 IEEE 2020）和通信协议（例如车辆信息 API）。API 是用于构建基于软件的应用程序的一组例程、协议和工具，用于指定软件应用程序应如何交互

为了使自动驾驶成为现实，除了传统的 ADAS 中包含的系统之外，自动驾驶系统还需要组合不同的方法：

可以通过 OTA 并与云、数据中心、服务器中的软件系统进行通信的自适应软件系统。

• AI 和机器学习可以主动学习和提高性能。
• V2X 和 V2V 通信，可提供有关交通情况的有价值的信息。
• 具有不同功能、准确性和响应时间的不同传感器将生成详细的环境图片。
• 高精地图将提供有关周围环境的精确信息，包括三维空间的详细信息（例如高程）。
• 强大的新型总线系统可传输增加的多媒体传感器信息。
• 可扩展的软件架构和中间件，用于处理传感器输入、实现融合算法、预处理和后处理分析以及机器学习。
• 用于快速图像和数字信号处理的半导体解决方案（例如英伟达、高通和安霸等）。
• 传感器融合算法可以组合不同的传感器源。