在 COVID-19 大流行之前，Elektrobit 開始將 EV 連接到云，作為捕獲數據的一種方式，這些數據可以為新汽車功能的開發提供信息。該解決方案使 OEM 能夠利用車輛數據創建應用程序，而 EV-cloud 場景只是一個示例用例。作為一個現實世界的例子，該解決方案建立在收集車輛數據的傳感器和托管在混合云上的人工智能模型之上，這些模型預測了它們在現場的表現。

它由幾個組件組成，包括：

EB Assist 測試實驗室：一種基于云的數據管理工具，可與現有開發環境集成以優化數據和存儲資源、簡化工作流程和交互并簡化數據訪問。

EB Assist 汽車數據和時間觸發框架 （ADTF）：作為開發框架和交互式環境，EB Assist ADTF 促進了車輛數據生命周期，從記錄到可視化，甚至包括在基于云的硬件中重放數據循環 （HiL） 模擬。

公司成立時，他們被動地從美國、德國和日本的車輛中收集和處理汽車數據。然而，這項工作演變成 Elektrobit、Continental 和AWS之間的全球合作，以幫助汽車工程師更深入地了解現場設備的性能。

汽車虛擬現實

該解決方案從合作中獲益良多，最顯著的是使用Continental Automotive Edge （CAEdge） 硬件，該硬件有助于匯總車輛信息，例如重量、軸數和輪胎規格，以及任何相關的傳感器數據。

CAEdge 是一個模塊化的硬件/軟件汽車技術堆棧，它將能夠運行 AI 模型的車輛端點與可用于開發、部署和維護汽車軟件的基于云的虛擬工作臺相結合。Elektrobit 操作系統 （OS），例如用于 AUTOSAR Classic 的 EB tresos 或用于 Adaptive AUTOSAR 的 EB corbos、用于汽車的 Linux OS 等，都在 CAEdge 之上運行，以實現 EV 傳感器數據的捕獲、聚合和傳輸。

CAEdge 的云部分存在于 AWS EC2 實例中，該實例是 EB Assist 測試實驗室的托管位置。這里的優勢不容小覷，因為 AWS 基礎設施提供了整個服務器場的并行處理性能，以加速 AI 模型的訓練或進行高級 HiL 測試。但除了本質上無限的計算性能之外，與亞馬遜基礎設施配對的能力還為 EV 開發人員提供了一條無硬件的前進道路。

毫不奇怪，該技術的早期采用者是電動商用車隊車輛的原始設備制造商和供應商，他們對更準確地估計續航里程和電池壽命有著既得利益。正如您在下面的視頻中看到的那樣，Elektrobit 的技術研究主管 Jérémy Dahan 演示了一個完全虛擬的選項，其中上述整個堆棧都在 Amazon EC2 服務器實例上運行。該堆棧模擬 EV 貨運卡車的大致續航里程、電池壽命、功耗以及長途旅行的其他細節。

Jeremy 在專門的裸機 EC2 實例上啟動了一個 Windows VM，它允許硬件加速運行使用 QEMU 創建的 CAEdge 模擬版本。他進一步“虛擬化”了模擬硬件，使其能夠支持 EB Classic AUTOSAR 和虛擬化自適應 AUTOSAR 操作系統，以及包含 Elektrobit 的汽車 Linux 操作系統的 VM。

在模擬平臺級別，所有這些都由 EB 管理程序進行分區和管理。多虧了仿真，這個嵌套堆棧可用于提供與您在傳統測試設置中發現的結果相近的仿真結果。

自適應 AUTOSAR 實例聚合行程數據并將其指定用于傳輸到“云”，在云中以 json 文件的形式存儲在 AWSS3 服務器上。在那里，數據可用于訓練準確預測 EV 卡車性能的 AutoML 模型，然后在“邊緣”進行優化和重新部署。

在邊緣，推理算法捕獲所有相關的行程特征，并在范圍預測中考慮它們。該算法及其預測結果也由 Adaptive AUTOSAR OS 管理，它將輸出顯示為車輛集群上的信息。

最后，在此過程中收集的每一位行程數據都可以存儲并重新播放以供將來參考。

你的電動汽車能走多遠？

對于成熟的 OEM，該解決方案可以深入了解商業化電動汽車將如何在現實世界中運行。借助 Elektrobit 的虛擬化硬件和靈活、符合 AUTOSAR 的操作系統，工程師可以監控車輛診斷，為操作員提供最佳操作條件（速度、檔位、路線規劃等）的建議，甚至幫助為下一代車輛的設計提供信息例如，如果他們發現電池在某些條件下表現不佳。

所有這些都是為了增加范圍和效率，這當然有助于降低成本。

通過結合這些軟件和硬件解決方案，Elektrobit 能夠彌合云連接和電動汽車之間的差距——無論它們是虛擬的還是真實的。

審核編輯：郭婷