如今的现代汽车配备了比以往更多的半导体
，包括作为人类感官延伸的多模态传感器
。多模态传感用于检测车辆环境、识别潜在风险、触发警报甚至启动制动和转向干预，以降低发生碰撞或事故的风险并提高道路安全性。

　　高级驾驶辅助系统 (ADAS) 技术是实现业界所期盼的“不会撞车的汽车”愿景的关键。实现这一愿景并非易事：汽车需要大量半导体和软件创新
，但在大众市场汽车中实现这些功能将具有成本效益
。

　　全球法规
、新车验收计划和日益增强的消费者意识对于推动汽车制造商迅速采用 ADAS 技术至关重要。尽管欧洲经常引领汽车安全法规，但美国运输部国家公路交通安全管理局 (NHTSA )最近提出的一项标准采用了全球法规的要素并进一步扩展了这一标准。

　　2024 年 4 月，NHTSA 最终确定了一项新的联邦机动车安全标准
，该标准将从 2029 年 9 月开始在所有乘用车和轻型卡车上实施自动紧急制动 (AEB)，包括行人 AEB
，其中包括全球首创的夜间测试。NHTSA 预计，这项新标准每年将挽救至少 360 人的生命
，并防止至少 24,000 起道路交通事故受伤。

　　ADAS 中的传感器：了解其功能

　　ADAS 用例(例如 AEB、车道保持辅助 (LKA) 和其他应用)依赖多种传感器模式来收集有关车辆外部和内部环境的数据。必须处理这些数据以促进快速决策并可能启动自动安全响应操作，例如制动、转向或驾驶员警报
。

　　传感模式(包括计算机视觉

、雷达、激光雷达和超声波)使车辆能够感知周围环境
。然而
，没有任何一种模式或传感器可以提供车辆以最高安全程度运行所需的所有环境信息
。

　　摄像头传感器模仿人类视觉，是物体检测和识别的理想选择
。LiDAR以其卓越的低光性能补充了摄像头传感器，并可以提供更高的深度精度和瞬时物体速度信息(在相干 LiDAR 检测的情况下)。摄像头传感器和 LiDAR 的不足之处(也是雷达的优势)在于雷达对不利的照明和天气条件(例如大雨
、大雾和光线不足)不敏感。

　　鉴于每种模式的不同优点和缺点

，传感器融合(结合来自不同传感器模式的信息)对于增强感知和决策至关重要
。

　　不同的传感架构支持传感器融合

　　麦肯锡预计，汽车电气和电子 (E/E) 架构将继续变得更加集中和整合。但是，虽然整合电子控制单元 (ECU) 是降低复杂性
、成本和重量的可取和必要措施，但集中化可能不是所有车辆类别 ADAS 传感的最佳架构方法
。

　　在中央计算 E/E 架构中
，原始传感器数据从车辆边缘传输并由中央片上系统 (SoC) 处理器处理。这种方法非常适合那些不应对传统车辆架构挑战或只需支持少量纯电动平台的 OEM。然而，集中式计算也带来了重大的技术和商业障碍，使其不适合主流部署。

　　将原始传感器数据传输到中央计算 SoC 需要高传输带宽以及昂贵且繁重的布线，尤其是考虑到现代车辆可能拥有近 30 个 ADAS 传感器，包括多个高分辨率摄像头
。此外，中央计算 SoC 本身现在必须支持非常高的数据处理能力。

　　这些因素都会导致大量功耗，从而迫使 OEM 解决与热管理(可能需要液体冷却)
、布线和成本相关的问题。对于电动汽车而言
，这种增加的功耗和重量会导致不必要的电池消耗和续航里程缩短
，而这已经是消费者最关心的问题。

　　相反，分布式智能架构为需要支持多种车辆类别和平台的 OEM 提供了可扩展的替代解决方案。在分布式智能架构中
，一些传感器数据在传感器边缘或附近进行分析(例如在区域控制器中)，从而减少了必须传送到下游域控制器或中央计算处理器的原始传感器数据的数量和速度
。

　　这反过来又有助于克服整体系统设计问题
，包括热和功率集成以及解决方案成本
。在传感器边缘执行多少处理是每个汽车制造商的权衡
，取决于他们的可扩展性需求、跨车型和目标价格点的传感器可选性以及他们采用的传感器感知方法
。然而，分布式智能架构可以独特地实现这种架构可扩展性。

　　分布式 E/E 架构是汽车行业的未来发展方向

　　虽然没有一种万能的解决方案能够实现“防撞汽车”的愿景
，但 OEM 可以依靠创新的半导体解决方案来快速改进 ADAS 技术
，在边缘提供更快、更高效的处理
，并最终提高驾驶员和道路的安全
。

利发国际科技专注功率器件领域，为客户提供IGBT、IPM模块等功率器件以及MCU和触控芯片，是一家拥有核心技术的电子元器件供应商和解决方案商
。