【信息科学与工程学】【制造工程】【智能交通】第二十篇 智能驾驶车辆参数体系01
智能驾驶车辆多尺度参数体系框架
体系结构: 本参数体系采用六层嵌套模型,确保从宏观驾驶行为到微观材料特性的全链路闭环追溯与多物理场耦合分析。
-
L0: 整车与系统级 (行驶动力学、功能安全、总体规格)
-
L1: 子系统级 (感知、决策、执行、网联、电源、热管理、结构)
-
L2: 部件/总成级 (摄像头、雷达、激光雷达、计算平台、线控底盘、电池包、域控制器)
-
L3: 模块与IC级 (传感器SoC、AI芯片、功率模块、通信模块、内存)
-
L4: 封装与互连级 (PCB、衬底、封装体、焊点、导线)
-
L5: 材料与工艺级 (半导体材料、光学材料、结构材料、化学材料)
-
L6: 原子/分子级 (界面态、掺杂浓度、晶体缺陷、分子结构)
每一层参数均由独立参数和由下层参数组合/衍生/涌现的系统参数构成。参数间的“依赖、约束、互斥、协同、传递”关系是体系的核心。
核心参数列表
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-1 |
L0: 整车级 |
安全性能参数 |
整车功能安全目标 (ASIL等级) |
|
ASIL D |
等级 |
CAR0-2, CAR1-1, CAR3-1, CAR5-1 |
所有子系统的安全要求 |
与低成本、简单架构存在根本矛盾 |
冗余设计、高可靠性设计 |
向下逐级传递至所有电子电气系统的硬件随机失效率目标、软件架构度等。 |
需满足ISO 26262 ASIL D开发流程,包括需求、设计、测试、生产全过程。 |
HARA分析,FMEA,FTA,故障注入测试。 |
功能安全, 可靠性工程, 系统工程 |
|
CAR0-2 |
L0: 整车级 |
综合性能参数 |
系统级安全操作域 |
|
动态定义, 无固定值 |
无 |
CAR0-1, CAR1-2, CAR1-3, CAR2-1, CAR2-2 |
各子系统性能边界 |
无 |
各子系统性能裕量 |
向下分解为各子系统的性能边界约束(如最大制动减速度、最小感知距离)。 |
需通过实时监控和预测确保车辆状态不违反SOD。 |
硬件在环仿真, 极限场景测试, 形式化验证。 |
控制理论, 动力系统, 形式化方法, 优化理论 |
|
CAR1-1 |
L1: 感知子系统 |
性能参数 |
多传感器融合感知置信度 (99.9%分位) |
|
≥ 99.99% |
概率 |
CAR1-2, CAR1-3, CAR2-3, CAR2-4, CAR4-1 |
各传感器独立性能, 融合算法, 标定精度 |
高置信度与低延迟、低算力消耗存在折衷 |
传感器冗余 (CAR1-4) |
向上决定整车安全边界(CAR0-2);向下约束各传感器最小检测概率与最大对齐误差。 |
在雨、雾、逆光、传感器部分失效等极端条件下保持高置信度。 |
KITTI等数据集测试, 实车道路采集对比, 注入噪声的闭环仿真。 |
信息融合, 贝叶斯估计, 计算机视觉, 信号处理 |
|
CAR1-2 |
L1: 感知子系统 |
时空参数 |
全局传感器时空同步误差 (RMS) |
|
≤ 1 ms, ≤ 2 cm |
秒, 米 |
CAR1-1, CAR2-5, CAR2-6, CAR4-2 |
硬件时钟精度, 标定算法, 车身刚度 |
高精度同步与系统复杂度、成本互斥 |
高带宽低延迟通信 (CAR2-7) |
直接影响融合效果(CAR1-1)和定位精度(CAR1-3)。 |
支持硬件级时间戳;具备在线外参自标定与补偿能力。 |
高精度运动捕捉系统对比, 特定同步靶标测试。 |
时间同步协议, 传感器标定, 刚体运动学, 估计理论 |
|
CAR1-3 |
L1: 定位子系统 |
精度参数 |
融合定位绝对精度 (开阔天空, 无GNSS拒止) |
|
水平: ≤ 10 cm (RMS) |
米 |
CAR0-2, CAR1-1, CAR2-8, CAR2-9 |
GNSS信号质量, IMU零偏稳定性, 高精地图精度 |
高精度与低成本、小体积互斥 |
多源感知匹配 (CAR1-1) |
是规划控制(CAR1-4)的基础输入, 误差将直接传递至跟踪误差。 |
需集成RTK/PPP, 高性能IMU, 轮速计, 激光雷达点云匹配。 |
基准站差分测试, 惯性导航系统封闭场地测试。 |
组合导航, 卡尔曼滤波, 状态估计, 大地测量 |
|
CAR1-4 |
L1: 决策规划子系统 |
控制参数 |
规划轨迹跟踪误差 (P95) |
|
横向: ≤ 0.1 m; 纵向: ≤ 0.3 m |
米 |
CAR0-2, CAR1-3, CAR2-10, CAR2-11 |
车辆模型精度, 控制器频率与视界, 执行器带宽与延迟 |
高跟踪精度与舒适性(低加加速度)需权衡 |
准确的车辆状态估计 |
向上影响乘坐体验和安全性;向下约束执行器的响应速度和精度。 |
控制器需在模型不确定性和外部干扰下具有鲁棒性。 |
双移线, 蛇形绕桩等标准工况测试;硬件在环仿真。 |
最优控制, 模型预测控制, 车辆动力学, 鲁棒控制 |
|
CAR2-1 |
L2: 部件 (激光雷达) |
光学/探测参数 |
905nm激光雷达在10%反射率下的最大探测距离 |
|
≥ 150 |
米 |
CAR1-1, CAR2-2, CAR3-1, CAR5-1 |
激光器功率与安全等级, SPAD探测器效率, 光学系统透过率 |
长测距与高角分辨率、低功耗、人眼安全互斥 |
高精度点云 (CAR2-2) |
决定感知子系统在低反场景下的有效作用距离(CAR1-1)。 |
符合IEC 60825-1人眼安全Class 1标准;适应车规级振动与温度冲击。 |
标准反射板测试, 室外实测不同反射率目标。 |
激光物理, 光电探测, 光学设计, 雷达原理 |
|
CAR2-2 |
L2: 部件 (激光雷达) |
几何参数 |
点云角度分辨率 (水平/垂直) |
|
水平: 0.1°, 垂直: 0.2° |
度 |
CAR1-1, CAR2-1, CAR3-2 |
扫描机构精度, 光学系统设计, 探测器阵列规模 |
高分辨率与高帧率、低成本互斥 |
长探测距离 (CAR2-1) |
高分辨率提升对远处小目标的分类能力(CAR1-1)。 |
需考虑运动畸变补偿。振镜或MEMS的可靠性需满足车规。 |
角度分辨率测试板, 动态扫描精度测试仪。 |
精密机械, 微机电系统, 光学, 几何光学 |
|
CAR3-1 |
L3: 模块 (激光发射器) |
半导体/光学参数 |
边发射激光二极管 (EEL) 斜率效率 |
|
1.0 - 1.5 |
W/A |
CAR2-1, CAR3-3, CAR5-2, CAR6-1 |
量子阱材料组分, 掺杂浓度, 腔面镀膜质量 |
高效率与高可靠性(抗光学灾变损伤)需优化 |
低热阻封装 (CAR4-1) |
直接决定激光雷达的发射功率(CAR2-1)和系统功耗。 |
需在-40°C至105°C结温下保持稳定, 寿命>10,000小时。 |
L-I-V特性曲线测试, 光谱分析, 加速老化测试。 |
半导体物理, 光电子学, 量子力学, 材料科学 |
|
CAR3-2 |
L3: 模块 (探测器阵列) |
光电参数 |
单光子雪崩二极管 (SPAD) 光子探测效率 |
|
@905nm, 5V过偏压: ≥ 20% |
百分比 |
CAR2-1, CAR3-4, CAR5-3 |
吸收层材料与厚度, 电场分布, 淬灭电路速度 |
高PDE与低暗计数率、短死时间存在折衷 |
快速淬灭电路 (CAR3-5) |
是决定激光雷达探测灵敏度(CAR2-1)和信噪比的核心。 |
需在高温下保持低暗计数, 防止串扰。 |
在特定波长和偏置下测试单光子响应曲线。 |
半导体器件物理, 雪崩击穿, 单光子探测, 统计光学 |
|
CAR4-1 |
L4: 封装 (功率芯片) |
热-力-电组合参数 |
绝缘栅双极型晶体管 (IGBT) 芯片结到外壳热阻 |
|
≤ 0.5 |
K/W |
CAR3-1, CAR4-2, CAR5-4, CAR5-5 |
芯片背面金属化, 烧结银膏孔隙率, DBC衬底导热性 |
低热阻与高绝缘强度、低成本互斥 |
高热导界面材料 (CAR5-6) |
直接决定功率模块的散热能力, 影响激光雷达发射功率(CAR2-1)或电机控制器输出能力。 |
需承受高低温循环 (> -40°C to 150°C) 和功率循环, 满足车规可靠性。 |
热瞬态测试 (如T3Ster), 扫描超声检测焊接层。 |
传热学, 材料力学, 电力电子, 可靠性物理 |
|
CAR5-1 |
L5: 材料 (激光晶体) |
物理/光学参数 |
掺镱钇铝石榴石 (Yb:YAG) 晶体受激发射截面 |
|
@1030nm, 300K: ~2.0e-20 |
cm² |
CAR3-1, CAR5-7, CAR6-2 |
Yb³⁺离子浓度, 晶体位错密度, 温度 |
大发射截面与高损伤阈值、低热透镜效应需权衡 |
高热导率 (CAR5-8) |
决定固体激光器的增益和效率, 影响光纤激光种子源性能, 间接关联激光雷达性能(CAR2-1)。 |
高光学均匀性, 低吸收损耗, 高损伤阈值 (> 20 J/cm²)。 |
光谱分析 (吸收/荧光), Z扫描法测非线性折射率, 激光损伤阈值测试。 |
激光物理, 晶体学, 光谱学, 量子电子学 |
|
CAR6-1 |
L6: 原子/分子级 |
量子/材料参数 |
砷化镓 (GaAs) 量子阱中激子束缚能 |
|
~10 |
meV |
CAR3-1, CAR5-2, CAR6-3 |
阱宽, AlGaAs势垒高度, 界面粗糙度 |
高束缚能与高载流子迁移率、低非辐射复合率需优化 |
高晶体质量 (低缺陷密度) |
影响激光二极管 (CAR3-1) 的辐射复合效率、阈值电流和温度特性。 |
需通过分子束外延精确控制单原子层界面。 |
光致发光谱, 时间分辨荧光谱, 低温电学测量。 |
量子力学, 半导体物理, 低维物理, 表面科学 |
(从CAR0-3 到 CAR5-10)
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-3 |
L0: 整车级 |
运动控制参数 |
横向加速度峰值 (稳态) |
|
≥ 0.8 |
g |
CAR0-2, CAR2-10, CAR2-12, CAR5-9 |
轮胎性能, 悬架KC特性, ESP标定 |
高操控性与高舒适性需权衡 |
纵向加速度能力 (CAR0-4) |
向下传递至轮胎侧偏刚度、转向系统刚度等要求。 |
保证在µ=0.8路面上不失稳, ESC及时介入。 |
定圆测试, 阶跃转向测试, 麋鹿测试。 |
车辆动力学, 轮胎力学, 控制工程 |
|
CAR0-4 |
L0: 整车级 |
运动控制参数 |
百公里制动距离 (干燥沥青) |
|
≤ 35 |
米 |
CAR0-2, CAR2-10, CAR2-13, CAR5-10 |
制动盘/片摩擦系数, 轮胎抓地力, ESP标定 |
短制动距离与低制动粉尘、低噪音存在矛盾 |
能量回收效率 (CAR2-14) |
向下传递至制动系统压力、摩擦片耐温性等要求。 |
100km/h-0制动, 无跑偏, 热衰退满足标准。 |
制动台架测试, 实车制动距离测试, 衰退测试。 |
制动工程, 摩擦学, 热力学 |
|
CAR1-5 |
L1: 决策规划子系统 |
认知参数 |
行为预测时域与置信度 |
|
T: 3-5s, P: ≥ 85% |
秒, 概率 |
CAR0-2, CAR1-1, CAR1-4, CAR2-15 |
感知精度与延迟, 预测模型复杂度, 算力 |
长时域高精度预测与计算实时性互斥 |
场景理解深度 (CAR1-6) |
约束规划算法 (CAR1-4) 的决策空间大小和安全性。 |
需能预测行人、车辆的意图不确定性(如切出、鬼探头)。 |
在仿真环境中注入交互场景测试;实车数据回灌测试。 |
机器学习, 博弈论, 概率图模型, 认知科学 |
|
CAR1-6 |
L1: 决策规划子系统 |
算法参数 |
规划求解器实时求解成功率 |
|
≥ 99.9% |
百分比 |
CAR0-1, CAR1-4, CAR2-16 |
问题凸性, 求解器算法, 硬件算力 (Server1-1) |
高成功率与解的最优性存在折衷 |
规划解的最优性 (CAR1-7) |
直接影响功能安全 (CAR0-1), 求解失败需触发降级或接管。 |
需对求解器进行形式化验证, 并提供确定性最坏执行时间保证。 |
蒙特卡洛仿真随机场景;硬件在环压力测试。 |
优化理论, 实时系统, 计算复杂性, 形式化方法 |
|
CAR2-3 |
L2: 部件 (摄像头) |
光电参数 |
全局快门卷帘曝光畸变 |
对于运动物体, 由于像素行曝光时间不同导致几何失真: |
趋近于0 (全局快门) |
像素 |
CAR1-2, CAR2-4, CAR2-17 |
传感器读出架构, 曝光控制方式 |
全局快门与高动态范围、高分辨率在某些工艺下互斥 |
高帧率 (CAR2-4) |
在高速运动下影响目标检测框的几何精度 (CAR1-1)。 |
必须使用真全局快门传感器, 或通过算法严格校正。 |
拍摄高速旋转的标准图案, 分析几何形变。 |
图像传感器设计, 计算机视觉, 运动学 |
|
CAR2-4 |
L2: 部件 (摄像头) |
光学参数 |
调制传递函数 (MTF) 在奈奎斯特频率处值 |
`MTF(f_nyquist) = |
OTF(f_nyquist) |
` |
≥ 0.3 (在550nm) |
无单位 |
CAR1-1, CAR2-3, CAR3-6 |
镜头像差, 传感器像素开口率, 微透镜设计 |
高MTF与低暗角、大光圈存在设计矛盾 |
高信噪比 (CAR2-5) |
决定图像清晰度, 影响特征提取和测距精度。 |
在中心及边缘视场均需满足要求。 |
|
CAR2-5 |
L2: 部件 (毫米波雷达) |
射频参数 |
调频连续波 (FMCW) 雷达的距离分辨率 |
|
0.5 |
米 |
CAR1-1, CAR2-6, CAR2-18 |
RF前端带宽, 波形发生器精度, 天线设计 |
高距离分辨率与最大无模糊距离、低成本互斥 |
高速度分辨率 (CAR2-6) |
是分辨距离相近多目标的基础, 影响目标聚类与跟踪。 |
带宽通常为250MHz-4GHz, 需符合各国无线电法规。 |
矢量网络分析仪测试发射波形, 多目标模拟器测试分辨率。 |
雷达原理, 信号处理, 微波工程, 电磁场理论 |
|
CAR2-6 |
L2: 部件 (毫米波雷达) |
信号处理参数 |
恒虚警率检测门限 |
|
虚警率: ≤ 1e-6 |
无单位 |
CAR1-1, CAR2-5, CAR2-19 |
背景杂波统计特性, 目标信噪比 |
低虚警率与高检测概率互相矛盾 |
先进杂波抑制算法 |
直接影响雷达的探测概率-虚警概率曲线。 |
需自适应于复杂环境(雨、雾、路旁护栏)。 |
注入模拟目标与杂波信号, 统计检测性能。 |
统计信号处理, 检测与估计理论, 随机过程 |
|
CAR2-7 |
L2: 部件 (域控制器) |
电-热耦合参数 |
片上系统 (SoC) 结温工作上限 |
|
≤ 105 |
°C |
Server2-1, CAR4-3, CAR5-6 |
半导体工艺节点, 封装热阻, 冷却系统效率 |
高性能(高结温)与高可靠性(低结温)互斥 |
高效散热设计 (Cool1-1) |
是计算平台稳定性和寿命的决定性因素, 向上约束可用算力。 |
必须满足AEC-Q100 Grade 2或更高车规等级。 |
红外热成像, 芯片内置热敏二极管读数, 结温模拟。 |
半导体热管理, 可靠性物理, 传热学 |
|
CAR3-3 |
L3: 模块 (激光驱动器) |
电-光转换参数 |
激光脉冲上升时间 |
|
≤ 2 |
ns |
CAR2-1, CAR3-1, CAR3-7, CAR4-4 |
驱动MOSFET开关速度, 回路寄生电感, 激光二极管电容 |
短上升时间与低电磁辐射、低过冲互斥 |
高驱动电流 (CAR3-4) |
影响激光雷达的最小测距盲区和距离分辨率。 |
需优化PCB布局以减少寄生参数, 采用高速GaN驱动器。 |
高速示波器测量激光驱动电流波形。 |
高速电路设计, 功率电子, 电磁兼容 |
|
CAR3-4 |
L3: 模块 (时钟发生器) |
时序参数 |
锁相环 (PLL) 输出时钟抖动 (RMS) |
`Jitter_RMS = √(∫_0^∞ S_φ(f) * |
H(f) |
^2 df) |
≤ 1 |
ps |
CAR1-2, CAR3-8, CAR4-5 |
参考时钟源质量, VCO相位噪声, 环路滤波器设计 |
低抖动与快速锁定时间、低功耗存在折衷 |
高频率稳定度 |
影响ADC采样精度、高速串行链路误码率, 最终影响感知同步精度。 |
需采用低噪声电源和温度补偿。 |
|
CAR4-2 |
L4: 封装 (FCBGA) |
力-热疲劳参数 |
焊料球 (Solder Ball) 在温度循环下的蠕变-疲劳寿命 (Coffin-Manson模型) |
|
> 3000 cycles ( -40°C to 125°C) |
循环次数 |
CAR4-1, CAR5-11, CAR6-4 |
焊料合金成分, IMC层厚度, CTE失配, 温度剖面 |
高可靠性(高循环寿命)与低成本(无铅标准焊料)需平衡 |
底部填充胶性能 (CAR5-12) |
决定BGA封装在车载温差剧烈环境下的机械可靠性, 影响域控制器(CAR2-7)寿命。 |
需通过加速温度循环测试预测寿命, 优化焊球阵列布局。 |
温度循环试验, 扫描声学显微镜检查开裂, 有限元仿真。 |
材料力学, 疲劳学, 界面科学, 固体力学 |
|
CAR4-3 |
L4: 互连 (高速串行链路) |
电-磁-结构组合参数 |
差分对插入损耗 (IL) 与回波损耗 (RL) @ 最高奈奎斯特频率 |
`IL(dB) = -20 log10( |
S21 |
) |
S11 |
)` |
IL < -3dB, RL > -10dB @ 16 GHz |
dB |
CAR2-7, CAR4-6, CAR5-5, CAR5-13 |
PCB材料Dk/Df, 线宽/间距, 过孔背钻深度 |
低损耗与低成本板材、高布线密度互斥 |
良好的阻抗控制 (CAR4-7) |
|
CAR5-2 |
L5: 材料 (光学保护窗) |
光学/环境耐久性参数 |
红外增透膜在850nm波段处的平均透过率与环境耐久性 |
|
≥ 97% (初始), ≥ 95% (老化后) |
百分比 |
CAR2-1, CAR2-3, CAR5-14, CAR6-5 |
膜系设计, 镀膜工艺(磁控溅射、离子辅助沉积), 基材表面能 |
高透过率与耐磨性、耐腐蚀性存在材料选择冲突 |
表面疏水疏油涂层 (CAR5-15) |
影响激光雷达(CAR2-1)和摄像头(CAR2-3)的有效信号强度和信噪比。 |
需通过GMW14729等车规级耐刮擦、耐化学品、耐紫外测试。 |
分光光度计测试光谱, 摩擦试验机, 氙灯老化试验箱。 |
薄膜光学, 表面工程, 材料化学, 环境试验 |
|
CAR5-3 |
L5: 材料 (EMI屏蔽垫片) |
智能驾驶车辆多尺度参数体系扩展列表
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-5 |
L0: 整车级 |
能耗参数 |
智能驾驶系统百公里电耗增量 |
|
≤ 2.5 |
kWh/100km |
Server2-1, Power1-1, Cool1-1, CAR1-1 |
算力负载, 传感器配置, 热管理策略, 行驶路况 |
高算力/高感知性能与低能耗互斥 |
整车能量管理优化 |
向下传递至计算平台能效比、传感器功耗预算、热管理功耗等具体目标。 |
需在典型城市和高速场景下进行优化, 支持智能启停和功耗分区管理。 |
标准循环工况(如CLTC)对比测试, 实际路测数据采集分析。 |
能源管理, 系统工程, 热力学 |
|
CAR0-6 |
L0: 整车级 |
电磁兼容参数 |
整车辐射发射强度 (30MHz - 1GHz) |
电场强度 |
低于CISPR 25 Class 3限值10dB |
dBµV/m |
CAR2-7, CAR3-3, Power3-1, CAR5-16 |
所有高速数字电路、功率变换器的开关频率与边沿速率, 屏蔽与滤波设计 |
高频高性能与低电磁辐射存在矛盾 |
整车接地与搭接策略 |
向下分解为各子系统、零部件、线束的传导和辐射发射限值。 |
需从芯片选型、PCB设计、线束布局、屏蔽壳体全方位进行EMC设计。 |
电波暗室中进行辐射发射测试, 电流探头法测试传导发射。 |
电磁兼容, 电磁场理论, 电路理论 |
|
CAR0-7 |
L0: 整车级 |
可靠性参数 |
自动驾驶功能安全完整性等级 (ASIL) 分解后的硬件随机失效度量目标 |
|
≤ 10 FIT (ASIL D) |
FIT (1e-9/h) |
CAR0-1, CAR3-9, CAR4-2, CAR5-1 |
所有电子电气元器件的失效率, 冗余架构, 诊断覆盖率 |
高可靠性(低FIT)与成本、复杂度存在折衷 |
系统级安全机制 |
向所有硬件元器件传递AEC-Q系列可靠性等级和筛选要求。 |
需进行FMEDA分析, 选用车规级芯片, 实施故障注入测试。 |
故障模式、影响及诊断分析, 加速寿命试验, 现场数据统计分析。 |
功能安全, 可靠性工程, 概率统计 |
|
CAR0-8 |
L0: 整车级 |
功能性能参数 |
系统最小风险状态 (MRM) 触发与完成时间 |
|
≤ 10 |
秒 |
CAR0-1, CAR1-4, CAR2-10, CAR2-11 |
故障检测延迟, 规划算力, 车辆动力学极限 |
短时完成与平稳、安全的停车动作存在约束 |
冗余执行器响应时间 |
约束故障检测算法的最大延迟和规控算法的实时性。 |
需定义清晰的、分级的最小风险状态(如靠边停车、车道内停车)。 |
在仿真和封闭场地注入各类故障, 验证MRM触发和执行过程。 |
系统安全, 实时控制, 车辆动力学 |
|
CAR0-9 |
L0: 整车级 |
人机交互参数 |
驾驶员接管请求的前瞻时间与置信度 |
|
T_lead: ≥ 7-10 (L3) |
秒 |
CAR0-1, CAR1-1, CAR1-5, CAR2-20 |
感知不确定性, 定位精度, 交通流预测, 驾驶员监控状态 |
长前瞻时间与系统功能的“无缝”体验感存在矛盾 |
清晰的交互界面与提示 |
向上影响功能安全概念, 向下约束感知、决策的预警能力。 |
需考虑不同场景(高速巡航、城区拥堵)和驾驶员状态(分心、疲劳)。 |
驾驶员在环仿真测试, 统计接管成功率和舒适度。 |
人因工程, 认知心理学, 人机交互 |
|
CAR0-10 |
L0: 整车级 |
环境适应性参数 |
系统功能降级与环境条件映射矩阵 |
定义一个多维函数或查找表: |
可动态调整 |
等级 |
CAR1-1, CAR1-3, CAR2-1, CAR2-3, CAR2-5 |
各传感器在极端环境下的性能模型 |
功能可用性与全天候全场景覆盖存在矛盾 |
传感器冗余与互补性 |
指导系统在恶劣天气下的安全运行策略, 并向驾驶员提供透明化提示。 |
需通过大量实车数据建立各传感器性能与环境参数的定量关系模型。 |
环境仓测试(模拟雨、雾、强光), 自然气候道路测试。 |
系统工程, 气象学, 传感器建模, 决策理论 |
|
CAR1-7 |
L1: 感知子系统 |
数据融合参数 |
目标状态估计的后验克拉美-罗下界 |
对于目标状态向量 |
位置: ≤ 0.1m, 速度: ≤ 0.5m/s (1σ) |
米, 米/秒 |
CAR1-1, CAR1-2, CAR2-1, CAR2-3, CAR2-5 |
各传感器的测量模型及其噪声协方差, 时空对齐精度 |
理论极限与工程可实现精度之间存在差距 |
优化的传感器配置与融合架构 |
为多传感器配置优化和融合算法性能评估提供了理论基准。 |
融合算法(如卡尔曼滤波、粒子滤波)的估计精度应逼近CRLB。 |
蒙特卡洛仿真, 分析估计误差协方差与理论下界的差距。 |
信息论, 估计理论, 统计信号处理, 优化理论 |
|
CAR1-8 |
L1: 定位子系统 |
组合导航参数 |
惯性导航系统 (INS) 在GNSS失效期间的定位误差增长速率 (CEP) |
|
≤ 0.1% * 行驶距离 (60s内) |
米 |
CAR1-3, CAR2-8, CAR2-9, CAR3-9 |
IMU的零偏不稳定性, 初始对准误差, 车辆运动约束 |
高精度与低成本、小尺寸IMU互斥 |
轮速计、视觉/激光里程计辅助 |
决定在隧道、地下车库等场景中, 系统能否维持足够精度的定位以安全通过。 |
需采用战术级或以上IMU, 并辅以车辆运动学模型。 |
GNSS模拟器+转台测试, 实车GNSS屏蔽路段测试。 |
惯性导航, 误差分析, 传感器融合 |
|
CAR2-8 |
L2: 部件 (惯性测量单元) |
惯性参数 |
陀螺仪零偏不稳定性 |
|
≤ 0.5 |
°/h |
CAR1-8, CAR3-9, CAR5-17 |
MEMS或光学陀螺的制造工艺、材料稳定性、温度特性 |
低零偏不稳定性与低噪声、低成本、小尺寸存在显著矛盾 |
加速度计零偏不稳定性 |
是决定惯性导航纯惯性解算精度的最关键指标, 直接影响CAR1-8。 |
需进行精确的温度补偿和在线校准。 |
静态多位置测试, Allan方差分析。 |
精密仪器, MEMS技术, 随机过程, 时间序列分析 |
|
CAR2-9 |
L2: 部件 (全球导航卫星系统) |
定位参数 |
载波相位差分 (RTK) 固定解初始化时间与固定率 |
初始化时间:从接收到差分数据到获得固定解(模糊度整数解正确)的时间。固定率:在开阔天空条件下获得固定解的比率。 |
初始化: < 10s, 固定率: > 99.9% |
秒, 百分比 |
CAR1-3, CAR2-21, CAR4-8 |
多频多星座接收机性能, 基站网络质量, 对流层/电离层模型 |
快速初始化与高可靠性、抗多路径能力需权衡 |
惯性导航辅助 (CAR1-8) |
直接影响高精度定位的可用性和连续性, 尤其在城区。 |
需支持北斗、GPS、Galileo、GLONASS等多系统, 具备抗欺骗干扰能力。 |
静态和动态基线测试, 在不同多路径环境下测试。 |
卫星导航, 大地测量, 信号处理 |
|
CAR3-5 |
L3: 模块 (电源管理IC) |
电学参数 |
低压差线性稳压器 (LDO) 电源抑制比 |
|
@ 1MHz: ≥ 60 |
dB |
CAR2-7, CAR3-4, CAR4-9, CAR5-18 |
误差放大器增益带宽积, 功率管输出阻抗, 反馈网络稳定性 |
高频高PSRR与低压差、低静态电流存在设计挑战 |
低输出噪声 (CAR3-6) |
为模拟和射频电路(如雷达、摄像头传感器)提供纯净电源, 降低系统噪声。 |
需在宽频带(从直流到数十MHz)内保持高PSRR。 |
网络分析仪或专用PSRR测试仪, 注入纹波并测量输出。 |
模拟集成电路设计, 电源管理, 噪声分析 |
L0整车级参数体系扩展框架与示例 (CAR0-11 至 CAR0-30)
参数体系构建逻辑:
-
功能域分解:基于自动驾驶功能(感知、定位、决策、控制、网联、电源、热管理、结构、安全)。
-
性能维度:精度、速度、范围、可靠性、安全性、效率、舒适性、耐久性。
-
物理域交叉:机械、电气、热、电磁、光学、声学、化学、信息。
-
时间与统计特性:瞬时值、稳态值、动态响应、统计分布(均值、方差、分位数)、寿命周期特性。
-
环境与工况:温度、湿度、海拔、振动、电磁干扰、道路条件、交通场景复杂度。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-11 |
L0: 整车级 |
动力学性能 |
0-100km/h加速时间 (满载) |
|
≤ 6.0 |
秒 |
CAR0-3, CAR0-4, Power2-1, CAR2-10 |
电机峰值功率与扭矩曲线, 电池放电倍率, 整车质量, 风阻系数 |
强加速性能与高能效、长续航存在矛盾 |
高效的再生制动 (CAR0-12) |
向下传递至电机、电控、电池的峰值功率与热管理需求。 |
需考虑电池SOC和温度对功率输出的限制。 |
标准场地满载加速测试, 数据记录仪分析。 |
车辆动力学, 电力传动, 能量管理 |
|
CAR0-12 |
L0: 整车级 |
能量管理 |
再生制动能量回收效率 |
|
≥ 70% (典型城市制动) |
百分比 |
CAR0-4, CAR0-5, Power2-1, CAR2-10 |
电机发电外特性, 电池充电倍率与内阻, 制动系统协调控制策略 |
高回收效率与制动踏板感线性度、ESP功能兼容性需协调 |
低滚阻轮胎 |
影响整车能耗(CAR0-5)和续航里程, 约束电池和电控系统设计。 |
需实现无感的机电制动融合, 保证制动安全与舒适。 |
底盘测功机循环工况测试, 实车长下坡测试。 |
电力电子, 控制理论, 制动工程 |
|
CAR0-13 |
L0: 整车级 |
NVH性能 |
自动驾驶系统运行时车内噪声增量 (A计权) |
|
≤ 2.0 (60km/h匀速) |
dB(A) |
CAR2-7, Cool1-1, CAR2-10, CAR2-11 |
散热系统风扇转速策略, 执行器作动声音, 结构隔音设计 |
高性能散热/执行与低噪声存在矛盾 |
整车声学包优化 |
向下传递至各噪声源部件的声功率级限值要求。 |
需对新增噪声源进行频谱分析和主动降噪或隔音设计。 |
半消声室噪声测试, 声学照相机定位噪声源。 |
声学, 振动工程, 心理声学 |
|
CAR0-14 |
L0: 整车级 |
电磁兼容 |
整车大电流注入 (BCI) 抗扰度等级 |
通过电流探头向线束注入干扰电流, 考察系统在强电磁场耦合下的功能性能等级 (A: 无影响; B: 可自恢复; C: 需干预; D: 功能丧失)。 |
等级 A (200mA, 1MHz-400MHz) |
等级 |
CAR0-6, CAR2-7, CAR3-4, CAR4-3 |
所有ECU的PCB布局、滤波设计、软件看门狗与恢复机制 |
高抗扰度与系统复杂度、成本相关 |
良好的整车接地与线束屏蔽 |
向下分解为各子系统、零部件的传导抗扰度和辐射抗扰度要求。 |
需在早期进行线束布局和接地策略的EMC仿真与设计。 |
大电流注入测试, 直接功率注入测试。 |
电磁兼容, 电磁场理论, 系统可靠性 |
|
CAR0-15 |
L0: 整车级 |
功能安全 |
预期功能安全 (SOTIF) 场景触发率与危害事件率 |
|
目标: < 1e-8 /小时 (对于ASIL D相关危害) |
1/小时 |
CAR0-1, CAR0-10, CAR1-1, CAR1-5 |
感知、预测、决策算法的完备性, 场景库的覆盖度 |
极低的危害事件率与算法复杂度、测试成本强相关 |
完善的仿真测试与影子模式 |
指导海量的场景库构建、仿真测试和实车数据采集。 |
需遵循ISO 21448流程, 进行基于场景的验证和验证。 |
软件在环、硬件在环、车辆在环的蒙特卡洛仿真测试。 |
预期功能安全, 场景工程, 统计验证 |
|
CAR0-16 |
L0: 整车级 |
网络安全 |
信息安全事件检测与响应时间 (IDRT) |
|
T_detection < 100ms, T_IDRT < 1s |
秒 |
CAR0-1, CAR2-22, CAR3-10 |
入侵检测系统性能, 安全通信协议, 安全启动与恢复机制 |
快速响应与系统资源占用、误报率存在平衡 |
深度防御架构 |
向下传递至各ECU的安全启动时间、通信加密延迟等要求。 |
需建立车云协同的安全态势感知和响应体系。 |
渗透测试, 红蓝对抗演练, 故障注入测试。 |
信息安全, 网络攻防, 实时系统 |
|
CAR0-17 |
L0: 整车级 |
环境适应性 |
系统功能降级温度阈值 (高温/低温) |
|
高温降级: 50°C, 低温降级: -30°C |
°C |
CAR0-10, CAR2-7, Cool1-1, Power1-1 |
半导体器件结温, 电池工作温度范围, 材料低温特性 |
宽温工作范围与系统成本、重量、复杂度强相关 |
高效的热管理系统 |
向下传递至所有电子电气部件的存储和工作温度等级要求。 |
需定义清晰的分级降级策略, 并提前告知用户。 |
高低温环境仓测试, 热害路试。 |
热力学, 环境工程, 可靠性工程 |
|
CAR0-18 |
L0: 整车级 |
耐久性 |
自动驾驶核心控制器在整车寿命周期内的功率循环次数 |
|
≥ 30,000 |
次 |
CAR0-7, CAR4-2, CAR5-19 |
芯片、封装、焊点、电容等元器件的热机械疲劳寿命 |
高循环寿命与紧凑设计、低成本存在矛盾 |
低功耗休眠模式设计 |
向下传递至元器件选型(如车规级电容)、PCB layout(热应力分布)等要求。 |
需进行加速功率循环试验以验证寿命。 |
加速功率循环试验(如-40°C to 125°C), 有限元热应力仿真。 |
可靠性物理, 疲劳力学, 加速寿命测试 |
|
CAR0-19 |
L0: 整车级 |
人机交互 |
驾驶员状态监控系统对分心驾驶的检出率与误报率 |
|
Recall ≥ 95%, FPR ≤ 1% |
百分比 |
CAR0-9, CAR2-23, CAR3-11 |
摄像头分辨率与算法, 红外光源, 算力 |
高检出率与低误报率、用户隐私保护存在平衡 |
精准的接管请求时机 (CAR0-9) |
是保障L3级自动驾驶安全退出的关键, 影响功能安全概念。 |
需覆盖不同驾驶员、光照条件、佩戴眼镜/墨镜等情况。 |
采集大量实车驾驶员行为数据, 进行离线与在线测试。 |
计算机视觉, 机器学习, 人因工程 |
|
CAR0-20 |
L0: 整车级 |
数据与迭代 |
影子模式下场景数据采集与有效回传率 |
|
≥ 5% |
百分比 |
CAR0-15, CAR1-6, CAR2-24 |
边缘触发算法灵敏度, 车载存储容量, 网络带宽与成本 |
高回传率与用户数据隐私、网络流量成本存在矛盾 |
高效的数据压缩与筛选算法 |
决定数据闭环系统的效率, 影响算法迭代速度。 |
需定义清晰的数据采集触发逻辑和脱敏规范。 |
监控数据管道, 分析回传数据的价值密度。 |
大数据, 边缘计算, 信息论, 隐私计算 |
|
CAR0-21 |
L0: 整车级 |
软件维护 |
全车ECU软件空中升级 (OTA) 成功率和平均耗时 |
|
Success Rate ≥ 99.9%, T_avg < 30 min |
百分比, 分钟 |
CAR0-16, CAR2-25, CAR4-10 |
网络带宽与稳定性, ECU存储与处理能力, 升级流程鲁棒性 |
快速升级与升级过程的安全性、可靠性需兼顾 |
安全的 bootloader 和恢复机制 |
要求各ECU具备足够的存储空间(双bank)、安全的通信协议和断电恢复能力。 |
需支持A/B分区, 断点续传, 数字签名验证, 完整性校验。 |
模拟弱网、断电等异常情况下的升级测试。 |
软件工程, 网络通信, 信息安全 |
|
CAR0-22 |
L0: 整车级 |
综合诊断 |
全车自动驾驶相关故障码的首次故障检出率与误报率 |
|
FDR ≥ 98%, FAR ≤ 0.1% |
百分比 |
CAR0-1, CAR0-7, CAR3-12 |
传感器与执行器自诊断能力, 控制器间通信监控, 诊断算法阈值设置 |
高检出率与低误报率存在经典权衡 |
冗余设计与交叉验证 |
直接影响维修效率和用户信任, 是功能安全的重要组成部分。 |
需基于FMEA制定详细的诊断策略和阈值。 |
故障注入测试, 实车耐久测试故障数据收集。 |
诊断工程, 统计过程控制, 信号处理 |
|
CAR0-23 |
L0: 整车级 |
热管理 |
高温高湿环境下冷凝风险控制阈值 (露点温差) |
|
ΔT_dp ≥ 3 |
°C |
CAR0-10, CAR0-17, CAR2-1, CAR2-3, Cool1-1 |
环境温湿度, 传感器自身发热, 主动除湿/加热系统功率 |
防止结露与降低系统能耗存在矛盾 |
密封设计与干燥剂 |
向下传递至传感器窗口加热器功率、舱内空气循环与干燥策略。 |
需在传感器内部集成温湿度传感器和主动温控装置。 |
环境仓高低温高湿循环测试, 热成像仪观察结露。 |
热力学, 流体力学, 气象学 |
|
CAR0-24 |
L0: 整车级 |
机械集成 |
自动驾驶传感器簇安装位置静态标定误差 (6自由度) |
|
平移: ≤ ±2mm, 旋转: ≤ ±0.1° |
mm, ° |
CAR1-2, CAR2-1, CAR2-3, CAR2-5, CAR5-20 |
安装支架刚度与精度, 车身安装点刚度, 标定工艺 |
高精度安装与量产成本、效率存在矛盾 |
在线动态标定补偿算法 |
是多传感器融合 (CAR1-1) 的基础误差源之一, 直接影响感知精度。 |
需设计高刚度、低热变形的安装结构, 并具备车间标定能力。 |
高精度三维标定设备(如激光跟踪仪)测量。 |
精密机械, 三维测量, 刚体运动学 |
|
CAR0-25 |
L0: 整车级 |
电气架构 |
全域主干通信网络可用性 (时间敏感网络) |
|
≥ 99.999% (全年约5分钟中断) |
百分比 |
CAR0-1, CAR0-7, Net1-1, CAR4-3 |
网络设备可靠性, 冗余路径设计, 故障检测与切换时间 |
极高可用性与网络复杂度、成本强相关 |
端到端的延迟与可靠性保障 (CAR0-26) |
是保证各域控制器间关键控制指令(如制动、转向)可靠传输的基础。 |
需采用双环网或网状拓扑, 支持无缝冗余协议。 |
网络可靠性仿真, 关键节点故障注入测试。 |
网络可靠性, 通信协议, 图论 |
|
CAR0-26 |
L0: 整车级 |
实时通信 |
关键控制指令端到端最大传输延迟 (99.9%分位) |
|
≤ 10 |
ms |
CAR0-2, CAR1-4, CAR2-10, CAR2-11, CAR0-25 |
网络拓扑, 交换机转发延迟, 消息优先级调度, 总线负载率 |
超低延迟与高带宽利用率、低成本网络存在矛盾 |
时间敏感网络调度 |
直接决定控制系统的响应速度, 影响车辆稳定性和安全性。 |
需使用TSN或类似技术, 对关键流量进行预留和优先级调度。 |
网络分析仪抓包分析, 端到端延迟测试工具。 |
实时网络, 调度理论, 确定性网络 |
|
CAR0-27 |
L0: 整车级 |
能量与功率 |
自动驾驶系统峰值功率需求及持续时间 |
|
≤ 5 kW, 持续 ≤ 30 s |
kW, 秒 |
CAR0-5, Power1-1, CAR2-7, Cool1-1 |
各ECU和传感器的峰值功耗, 散热系统峰值功率 |
高峰值功率与电池/发电机输出能力、线束规格强相关 |
智能的功率预算管理与削峰策略 |
是整车电源系统(电池、发电机、配电)设计的核心输入之一。 |
需定义典型的峰值功率场景, 并可能引入超级电容进行瞬态功率缓冲。 |
在仿真和实车中复现极端场景, 记录总线电流和电压。 |
电力系统设计, 功率电子, 能量管理 |
|
CAR0-28 |
L0: 整车级 |
功能安全 |
安全机制诊断覆盖率与潜伏故障检测间隔 |
|
DC ≥ 99% (对于ASIL D单点故障), 检测间隔 < 100 ms |
百分比, 秒 |
CAR0-1, CAR0-7, CAR3-13 |
硬件自检(BIST)完备性, 软件测试库(SWTL)覆盖率, 冗余比较机制 |
高诊断覆盖率与硬件/软件开销、性能影响存在矛盾 |
多样化的冗余设计 |
是量化评估和实现硬件架构指标(如单点故障度量、潜伏故障度量)的关键。 |
需在芯片、模块、系统各级别设计多层次诊断机制。 |
FMEDA分析, 故障注入测试验证诊断有效性。 |
功能安全, 诊断设计, 可靠性工程 |
|
CAR0-29 |
L0: 整车级 |
预期功能安全 |
未知不安全场景 (Unknown Unsafe Scenarios) 的探索与收敛速率 |
通过仿真、路测、影子模式不断发现新的“未知不安全场景”, 其发现速率应随时间呈下降趋势并趋于收敛: |
收敛时间目标: < 2年 (大规模车队) |
无单位 |
CAR0-15, CAR0-20, CAR1-5 |
场景生成算法的多样性与真实性, 车队规模, 数据闭环效率 |
快速收敛与测试的完备性、场景的无限性存在根本矛盾 |
基于场景的验证与验证 |
是衡量SOTIF过程成熟度和系统改进有效性的宏观指标。 |
需要构建高度自动化的场景挖掘、分类、回归测试流水线。 |
监控新场景发现曲线, 分析场景库的覆盖度增长。 |
场景工程, 机器学习, 统计学习理论 |
|
CAR0-30 |
L0: 整车级 |
综合成本 |
自动驾驶系统全生命周期总拥有成本 (TCO) 模型 |
|
目标: 低于特定阈值 (如$5000/车) |
货币单位 |
几乎所有L0-L5参数 |
硬件BOM成本, 软件IP成本, 研发投入, 云服务成本 |
高性能、高安全与低成本存在根本性矛盾 |
平台化、规模化效应 |
是商业成功的最终约束, 反向驱动所有层级的技术方案选型和设计折衷。 |
需从项目初期就建立成本模型, 并进行持续的权衡分析。 |
基于详细BOM和运营模型的财务分析。 |
系统工程, 成本工程, 价值工程, 商业分析 |
-
对每个现有参数进行衍生:例如,从
CAR0-11加速时间,可衍生出0-60km/h加速时间、80-120km/h加速时间、加速平顺性(加加速度)等。 -
细化性能维度:例如,
CAR0-13噪声增量,可细化为特定频率段(如风扇噪声频段)的声压级、噪声主观评价分数。 -
增加新的物理域组合:例如,
振动-热-电耦合下的传感器精度衰减模型、电磁-热耦合下的线束老化速率。 -
定义统计和概率特征:例如,
感知系统漏检率的概率分布函数、系统功能降级时间的平均无故障间隔。 -
覆盖更多场景和工况:例如,
高温高原环境下的最大持续爬坡车速、连续弯道下的轨迹跟踪误差统计。 -
关联更底层的参数:例如,
整车风阻系数与激光雷达外形设计的函数关系、电池包能量密度与整车质心高度的约束关系。
通过这种矩阵化、系统化的方式,可以构建出一个庞大、严谨且内部高度关联的智能驾驶车辆参数体系。
智能驾驶车辆多尺度参数扩展列表 (CAR0-31 至 CAR1-30)
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-31 |
L0: 整车级 |
动力学控制 |
横摆角速度响应带宽 (-3dB) |
频率响应函数 |
≥ 2.0 |
Hz |
CAR0-2, CAR1-4, CAR2-10, CAR2-26 |
转向系统刚度与传动比, 轮胎侧偏刚度, 整车转动惯量, 控制算法频率 |
高带宽与转向轻便性、舒适性存在矛盾 |
快速的路径跟踪能力 (CAR1-4) |
决定车辆对紧急变道等快速转向指令的跟随能力, 向下约束线控转向系统响应速度。 |
需保证在带宽内有充足的相位裕度, 避免振荡。 |
频率响应测试(转向角正弦扫频输入)。 |
车辆动力学, 控制理论, 系统辨识 |
|
CAR0-32 |
L0: 整车级 |
环境感知 |
有效感知范围与视场角覆盖的并集面积 |
|
360° 水平覆盖, 前向 ≥ 200m, 侧后向 ≥ 80m |
m², ° |
CAR1-1, CAR2-1, CAR2-3, CAR2-5, CAR0-24 |
传感器数量与布局, 各传感器独立性能 |
全覆盖与成本、美观、风阻存在矛盾 |
多传感器融合置信度 (CAR1-1) |
是定义系统运行设计域(ODD)的基础, 直接影响功能安全边界。 |
需进行详细的传感器覆盖仿真分析, 优化安装位置。 |
三维仿真软件覆盖分析, 实车标靶探测测试。 |
系统工程, 几何学, 传感器配置优化 |
|
CAR0-33 |
L0: 整车级 |
热管理 |
高温暴晒后智能驾驶系统冷启动时间 |
|
≤ 5 |
分钟 |
CAR0-17, Cool1-1, CAR2-7, CAR5-2 |
座舱预冷能力, 系统隔热设计, 主动散热系统初始功率 |
快速冷却与启动瞬间电耗存在矛盾 |
高效的座舱空调与导流设计 |
影响用户在炎热天气下的使用体验和系统可用性。 |
可能需要独立的、高功率的电子冷却系统进行快速预冷。 |
高低温环境仓暴晒测试, 监测关键部件温度曲线。 |
热力学, 瞬态传热, 气候控制 |
|
CAR0-34 |
L0: 整车级 |
可靠性 |
关键执行器(制动、转向)双冗余系统失效-操作概率 |
|
≤ 1e-7 / 驾驶循环 (ASIL D) |
概率/循环 |
CAR0-1, CAR0-7, CAR2-10, CAR2-11 |
主/冗余系统的失效率, 故障检测与切换的覆盖率和延迟, 共因失效因子 |
极低的FO概率与系统复杂度、重量、成本强相关 |
多样化的冗余设计 (电气/机械) |
是功能安全架构设计的核心输出, 决定是否满足安全目标。 |
需进行详细的共因失效分析和冗余通道间的独立性分析。 |
FMEDA分析, 故障注入测试验证切换逻辑。 |
功能安全, 可靠性工程, 共因失效分析 |
|
CAR0-35 |
L0: 整车级 |
人机交互 |
人机共驾模式下控制权平稳切换的评分 (主观) |
基于标准化问卷(如NASA-TLX)或专家评价, 对控制权移交/接管过程的平滑性、可预测性、驾驶员工作负荷进行打分。 |
≥ 4.0 (5分制) |
分数 |
CAR0-9, CAR1-4, CAR2-20, CAR3-11 |
提示策略(视觉、听觉、触觉), 车辆动态补偿控制, 切换时机 |
自动化系统的“强主导”与驾驶员的“舒适感”需平衡 |
精准的驾驶员状态监控 (CAR0-19) |
是影响用户接受度和信任度的关键体验指标。 |
需针对不同的接管原因(紧急/非紧急)设计不同的切换策略。 |
驾驶员在环模拟器测试, 采集主观评价数据。 |
人因工程, 认知心理学, 交互设计 |
|
CAR0-36 |
L0: 整车级 |
数据与合规 |
数据脱敏处理中个人可识别信息去除的置信度 |
对采集的车外环境数据(图像、点云), 通过算法对车牌、人脸等信息进行模糊化或擦除, 算法识别并处理的准确率。 |
≥ 99.9% |
百分比 |
CAR0-20, CAR2-3, CAR2-1, CAR3-14 |
计算机视觉算法性能, 处理算力 |
高脱敏置信度与数据细节保留、处理延迟存在矛盾 |
数据加密存储与传输 |
是满足全球数据隐私法规(如GDPR)的前提, 决定数据能否被使用。 |
需建立严格的数据安全生命周期管理流程。 |
使用包含大量PII的测试集验证脱敏算法效果。 |
数据安全, 计算机视觉, 隐私计算, 法律法规 |
|
CAR0-37 |
L0: 整车级 |
电磁兼容 |
无线通信模块(5G/C-V2X)工作时对雷达接收机的带内干扰抑制比 |
|
≥ 20 |
dB |
CAR0-6, CAR2-5, CAR2-27, CAR5-16 |
天线隔离度, 滤波器性能, 频谱规划 |
通信高性能与雷达高灵敏度在同一平台共存是巨大挑战 |
精心的射频前端设计与滤波器 |
是保证关键安全传感器(雷达)在复杂电磁环境下正常工作的关键。 |
需进行严格的协同设计和整机级的EMC测试。 |
在电波暗室中, 同时开启雷达和通信模块, 测试雷达性能劣化。 |
射频工程, 电磁兼容, 滤波器设计, 通信理论 |
|
CAR0-38 |
L0: 整车级 |
耐久性与维护 |
自动驾驶传感器簇外部窗口的清洁度维持周期 |
在中等污染(如毛毛雨、薄灰)路况下行驶, 传感器窗口(摄像头、激光雷达)的透光率下降至性能阈值(如90%)所需的平均时间或里程。 |
≥ 1000 |
km |
CAR1-1, CAR2-1, CAR2-3, CAR5-2, CAR5-15 |
表面涂层疏水性/疏油性, 空气动力学设计, 清洁系统效率 |
长维护周期与外观设计、成本存在平衡 |
自动清洁系统(喷液+刮扫/气吹) |
直接影响系统的可用性和全生命周期成本, 是L3以上系统的必要配置。 |
需在风洞中优化传感器周围的流场, 减少污物附着。 |
实车在粉尘、泥水、冬季洒盐等路况下进行耐久测试。 |
流体力学, 表面科学, 材料化学, 可靠性工程 |
|
CAR0-39 |
L0: 整车级 |
功能安全 |
安全状态(包括最小风险状态)的可达性与稳定性 |
1) 可达性: 从任何可能的故障状态出发, 系统能否在有限时间内进入定义的安全状态。2) 稳定性: 进入安全状态后, 系统能否在没有外部干预下保持在该状态。 |
必须保证 |
布尔逻辑 |
CAR0-1, CAR0-8, CAR1-4, CAR2-10, CAR2-11 |
系统架构, 剩余执行能力, 环境约束 |
复杂的安全状态与简单的工程实现存在矛盾 |
形式化验证方法 |
是功能安全概念在动态系统中的核心体现, 需进行严格的论证和分析。 |
可能需要使用模型检验等形式化方法对简化模型进行验证。 |
基于模型的形式化验证, 故障树与状态机分析。 |
形式化方法, 系统安全, 自动机理论 |
|
CAR0-40 |
L0: 整车级 |
综合成本 |
单位算力成本(每TOPS)与单位感知性能成本 |
|
目标:持续下降曲线 |
/TOPS,/(m·°) |
CAR0-30, Server1-1, CAR1-1, CAR2-1, CAR2-3 |
芯片制造成本, 传感器量产规模, 算法效率 |
低成本与高性能、高安全性的根本矛盾 |
硬件-软件协同优化 |
是驱动技术路线(纯视觉vs多传感器)和芯片选型(GPU vs ASIC)的核心商业因素。 |
需进行全栈的优化, 包括算法轻量化、芯片定制、传感器融合。 |
基于BOM和性能 benchmark 进行核算。 |
成本工程, 技术经济学, 半导体产业 |
|
CAR1-8 |
L1: 感知子系统 |
性能边界 |
极端逆光下的摄像头动态范围有效位数 |
|
≥ 120 |
dB |
CAR1-1, CAR2-3, CAR3-6, CAR0-10 |
传感器阱容, 像素电路, HDR合成算法 |
超高动态范围与低噪声、高帧率存在设计冲突 |
局部色调映射与图像增强算法 |
决定在进出隧道、面对日落等大光比场景下的感知鲁棒性。 |
需采用多曝光融合或原生高动态范围传感器。 |
使用高动态范围测试卡在模拟逆光环境中测试。 |
图像传感器设计, 计算机图形学, 视觉心理物理学 |
|
CAR1-9 |
L1: 感知子系统 |
算法性能 |
目标跟踪器的ID切换率 |
在连续多帧中, 对同一物理目标分配不同ID的次数与总跟踪时长的比率。 反映跟踪算法在目标遮挡、交叉等场景下的稳定性。 |
≤ 1% |
切换次数/秒 |
CAR1-1, CAR1-5, CAR2-4, CAR2-6 |
表观特征提取鲁棒性, 运动模型精度, 数据关联算法 |
低ID切换与对新目标的快速响应存在权衡 |
高精度定位与预测 (CAR1-3, CAR1-5) |
ID频繁切换会扰乱行为预测和规划, 可能导致决策抖动。 |
需采用深度学习与经典滤波相结合的长时跟踪架构。 |
在标准跟踪数据集(如KITTI Tracking)和自建复杂场景中测试。 |
多目标跟踪, 随机有限集理论, 机器学习 |
|
CAR1-10 |
L1: 决策规划子系统 |
行为建模 |
交互式博弈决策的纳什均衡求解成功率与时间 |
在与其他交通参与者存在明显利益交互的场景(如无保护左转、合流), 算法基于博弈论模型求解纳什均衡策略的成功率和计算耗时。 |
成功率 ≥ 90%, 时间 ≤ 100ms |
百分比, 秒 |
CAR0-2, CAR1-5, CAR1-6 |
博弈模型复杂度, 对手意图预测不确定性, 求解器效率 |
精确的博弈求解与实时性要求存在根本冲突 |
分层决策与快速启发式策略 |
是实现拟人化、高通行效率决策的关键, 也是验证难点。 |
通常需要结合模型预测控制与启发式规则进行近似求解。 |
构建密集的交互场景库, 进行仿真和实车测试。 |
博弈论, 多智能体系统, 优化理论, 行为经济学 |
|
CAR1-11 |
L1: 决策规划子系统 |
舒适性参数 |
规划轨迹的加加速度(急动度)峰值与均方根值 |
|
峰值 ≤ 2.5, RMS ≤ 0.5 |
m/s³ |
CAR0-2, CAR1-4, CAR2-10 |
车辆执行器带宽与响应, 道路曲率变化, 避障紧急程度 |
高舒适性(低急动度)与高安全性(紧急避障)存在矛盾 |
平滑的路径生成与滤波 |
是评价自动驾驶“老司机”程度的核心主观指标之一, 向下约束控制器的优化目标。 |
需在轨迹优化问题中显式地将急动度作为成本项或约束。 |
采集实际规划轨迹, 离线计算急动度统计值。 |
最优控制, 乘坐舒适性研究, 车辆动力学 |
|
CAR1-12 |
L1: 定位子系统 |
鲁棒性参数 |
在无GNSS、无高精地图区域的定位漂移率 |
|
≤ 0.5% of distance traveled |
百分比 |
CAR1-3, CAR1-8, CAR2-8, CAR2-28 |
视觉/激光里程计精度, 闭环检测能力, 环境特征丰富度 |
低漂移与计算资源消耗、环境普适性存在矛盾 |
多传感器紧耦合的SLAM |
决定系统在“未知环境”中的可操作时间和空间范围。 |
需要鲁棒的闭环检测和全局优化(位姿图)能力。 |
在大型室内或屏蔽场地进行闭环测试, 对比起点与终点误差。 |
同步定位与建图, 计算机视觉, 机器人学, 状态估计 |
|
CAR1-13 |
L1: 控制子系统 |
鲁棒性参数 |
横向路径跟踪的H∞鲁棒稳定裕度 |
从道路曲率扰动、轮胎侧偏刚度变化等不确定性 |
γ < 1.5 |
无单位 |
CAR0-2, CAR1-4, CAR2-10, CAR2-12 |
车辆模型不确定性范围, 控制器结构 |
高鲁棒性(小γ)与高跟踪性能(快速响应)存在经典折衷 |
自适应或增益调度控制 |
保证在车辆参数(如载重、胎压)变化和路面附着系数变化时, 控制系统仍能稳定工作。 |
需采用鲁棒控制理论(如H∞, μ-synthesis)进行设计。 |
在仿真中注入模型参数摄动和外部干扰, 测试稳定性。 |
鲁棒控制, 现代控制理论, 线性矩阵不等式 |
|
CAR1-14 |
L1: 热管理子系统 |
控制参数 |
计算平台结温控制回路的超调量与调节时间 |
在算力负载阶跃上升(如启动大型神经网络)后, 结温 |
σ < 5°C, t_s < 10 s |
°C, 秒 |
CAR2-7, Cool1-1, CAR3-15 |
热容与热阻, 散热器风扇/泵响应延迟, 控制算法 |
快速无超调与系统能耗、噪音存在矛盾 |
准确的结温估计模型 |
防止芯片因温度快速波动或过冲导致性能节流或可靠性下降。 |
需建立精确的电-热模型, 并采用前馈-反馈复合控制。 |
在热测试台上施加动态功耗负载, 记录结温响应曲线。 |
热控制, 动态系统建模, 反馈控制 |
|
CAR1-15 |
L1: 电源管理子系统 |
可靠性参数 |
多路供电总线间的电压失衡度与隔离故障响应时间 |
`Imbalance = max( |
V_i - V_avg |
) / V_avg`。 当一路电源发生短路等故障时, 隔离器件(如理想二极管)将其从总线断开的时间。 |
失衡度 < 5%, 响应时间 < 10 μs |
百分比, 秒 |
CAR0-7, Power1-1, Power3-1, CAR4-11 |
电源模块均流性能, 隔离器件开关速度, 故障检测电路灵敏度 |
高均流精度与系统效率、成本存在矛盾 |
冗余电源架构 |
保证关键负载供电的连续性和质量, 是功能安全供电的要求。 |
需对关键供电路径进行冗余设计, 并具备快速故障隔离能力。 |
|
CAR1-16 |
L1: 数据与诊断子系统 |
性能参数 |
全车自动驾驶相关数据记录仪的总写入带宽与存储寿命 |
|
≥ 200 MB/s, ≥ 1 PB Writes |
MB/s, PB |
CAR0-20, CAR0-22, CAR2-29 |
传感器数据量, 日志详细等级, 存储介质类型(eMMC/UFS/SSD) |
高保真全数据记录与存储成本、寿命存在矛盾 |
智能数据压缩与筛选 (CAR0-20) |
是事故分析和功能迭代的基础, 其性能决定了能记录的数据粒度。 |
通常需要采用高耐久度的工业级或汽车级固态存储。 |
使用数据发生器满负荷写入, 测试带宽和耐久度。 |
数据存储, 嵌入式系统, 可靠性工程 |
|
CAR1-17 |
L1: 网联子系统 |
安全参数 |
V2X消息(BSM)的接收完整性与新鲜度 |
完整性: 在规定范围内, 接收到的有效消息数与应接收消息数的比例。新鲜度: 消息从发送到被应用层使用的延迟。 |
完整性 ≥ 99%, 新鲜度 ≤ 100 ms |
百分比, 秒 |
CAR0-16, CAR2-27, CAR3-16, CAR4-12 |
通信链路质量, 消息负载, 安全校验(签名验证)耗时 |
高安全强度(复杂签名)与低延迟、高吞吐量存在矛盾 |
高精度时钟同步 (CAR1-2) |
是网联协同感知和决策有效性的基础, 延迟或丢失会导致功能降级。 |
需支持基于国密或IEEE 1609.2的安全证书管理。 |
在真实道路或测试场与多个背景车进行V2V通信测试。 |
车联网通信, 信息安全, 实时系统 |
|
CAR2-10 |
L2: 部件 (线控制动) |
动态性能 |
制动压力建立速率 (0 to 100bar) |
|
≥ 1000 |
bar/s |
CAR0-4, CAR1-4, CAR3-17, CAR5-21 |
蓄能器预充压力, 高速开关阀响应, 制动液特性 |
高建压速率与能量消耗、噪声存在矛盾 |
精确的压力控制与调节 |
决定紧急制动(AEB)性能的极限, 是实现底盘快速响应的关键。 |
需采用电机+齿轮机构或直接电磁阀驱动的高动态建压方案。 |
在制动台架上测试压力阶跃响应。 |
液压控制, 流体力学, 精密机械 |
|
CAR2-11 |
L2: 部件 (线控转向) |
安全参数 |
转向手力矩模拟器的失效-静默概率与故障检测时间 |
当手力矩模拟器(反馈电机)发生卡滞或输出错误力矩时, 系统未能检测到并采取安全措施(如解耦)的概率和检测时间。 |
P < 1e-7 /h, T < 50 ms |
概率, 秒 |
CAR0-1, CAR0-34, CAR3-18, CAR5-22 |
电机与位置传感器诊断覆盖率, 故障逻辑 |
高安全性与系统成本、复杂度相关 |
冗余的转矩/位置传感器 |
是线控转向系统获得最高功能安全等级(ASIL D)必须解决的难题。 |
需采用双绕组电机、多路传感器和独立的监控MCU。 |
故障注入测试, 模拟各种电机和传感器故障模式。 |
功能安全, 电机控制, 故障诊断 |
|
CAR2-12 |
L2: 部件 (空气悬架) |
动态参数 |
车身高度与阻尼可调范围及调节速度 |
高度调节范围: |
范围: ±50 mm, 速度: ≥ 10 mm/s |
mm, mm/s |
CAR0-3, CAR0-11, CAR0-13, CAR3-19 |
空气弹簧容积与压缩机功率, 阻尼阀响应 |
大范围快速调节与能耗、NVH、成本存在矛盾 |
集成式底盘域控制 |
可与自动驾驶协同, 在高速时降低车身减少能耗, 在颠簸路面提升舒适性。 |
需实现与导航、感知信息的预瞄式联动控制。 |
在四立柱振动台上测试高度和阻尼的动态调节响应。 |
车辆悬架设计, 空气动力学, 主动控制 |
|
CAR2-13 |
L2: 部件 (轮胎) |
力学参数 |
轮胎侧偏刚度随滑移率与垂向载荷变化的非线性曲面 |
|
由具体轮胎型号决定 |
N/deg |
CAR0-3, CAR0-4, CAR1-4, CAR5-9 |
轮胎配方、结构、花纹, 胎压, 路面温度 |
高侧偏刚度(操控性)与高滑移率附着力(制动/驱动)及舒适性存在平衡 |
准确的轮胎模型估计 |
其准确性直接决定车辆动力学控制的精度, 是底盘域控制器的关键输入。 |
需要为所选轮胎建立高保真的经验模型(如Pacejka模型)。 |
轮胎试验台测量, 利用实车数据进行模型参数辨识。 |
轮胎力学, 非线性系统辨识, 车辆动力学 |
|
CAR3-6 |
L3: 模块 (图像传感器) |
光电参数 |
量子效率与角度响应 |
|
峰值QE @ 550nm ≥ 80%, 角度响应均匀 |
百分比 |
CAR1-8, CAR2-3, CAR2-4, CAR5-23, CAR6-6 |
硅吸收深度, 彩色滤镜阵列, 微透镜设计 |
高量子效率与低串扰、小像素尺寸存在工艺冲突 |
背照式或堆叠式工艺 |
决定摄像头的绝对感光能力和在不同角度(边缘视场)下的色彩与亮度一致性。 |
需采用先进的背照式技术, 并优化微透镜和光路设计。 |
使用单色仪和积分球测量光谱QE, 使用准直光源测量角度响应。 |
半导体光电器件, 光学, 固态物理 |
|
CAR3-7 |
L3: 模块 (功率MOSFET) |
开关参数 |
栅极电荷与米勒平台电压 |
|
|
nC, V |
CAR3-3, CAR3-20, CAR4-13, CAR5-24 |
芯片面积, 栅氧厚度, 封装寄生电感 |
低栅极电荷(快开关)与低导通电阻存在设计折衷 |
优化的栅极驱动器设计 |
直接影响开关速度和损耗(CAR3-3), 是驱动电路设计的关键依据。 |
需在数据手册中提供详细的 |
双脉冲测试平台测量开关波形并提取参数。 |
功率半导体器件, 电力电子, 开关电路 |
|
CAR3-8 |
L3: 模块 (晶振) |
频率参数 |
石英晶体振荡器的老化率与加速度灵敏度 |
老化率: 频率随时间变化的长期漂移(如每日、每月)。 加速度灵敏度: 频率随施加的加速度(振动)变化的系数 |
老化率: < ±0.5 ppm/年, |
ppm/年, 1/g |
CAR1-2, CAR3-4, CAR4-5, CAR5-25 |
石英晶片加工工艺, 密封真空度, 内部应力 |
低老化率、低加速度灵敏度与低成本、小尺寸存在矛盾 |
恒温控制(OCXO)或补偿算法 |
是系统长期时间基准稳定性和抗振动干扰能力的基础, 影响同步和定位。 |
车载应用常需选择车规级、低g敏感度的温补晶振(TCXO)。 |
长期频率稳定性测试, 振动台频率特性测试。 |
频率控制, 压电效应, 振动工程, 计量学 |
|
CAR3-9 |
L3: 模块 (MEMS IMU) |
误差参数 |
加速度计与陀螺仪的全温全寿命零偏重复性 |
在-40°C到105°C温度范围内, 经过规定寿命后, 零偏值的变化范围(最大值-最小值)。 反映了经过补偿后残存的零偏不确定性。 |
加速度计: ≤ 5 mg, 陀螺仪: ≤ 10 °/h |
mg, °/h |
CAR1-8, CAR2-8, CAR5-17, CAR6-7 |
MEMS结构稳定性, 温度补偿模型精度, 封装应力 |
高重复性与低成本MEMS工艺存在挑战 |
在线自校准算法 |
是决定惯性导航纯惯性解算精度的关键, 其不确定性是卡尔曼滤波过程噪声的主要来源。 |
需在出厂前进行高低温多点标定, 并可能内置自测试功能。 |
温箱内多位置标定测试, 对比寿命试验前后的参数。 |
MEMS技术, 传感器校准, 误差建模, 统计估计 |
|
CAR3-10 |
L3: 模块 (安全芯片) |
安全参数 |
物理不可克隆函数 (PUF) 的比特错误率与唯一性 |
比特错误率: 同一芯片在不同环境(温、压)下读取PUF响应, 比特不一致的概率。 唯一性: 不同芯片之间PUF响应汉明距离的期望值。 |
BER < 1e-6, 唯一性 ~ 50% |
概率, 百分比 |
CAR0-16, CAR4-14, CAR6-8 |
半导体制造过程的微观随机差异, 读取电路设计 |
低BER与高唯一性、高吞吐量存在设计平衡 |
纠错编码与后处理电路 |
为车辆、部件提供唯一的、不可克隆的硬件身份标识, 是硬件信任根的基础。 |
需采用SRAM PUF、环形振荡器PUF等成熟方案。 |
在大量芯片样本和全温范围内测试PUF响应的稳定性与差异性。 |
硬件安全, 密码学, 半导体物理, 信息论 |
|
CAR4-4 |
L4: 封装 (功率模块) |
电-热-力参数 |
键合线 (Bond Wire) 在功率循环下的提升力与剥离力 |
键合线因与芯片、衬底热膨胀系数不匹配, 在温度循环中承受的垂直提升应力和水平剪切应力, 是键合失效的主要机制。 |
需通过仿真和测试确保在寿命期内应力低于材料疲劳极限 |
N |
CAR4-1, CAR4-2, CAR5-26, CAR6-9 |
键合线直径与材料, 焊接质量, CTE失配, 温度波动幅值 |
多根细线(降低寄生电感)与单根粗线(提高可靠性)的选择 |
双面散热与银烧结技术 |
是传统引线键合功率模块的可靠性薄弱点, 驱动着向无引线封装(如SKiN)的发展。 |
需进行加速功率循环测试, 并用扫描电子显微镜检查失效模式。 |
功率循环试验, 声学扫描, 金相切片分析。 |
微电子封装, 材料力学, 疲劳分析, 界面科学 |
|
CAR4-5 |
L4: 互连 (PCB) |
电-磁-结构参数 |
高速差分对邻近参考平面切换处的返回电流连续性阻抗 |
当信号线换层, 参考平面发生变化时, 返回电流路径被破坏, 形成不连续的阻抗, 产生谐振和EMI辐射。 需通过缝合电容优化。 |
目标:最小化阻抗不连续峰 |
Ω |
CAR4-3, CAR4-15, CAR5-5, CAR5-27 |
换层过孔附近地过孔数量与布局, 叠层设计 |
高密度布线(需频繁换层)与良好的信号完整性存在矛盾 |
合理的叠层设计与地平面规划 |
是设计超过10Gbps高速SerDes通道时必须解决的难点。 |
必须在PCB设计规则中明确规定关键信号换层时缝合电容的放置要求。 |
三维全波电磁场仿真, 时域反射计测量阻抗不连续。 |
信号完整性, 电磁场理论, 印刷电路板设计 |
|
CAR5-4 |
L5: 材料 (导热垫片) |
热-力参数 |
导热硅胶垫的压缩应力-形变曲线与长期应力松弛率 |
|
形变30%时应力: 0.3-0.7 MPa, 松弛率 < 20% (1000h) |
MPa, 百分比 |
CAR4-1, CAR5-6, CAR5-28, CAR6-10 |
硅油与填料比例, 交联密度, 填料(如氧化铝、氮化硼)形貌 |
高导热(高填料含量)与低硬度、高回弹性存在矛盾 |
稳定的长期界面接触 |
需要在装配压力、接触热阻和长期可靠性之间取得平衡。 |
需选择具有低出油、抗老化特性的车规级导热垫片。 |
万能材料试验机测试应力-应变, 高温老化后测试应力保持率。 |
高分子材料, 流变学, 复合材料, 传热学 |
|
CAR5-5 |
L5: 材料 (高频PCB基材) |
电-磁参数 |
介质材料的介电常数与损耗角正切随频率变化的Dk/Df曲线 |
|
@ 10 GHz: Dk=3.5±0.05, Df ≤ 0.004 |
无单位 |
CAR4-3, CAR4-5, CAR5-13, CAR6-11 |
树脂体系, 玻纤布类型与编织密度, 铜箔粗糙度 |
低Df与低成本、易加工性存在矛盾 |
低粗糙度铜箔 |
直接决定高频信号传输的插入损耗和相位一致性, 影响雷达性能。 |
必须选用专门的高频板材(如Rogers RO4000系列, 或同级产品)。 |
基于谐振腔法或传输线法的介质材料测试。 |
微波材料, 介电物理, 复合材料 |
|
CAR5-6 |
L5: 材料 (热界面材料) |
热-力-化参数 |
相变导热材料 (PCM) 的相变温度与相变前后热导率 |
在达到特定温度时发生相变(固态-膏状), 以更好地填充界面空隙。 |
相变温度: 45-55°C, k > 3 W/mK |
°C, W/(m·K) |
CAR4-1, CAR5-4, CAR5-29, CAR6-12 |
基体材料(如石蜡、聚合物), 高导热填料, 相变潜热 |
合适的相变温度与宽温工作范围、无泄漏风险需平衡 |
稳定的相变循环性能 |
相比导热垫片, 能提供更低的界面热阻, 但需确保相变材料不溢出污染电路。 |
需通过高低温循环和长期高温存储测试验证其可靠性。 |
热流法导热仪, 差示扫描量热法测相变温度。 |
材料热物理, 相变材料, 界面科学 |
重增加 L2部件级、L3模块级、L4封装级和L5材料级 的参数深度,并引入更多多物理场组合参数和概率统计特征参数,以展现从系统功能到材料特性的完整追溯链条。
智能驾驶车辆多尺度参数扩展列表 (CAR2-14 至 CAR5-20)
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR2-14 |
L2: 部件 (电子制动助力器) |
电-机-液参数 |
电机堵转扭矩与最大空载转速 |
|
|
Nm, rpm |
CAR2-10, CAR3-17, CAR5-30 |
电机磁路设计, 永磁体性能, 齿轮箱减速比 |
高堵转扭矩与高转速、高效率存在设计矛盾 |
高效的热管理 |
是决定线控制动系统动态性能(CAR2-10)的核心执行器指标。 |
需采用无刷直流电机, 并能在高扭矩下短时工作而不退磁。 |
电机测试台架测量扭矩-转速曲线。 |
电机学, 电磁设计, 机械传动 |
|
CAR2-15 |
L2: 部件 (驾驶员监控摄像头) |
光学/红外参数 |
红外补光LED的辐射强度与波长 |
|
850nm: |
mW/sr, nm |
CAR0-19, CAR3-11, CAR5-31 |
LED芯片效率, 透镜设计, 驱动电流 |
高辐射强度与低功耗、防止过曝存在平衡 |
图像传感器近红外灵敏度 (CAR3-6) |
决定在完全黑暗环境下监控系统的有效性, 影响功能安全(CAR0-19)。 |
需进行人眼安全测试, 并防止红外光在风挡玻璃上形成重影。 |
分布光度计测量辐射强度, 光谱仪测量波长。 |
光电子学, 辐射测量, 人因工程 |
|
CAR2-16 |
L2: 部件 (超声波雷达) |
声学参数 |
发射声压级与接收灵敏度 |
|
|
dB, dBV/μPa |
CAR1-1, CAR3-21, CAR5-32 |
压电陶瓷性能, 谐振腔设计, 匹配层声阻抗 |
高灵敏度与窄波束角、小型化存在矛盾 |
抗环境噪声干扰算法 |
决定泊车等近距离探测的精度和抗干扰能力。 |
需适应宽温范围(-40°C~85°C), 性能稳定。 |
消声室中使用标准水听器和声源进行测试。 |
超声工程, 压电效应, 声学测量 |
|
CAR2-17 |
L2: 部件 (舱内摄像头) |
光学/隐私参数 |
物理隐私快门的光学透过率变化比 |
|
|
百分比 |
CAR0-36, CAR3-22, CAR5-33 |
快门叶片材料与结构, 驱动机构精度 |
高可靠性与薄型化、快速响应存在矛盾 |
用户可感知的明确开关状态 |
是解决用户隐私担忧的硬件方案, 其可靠性至关重要。 |
快门寿命需大于整车门锁循环次数(如5万次)。 |
分光光度计测试, 高低温下的循环寿命测试。 |
精密机械, 光学, 隐私设计 |
|
CAR2-18 |
L2: 部件 (77GHz雷达天线) |
射频参数 |
天线阵列的波束赋形增益与副瓣电平 |
增益 |
|
dBi, dB |
CAR2-5, CAR4-16, CAR5-34, CAR6-13 |
天线单元设计, 阵列排布与间距, 馈电网络相位精度 |
高增益与宽扫描范围、低成本存在矛盾 |
数字波束赋形算法 |
直接决定雷达的角度分辨率和抗干扰能力(CAR2-5, CAR2-6)。 |
通常采用单片微波集成电路与天线阵列集成。 |
近场天线测试系统或远场暗室测试方向图。 |
天线理论与设计, 阵列信号处理, 微波工程 |
|
CAR2-19 |
L2: 部件 (车载通信单元) |
通信参数 |
5G NR上行/下行峰值数据速率 |
基于3GPP标准, 在特定带宽、调制阶数(如256QAM)、MIMO流数下的理论最大速率。 |
下行 ≥ 1 Gbps, 上行 ≥ 100 Mbps |
bps |
CAR0-20, CAR0-37, CAR3-16, CAR4-17 |
调制解调器芯片能力, 射频前端带宽, 天线数量与性能 |
高数据速率与功耗、成本、设备复杂性强相关 |
低延迟高可靠通信 (CAR1-17) |
决定高清地图更新、影子模式数据回传等功能的效率。 |
需支持Sub-6GHz和/或毫米波频段, 支持载波聚合。 |
协议一致性测试, 实网速率测试。 |
移动通信, 信息论, 射频系统 |
|
CAR3-11 |
L3: 模块 (红外LED驱动) |
电-光-热参数 |
脉冲驱动电流的幅度稳定性与温度系数 |
|
稳定性 < ±2%, 温漂 < 0.1%/°C |
百分比, %/°C |
CAR2-15, CAR3-23, CAR4-18, CAR5-35 |
恒流源电路设计, 电流采样电阻温漂, 反馈环路补偿 |
高精度与高效率、小体积存在矛盾 |
红外LED的结温监控 |
保证驾驶员监控在不同环境温度下的成像一致性。 |
需选用低温漂的精密采样电阻和高稳定性驱动IC。 |
高低温箱内测试驱动电流波形幅度。 |
模拟电路设计, 热管理, 精密测量 |
|
CAR3-12 |
L3: 模块 (CAN FD收发器) |
电-磁参数 |
共模瞬态抗扰度与静电放电等级 |
|
|
kV/μs, kV |
CAR0-14, CAR4-19, CAR5-36, CAR6-14 |
芯片内部隔离技术(如容耦、磁耦), 片上保护器件设计 |
高隔离耐压与高数据速率、低功耗存在矛盾 |
良好的板级布局与接地 |
是保证车载网络在恶劣电气环境下可靠通信的关键。 |
必须满足AEC-Q100 Grade 1和ISO 11898-2标准。 |
脉冲发生器测试CMTI, ESD枪测试静电防护。 |
接口电路, 电磁兼容, 半导体可靠性 |
|
CAR3-13 |
L3: 模块 (电机位置传感器) |
磁-电参数 |
旋转变压器电气误差与温度稳定性 |
转子实际角度与传感器输出电信号换算出的角度之差的最大值。 在全温范围内此误差的变化。 |
电气误差 ≤ ±10角分, 温漂 ≤ 1角分/100°C |
角分, 角分/°C |
CAR2-11, CAR3-18, CAR5-37, CAR6-15 |
定转子铁芯加工精度, 绕组对称性, 励磁信号质量 |
高精度与低成本、小体积存在矛盾 |
高精度的解码芯片 (RDC) |
是线控转向和电机伺服控制实现高精度位置闭环的核心。 |
需采用整体式旋变, 避免安装偏心带来的额外误差。 |
高精度角度标准器对比测试, 温箱内测试误差变化。 |
电磁测量, 电机控制, 精密仪器 |
|
CAR3-14 |
L3: 模块 (数据压缩芯片) |
信息论参数 |
视觉数据无损/有损压缩率与峰值信噪比 |
压缩率 |
无损CR ≥ 2:1, 有损(CR=10:1) PSNR ≥ 40 dB |
比率, dB |
CAR0-20, CAR1-16, CAR4-20, CAR5-38 |
压缩算法(如JPEG, H.265, 专用算法), 硬件加速引擎效率 |
高压缩率与高图像质量、低计算延迟存在根本权衡 |
智能的兴趣区域编码 |
决定车载数据记录和回传的存储与带宽效率。 |
可能需要支持符合AEC-Q100的专用图像压缩IP核。 |
使用标准图像集测试压缩率与PSNR/SSIM曲线。 |
图像处理, 信息论, 视频编码, 视觉质量评估 |
|
CAR3-15 |
L3: 模块 (风扇电机驱动) |
电-声参数 |
风扇PWM调速的电磁噪声频谱峰值 |
驱动电路开关频率及其谐波通过电机绕组和结构传递产生的可闻噪声, 在频谱上的声压级峰值。 |
在可闻频段内(20Hz-20kHz)无突出单频峰值, 总体声压级低 |
dB(A) |
CAR0-13, CAR3-24, CAR4-21, CAR5-39 |
PWM频率选择, 栅极驱动边沿速率, 电机绕组分布 |
高频PWM(超音频)可消除噪声但与开关损耗增加矛盾 |
风扇叶片的空气动力学优化 |
是影响座舱NVH(CAR0-13)的细节因素, 需从源头控制。 |
建议PWM频率 > 20kHz, 并优化驱动波形。 |
在半消声室中, 用声学照相机和频谱分析仪测试。 |
电力电子, 声学, 电机控制 |
|
CAR4-6 |
L4: 封装 (传感器模组) |
力-热-光组合参数 |
摄像头模组镜头对准后的胶水固化位移与热漂移 |
点胶固化过程中和后续温度循环中, 镜头相对于图像传感器感光面的横向和轴向位移。 导致图像中心偏移和离焦。 |
横向位移 < 2 μm, 轴向位移 < 5 μm (全程) |
μm |
CAR0-24, CAR2-3, CAR2-4, CAR5-40, CAR6-16 |
胶水收缩率, CTE匹配, 固化工艺(UV/热), 结构设计 |
高强度固定与低应力、小位移存在矛盾 |
主动对准与补偿算法 |
是影响摄像头标定结果稳定性和长期性能的关键制造参数。 |
需采用低收缩率、低模量的光学胶, 并优化固化曲线。 |
使用图像相关法或激光干涉仪测量固化前后及温循后的位移。 |
精密光学装配, 胶粘剂化学, 实验力学 |
|
CAR4-7 |
L4: 互连 (板对板连接器) |
电-力-环境参数 |
连接器接触电阻的微动腐蚀增长速率 |
在振动和温度循环环境下, 连接器触点因微小幅度的相对运动导致镀层磨损、氧化, 接触电阻 |
增长速率 < 1 mΩ/1000h (特定条件) |
mΩ/1000h |
CAR0-7, CAR4-22, CAR5-41, CAR6-17 |
镀层材料与厚度(如金), 接触正压力, 振动谱与气氛 |
高可靠性(厚金镀层)与成本存在直接矛盾 |
优化的触点几何形状与自清洁设计 |
是车辆在长期振动下电气连接可靠性的潜在失效点。 |
需选用汽车级、具备防微动设计的高可靠性连接器。 |
振动台结合在线接触电阻监测, 进行加速测试。 |
电接触理论, 摩擦学, 腐蚀科学, 可靠性工程 |
|
CAR4-8 |
L4: 封装 (天线封装) |
电-磁-结构参数 |
封装天线 (AiP) 的辐射效率与带宽 |
|
效率 ≥ 60%, 带宽覆盖 5.9 GHz (C-V2X) 或 28/77 GHz 频段 |
百分比, GHz |
CAR2-18, CAR2-19, CAR5-34, CAR5-42, CAR6-18 |
封装材料Dk/Df, 天线结构, 封装尺寸与接地 |
小尺寸与高效率、宽带宽存在天线理论上的根本限制 |
系统级的射频协同设计 |
是实现高集成度毫米波雷达和5G天线的关键技术, 性能受封装工艺影响大。 |
需要在封装设计阶段进行全波电磁仿真与优化。 |
矢量网络分析仪结合天线测试暗室测量S参数与方向图。 |
封装天线, 微波工程, 电磁场计算, 系统级封装 |
|
CAR5-7 |
L5: 材料 (结构胶粘剂) |
力-化-热参数 |
单组分环氧结构胶的玻璃化转变温度与断裂韧性 |
|
|
°C, MPa·m^1/2 |
CAR4-6, CAR5-43, CAR6-19 |
环氧树脂与固化剂体系, 增韧剂类型与含量 |
高 |
与被粘物良好的附着力和匹配的CTE |
决定摄像头、雷达等传感器支架粘接的长期机械可靠性, 尤其在冷热冲击下。 |
必须通过车规级老化测试(湿热、冷热冲击、振动)。 |
动态机械分析测 |
高分子化学, 胶粘剂科学, 断裂力学 |
|
CAR5-8 |
L5: 材料 (电磁屏蔽泡棉) |
电-磁-力参数 |
屏蔽效能与压缩回弹性组合参数 |
|
|
dB, 百分比 |
CAR0-6, CAR5-16, CAR5-44, CAR6-20 |
导电填料(如镀镍石墨)含量与分布, 泡棉基体弹性 |
高导电性(高SE)与高弹性、低压缩永久形变存在矛盾 |
低接触阻抗的表面涂层 |
用于屏蔽盖与壳体间的缝隙, 需要在长期振动下保持良好接触。 |
需具备阻燃特性(如UL94 V-0), 并控制金属粉末脱落。 |
法兰同轴法测SE, 万能试验机测压缩-回弹曲线。 |
电磁屏蔽材料, 导电高分子, 复合材料 |
|
CAR5-9 |
L5: 材料 (轮胎橡胶) |
力-热-化参数 |
硫化橡胶的Payne效应与滚动阻力系数 |
Payne效应: 动态模量 |
需优化配方以实现低 |
无单位, N/kN |
CAR0-4, CAR0-5, CAR2-13, CAR5-45, CAR6-21 |
橡胶配方(天然/合成胶, 炭黑/白炭黑, 硅烷), 硫化工艺 |
低滚阻与高抗湿滑性、高耐磨性是“魔三角”矛盾 |
轮胎花纹与结构设计 |
是轮胎性能的基石, 直接影响车辆能耗、制动和安全。 |
需通过先进的填料分散和偶联技术来调和矛盾。 |
橡胶加工分析仪, 动态力学分析, 轮胎转鼓试验。 |
橡胶化学, 高分子物理, 流变学, 摩擦学 |
|
CAR5-10 |
L5: 材料 (制动摩擦片) |
摩擦-热-振参数 |
摩擦系数的μ-ν曲线与热衰退恢复性 |
摩擦系数 |
|
无单位, 百分比 |
CAR0-4, CAR2-10, CAR5-46, CAR6-22 |
摩擦材料配方(金属/陶瓷/有机), 粘结剂, 热处理工艺 |
高摩擦系数与低磨损、低噪音、低粉尘存在矛盾 |
制动盘的材料匹配 |
是制动系统性能、舒适性和耐久性的核心。 |
需通过台架测试模拟各种制动工况, 验证综合性能。 |
惯性制动台架测试, 测量不同温度、压力、速度下的 |
摩擦学, 材料科学, 热分析, 振动分析 |
|
CAR5-11 |
L5: 材料 (焊锡合金) |
金相-力-热参数 |
SAC305焊料中金属间化合物层厚度与生长动力学 |
IMC(如Cu6Sn5)层厚度 |
初始厚度 < 2 μm, 生长速率需控制 |
μm |
CAR4-2, CAR5-47, CAR6-4, CAR6-23 |
焊料成分(Sn-Ag-Cu比例), 焊接工艺(峰值温度、时间), 镀层 |
良好的焊接性与高可靠性(抑制IMC生长)需平衡 |
优化的焊接曲线与冷却速率 |
是影响BGA、CSP等封装在高温服役下长期可靠性的微观机制。 |
需严格控制回流焊参数, 并可能采用低银或无铅替代合金。 |
金相切片与SEM/EDS分析, 高温老化试验。 |
焊接冶金学, 金属间化合物, 扩散理论, 显微组织分析 |
|
CAR5-12 |
L5: 材料 (底部填充胶) |
流变-热-力参数 |
毛细流动时间与固化后模量 |
在芯片与基板间隙中, 胶体依靠毛细力流动完全填充所需的时间 |
|
s, GPa |
CAR4-2, CAR5-48, CAR6-24 |
胶体粘度与表面张力, 填料颗粒尺寸, 固化收缩率 |
低粘度(快流动)与高模量、低CTE通常矛盾 |
对芯片和基板良好的润湿性 |
是提高CSP、Flip-Chip封装抗热机械疲劳可靠性的关键工艺材料。 |
需通过流动仿真优化点胶路径和剂量。 |
高速摄像观察流动前沿, 动态机械分析测模量。 |
流变学, 界面科学, 高分子材料, 微电子封装 |
|
CAR5-13 |
L5: 材料 (低粗糙度铜箔) |
表面-电参数 |
轮廓算术平均偏差与表皮深度比 |
|
|
μm, 比率 |
CAR4-3, CAR5-5, CAR6-11, CAR6-25 |
电解铜箔的晶体生长与处理工艺 |
超低粗糙度与铜箔的抗剥离强度存在权衡 |
光滑的介质表面 |
是制造低损耗高速/高频PCB的核心原材料, 对信号完整性(CAR4-3)至关重要。 |
需采用反转处理铜箔或低轮廓压延铜箔。 |
表面轮廓仪测量 |
表面工程, 电化学, 金属加工, 传输线理论 |
|
CAR5-14 |
L5: 材料 (光学窗口镀膜) |
光-化-力参数 |
增透膜层的附着力与耐砂尘冲击性能 |
附着力常用划格法等级评定。 耐砂尘冲击: 在特定速度、粒径的沙粒冲击后, 膜层无破损或脱落。 |
附着力 ≥ 4B (ASTM D3359), 通过ISO 20567-1砂尘测试 |
等级, 通过/失败 |
CAR5-2, CAR5-49, CAR6-5, CAR6-26 |
膜层材料与基材的界面能, 镀膜前基材清洁与活化, 膜层内应力 |
高硬度(耐刮)与高附着力、低内应力需协同优化 |
基体材料的表面硬度与韧性 |
保证在恶劣环境下光学窗口的长期透光性(CAR5-2)。 |
需进行严格的附着力、耐磨、耐化学试剂等综合环境测试。 |
百格刀测试, 砂尘试验箱测试。 |
薄膜技术, 表面物理化学, 力学性能测试 |
|
CAR5-15 |
L5: 材料 (疏水疏油涂层) |
表面-化参数 |
水接触角与滚动角 |
水接触角 |
|
度 |
CAR0-38, CAR5-2, CAR5-50, CAR6-27 |
涂层化学成分(如氟硅烷), 表面微观/纳米结构, 涂覆工艺 |
高接触角与涂层的耐磨性、耐候性存在矛盾 |
表面自清洁效应 (CAR0-38) |
是减少传感器窗口人工清洁频率, 维持性能的关键。 |
通常通过喷涂或真空镀膜施加, 需与增透膜兼容。 |
接触角测量仪, 倾斜平台录像分析滚动角。 |
表面科学, 胶体与界面化学, 仿生材料 |
|
CAR5-16 |
L5: 材料 (导电布/胶带) |
电-磁-力参数 |
表面电阻与剥离强度 |
表面电阻 |
|
Ω/sq, N/cm |
CAR0-6, CAR5-8, CAR5-51, CAR6-28 |
纤维基底金属化质量, 导电胶粘剂配方 |
低电阻(高金属含量)与高粘性、柔软性存在平衡 |
良好的柔韧性与可模切性 |
用于缝隙的屏蔽和接地, 需在弯曲和振动下保持低阻抗接触。 |
需具备一定的抗腐蚀性和耐高低温性能。 |
四探针法测电阻, 拉力试验机测剥离强度。 |
复合材料, 电磁屏蔽, 胶粘剂 |
|
CAR5-17 |
L5: 材料 (MEMS传感器结构层) |
力-热-电参数 |
单晶硅谐振梁的品质因数与温度系数 |
品质因数 |
|
无单位, ppm/°C |
CAR3-9, CAR5-52, CAR6-7, CAR6-29 |
硅晶体取向, 结构尺寸与表面粗糙度, 封装真空度 |
超高 |
温度补偿结构与电路 |
是高性能MEMS陀螺和加速度计实现低噪声、高稳定性的核心。 |
需采用深反应离子刻蚀等工艺制造高深宽比结构。 |
网络分析仪或专用电路测量谐振曲线, 温箱内测频率漂移。 |
MEMS技术, 谐振器物理, 固体力学, 热力学 |
|
CAR5-18 |
L5: 材料 (功率电感磁芯) |
磁-电-热参数 |
饱和磁通密度与高频损耗功率密度 |
|
|
T, kW/m³ |
CAR3-20, CAR5-53, CAR6-30 |
磁粉材料(如铁硅铝、铁氧体), 颗粒尺寸与绝缘, 成型压力 |
高 |
低直流电阻的绕组 |
决定电感器在开关电源中的储能能力和效率, 影响功率密度。 |
需根据开关频率选择最优的磁芯材料。 |
B-H分析仪测量磁滞回线, 功率分析仪测量电感整体损耗。 |
磁性材料, 铁磁学, 电力电子, 粉末冶金 |
|
CAR5-19 |
L5: 材料 (超级电容器电极) |
电-化-结构参数 |
比电容与等效串联电阻 |
比电容 |
|
F/g, mΩ |
CAR0-27, CAR5-54, CAR6-31 |
电极材料(如活性炭)比表面积与孔径分布, 电解液导电率 |
高比电容与低ESR、高功率密度需协同优化 |
快速的电化学动力学 |
用于瞬态功率缓冲, 其性能决定了对负载突变的响应速度。 |
需考虑长期浮充和循环寿命下的性能衰减。 |
电化学工作站测试循环伏安、交流阻抗谱。 |
电化学, 储能材料, 纳米材料, 器件物理 |
|
CAR5-20 |
L5: 材料 (热管/均热板毛细芯) |
热-流体-结构参数 |
毛细压力与渗透率组合参数 |
毛细压力 |
尽可能大 |
Pa, m² |
CAR4-1, CAR5-55, CAR6-32 |
毛细芯结构(烧结粉末、沟槽、丝网), 孔隙率与孔径分布 |
高毛细力(小孔径)与高渗透率(大孔径)存在根本矛盾 |
高效的工质(水)与腔体真空度 |
是两相散热器件(热管/VC)性能的极限, 决定其最大传热能力。 |
需通过毛细芯的复合结构或梯度结构来优化。 |
毛细力测试仪, 渗透率测试装置。 |
传热学, 多孔介质, 流体力学, 热物理 |
-
深化现有层级:在L0整车级、L1子系统级、L2部件级、L3模块级、L4封装级和L5材料级中,为每个已提及的组件增加更多维度的参数。
-
扩展新的组件/领域:引入之前未涵盖的关键组件,如电池管理系统、电机控制器、车身域控制器、悬架传感器、空调压缩机、网关等,并为其定义参数。
-
强化概率与统计特征:为关键性能参数增加其概率分布(均值、方差、分位数)、时间稳定性、工况依赖性等描述。
-
细化多物理场耦合:定义更具体的组合参数,如“振动-温度循环下的焊点疲劳寿命”、“磁场-温度共同作用下的霍尔传感器偏移”等。
-
贯穿制造与测试:增加与制造工艺(如SMT贴装精度、注塑压力)、测试方法(如HALT高加速寿命测试、声学相机)直接相关的参数。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR5-21 |
L5: 材料 (制动液) |
流体-热-化参数 |
干/湿平衡回流沸点与运动粘度 |
干沸点:新制动液的沸点。湿沸点:吸湿后(含水量3.5%)的沸点。运动粘度:低温(-40°C)下的流动性。 |
干沸点 ≥ 260°C, 湿沸点 ≥ 180°C, -40°C粘度 < 1500 mm²/s |
°C, mm²/s |
CAR2-10, CAR5-10, CAR5-46 |
基础液(如DOT 5.1的硼酸酯), 添加剂 |
高沸点与低粘度、材料兼容性需平衡 |
制动系统密封材料兼容性 |
决定制动系统在高温和低温下的安全边界,防止气阻和反应迟缓。 |
必须符合DOT 4或更高标准, 低吸湿性。 |
平衡回流沸点测试仪, 粘度计。 |
流体力学, 物理化学, 材料相容性 |
|
CAR5-22 |
L5: 材料 (线控转向电机磁钢) |
磁-热-力参数 |
钕铁硼永磁体的剩磁温度系数与内禀矫顽力 |
|
|
%/°C, kA/m |
CAR2-11, CAR3-18, CAR5-37, CAR6-33 |
稀土元素配比(镝、铽), 晶界扩散工艺 |
高 |
电机冷却设计 |
是保证驱动电机在高温和过载下不退磁、输出扭矩稳定的关键。 |
需采用高 |
B-H分析仪测量全温度范围内的退磁曲线。 |
永磁材料, 铁磁学, 固体物理, 热力学 |
|
CAR5-23 |
L5: 材料 (图像传感器彩色滤镜) |
光-化参数 |
拜耳阵列染料的光谱透射率与耐光性 |
红、绿、蓝滤镜染料在各自目标波段(如R:650nm, G:550nm, B:450nm)的透射率 |
峰值 |
百分比, 小时 |
CAR3-6, CAR5-56, CAR6-6, CAR6-34 |
有机染料或颜料分子结构, 树脂基质, 镀膜保护 |
高透射率、窄带宽与高稳定性、低成本存在矛盾 |
图像传感器的量子效率 (CAR3-6) |
直接影响摄像头的色彩还原准确性和长期可靠性。 |
需采用耐候性优异的颜料分散体系。 |
显微分光光度计测量微区光谱, 氙灯老化试验。 |
染料化学, 色彩科学, 光化学, 薄膜技术 |
|
CAR5-24 |
L5: 材料 (功率模块基板) |
热-力-电参数 |
活性金属钎焊陶瓷覆铜基板的热阻与绝缘耐压 |
|
|
K/W, V |
CAR4-1, CAR5-1, CAR5-57, CAR6-35 |
陶瓷类型(AlN, Si₃N₄), 铜厚, 钎焊层质量 |
高热导(AlN)与高机械强度(Si₃N₄)、低成本(Al₂O₃)需选择 |
DBC或AMB工艺选择 |
是功率模块散电和电气隔离的核心部件, 其可靠性决定模块寿命。 |
需严格控制陶瓷孔隙率和钎焊空洞率。 |
热阻测试仪(如T3Ster), 耐压测试仪。 |
陶瓷材料, 钎焊工艺, 绝缘材料, 传热学 |
|
CAR5-25 |
L5: 材料 (晶体振荡器封装) |
气密-热参数 |
陶瓷封装腔体内的真空度与氦气泄漏率 |
真空度 |
|
Pa, atm·cc/s |
CAR3-8, CAR5-25, CAR6-36 |
陶瓷盖板与基座共晶焊或玻璃粉密封质量 |
高真空度与封装成本、工艺复杂性强相关 |
晶体的低老化率 (CAR3-8) |
是保证OCXO等高稳晶振长期性能的基础。 |
需采用高可靠性气密封装, 并在封帽前进行烘烤除气。 |
残余气体分析, 氦质谱检漏。 |
真空技术, 密封工艺, 电子封装 |
|
CAR5-26 |
L5: 材料 (键合线) |
力-电-热参数 |
铝/铜键合线的断裂伸长率与电阻率 |
断裂伸长率 |
|
百分比, Ω·m |
CAR4-4, CAR5-58, CAR6-9, CAR6-37 |
金属纯度, 退火工艺, 线径 |
高强度与高延伸率、低硬度(减少对芯片损伤)需平衡 |
优化的键合工艺参数(压力、功率、时间) |
是影响功率模块在温度循环下可靠性的关键材料, 铜线需解决氧化和硬度问题。 |
铜线需在惰性气体保护下键合。 |
万能材料试验机做拉伸测试, 四探针法测电阻率。 |
金属材料, 微电子连接, 力学性能 |
|
CAR5-27 |
L5: 材料 (PCB阻焊油墨) |
光-化-电参数 |
紫外线固化能量与绝缘电阻 |
完全固化所需的最小紫外线能量剂量 |
|
mJ/cm², Ω |
CAR4-5, CAR5-59, CAR6-38 |
光引发剂体系, 树脂主体, 填料 |
低固化能量(提高产能)与高可靠性、高分辨率存在矛盾 |
对铜面良好的附着力 |
影响PCB的长期电气可靠性和外观, 需防止CAF(导电阳极丝)生长。 |
需通过高温高湿偏压测试。 |
UV能量计, 高阻计测试绝缘电阻。 |
光化学, 高分子材料, 印刷电路板工艺 |
|
CAR5-28 |
L5: 材料 (导热凝胶) |
流变-热参数 |
触变指数与施工期 |
触变指数 |
|
无单位, 分钟 |
CAR5-4, CAR5-60, CAR6-10, CAR6-39 |
硅油与增稠剂, 导热填料, 催化剂 |
高触变性与低应用压力、完全填充间隙的能力需协调 |
自动化点胶工艺适应性 |
用于填充不规则大间隙, 施工性能直接影响量产效率和填充效果。 |
需与自动点胶设备的压力和路径参数匹配。 |
旋转流变仪测量粘度-剪切速率曲线, 计时观察粘度变化。 |
流变学, 胶粘剂, 自动化生产 |
|
CAR5-29 |
L5: 材料 (相变储能材料) |
热-化参数 |
相变潜热与过冷度 |
潜热 |
|
J/g, °C |
CAR5-6, CAR5-61, CAR6-12, CAR6-40 |
石蜡或水合盐体系, 成核剂 |
高潜热与稳定的循环性能、无相分离存在矛盾 |
封装胶囊的机械强度 |
用于电池包或座舱的被动热管理, 缓冲温度波动。 |
需解决长期循环后的相分离和性能衰减问题。 |
差示扫描量热法测量 |
材料热物理, 相变传热, 物理化学 |
|
CAR5-30 |
L5: 材料 (电机漆包线) |
电-热-力参数 |
漆膜耐刮擦电压与软化击穿温度 |
耐刮擦电压: 用标准刮针测试, 漆膜被刮破时的电压。 软化击穿温度: 漆膜在高温下失去绝缘性的温度。 |
耐刮擦 ≥ 5 kV, 软化击穿 > 200°C |
V, °C |
CAR2-14, CAR5-62, CAR6-41 |
漆膜树脂(如聚酰亚胺), 涂层均匀性 |
薄漆膜(高槽满率)与高绝缘强度、耐刮性存在矛盾 |
绕线张力与模具设计 |
是电机可靠性和功率密度的基础, 失效会导致匝间短路。 |
需采用200级(及以上)耐热等级的漆包线。 |
漆包线测试仪, 热分析仪。 |
绝缘材料, 电机工程, 高分子化学 |
|
CAR4-9 |
L4: 封装 (系统级封装) |
电-热-结构参数 |
硅中介层上再布线层的线宽/线距与对准精度 |
RDL用于实现芯片间的高密度互连。 线宽/线距 |
|
μm |
CAR4-3, CAR4-8, CAR5-63, CAR6-42 |
光刻机精度, 电镀工艺, 介质材料 |
更细的 |
微凸点间距与直径 |
是2.5D/3D封装实现高带宽内存访问的关键, 直接影响Server1-2。 |
需采用先进的晶圆级封装工艺。 |
扫描电子显微镜测量尺寸, 专用对准测量系统。 |
半导体制造, 微电子封装, 光刻技术 |
|
CAR4-10 |
L4: 封装 (eMMC/UFS) |
存储-可靠性参数 |
存储单元的编程/擦除循环次数与数据保留时间 |
P/E Cycles: 每个存储单元在失效前可承受的编程擦除次数。 数据保留: 在特定温度(如40°C)下, 断电后数据不丢失的保证时间。 |
P/E ≥ 3000 cycles, 保留 ≥ 1年 @ 40°C |
次, 年 |
CAR1-16, CAR4-23, CAR5-64, CAR6-43 |
闪存类型(TLC/QLC), 工艺节点, 纠错码强度 |
高密度(QLC)与高耐久度、高数据保留存在根本矛盾 |
磨损均衡与坏块管理算法 |
是车载数据记录仪寿命(CAR1-16)的制约因素, 需进行寿命预估。 |
需选用工业级或汽车级存储, 并预留足够的OP(预留空间)。 |
专用存储测试仪进行加速P/E循环和高温烘烤测试。 |
半导体存储器, 可靠性物理, 信息论, 嵌入式系统 |
|
CAR4-11 |
L4: 互连 (高压连接器) |
电-力-环境参数 |
接触对插拔力与最高工作海拔下的耐压 |
单对触点的插入力 |
|
N, V |
CAR0-7, CAR4-7, CAR5-65, CAR6-44 |
触点弹簧设计, 电镀层, 绝缘材料CTI |
低插拔力与高接触可靠性、高载流能力存在矛盾 |
防呆与自锁结构设计 |
影响生产线装配效率和售后维修性, 高海拔耐压是安全要求。 |
需满足IP6K9K防水防尘及高压安全标准。 |
拉力计测试插拔力, 高海拔模拟箱内进行耐压测试。 |
连接器设计, 高电压工程, 环境工程 |
|
CAR4-12 |
L4: 封装 (V2X天线模块) |
结构-环境参数 |
天线外罩对射频信号的插入损耗与抗碎石冲击性能 |
外罩材料在5.9GHz频段引起的信号衰减 |
|
dB, 通过/失败 |
CAR2-19, CAR4-8, CAR5-66, CAR6-45 |
外罩材料Dk/Df, 厚度, 韧性 |
低损耗(低Df材料)与高机械强度、低成本存在矛盾 |
空气动力学造型 |
保护天线的同时, 最小化对射频性能的影响, 并承受道路飞石冲击。 |
常用低损耗PBT或ASA材料, 可能内嵌金属网格(不影响射频)。 |
矢量网络分析仪测试带罩天线性能, 碎石冲击试验机。 |
天线设计, 聚合物材料, 冲击力学 |
|
CAR3-16 |
L3: 模块 (5G射频前端) |
射频-热参数 |
功率放大器功率附加效率与热阻 |
|
|
%, °C/W |
CAR2-19, CAR0-37, CAR4-17, CAR5-67 |
晶体管技术(GaAs, GaN), 匹配网络, 封装 |
高 |
高效的散热设计 |
直接影响通信模块的发热和续航, 是设备小型化的关键。 |
需采用高效率的E类或F类放大器架构, 并使用高热导封装。 |
负载牵引系统测试 |
射频功率放大器, 微波工程, 热管理 |
|
CAR3-17 |
L3: 模块 (液压阀驱动) |
电-磁-力参数 |
比例电磁铁力-电流线性度与迟滞 |
输出力 |
线性度 |
无单位, 百分比 |
CAR2-10, CAR3-68, CAR5-68, CAR6-46 |
磁路设计, 材料磁滞回线, 摩擦 |
高线性度、低迟滞与快速响应、低成本存在矛盾 |
高精度的电流控制 |
是实现制动压力精确线性控制的基础, 影响ESP和线控制动性能。 |
需进行温度和电流的补偿校准。 |
电磁铁测试台, 测量力-电流曲线。 |
电磁铁设计, 控制工程, 磁性材料 |
|
CAR3-18 |
L3: 模块 (旋变解码芯片) |
数字-精度参数 |
角度数字化位数与跟踪速度 |
输出角度值的数字位数 |
|
bit, rpm |
CAR3-13, CAR3-69, CAR4-24, CAR5-69 |
ADC分辨率, 解码算法(Type-II跟踪环路), 时钟频率 |
高分辨率与高跟踪速度、低延迟存在矛盾 |
旋变励磁信号生成质量 |
决定位置反馈的精度和动态响应能力, 影响电机控制性能。 |
需抑制励磁谐波对解码精度的影响。 |
高精度角度分割器对比测试, 转速台测试跟踪极限。 |
数字信号处理, 角度测量, 运动控制 |
|
CAR3-19 |
L3: 模块 (空气悬架压缩机) |
机-电-热参数 |
排气流量与噪声频谱 |
在额定压力下, 单位时间的排气体积 |
|
L/min, dB(A) |
CAR2-12, CAR0-13, CAR3-70, CAR5-70 |
活塞/螺杆设计, 电机转速, 消音器 |
高流量、低噪音与小型化、低功耗存在矛盾 |
智能的充放气控制策略 |
影响车身调平速度和座舱NVH, 需快速静音。 |
需集成干燥和过滤功能, 防止水汽进入空气弹簧。 |
流量计测试, 半消声室噪声测试。 |
流体机械, 声学, 压缩机设计 |
|
CAR3-20 |
L3: 模块 (DC-DC变换器) |
电-磁-热参数 |
开关频率与功率密度 |
主开关管(如MOSFET)的工作频率 |
|
Hz, W/cm³ |
Power3-1, CAR3-7, CAR5-18, CAR5-71 |
开关器件性能, 磁元件设计, 散热技术 |
高频率(小体积)与高效率(低开关损耗)存在经典矛盾 |
软开关技术(如LLC) |
是提升电源模块功率密度、减小体积的关键, 但带来EMI挑战。 |
需优化PCB layout以减少寄生参数, 采用平面变压器。 |
功率分析仪测效率, 尺寸与功率计算密度。 |
电力电子, 磁学, 功率变换拓扑 |
|
CAR2-20 |
L2: 部件 (抬头显示器) |
光学-人机参数 |
虚像距离与眼盒范围 |
虚像距离 |
|
m, mm |
CAR0-9, CAR0-35, CAR3-71, CAR5-72 |
投影光机, 风挡玻璃楔形角, 光学镜像设计 |
大眼盒、远VID与系统体积、成本强相关 |
增强现实导航与ADAS信息融合 |
是显示ADAS状态、导航信息的关键交互界面, 需减少驾驶者视线转移。 |
需解决强光下对比度不足和重影问题。 |
光学测量平台测试虚像位置和亮度均匀性, 人眼模拟器测试眼盒。 |
几何光学, 显示技术, 人因工程, 光学设计 |
|
CAR2-21 |
L2: 部件 (高精度定位服务模块) |
服务-精度参数 |
星基/地基增强服务的可用性与定位增强信息龄期 |
可用性: 在服务覆盖区内, 增强信号可用的时间百分比。 信息龄期 |
可用性 > 99.9%, |
百分比, 秒 |
CAR1-3, CAR2-9, CAR3-72, CAR4-25 |
基准站网络密度, 通信链路可靠性, 数据生成与播发速度 |
高精度与高可用性、低延迟、低成本(订阅)存在平衡 |
多星座多频接收机 (CAR2-9) |
是实现全域高精度定位的前提, 是商业模式的组成部分。 |
需评估不同服务商(如千寻、六分等)在不同区域的性能。 |
长期静态和动态测试, 统计可用性和精度。 |
卫星导航, 服务科学, 通信网络 |
|
CAR2-22 |
L2: 部件 (车内以太网交换机) |
网络-安全参数 |
MACsec加解密引擎的线速处理能力与密钥更新率 |
在启用MACsec(IEEE 802.1AE)加密后, 仍能无丢包转发的最大数据速率。 支持每秒的密钥更新次数, 用于抗重放攻击。 |
线速 ≥ 1 Gbps, 密钥更新率 > 1000次/秒 |
bps, 次/秒 |
CAR0-16, CAR0-25, CAR3-73, CAR4-26 |
硬件加解密引擎性能, 密钥管理协议 |
高强度加密与低延迟、高吞吐量存在资源竞争 |
安全的网络准入控制 |
是保证车载骨干网通信机密性和完整性的硬件基础。 |
交换机芯片需集成硬件的加解密和认证引擎。 |
网络测试仪发送加密流量, 测试吞吐量和延迟。 |
网络安全, 网络交换, 密码学, 硬件加速 |
|
CAR2-23 |
L2: 部件 (生命体征监测雷达) |
射频-生物参数 |
对微小胸腔运动的检测灵敏度与距离分辨率 |
检测灵敏度 |
|
mm, m |
CAR0-19, CAR2-5, CAR3-74, CAR5-73 |
雷达系统噪声系数, 信号处理算法(如FFT、聚类) |
高灵敏度与抗环境微动(如空调风)干扰存在矛盾 |
多目标识别与跟踪算法 |
用于驾驶员健康监测和后排乘员存在检测, 提升安全性。 |
通常采用60GHz频段, 以获得更短的波长和更高分辨率。 |
使用模拟胸腔起伏的机械装置测试, 多目标场景测试。 |
生物雷达, 微波遥感, 信号处理, 生理学 |
|
CAR2-24 |
L2: 部件 (数据存储单元) |
存储-可靠性参数 |
并行读写通道数与坏道重映射率 |
通道数 |
|
个, 百分比 |
CAR1-16, CAR4-10, CAR3-75, CAR5-74 |
主控芯片能力, 闪存颗粒质量 |
多通道与功耗、PCB布线复杂度相关 |
强大的纠错与磨损均衡算法 |
是提升车载黑匣子数据记录带宽和可靠性的硬件手段。 |
需支持S.M.A.R.T.健康状态报告。 |
专用存储测试软件进行并行读写和压力测试。 |
存储系统, 并行计算, 可靠性工程 |
|
CAR1-18 |
L1: 电源管理子系统 |
控制-可靠性参数 |
负载突加/突卸时的输出电压瞬态响应 |
当负载电流 |
|
百分比, 秒 |
CAR1-15, CAR3-20, CAR4-27, CAR5-75 |
环路补偿设计, 输出电容ESR, 控制带宽 |
快速响应与环路稳定性存在折衷 |
前馈控制技术 |
保证计算平台、传感器等负载在动态工作下供电稳定, 防止系统复位或出错。 |
需进行负载瞬态测试, 验证在最坏情况下的表现。 |
电子负载进行电流阶跃, 高速示波器记录电压响应。 |
电源控制, 动态系统, 电路理论 |
|
CAR1-19 |
L1: 热管理子系统 |
控制-能效参数 |
散热系统功耗与散热量比值(冷却能效比) |
|
|
无单位 |
CAR0-5, CAR1-14, CAR2-7, CAR3-15 |
散热器设计, 泵/风扇效率, 控制策略 |
高能效与紧凑空间、低成本散热方案存在矛盾 |
基于预测的热管理 |
是影响整车能耗(CAR0-5)的重要因素, 需优化控制策略。 |
可采用分区域、分温度的智能风扇控制。 |
在热测试台上, 测量输入功耗和稳定后的散热量。 |
热力学, 能效分析, 控制系统 |
|
CAR1-20 |
L1: 健康管理子系统 |
诊断-预测参数 |
基于振动频谱的轴承故障预警提前期 |
通过对电机、泵等旋转部件的振动信号进行频谱分析, 在特征频率(如轴承外圈故障频率)幅值超过阈值时预警, 提前于完全失效的时间 |
|
小时 |
CAR0-7, CAR0-22, CAR2-8, CAR3-9 |
振动传感器灵敏度与布置, 故障特征库, 机器学习模型 |
长提前期与低误报率存在平衡 |
多传感器信息融合诊断 |
是实现预测性维护, 提升系统可用性和安全性的关键。 |
需建立各部件的正常振动频谱基线。 |
在耐久试验中, 植入故障并记录振动演变过程。 |
故障预测与健康管理, 信号处理, 机械振动, 机器学习 |
|
CAR0-41 |
L0: 整车级 |
功能-场景参数 |
自动泊车功能对最小垂直/平行车位尺寸要求 |
系统能成功泊入的最小车位长度 |
垂直车位: |
m |
CAR1-1, CAR1-4, CAR2-1, CAR2-3, CAR2-16 |
感知精度, 规划算法, 车辆最小转弯半径 |
越小车位与泊车成功率、舒适性存在矛盾 |
超声波雷达的近距离精度 (CAR2-16) |
是功能定义的核心参数, 直接影响用户体验和功能适用范围。 |
需在多种车位(有/无路沿石、有/无车辆)下测试验证。 |
标准车位架测试, 实际停车场测试统计成功率。 |
机器人学, 路径规划, 几何约束求解 |
|
CAR0-42 |
L0: 整车级 |
法规-认证参数 |
UN R157 (ALKS) 系统失效响应时间 |
在自动车道保持系统发出接管请求后, 系统允许驾驶员无响应、直至执行最小风险 maneuver 的最长时间 |
|
秒 |
CAR0-1, CAR0-8, CAR0-9 |
法规要求, 系统安全概念 |
法规强制要求, 与用户体验可能存在冲突 |
清晰且逐步升级的接管提示 |
是车型获得特定自动驾驶功能型式认证必须满足的硬性指标。 |
需严格按照法规要求进行测试和验证。 |
认证机构指定的测试场景和流程。 |
汽车法规, 功能安全, 认证工程 |
|
CAR0-43 |
L0: 整车级 |
成本-维护参数 |
自动驾驶系统单次OTA平均数据流量成本 |
单次升级(全车或特定域)所下载的数据总量 |
目标: 尽可能低, 通过差分升级优化 |
货币单位 |
CAR0-20, CAR0-21, CAR0-30 |
升级包大小, 差分算法效率, 运营商资费 |
频繁升级(快速迭代)与流量成本矛盾 |
智能差分升级与P2P分发 |
在大规模车队运营中, 流量成本显著, 需优化升级策略。 |
需与云平台协同, 支持断点续传和压缩。 |
统计历史升级数据, 计算平均成本。 |
网络经济学, 软件工程, 数据压缩 |
|
CAR6-1 |
L6: 原子/分子级 |
量子-材料参数 |
硅晶体中位错密度与载流子迁移率关系 |
位错密度 |
|
cm⁻², cm²/(V·s) |
CAR3-1, CAR5-2, CAR6-76, CAR6-77 |
单晶生长工艺, 热处理过程 |
低位错密度与晶圆成本、大尺寸化存在矛盾 |
应变硅技术提升迁移率 |
是半导体材料质量的基石, 影响所有晶体管的性能。 |
需采用无位错硅单晶, 并通过外延等技术优化表面层。 |
蚀坑法或X射线衍射测位错密度, 霍尔效应测迁移率。 |
半导体物理, 晶体缺陷, 材料科学 |
|
CAR6-2 |
L6: 原子/分子级 |
光-材料参数 |
掺铒光纤中铒离子能级寿命与均匀加宽线宽 |
激发态 |
|
秒, nm |
CAR5-1, CAR6-78, CAR6-79 |
玻璃基质成分, 铒离子浓度与分布 |
长寿命(高储能)与高浓度猝灭效应存在矛盾 |
泵浦吸收效率 |
是光纤放大器(可能用于激光雷达)的核心物理参数。 |
需优化铒离子浓度和共掺物质(如铝)以降低猝灭。 |
荧光寿命测试, 吸收/发射光谱测量。 |
激光物理, 光谱学, 稀土离子物理 |
|
CAR6-3 |
L6: 原子/分子级 |
界面-电参数 |
硅-二氧化硅界面态密度与1/f噪声功率谱密度 |
界面态密度 |
|
cm⁻²eV⁻¹, V²/Hz |
CAR3-1, CAR3-6, CAR6-7, CAR6-80 |
栅氧化工艺, 退火条件, 表面取向 |
超低 |
沟道载流子迁移率 (CAR6-1) |
是先进半导体工艺的核心挑战, 影响传感器读出噪声和模拟电路精度。 |
需采用完美的表面处理和氮化处理。 |
电荷泵法测 |
表面物理, 半导体器件物理, 噪声理论 |
-
扩展高压电气与热管理系统:深入电池包、电驱动系统、热泵空调等关键部件。
-
强化功能安全与网络安全量化参数:定义更具体的诊断覆盖率、攻击面量化指标。
-
补充制造与测试工艺参数:引入与芯片制造、电池生产、整车标定相关的关键制程参数。
-
增加概率与统计过程控制参数:描述关键生产与性能参数的统计分布(Cpk, PPM)。
-
探索新兴感知与交互模态:如舱内毫米波雷达、表面触觉反馈等。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR6-4 |
L6: 原子/分子级 |
冶金-扩散参数 |
铜锡金属间化合物 (Cu6Sn5) 的生长激活能 |
阿伦尼乌斯公式: |
|
eV |
CAR5-11, CAR6-23, CAR6-81 |
焊料成分, 晶格结构, 掺杂元素 |
高 |
优化的回流焊温度曲线 |
是预测焊点在高温服役下长期可靠性的关键微观动力学参数。 |
可通过不同温度下的老化实验, 用 Arrhenius 图求得 |
在不同温度下老化, 测量IMC厚度, 进行线性回归。 |
固态扩散, 金属间化合物, 反应动力学 |
|
CAR6-5 |
L6: 原子/分子级 |
表面-化参数 |
光学玻璃表面硅烷偶联剂接枝密度与取向 |
单位面积上水解并化学键合到玻璃表面的硅烷分子数量 |
|
个/nm² |
CAR5-14, CAR6-5, CAR6-26, CAR6-82 |
硅烷浓度, 水解pH值, 表面羟基密度, 固化温度 |
高接枝密度与分子有序排列、避免自缩合存在矛盾 |
表面等离子体处理活化 |
是提升光学窗口增透膜(CAR5-14)附着力的分子级预处理关键。 |
需通过石英晶体微天平或XPS等表面分析手段监控。 |
X射线光电子能谱, 接触角测量, 原子力显微镜。 |
表面化学, 分子自组装, 界面科学 |
|
CAR5-31 |
L5: 材料 (红外LED芯片) |
光-电-热参数 |
外量子效率与热阻结到焊盘 |
|
|
%, K/W |
CAR2-15, CAR3-11, CAR5-35, CAR6-83 |
多量子阱结构, 光提取结构, 衬底剥离技术 |
高EQE与高功率、宽温工作范围存在设计优化 |
高效的封装与热沉 |
决定红外补光模块的发光效率和可靠性, 影响功耗和温升。 |
常采用倒装芯片结构以改善散热和光提取。 |
积分球光谱测量系统, 热阻测试结构 (如JEDEC JESD51)。 |
光电子学, 半导体发光器件, 传热学 |
|
CAR5-32 |
L5: 材料 (压电陶瓷) |
电-机-热参数 |
压电常数d33与机电耦合系数kp |
|
|
pC/N, 无单位 |
CAR2-16, CAR3-21, CAR5-84, CAR6-84 |
锆钛酸铅配方, 极化工艺, 烧结密度 |
高 |
匹配层的声阻抗设计 |
是超声波传感器性能的核心, 决定发射声压(CAR2-16)和接收灵敏度。 |
需进行高温退极化和老化测试以确保稳定性。 |
|
压电材料, 铁电体, 陶瓷工艺 |
|
CAR5-33 |
L5: 材料 (快门叶片) |
光-机参数 |
遮光材料的透光率与叶片摆动疲劳寿命 |
关闭状态下, 对可见光(380-780nm)的平均透光率 |
|
百分比, 次 |
CAR2-17, CAR3-22, CAR5-85, CAR6-85 |
黑色涂料或金属沉积, 基材柔韧性, 铰链设计 |
超低透光率(厚涂层)与叶片轻薄、快速响应存在矛盾 |
低摩擦、高寿命的驱动机构 |
是物理隐私快门可靠性的根本, 需在整车门锁生命周期内可靠工作。 |
需模拟用户频繁开关相机的使用场景进行加速测试。 |
分光光度计, 高低温循环下的机械疲劳试验机。 |
精密机械, 光学涂层, 疲劳力学 |
|
CAR5-34 |
L5: 材料 (毫米波天线基板) |
电-磁-力参数 |
低温共烧陶瓷的介电常数公差与共烧翘曲度 |
批量生产中, LTCC基板介电常数 |
|
百分比, μm/mm |
CAR2-18, CAR4-8, CAR5-34, CAR6-86 |
粉体颗粒均匀性, 流延厚度控制, 烧结温度曲线 |
高精度 |
精细的金属浆料印刷 |
是保证AiP天线(CAR4-8)性能一致性和量产良率的关键材料工艺参数。 |
需严格管控生瓷带配方和烧结工艺。 |
谐振腔法测 |
陶瓷工艺, 微波材料, 烧结理论 |
|
CAR5-35 |
L5: 材料 (电流采样电阻合金) |
电-热参数 |
锰铜合金的电阻温度系数与对铜热电势 |
|
|
ppm/°C, μV/°C |
CAR3-11, CAR5-86, CAR6-87 |
锰、铜、镍精确配比, 热处理工艺 |
极低 |
四端子开尔文连接 |
是实现高精度电流检测(如LED驱动、电机相电流)的基础, 影响控制精度。 |
需采用长回折的电阻布局以降低寄生电感和热应力。 |
高低温箱内精密电桥测电阻, 热电偶测试热电势。 |
精密合金, 热电效应, 测量技术 |
|
CAR4-13 |
L4: 封装 (IGBT模块) |
电-热-可靠性参数 |
高温栅偏置下的阈值电压漂移 |
在高温(如150°C)和正栅压下长时间施加, IGBT阈值电压 |
|
V |
CAR3-7, CAR4-1, CAR5-24, CAR6-88 |
栅氧质量, 钝化层, 封装内部气氛 |
高功率密度(薄栅氧)与高HTGB可靠性存在根本矛盾 |
优化的栅极驱动电压幅值 |
长期漂移可能导致误开通或损耗增加, 是车规功率模块的必测项目。 |
需进行HTGB、H3TRB等一系列可靠性测试。 |
高温反偏试验箱, 参数测试仪定期监测 |
功率半导体可靠性, 介电击穿, 离子迁移 |
|
CAR4-14 |
L4: 封装 (安全芯片) |
安全-物理参数 |
抗差分功耗分析攻击的随机化掩码强度 |
通过随机掩码技术, 使芯片的功耗轨迹 |
成功攻击所需轨迹数 > 1e9 |
条 |
CAR3-10, CAR6-8, CAR6-89 |
随机数发生器熵源质量, 防护电路布局 |
高安全强度与芯片面积、功耗、性能开销存在矛盾 |
抗侧信道攻击的物理设计 |
是硬件安全芯片抵抗物理攻击的关键指标, 需通过第三方安全认证。 |
需遵循Common Criteria或FIPS 140-3等高等级安全标准设计。 |
专业侧信道分析平台(如DPA)进行攻击测试。 |
硬件安全, 密码工程, 侧信道分析 |
|
CAR4-15 |
L4: 互连 (柔性电路板) |
力-电-环境参数 |
动态弯曲半径与弯曲循环寿命 |
最小弯曲半径 |
|
mm, 次 |
CAR4-7, CAR5-87, CAR6-90 |
基材(如PI)厚度与模量, 铜箔类型, 覆盖膜 |
小弯曲半径与高可靠性、高布线密度存在矛盾 |
优化的走线布局与应力释放设计 |
用于连接可动部件(如摄像头模组、折叠屏), 其可靠性决定部件寿命。 |
需进行高低温下的动态弯曲测试。 |
动态弯折试验机, 在线监测电阻变化。 |
柔性电子, 材料力学, 疲劳测试 |
|
CAR4-16 |
L4: 封装 (激光雷达发射模组) |
光-机-热参数 |
激光光束指向性随温度变化系数 |
激光出光方向(光轴)相对于封装机械基准的偏移量 |
` |
dΔθ/dT |
` < 0.1 mrad/°C |
mrad/°C |
CAR2-1, CAR4-6, CAR5-1, CAR6-91 |
激光器/透镜材料CTE匹配, 粘胶性能, 结构刚度 |
高指向稳定性与小型化、低成本封装存在矛盾 |
在线光束校准与补偿 |
是激光雷达长期使用中测角精度漂移的主要来源之一, 影响点云精度。 |
需在宽温范围内进行光束指向标定和补偿。 |
|
CAR3-21 |
L3: 模块 (超声波换能器) |
声-电参数 |
换能器带宽与脉冲回波灵敏度 |
-6dB带宽 |
|
kHz, V/V |
CAR2-16, CAR5-32, CAR4-88, CAR6-92 |
压电陶瓷, 匹配层, 背衬阻尼 |
宽带宽(高分辨率)与高灵敏度存在设计折衷 |
优化的激励脉冲波形 |
决定超声波雷达的探测分辨率、穿透力和信噪比。 |
需进行声学阻抗匹配设计, 优化前后端材料。 |
网络分析仪测量电学阻抗, 水听器测量声场。 |
超声换能器设计, 声学测量, 压电理论 |
|
CAR3-22 |
L3: 模块 (快门驱动电机) |
机-电参数 |
步进电机单步步距角误差与保持扭矩 |
实际步进角度与理论步距角(如1.8°)的偏差 |
|
百分比, mN·m |
CAR2-17, CAR5-33, CAR4-89, CAR6-93 |
定转子齿槽加工精度, 磁钢性能, 驱动细分 |
高精度与快速响应、低成本存在矛盾 |
闭环位置反馈控制 |
是保证物理快门准确开合、到位的关键执行器性能。 |
通常使用微型步进电机或音圈电机实现。 |
高精度角度编码器测量步进轨迹, 扭矩计测量保持扭矩。 |
微电机, 步进控制, 精密运动 |
|
CAR3-23 |
L3: 模块 (温度传感器) |
热-电参数 |
负温度系数热敏电阻的B值常数与自热误差 |
B值: 描述电阻-温度曲线形状的参数, |
B值精度 ±1%, |
K, °C |
CAR1-14, CAR3-9, CAR5-35, CAR6-94 |
半导体陶瓷材料, 电极接触, 封装热阻 |
高B值(灵敏度)与宽温区线性度存在矛盾 |
小测量电流与高精度ADC |
用于精确监控芯片结温、电池温度等, 其精度影响热管理和安全边界。 |
需选择车规级、稳定性好的NTC, 并校准其R-T表。 |
高精度恒温槽标定R-T曲线, 测量不同电流下的电阻值。 |
热敏材料, 温度测量, 误差分析 |
|
CAR3-24 |
L3: 模块 (风扇电机) |
机-电-磁参数 |
无刷直流电机的转矩波动与齿槽转矩 |
转矩波动 |
|
Nm, Nm |
CAR0-13, CAR3-15, CAR5-30, CAR6-95 |
极槽配合, 磁钢形状, 斜极/斜槽设计 |
低转矩波动与高功率密度、低成本设计存在矛盾 |
正弦波驱动(FOC) |
是影响风扇噪声(CAR0-13)和平稳性的源头, 尤其低速时明显。 |
需优化电机电磁设计, 采用FOC控制抑制谐波。 |
转矩传感器测量动态转矩, 反拖法测量齿槽转矩。 |
电机设计, 电磁场分析, 振动噪声 |
|
CAR2-25 |
L2: 部件 (电池管理系统) |
电-化-安全参数 |
电芯电压采样精度与采样同步误差 |
单个电芯电压 |
|
mV, ms |
CAR0-7, CAR3-90, CAR4-28, CAR5-88 |
ADC性能, 基准电压源, 多路复用与滤波 |
高精度、高同步性与成本、功耗存在矛盾 |
高精度电流传感器 (CAR2-26) |
是精确估算电池SOC、SOH, 实现主动均衡和安全预警的基础。 |
需采用专用AFE芯片, 支持高精度ADC和同步采样。 |
高精度电压源校准, 多通道示波器观察采样时序。 |
电池管理, 模拟测量, 电化学 |
|
CAR2-26 |
L2: 部件 (电流传感器) |
磁-电参数 |
霍尔电流传感器的零点温漂与带宽 |
在零电流输入时, 输出电压 |
温漂 < ±0.5 mV/°C, |
mV/°C, Hz |
CAR2-25, CAR3-91, CAR5-89, CAR6-96 |
霍尔芯片灵敏度, 磁芯材料, 信号调理电路 |
低零点温漂与高带宽、高量程存在设计挑战 |
全温区自动零点校准 |
用于精确测量电池充放电电流, 是SOC算法和过流保护的关键输入。 |
常采用闭环(磁通门)霍尔或分流器+隔离运放方案。 |
高低温箱内测试零点输出, 信号发生器测试频率响应。 |
磁传感器, 电流测量, 误差补偿 |
|
CAR2-27 |
L2: 部件 (V2X天线) |
射频-结构参数 |
天线轴比与低仰角增益 |
轴比 |
|
dB, dBi |
CAR1-17, CAR2-19, CAR4-12, CAR6-97 |
辐射贴片形状, 馈电点位置, 地板尺寸 |
宽波束、低轴比与高增益、小型化存在矛盾 |
多天线分集接收 |
保证车辆在复杂姿态和相对位置下通信链路的稳定性。 |
通常采用陶瓷贴片天线或类似设计, 以实现全向覆盖。 |
天线远场测试系统, 测量不同俯仰角的方向图和轴比。 |
天线理论与设计, 移动通信, 电磁波传播 |
|
CAR2-28 |
L2: 部件 (轮速传感器) |
磁-机参数 |
主动式轮速传感器气隙公差与输出信号占空比 |
传感器探头与靶轮(磁编码器)之间的最大允许工作气隙 |
|
mm, 百分比 |
CAR1-8, CAR1-12, CAR3-92, CAR5-90 |
磁铁强度, 霍尔/磁阻元件灵敏度, 靶轮齿形 |
大气隙容差与高分辨率、抗干扰能力存在矛盾 |
自诊断功能(开路/短路检测) |
是车辆速度和里程计算的基础, 也用于ESP和自动驾驶定位辅助。 |
需适应泥水、铁屑等污染环境, 输出信号抗抖动。 |
气隙调整台测试信号质量, 高低温振动综合测试。 |
转速测量, 磁传感, 汽车电子 |
|
CAR1-21 |
L1: 电源管理子系统 |
架构-可靠性参数 |
冗余电源切换时间与无缝切换条件 |
当主电源失效时, 切换至备用电源并恢复输出的总时间 |
|
μs, 百分比 |
CAR0-1, CAR1-15, CAR3-20, CAR4-29 |
理想二极管控制器速度, 备用电源储能电容 |
快速切换与防止环流、成本存在平衡 |
电源路径优先级管理 |
是保证自动驾驶核心控制器在电源故障时功能不中断的关键。 |
需采用主动式ORing或负载开关配合大电容实现。 |
注入电源故障, 用高速示波器记录输出电压跌落和恢复过程。 |
电源系统架构, 可靠性设计, 电力电子 |
|
CAR1-22 |
L1: 健康管理子系统 |
预测-数据参数 |
基于机器学习的部件剩余有用寿命预测误差 |
预测的RUL |
|
百分比 |
CAR0-7, CAR1-20, CAR2-25, CAR3-9 |
故障特征数据质量, 预测模型选择, 工况覆盖度 |
高预测精度与模型复杂度、计算资源、早期预警需求平衡 |
状态监控数据闭环 |
是实现预测性维护、优化备件和维修计划的核心算法性能指标。 |
需在历史失效数据或加速寿命试验数据上验证模型。 |
留出法或交叉验证法评估模型在测试集上的预测误差。 |
机器学习, 预测性维护, 数据科学, 可靠性工程 |
|
CAR0-44 |
L0: 整车级 |
性能-场景参数 |
交通拥堵辅助功能可工作的最高车速与最小车距 |
功能激活并保持的最高车速 |
|
km/h, s |
CAR1-1, CAR1-4, CAR0-41 |
感知与控制系统在低速下的性能边界, 法规与安全考量 |
更宽的工作范围与舒适性、安全性存在权衡 |
驾驶员监控与接管准备 |
是定义功能边界、进行市场宣传和用户手册编写的关键参数。 |
需在大量实际拥堵路况下测试功能的可靠性和舒适性。 |
封闭道路和实际路况下的功能边界测试。 |
功能定义, 人机交互, 场景测试 |
|
CAR0-45 |
L0: 整车级 |
成本-质量参数 |
自动驾驶相关软件代码的缺陷密度 |
每千行源代码(KSLOC)中发现的缺陷数量 |
< 1.0 defect/KSLOC |
个/KSLOC |
CAR0-1, CAR0-7, CAR0-15 |
开发流程成熟度(如ASPICE), 代码审查, 测试覆盖率 |
低缺陷密度与快速迭代、开发成本存在平衡 |
静态代码分析, 单元测试, 形式化验证 |
是衡量软件质量, 间接反映功能安全文化落实程度的重要过程指标。 |
需遵循汽车软件工程标准(如ASPICE CL3)进行开发。 |
代码审查记录, 缺陷追踪系统统计。 |
软件工程, 软件质量, 过程管理 |
|
CAR0-46 |
L0: 整车级 |
法规-环保参数 |
电磁辐射对人体比吸收率合规限值 |
在车辆运行状态下, 乘客头部和身体部位对无线设备(如5G, V2X)辐射能量的比吸收率 |
低于规定限值(如2.0 W/kg, 10g平均) |
W/kg |
CAR0-6, CAR2-19, CAR4-8 |
天线位置与功率, 车身屏蔽, 内饰材料 |
高通信性能与低SAR值存在矛盾, 需协同设计 |
智能发射功率控制 |
是车辆上市必须满足的健康安全法规要求, 需进行整车型式认证测试。 |
需在电磁仿真阶段进行SAR预评估, 并使用人体模型进行实际测量。 |
使用标准化人体模型、场探头和扫描系统在暗室中测量。 |
电磁辐射安全, 生物电磁学, 法规认证 |
|
CAR6-6 |
L6: 原子/分子级 |
光-材料参数 |
硅光电二极管中深能级缺陷对暗电流的贡献 |
由晶体缺陷(如氧空位、金属杂质)引入的深能级中心, 通过产生-复合过程贡献暗电流 |
尽可能降低 |
A |
CAR3-6, CAR6-1, CAR6-80, CAR6-98 |
硅单晶纯度, 热处理工艺, 钝化质量 |
低缺陷密度与芯片制造成本存在矛盾 |
先进的钝化与掺杂工艺 |
是影响图像传感器(CAR3-6)高温暗噪声和动态范围的微观物理机制。 |
需采用完美晶体和先进的背照式工艺。 |
深能级瞬态谱, 温度依赖的暗电流分析。 |
半导体缺陷物理, 光电探测器, 噪声物理 |
|
CAR5-36 |
L5: 材料 (密封圈橡胶) |
力-化-环境参数 |
压缩永久变形率与耐油/耐冷媒性能 |
在规定温度和时间下压缩后, 厚度的永久形变百分比 |
|
百分比, 邵氏A |
CAR4-11, CAR5-91, CAR6-99 |
橡胶主链结构(如EPDM, FKM), 硫化体系, 填料 |
低压缩永久变形与高弹性、低成本存在矛盾 |
优化的密封槽设计 |
用于传感器、控制器壳体密封, 其失效会导致进水、进尘, 引发故障。 |
必须通过长期浸泡和热老化测试, 选用车规级材料。 |
压缩永久变形测试仪, 液体浸泡测试, 硬度计。 |
橡胶材料, 密封技术, 环境老化 |
|
CAR5-37 |
L5: 材料 (软磁复合材料) |
磁-机参数 |
磁粉绝缘层均匀性与压制成型后的磁导率 |
铁磁颗粒表面绝缘包覆层(如磷酸盐、二氧化硅)的连续性 |
|
百分比, 无单位 |
CAR5-18, CAR5-53, CAR6-30, CAR6-100 |
绝缘工艺, 成型压力, 退火 |
高绝缘性(低涡流损耗)与高磁导率、高强度存在矛盾 |
三维各向同性磁性能 |
用于制造高频低损耗的电机定子或电感磁芯, 是实现高功率密度电机的关键材料。 |
需在颗粒级别控制绝缘层厚度和均匀性。 |
扫描电镜+EDS分析涂层, 磁导率测试仪。 |
软磁材料, 粉末冶金, 绝缘技术 |
|
CAR4-17 |
L4: 封装 (射频滤波器) |
电-磁参数 |
声表面波/体声波滤波器的插入损耗与带外抑制 |
在通带中心频率处的信号衰减 |
|
dB |
CAR3-16, CAR4-8, CAR5-67, CAR6-101 |
压电薄膜质量, 叉指电极设计, 封装寄生 |
低插入损耗、高抑制与宽带宽、小体积存在设计矛盾 |
天线与滤波器的协同设计 |
用于5G/V2X频段选择, 抑制带外干扰, 保护接收机。 |
需采用晶圆级封装, 严格控制封装引起的频率漂移。 |
矢量网络分析仪测量S参数, 尤其关注S21和S12。 |
射频滤波器, 声学器件, 微波工程 |
|
CAR4-18 |
L4: 互连 (高压线束) |
电-力-环境参数 |
高压线缆的绝缘耐压与耐切割性能 |
线缆绝缘层在工频下能承受的击穿电压 |
|
V, 通过/失败 |
CAR0-7, CAR4-11, CAR5-65, CAR6-102 |
绝缘材料(如XLPE), 厚度, 屏蔽层 |
高耐压、高柔韧性与小外径、轻量化存在矛盾 |
线束布局与固定保护 |
是高压电气系统(电池、电机、充电)安全运行的保证, 失效后果严重。 |
需满足LV系列(如LV 216)等车规线缆标准。 |
耐压测试仪, 线缆耐切割试验机。 |
高电压工程, 线缆技术, 绝缘材料 |
|
CAR3-25 |
L3: 模块 (空调压缩机驱动) |
电-机-热参数 |
电动压缩机转速控制精度与能效比 |
实际转速 |
转速误差 < ±2%, |
百分比, 无单位 |
CAR0-33, CAR1-19, CAR3-93, CAR5-92 |
电机控制算法, 压缩机机械效率, 冷媒循环 |
高控制精度与快速响应、高效率存在协同 |
智能热管理策略 (CAR1-19) |
用于电池和座舱冷却, 其效率直接影响整车续航(CAR0-5)。 |
需采用无刷直流电机和变频驱动, 实现宽范围调速。 |
转速计测量, 制冷量测试台。 |
制冷空调, 电机驱动, 能效工程 |
|
CAR3-26 |
L3: 模块 (网关防火墙) |
网络-安全参数 |
报文过滤规则容量与规则匹配延迟 |
防火墙可存储和处理的访问控制列表规则最大条目数 |
|
条, μs |
CAR0-16, CAR2-22, CAR4-30, CAR5-93 |
硬件加速引擎性能, 规则表数据结构 |
大容量、复杂规则与低延迟、低资源占用存在矛盾 |
安全的网络分区与域隔离策略 |
是实现车内网络纵深防御的关键节点, 性能影响通信实时性。 |
需支持基于内容、上下文(如车速、驾驶模式)的动态规则。 |
网络测试仪发送带标签的流量, 测试吞吐量和延迟。 |
网络安全, 网络设备, 实时系统 |
|
CAR2-29 |
L2: 部件 (固态激光雷达) |
光-电-扫描参数 |
光学相控阵的视场角与光束发散角 |
无机械运动下, 通过相位控制可实现的光束偏转范围 |
|
度 |
CAR2-1, CAR2-2, CAR3-94, CAR4-31 |
波导阵列设计, 移相器精度, 光学孔径 |
大FOV、小发散角与高光学效率、低串扰存在巨大挑战 |
高功率激光光源 (CAR3-1) |
是固态激光雷达实现高性能、高可靠性的核心技术路径参数。 |
需解决旁瓣抑制、扫描非线性校准等难题。 |
高精度角度探测器测量扫描方向图。 |
光学相控阵, 集成光子学, 波导光学 |
|
CAR2-30 |
L2: 部件 (电子地平线) |
数据-服务参数 |
高精地图鲜度与服务覆盖道路里程 |
从现实道路发生变化到地图数据完成更新并推送至车端的平均时间 |
|
天, 公里 |
CAR1-3, CAR1-5, CAR0-20, CAR3-95 |
众包更新能力, 差分压缩算法, 通信网络 |
高鲜度、高覆盖与数据采集、处理、分发成本强相关 |
局部动态地图实时构建与融合 |
是提升感知冗余、实现预见性驾驶的核心数据服务。 |
需建立强大的地图采集、自动化处理和OTA体系。 |
监控地图更新日志, 对比实际道路变化。 |
地图服务, 地理信息系统, 众包计算 |
|
CAR1-23 |
L1: 感知子系统 |
算法-鲁棒性参数 |
对对抗性样本的鲁棒性(干净样本准确率下降) |
在输入图像/点云中添加人眼不可见的小扰动(对抗性攻击)后, 感知算法(如分类、检测)准确率 |
|
百分比 |
CAR0-1, CAR0-15, CAR1-1 |
模型结构鲁棒性, 训练数据多样性, 对抗训练 |
高鲁棒性与模型在干净数据上的最高精度存在轻微矛盾 |
输入数据预处理与异常检测 |
是评估自动驾驶感知系统在潜在恶意攻击下安全性的前沿指标。 |
需在研发阶段进行对抗性测试, 并考虑集成防御机制。 |
使用对抗样本生成工具(如FGSM, PGD)攻击模型并评估性能下降。 |
对抗机器学习, 计算机视觉, 系统安全 |
|
CAR0-47 |
L0: 整车级 |
制造-质量参数 |
自动驾驶相关线束的端子压接拉力过程能力指数 |
对线束端子压接工艺, 测量其压接拉力值 |
|
无单位 |
CAR0-7, CAR4-7, CAR5-41 |
压接模具精度, 铜线质量, 工艺参数控制 |
高 |
自动光学检测 |
是保证车辆电气连接可靠性的关键制造过程指标, 直接影响长期可靠性。 |
需进行SPC统计过程控制, 定期抽检拉力值。 |
拉力试验机抽样测试, 计算均值、标准差和 |
制造工艺, 质量管理, 统计过程控制 |
|
CAR0-48 |
L0: 整车级 |
功能-场景参数 |
自动紧急转向辅助的最小可避撞横向距离 |
在AEB无法避免碰撞时, 系统自动转向可安全避让所需的最小侧向空间 |
|
m |
CAR0-2, CAR1-1, CAR1-4, CAR2-1 |
感知能力, 路径规划实时性, 车辆动力学极限 |
更小的避撞空间与系统误触发风险、舒适性存在矛盾 |
精准的轨迹预测与风险评估 |
是定义AES功能边界和触发条件的关键安全参数。 |
需在大量仿真和封闭场地测试中验证, 确保不会因避撞引发更严重事故。 |
目标车模拟器与可变车道宽度的测试场结合测试。 |
主动安全, 轨迹规划, 车辆动力学, 安全验证 |
|
CAR0-49 |
L0: 整车级 |
人机交互-法规 |
驾驶员监控系统数据记录与隐私保护合规等级 |
记录和存储的驾驶员生物特征数据(如面部图像、心率)的类型、存储期限、匿名化处理方式, 需符合的法规等级(如GDPR, CCPA)。 |
符合最高适用等级 |
等级 |
CAR0-9, CAR0-19, CAR0-36, CAR2-15 |
数据安全架构, 用户授权机制, 数据脱敏算法 |
丰富的数据(提升性能)与严格的隐私保护存在内在张力 |
透明的用户隐私协议 |
是车型在全球市场销售的法律前提, 涉及伦理和法律责任。 |
需进行隐私影响评估, 并可能设置车载数据本地处理、不上传的选项。 |
第三方隐私合规审计, 数据流图分析。 |
数据隐私法, 信息安全, 伦理设计 |
|
CAR0-50 |
L0: 整车级 |
成本-可持续参数 |
自动驾驶系统关键原材料(如稀土、锂)的可回收率与碳足迹 |
在车辆报废时, 激光雷达永磁体、电池等部件中特定原材料的质量回收百分比 |
|
百分比, kg CO2e |
CAR0-30, CAR5-22, CAR5-54 |
材料选择, 模块化设计, 回收工艺 |
高性能材料与高可回收性、低碳足迹可能矛盾 |
生态设计, 闭环供应链 |
是评估产品全生命周期环境影响和符合ESG(环境、社会、治理)要求的重要指标。 |
需在材料选择和结构设计阶段就考虑可拆卸性和回收便利性。 |
生命周期评估软件建模, 与回收商合作进行拆解评估。 |
循环经济, 生命周期评价, 可持续工程 |
-
深化车辆动力学与控制:增加底盘域、悬挂、轮胎力学的更精细参数。
-
扩展通信与网络架构:深入TSN、车载以太网、安全通信协议的具体参数。
-
强化功能安全与预期功能安全量化:定义更具体的故障容忍时间、场景覆盖度量。
-
补充人机交互与座舱体验参数:包括多模态交互、座椅反馈、声学警报等。
-
增加生产与供应链参数:如供应商零件质量等级、软件二进制溯源哈希等。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-51 |
L0: 整车级 |
动力学控制 |
转向过度/不足特性系数 (K) |
|
0.1 - 0.3 (不足转向) |
deg/g |
CAR0-3, CAR1-4, CAR2-10, CAR2-13 |
前后轴荷分配, 轮胎侧偏刚度, 悬架运动学 |
中性转向(理论最优)与稳定性、可控性存在工程平衡 |
ESC的稳定性控制策略 |
是车辆基础操纵稳定性的核心特征, 影响自动驾驶控制器的参数整定。 |
需通过调整悬架、轮胎等使 |
定圆稳态回转试验, 测量侧向加速度与方向盘转角关系。 |
车辆动力学, 操纵稳定性, 系统辨识 |
|
CAR0-52 |
L0: 整车级 |
性能-法规 |
自动紧急制动 (AEB) VRU 探测距离与减速度 |
对行人 (VRU) 目标, 系统在白天/夜间条件下能稳定探测并分类的最远距离 |
|
m, m/s² |
CAR0-2, CAR1-1, CAR0-48, CAR2-1, CAR2-3 |
传感器性能, 算法鲁棒性, 执行器响应 |
长探测距离、高减速度与误触发率、舒适性存在矛盾 |
多传感器融合与置信度提升 (CAR1-1) |
是获得E-NCAP等安全评级高星的关键, 直接影响功能安全目标。 |
需通过Euro NCAP等标准规定的测试场景进行认证。 |
标准假人/自行车目标测试, 数据记录仪采集减速度。 |
主动安全, 法规认证, 测试工程 |
|
CAR0-53 |
L0: 整车级 |
通信-服务 |
远程代客泊车 (AVP) 服务可用性与泊入成功率 |
在支持AVP的停车场, 从手机app发出指令到车辆成功接收并启动的比率(可用性)。 在可用情况下, 车辆自主找到车位并泊入的成功比率。 |
可用性 > 99%, 泊入成功率 > 95% |
百分比 |
CAR0-41, CAR1-1, CAR1-3, CAR2-19, CAR2-30 |
场端设施完善度, 网络信号覆盖, 高精地图质量 |
高服务可用性与场端改造成本、商业模式强相关 |
场端-车端协同感知与控制 |
是L4级自动驾驶的典型应用, 其可靠性是用户体验和商业可行性的关键。 |
需定义清晰的责任划分(车端/场端/云端)和降级机制。 |
在多个合作停车场进行大规模用户测试统计。 |
服务科学, 车路协同, 商业模式验证 |
|
CAR0-54 |
L0: 整车级 |
热管理-能耗 |
智能座舱与自动驾驶系统联合热管理的能效提升率 |
相较于座舱与智驾系统独立热管理, 采用一体化热管理(如利用芯片废热为座舱供暖)后, 在冬季典型工况下的系统总能效提升百分比 |
|
百分比 |
CAR0-5, CAR1-19, CAR2-7, CAR3-25 |
热泵系统架构, 冷媒流路控制, 热交换器效率 |
系统复杂性与可靠性、成本存在矛盾 |
精确的多区域温度需求预测 |
是提升冬季续航里程的关键技术, 通过能源复用实现节能。 |
需设计复杂的热流路径和阀门控制策略。 |
环境仓冬季工况测试, 对比独立与联合管理下的能耗。 |
热力学, 能源管理, 系统集成 |
|
CAR0-55 |
L0: 整车级 |
功能安全 |
安全状态(如靠边停车)的地理围栏边界精度 |
在触发最小风险状态 (MRM) 后, 车辆规划的安全停车区域与实际执行停车位置之间的横向与纵向误差 |
|
m |
CAR0-8, CAR1-3, CAR1-4, CAR2-1 |
定位精度, 路径跟踪控制精度, 道路边界识别 |
高精度停车与快速完成停车动作存在一定矛盾 |
实时的高精度地图与定位 |
确保车辆在紧急情况下停靠在不影响交通流的安全位置, 是功能安全落地的体现。 |
需在系统设计时就定义清晰、可达的安全状态和地理边界。 |
在开放道路模拟故障, 触发MRM, 测量最终停车位置。 |
功能安全, 定位, 控制, 验证与确认 |
|
CAR0-56 |
L0: 整车级 |
网络安全 |
车载网络入侵检测系统的检测率与误报率 |
对已知攻击签名和未知异常行为, 系统能够正确识别并告警的比例 |
|
百分比 |
CAR0-16, CAR2-22, CAR3-26 |
攻击特征库完备性, 行为基线建模精度, 计算资源 |
高检测率、低误报率与系统处理负载存在经典权衡 |
安全的日志记录与审计追踪 |
是车载网络安全态势感知的核心, 高误报率会导致功能降级或驾驶员困扰。 |
需采用基于规则和基于机器学习相结合的检测引擎。 |
在车载网络测试平台上, 注入各类攻击流量和背景流量进行测试。 |
网络安全, 入侵检测, 异常检测, 信息论 |
|
CAR0-57 |
L0: 整车级 |
数据-合规 |
数据采集的知情同意选项粒度与撤销便捷性 |
向用户提供的、关于不同数据类型(如车内摄像头、位置、驾驶行为)采集和使用的独立开关选项数量 |
|
个, 步 |
CAR0-36, CAR0-49, CAR2-15, CAR2-20 |
软件交互设计, 数据架构, 法规要求 |
精细的隐私控制与数据收集的全面性、算法训练需求存在矛盾 |
透明的数据使用说明 |
是尊重用户隐私权、建立信任的基础, 也是GDPR等法规的合规要求。 |
需在车机界面和手机App上提供清晰、易用的隐私中心。 |
可用性测试, 审查隐私设置界面的设计逻辑。 |
数据隐私, 人机交互, 法律法规, 伦理设计 |
|
CAR0-58 |
L0: 整车级 |
制造-质量 |
自动驾驶传感器簇安装点的静态刚度与一阶模态频率 |
传感器安装点(如车顶、前挡风玻璃后)在施加 |
|
N/mm, Hz |
CAR0-24, CAR2-1, CAR5-20, CAR6-103 |
车身结构设计, 材料厚度, 加强筋布局 |
高刚度、高模态频率与轻量化、美观设计存在矛盾 |
有限元分析与优化 |
保证传感器在车辆行驶振动环境下基准稳定, 减少动态位移导致的标定误差。 |
需在车身设计阶段就进行传感器安装点的刚度与模态分析。 |
静态刚度试验机, 实验模态分析 (EMA) 或计算模态分析 (CMA)。 |
结构力学, 有限元分析, 振动工程 |
|
CAR0-59 |
L0: 整车级 |
性能-场景 |
匝道汇入成功率与汇入间隙接受阈值 |
在高速公路匝道, 系统能成功完成汇入主路动作的概率 |
|
百分比, 秒 |
CAR1-1, CAR1-5, CAR1-10, CAR2-5 |
感知范围与预测能力, 博弈决策算法, 车辆加速性能 |
高成功率与激进的汇入策略(小间隙)存在安全风险 |
意图通信(如转向灯)与主路车辆交互 |
是衡量高阶自动驾驶在复杂交互场景下智能性和拟人化程度的关键场景。 |
需在大量真实高速匝道场景下进行测试和数据采集。 |
实车高速路测, 记录汇入场景的决策过程与结果。 |
交通流理论, 博弈论, 驾驶行为建模, 场景测试 |
|
CAR0-60 |
L0: 整车级 |
成本-维护 |
线控底盘系统(转向/制动/悬挂)的平均修复时间 |
当线控系统发生可修复故障时, 从故障发生到诊断、备件获取、更换/修复、验证完成, 使车辆恢复功能的总平均时间 |
|
小时 |
CAR0-7, CAR0-22, CAR2-10, CAR2-11, CAR2-12 |
诊断工具与信息, 备件供应链, 维修工艺复杂度 |
高可靠性(低MTTR需求)与系统复杂度(高MTTR)可能矛盾 |
模块化设计与易拆装结构 |
直接影响售后服务的效率和客户满意度, 是运营成本的一部分。 |
需提供专业的诊断仪和维修手册, 并对售后技师进行培训。 |
模拟故障, 记录从报修到修复的全流程时间并统计。 |
维修性工程, 供应链管理, 售后服务 |
|
CAR1-24 |
L1: 决策规划子系统 |
行为-伦理参数 |
在不可避免碰撞场景下的轨迹选择代价函数权重 |
在优化目标函数 |
由安全与伦理委员会定义 |
无单位 |
CAR0-1, CAR0-2, CAR1-4, CAR1-10 |
法律框架, 社会伦理共识, 企业价值观 |
保护本车乘员与保护弱势道路使用者(VRU)存在根本伦理困境 |
可审计的决策日志记录 |
是自动驾驶伦理问题的核心, 需要在算法中做出明确但困难的权衡。 |
需建立透明的伦理准则, 并对极端案例进行仿真验证。 |
在伦理困境仿真场景中, 测试系统决策的一致性。 |
机器伦理, 决策理论, 社会法律 |
|
CAR1-25 |
L1: 定位子系统 |
完好性参数 |
定位解的保护水平与告警限值 |
水平保护水平 |
|
m |
CAR0-2, CAR1-3, CAR1-8, CAR2-9 |
传感器误差模型, 冗余配置, 完好性风险分配 |
高完好性(小HPL)与高可用性、低成本存在矛盾 |
多源冗余与一致性检查 |
是航空领域引入的安全概念, 用于量化定位结果的可信度, 是功能安全要求。 |
需实时计算保护水平, 并在 |
长时间静态和动态测试, 比较实际误差与HPL。 |
完好性导航, 统计估计, 安全苛求系统 |
|
CAR1-26 |
L1: 感知子系统 |
数据-标注参数 |
训练数据集中长尾场景的覆盖率与标注一致性 |
在模型训练数据集中, 出现的各类“corner case”(如罕见车型、特殊天气、非常规姿态)占总场景数的比例 |
|
百分比, 无单位 |
CAR0-15, CAR1-1, CAR1-23 |
数据采集策略, 标注规范与培训, 质量检查流程 |
高覆盖率、高一致性与数据采集、标注成本强相关 |
自动/半自动标注工具与主动学习 |
是提升感知模型泛化能力和鲁棒性的基础, 直接影响CAR0-15。 |
需建立持续的数据闭环, 有针对性地采集和标注困难样本。 |
统计分析数据集类别分布, 抽样检查标注结果的重合度。 |
机器学习, 数据工程, 质量保证 |
|
CAR1-27 |
L1: 控制子系统 |
鲁棒-自适应参数 |
模型预测控制中预测模型的在线参数更新速率与置信度 |
控制器根据实时车辆状态(如 |
|
Hz, 无单位 |
CAR1-4, CAR1-13, CAR2-10, CAR2-13 |
激励信号丰富性, 辨识算法, 计算资源 |
快速自适应与参数估计噪声、模型失稳风险存在平衡 |
稳定的反馈控制与前馈补偿 |
使控制器能适应车辆负载变化、轮胎磨损等, 提升控制精度和鲁棒性。 |
需保证在线辨识过程的数值稳定性和实时性。 |
在负载变化、不同路面附着条件下, 测试路径跟踪性能的稳定性。 |
自适应控制, 系统辨识, 实时参数估计 |
|
CAR1-28 |
L1: 电源管理子系统 |
故障-容错参数 |
双电源冗余架构的故障检测与切换覆盖率 |
对主电源失效、备用电源失效、切换电路失效等故障模式, 系统诊断机制能够检测并正确执行切换动作的比例 |
|
百分比 |
CAR0-1, CAR1-15, CAR1-21 |
电压/电流监控电路诊断覆盖率, 切换逻辑完备性 |
高覆盖率与电路复杂度、成本相关 |
心跳机制与看门狗 |
是保证关键控制器在电源故障下持续运行的安全机制量化指标。 |
需进行故障注入测试, 验证所有定义的故障模式均能被正确处理。 |
在电源测试台上, 注入各类硬/软故障, 观察系统响应。 |
故障容错, 诊断设计, 可靠性工程 |
|
CAR2-31 |
L2: 部件 (电驱动电机) |
磁-热-力参数 |
永磁同步电机峰值功率持续运行时间 |
在峰值功率 |
|
秒 |
CAR0-11, CAR0-12, CAR3-96, CAR5-22 |
冷却液流量与温差, 电机热阻, 永磁体Hcj |
长时峰值功率与电机功率密度、成本存在矛盾 |
精准的结温与绕组温度估计模型 |
定义电机的短时过载能力, 影响急加速、爬坡等场景的性能表现。 |
需在电机控制器中实现基于温度模型的峰值功率时间限制功能。 |
在测功机上, 施加峰值功率负载, 监测温升直至限值。 |
电机热管理, 电机设计, 电力电子 |
|
CAR2-32 |
L2: 部件 (前向视觉感知摄像头) |
光学-环境参数 |
光学窗口除霜/除雾加热膜的功率密度与透光率影响 |
单位面积加热膜的功率 |
|
W/dm², 百分比 |
CAR0-23, CAR2-3, CAR5-2, CAR5-94 |
加热丝材料与线宽, 透明导电层(如ITO)方阻 |
高加热功率与低透光率影响、能耗存在矛盾 |
自动触发逻辑(基于温湿度传感器) |
保证摄像头在寒冷潮湿天气下的可用性, 是全天候感知的必要配置。 |
加热膜需均匀, 避免局部过热导致光学畸变或材料老化。 |
热成像仪观察温度分布, 分光光度计测量加膜前后透过率。 |
薄膜加热, 光学设计, 环境适应性 |
|
CAR2-33 |
L2: 部件 (中央网关) |
网络-性能参数 |
报文路由与转发吞吐量及对时间敏感流量的时延抖动 |
网关处理非TSN报文的最大聚合吞吐量 |
|
bps, s |
CAR0-25, CAR0-26, CAR2-22, CAR3-26 |
处理器性能, 交换芯片能力, 内存带宽 |
高吞吐量、低抖动与功耗、成本存在矛盾 |
硬件加速的时间感知整形器 |
是整车网络通信的枢纽, 其性能影响各域间数据交换的实时性与带宽。 |
需采用集成TSN功能的汽车级网关芯片。 |
网络测试仪生成混合流量, 测试吞吐量和关键流的时延统计。 |
网络设备, 实时通信, 交换技术 |
|
CAR2-34 |
L2: 部件 (电子稳定控制器液压单元) |
液压-控制参数 |
轮缸压力控制精度与各轮缸压力独立控制带宽 |
实际轮缸压力 |
|
bar, Hz |
CAR0-4, CAR2-10, CAR3-17, CAR5-21 |
阀的特性, 压力传感器精度, 控制算法 |
高精度、高带宽与液压系统能耗、噪声存在平衡 |
电机快速响应 (CAR2-10) |
是实现ESP、TCS、ABS等高级底盘功能的基础执行能力。 |
需对每个电磁阀进行特性标定, 并补偿温度等影响。 |
液压测试台, 测量压力阶跃响应和频率响应。 |
液压伺服控制, 流体力学, 控制工程 |
|
CAR2-35 |
L2: 部件 (智能表面触觉反馈器) |
机-电-声参数 |
局部振动反馈的振动强度与响应时间 |
激励器产生的最大加速度 |
|
g, s |
CAR0-35, CAR3-97, CAR5-95, CAR6-104 |
压电/电磁激励器类型, 安装结构刚度 |
强反馈、快响应与薄型化、低功耗存在设计挑战 |
多模态反馈协同(视觉、听觉) |
用于方向盘脱手检测、触摸按键确认等交互, 提升体验和安全性。 |
需模拟不同材质(皮革、木材)覆盖下的反馈效果。 |
加速度计测量振动波形, 分析上升时间。 |
人机交互, 触觉反馈, 微致动器 |
|
CAR3-27 |
L3: 模块 (电池电芯电压采样AFE) |
电-安全参数 |
多路复用器通道间串扰抑制比与采样保持误差 |
当某一通道测量高电压时, 对邻近通道测量小电压(如均衡时)造成的干扰电压 |
|
dB, LSB |
CAR2-25, CAR3-98, CAR4-32, CAR5-96 |
开关隔离度, 采样电容, 布局对称性 |
高通道数、高精度与芯片面积、功耗存在矛盾 |
同步采样与滤波器设计 |
是高精度电池管理的基础, 串扰和采样误差直接影响SOC估算精度和安全边界判断。 |
需采用隔离良好的高压多路复用器和精密的采样保持电路。 |
注入特定模式的电压信号, 测量非选中通道的输出偏差。 |
模拟集成电路, 高精度测量, 混合信号设计 |
|
CAR3-28 |
L3: 模块 (座椅 occupancy sensor) |
电容-安全参数 |
坐垫电容传感的灵敏度与抗电磁干扰裕度 |
能够可靠检测到乘员(成人/儿童)的最小电容变化量 |
|
pF, dB |
CAR0-1, CAR0-19, CAR3-99, CAR5-97 |
电极图案设计, 屏蔽层, 检测电路增益 |
高灵敏度与抗干扰、防误触发(如放置重物)存在矛盾 |
多电极阵列与模式识别 |
用于气囊点爆抑制、安全带提醒和乘员分类, 是重要的安全传感器。 |
需满足相关安全标准(如FMVSS)的检测要求。 |
使用标准测试假人, 在不同湿度、温度下测试, 并施加EMI干扰。 |
电容传感, 生物力学, 功能安全 |
|
CAR3-29 |
L3: 模块 (空调出风口风向电机) |
机-电参数 |
步进电机微步驱动下的步距角均匀性与堵转检测阈值 |
在微步驱动模式下, 每一步实际转动的角度 |
|
deg, A |
CAR1-19, CAR3-100, CAR5-98, CAR6-105 |
微步控制算法, 电机反电动势正弦性, 负载力矩波动 |
高均匀性、可靠堵转检测与低成本驱动方案存在矛盾 |
软启动与位置闭环校准 |
实现出风口风向的精确、静音控制, 是智能舒适性座舱的一部分。 |
需在堵转时及时停止驱动, 防止电机过热损坏。 |
高精度编码器测量微步轨迹, 模拟堵转测试保护功能。 |
步进电机控制, 运动控制, 故障保护 |
|
CAR3-30 |
L3: 模块 (车载网络入侵检测硬件加速器) |
安全-性能参数 |
正则表达式匹配引擎的规则模式容量与吞吐量 |
硬件引擎能够同时加载和匹配的正则表达式模式的最大数量 |
|
个, bps |
CAR0-56, CAR2-22, CAR4-33, CAR5-99 |
存储器容量, 并行匹配单元数量 |
大容量、高吞吐量与芯片面积、功耗强相关 |
动态规则更新机制 |
是实现高性能、实时网络入侵检测/防御 (IDS/IPS) 的关键硬件支持。 |
需支持规则的动态更新, 而不中断流量处理。 |
使用包含大量规则的测试集, 以线速流量测试匹配性能。 |
网络安全硬件, 正则表达式匹配, 模式识别 |
|
CAR4-19 |
L4: 封装 (压力传感器MEMS) |
力-电-热参数 |
MEMS压阻桥路的零位温漂与灵敏度温漂系数 |
在零压力输入时, 桥路输出电压 |
|
%F.S./°C, %/°C |
CAR2-10, CAR3-101, CAR5-100, CAR6-106 |
压阻条掺杂浓度与布局, 应力隔离结构, 封装应力 |
低温度系数与高灵敏度、低成本存在矛盾 |
片上温度传感器与数字补偿 |
是保证制动/胎压等压力传感器在全温范围内精度的核心, 需出厂前校准。 |
需在封装级进行高低温多点标定, 并将补偿系数存入OTP。 |
高低温压力校准系统, 测量 |
MEMS传感器, 压阻效应, 温度补偿, 封装 |
|
CAR4-20 |
L4: 互连 (同轴连接器) |
电-磁-环境参数 |
电压驻波比与屏蔽效能 |
在雷达/通信频段(如77GHz, 5.9GHz), 连接器引起的反射系数 |
Γ |
)/(1- |
Γ |
)。 对电磁场的屏蔽能力 |
VSWR < 1.5, |
无单位, dB |
CAR2-5, CAR2-19, CAR4-12, CAR5-34 |
内外导体同心度, 介质支撑, 界面接触 |
低VSWR(高频性能)与高机械可靠性、易插拔存在矛盾 |
精密的机加工与镀层 |
|
CAR5-38 |
L5: 材料 (光纤激光器增益光纤) |
光-热参数 |
双包层光纤的包层泵浦吸收系数与热致模式不稳定阈值 |
单位长度光纤对泵浦光的吸收系数 |
|
dB/m, W |
CAR2-1, CAR5-1, CAR6-2, CAR6-107 |
纤芯/包层尺寸与数值孔径, 掺杂离子分布, 涂层散热 |
高吸收(短光纤)与高TMI阈值、低非线性效应存在优化 |
光纤盘绕与主动冷却 |
是高功率光纤激光器(用于激光雷达)实现高亮度、高稳定输出的核心, TMI是主要功率限制。 |
需优化光纤设计和泵浦方式, 抑制热效应。 |
截断法测吸收系数, 逐步提高功率观察光束质量突变点。 |
光纤激光, 非线性光学, 热光学效应 |
|
CAR5-39 |
L5: 材料 (扬声器振膜) |
声-机-热参数 |
复合振膜的杨氏模量-密度比与内部损耗因子 |
比模量 |
|
Pa/(kg/m³), 无单位 |
CAR0-13, CAR3-102, CAR5-101, CAR6-108 |
纤维(如碳纤、芳纶)与基体(如树脂)复合, 成型工艺 |
高刚度、低密度与高阻尼、低成本存在材料选择矛盾 |
磁路与音圈优化 |
是车载音响系统, 特别是用于主动降噪和报警音发声单元的关键部件。 |
需在宽温宽频范围内保持性能稳定。 |
动态机械分析, 激光振动计测量频响。 |
电声学, 复合材料, 振动与声学 |
|
CAR5-40 |
L5: 材料 (摄像头模组粘接胶) |
光-力-化参数 |
紫外光固化胶的阴影固化深度与体积收缩率 |
在光线无法直射的区域(阴影区), 胶体能够通过光引发剂扩散而固化的最大厚度 |
|
mm, 百分比 |
CAR4-6, CAR5-7, CAR5-40, CAR6-16 |
光引发剂类型与浓度, 单体/低聚物比例 |
深阴影固化与低收缩率、快速表干存在配方挑战 |
优化的点胶与光照工艺 |
用于摄像头主动对准后的最终固定, 阴影固化不足会导致长期可靠性问题, 高收缩率导致应力与形变。 |
需采用双固化(UV+热)或阳离子固化体系。 |
测量不同光照条件下的固化深度, 密度法测收缩率。 |
光固化化学, 胶粘剂, 聚合物科学 |
|
CAR6-7 |
L6: 原子/分子级 |
半导体-缺陷参数 |
硅晶圆中氧沉淀密度与缺陷捕获载流子寿命 |
热处理后硅片中氧原子聚集形成的沉淀密度 |
|
cm⁻³, μs |
CAR6-1, CAR6-6, CAR6-80, CAR6-109 |
初始氧浓度, 热处理温度与时间 |
高密度沉淀(良好吸杂)与高载流子寿命(高性能器件)存在工艺优化 |
本征吸杂工艺 |
是半导体制造中质量控制的关键, 影响功率器件和传感器的漏电流和可靠性。 |
需精确控制拉晶和热处理工艺, 形成理想的氧沉淀分布。 |
择优腐蚀+显微镜计数, 微波光电导衰减法测寿命。 |
半导体缺陷工程, 晶体生长, 吸杂技术 |
|
CAR6-8 |
L6: 原子/分子级 |
安全-物理参数 |
物理不可克隆函数 (PUF) 单元中阈值电压的随机涨落标准差 |
由于制造过程中原子级随机掺杂波动, 导致相邻MOSFET阈值电压 |
|
V |
CAR3-10, CAR6-8, CAR6-89, CAR6-110 |
沟道掺杂浓度, 栅氧厚度, 工艺波动 |
足够的随机涨落与器件性能的一致性、低功耗要求存在平衡 |
抗老化电路设计 |
是SRAM PUF等物理熵源的微观物理基础, 其大小决定PUF的熵质量和稳定性。 |
需在标准CMOS工艺中, 不增加额外步骤下实现。 |
大量测试芯片的阵列测量, 统计 |
半导体器件物理, 随机过程, 硬件安全 |
|
CAR0-61 |
L0: 整车级 |
性能-场景 |
窄路通行功能可通行的最小通道宽度 |
在两侧有固定障碍物(如墙、护栏)的通道中, 系统能自主规划并通过的最小宽度 |
|
m |
CAR1-1, CAR1-4, CAR2-1, CAR2-3 |
感知对障碍物边缘的定位精度, 车辆控制精度 |
极限窄路通行与误剐蹭风险、乘客紧张感存在矛盾 |
360°环视影像融合与显示 |
是提升车辆在狭窄停车场、乡村道路通过性的实用功能。 |
需向乘客清晰展示周围环境, 并可随时接管。 |
设置可调节宽度的模拟通道, 测试通过成功率。 |
路径规划, 精确控制, 人机交互 |
|
CAR0-62 |
L0: 整车级 |
法规-认证 |
软件升级监管合规性 (SUMS) 流程完备性等级 |
依据UN R156, 企业建立的软件升级管理体系在流程、文档、测试、追溯、放行等方面的完备程度, 由认证机构评估的等级。 |
获得型式认证, 无重大不符合项 |
等级 |
CAR0-1, CAR0-7, CAR0-21, CAR0-45 |
企业质量管理体系, 软件开发流程, 配置管理 |
高完备性与快速迭代、开发灵活性存在一定矛盾 |
网络安全与功能安全流程整合 |
是车辆能够合法进行OTA升级的法规前提, 涉及全生命周期管理。 |
需建立符合R156要求的、覆盖组织、流程、技术的完整SUMS。 |
认证机构审核, 检查流程文件和执行记录。 |
汽车法规, 软件工程, 质量管理, 型式认证 |
|
CAR0-63 |
L0: 整车级 |
成本-供应链 |
关键芯片(如AI, SoC)的供应商备货安全库存天数 |
为应对供应链中断风险, 针对指定的关键自动驾驶芯片, 在整车厂或Tier1仓库中保持的、可满足未来生产需求的安全库存量 |
|
天 |
CAR0-30, CAR2-7, CAR4-9 |
芯片交货周期, 需求预测准确性, 供应链韧性 |
高安全库存与资金占用、库存贬值风险存在矛盾 |
多源供应与国产化替代方案 |
是保证量产连续性和应对“缺芯”等供应链危机的关键运营参数。 |
需动态调整, 基于供应链风险等级和芯片生命周期。 |
监控库存水平、消耗速率和交货时间。 |
供应链管理, 风险管理, 运营管理 |
|
CAR0-64 |
L0: 整车级 |
人机交互-安全 |
增强现实导航虚拟标志与真实道路的视觉融合延时 |
从车辆定位系统获取当前位置, 到AR-HUD(CAR2-20)将虚拟导航箭头投影到对应真实车道位置的延时 |
|
ms |
CAR0-9, CAR1-3, CAR2-20, CAR2-30 |
定位与高精地图刷新率, 图形渲染管线性能 |
低延迟与高渲染质量、复杂场景处理存在资源竞争 |
运动预测与补偿算法 |
延迟过大会导致虚拟标志“漂移”, 误导驾驶员, 影响安全和体验。 |
需优化整个数据处理和显示流水线, 可能采用前瞻渲染技术。 |
高速相机同步拍摄真实道路和HUD虚像, 分析标志位置偏差随时间的变化。 |
增强现实, 实时图形, 人因工程, 系统延迟分析 |
|
CAR0-65 |
L0: 整车级 |
功能-场景 |
车辆召唤功能的最大响应距离与路径规划复杂度 |
在手机App上激活召唤功能后, 车辆能从停车位自主行驶到用户所在点的最大直线距离 |
|
m |
CAR0-41, CAR0-53, CAR1-1, CAR1-4 |
感知范围, 定位精度(无GPS), 低速控制能力 |
长距离、高复杂度与功能安全性、法规限制存在矛盾 |
场端辅助定位与感知 (CAR0-53) |
是用户体验“黑科技”感的重要功能, 但需严格限定使用场景保证安全。 |
通常要求在视线范围内、私人停车场等受控环境使用。 |
在封闭停车场测试不同距离和障碍场景下的召唤成功率。 |
机器人自主导航, 低速控制, 功能安全 |
|
CAR1-29 |
L1: 网联子系统 |
通信-安全参数 |
车云通信通道的端到端加密延迟与密钥轮换周期 |
从车载T-Box应用层发送数据到云端应用层接收, 因TLS/DTLS等加密解密而增加的额外时延 |
|
ms, 小时 |
CAR0-16, CAR0-20, CAR0-21, CAR2-19 |
加解密算法复杂度, 硬件加速支持, 密钥管理策略 |
高强度加密(长密钥)与低延迟、低计算开销存在矛盾 |
安全的身份认证与准入 |
保证远程监控、OTA升级等车云通信的机密性和完整性。 |
需采用支持前向保密的密钥交换算法, 并安全存储根证书。 |
网络测试仪模拟车云通信, 测量开启/关闭加密的延迟差。 |
网络安全, 密码学, 移动通信 |
|
CAR1-30 |
L1: 健康管理子系统 |
诊断-维护参数 |
基于一致性检查的多传感器交叉诊断覆盖率 |
利用不同传感器测量同一物理量(如车速:轮速 vs. 视觉/雷达 vs. GPS)的冗余性, 通过一致性比较(如` |
v1 - v2 |
< threshold |
|
百分比 |
CAR0-1, CAR0-7, CAR0-22, CAR1-1 |
传感器冗余配置, 诊断阈值设置, 时间同步精度 |
高覆盖率与系统复杂性、诊断算法计算负载相关 |
传感器置信度动态评估 (CAR1-1) |
是实现高诊断覆盖率、满足ASIL D硬件架构指标的经济有效手段。 |
需对不同传感器建立准确的误差模型, 以设置合理的诊断阈值。 |
|
CAR2-36 |
L2: 部件 (流媒体后视镜) |
光学-显示参数 |
摄像头-显示屏系统的总延迟与图像几何畸变校正精度 |
从车后事件发生, 到在显示屏上显示出对应图像的端到端时间 |
|
ms, 像素 |
CAR0-9, CAR2-3, CAR3-103, CAR5-72 |
图像处理流水线, 显示屏响应时间, 镜头畸变模型 |
低延迟、高画质与系统成本、功耗存在平衡 |
宽动态范围与防眩光处理 |
替代传统内后视镜, 提供无遮挡视野, 延迟和畸变影响驾驶判断。 |
显示屏需具备高亮度, 以适应日间强光环境。 |
高速相机同步拍摄真实场景和显示屏, 测量延迟;显示网格图测试畸变。 |
视频处理, 显示技术, 实时系统, 光学 |
|
CAR2-37 |
L2: 部件 (电子声浪模拟器) |
声-电参数 |
模拟声浪与电机转速/扭矩的映射逼真度与车内声场均匀性 |
生成的声浪 |
主观评分 ≥ 4/5, 声压差 < 3 dB |
分数, dB |
CAR0-13, CAR3-104, CAR5-39, CAR6-111 |
声音合成算法, 扬声器布局, 车厢声学特性 |
逼真、悦耳与品牌独特性、低音染存在设计平衡 |
主动降噪系统的协调 |
用于电动汽车, 提升驾驶情感, 也可用于VRU警示音。 |
需可调节或关闭, 并符合外部噪声法规。 |
主观听音评价, 在车厢内多点测量声压频谱。 |
声学设计, 数字信号处理, 心理声学 |
|
CAR2-38 |
L2: 部件 (热泵空调四通换向阀) |
热-机-可靠性参数 |
换向动作时间与冷媒泄漏率 |
从收到换向指令到阀芯完全到位、流路切换完成的时间 |
|
s, g/年 |
CAR0-54, CAR3-25, CAR5-92, CAR6-112 |
电磁铁/电机驱动, 密封材料, 加工精度 |
快速换向与低冲击、高密封可靠性存在矛盾 |
系统压力平衡控制 |
是实现热泵空调制冷/制热模式切换的核心部件, 其可靠性影响系统性能和环保。 |
需进行高低温下的寿命循环测试和氦检漏。 |
测量换向时的压力与电流曲线, 氦质谱检漏。 |
制冷部件, 流体控制, 可靠性工程 |
|
CAR3-31 |
L3: 模块 (数字孪生实时仿真器) |
计算-模型参数 |
车辆动力学实时仿真步长与模型保真度 |
仿真解算的固定时间步长 |
|
s, 个 |
CAR0-2, CAR1-4, CAR1-6, CAR4-34 |
处理器算力, 模型数值稳定性, 实时操作系统 |
小步长、高保真与实时性、计算资源强相关 |
硬件在环测试接口 |
用于MIL/SIL/HIL开发测试, 其精度和速度直接影响控制算法验证的有效性。 |
需支持与真实ECU代码的自动对接和参数标定。 |
对比仿真结果与实车测试数据, 验证模型精度。 |
实时仿真, 车辆建模, 数值计算, 系统工程 |
|
CAR3-32 |
L3: 模块 (座椅安全带预紧器) |
机-电-火工参数 |
触发电流与动作时间散布 |
使预紧器点火器发火的最小电流 |
|
A, ms |
CAR0-1, CAR3-105, CAR5-102, CAR6-113 |
点火药成分与压装密度, 桥丝电阻, 机构设计 |
高可靠性(防误爆)与高灵敏度(快速响应)存在设计平衡 |
碰撞传感器诊断与冗余 |
是乘员约束系统的重要组成部分, 其性能散布直接影响保护效果的一致性。 |
必须满足严格的汽车安全部件标准和可靠性测试。 |
抽样进行发火电流、时间和功能测试, 统计性能。 |
火工品, 汽车安全, 可靠性统计 |
|
CAR4-21 |
L4: 封装 (车载摄像头COB) |
光-机-热参数 |
图像传感器与镜头支架的主动对准残留误差 |
在主动对准设备完成调焦和对中后, 用胶水固定前, 传感器感光面与镜头光轴的相对位置(倾斜、偏心)残留误差 |
|
μm, 度 |
CAR4-6, CAR5-7, CAR5-40, CAR6-114 |
对准设备精度, 胶水固化位移, 结构件刚度 |
高对准精度与量产节拍、成本存在矛盾 |
后期软件标定与补偿 |
是决定摄像头模组(尤其是用于ADAS的前视摄像头)光学性能极限的制造工艺核心参数。 |
需采用六自由度主动对准设备, 并优化固化工艺减少位移。 |
使用干涉仪或专用设备测量固化后的镜头模块光学性能。 |
精密光学装配, 自动化制造, 计量学 |
|
CAR5-41 |
L5: 材料 (端子压接区域铜线镀层) |
冶金-电参数 |
镀锡层厚度与扩散层形成速率 |
铜线表面镀锡层的平均厚度 |
|
μm, m/s |
CAR0-47, CAR5-11, CAR6-4, CAR6-115 |
电镀工艺参数, 镀后热处理 |
厚镀层(良好耐腐蚀)与快速扩散(导致脆性)需权衡 |
压接模具几何优化 |
影响端子的导电性、抗腐蚀能力和长期接触可靠性。 |
需对压接后的截面进行金相分析, 检查镀层和IMC状况。 |
扫描电子显微镜测量截面, 高温老化后观察IMC生长。 |
表面处理, 电化学, 连接器技术 |
|
CAR5-42 |
L5: 材料 (雷达天线罩) |
电-磁-环境参数 |
天线罩对雷达波的插入相移与吸水率 |
电磁波穿过天线罩后产生的相位延迟 |
|
度, 百分比 |
CAR4-12, CAR5-5, CAR5-66, CAR6-116 |
基材Dk/Df, 厚度, 表面涂层疏水性 |
低插入相移、低吸水率与高机械强度、低成本存在材料选择矛盾 |
天线方向图补偿设计 |
是保证雷达性能(波束指向、增益)不受保护罩影响的关键, 尤其在雨天。 |
常采用低损耗的PP、PPS等工程塑料, 并做疏水处理。 |
矢量网络分析仪测量带罩天线相位, 浸泡测试后测重量和电气性能。 |
天线罩设计, 微波材料, 环境老化 |
|
CAR6-9 |
L6: 原子/分子级 |
界面-疲劳参数 |
焊料-金属界面裂纹扩展的Paris律常数 |
描述裂纹扩展速率 |
|
变量 |
CAR4-2, CAR4-4, CAR6-9, CAR6-117 |
界面微观结构, IMC形态, 残留应力 |
高抗疲劳性与良好的焊接性、高强度存在材料设计矛盾 |
优化焊接界面微观结构 |
是预测焊点在热机械疲劳下寿命的微观力学模型基础。 |
需要通过微观力学实验(如微梁弯曲)结合仿真获得。 |
专用微尺度疲劳试验机, 结合SEM原位观察。 |
界面力学, 疲劳物理, 微观力学, 材料科学 |
|
CAR0-66 |
L0: 整车级 |
性能-统计 |
高速公路领航辅助功能的百公里人工接管次数 |
在系统标定的ODD(如结构化高速公路, 良好天气)内, 每行驶100公里, 因系统无法处理而要求驾驶员接管的平均次数 |
|
次/100km |
CAR0-9, CAR0-44, CAR1-1, CAR1-5 |
系统性能边界, 交通流复杂度, 定义清晰的接管条件 |
低接管率与系统激进程度、功能边界定义相关 |
精准的驾驶员状态监控与提示 (CAR0-9) |
是衡量L2+/L3级系统成熟度和用户信任度的核心体验指标。 |
需通过大规模路测数据统计得出, 并持续优化降低。 |
车队路测数据采集, 统计干预触发事件和里程。 |
系统可靠性, 用户体验, 数据统计 |
|
CAR0-67 |
L0: 整车级 |
法规-环保 |
自动驾驶系统关键矿物(如稀土、钴)供应链尽责管理合规等级 |
依据OECD指南等国际标准, 企业对自动驾驶相关矿物(用于电机、电池、磁体)的供应链进行尽责调查, 确保其来源不涉及冲突、人权侵犯和环境破坏的评级。 |
通过第三方审计, 达到“合规”等级 |
等级 |
CAR0-30, CAR0-50, CAR5-22, CAR5-54 |
供应商管理体系, 原产地追溯能力, 企业社会责任政策 |
完全的供应链透明与成本、商业机密存在张力 |
区块链等可追溯技术应用 |
是品牌ESG表现和可持续发展承诺的重要组成部分, 影响投资者和消费者选择。 |
需建立从矿山到成品的全链条可追溯文件系统。 |
第三方审计机构对供应链文件和实地进行审核。 |
负责任矿产采购, 供应链管理, 企业社会责任 |
|
CAR0-68 |
L0: 整车级 |
功能-场景 |
交叉路口防碰撞 (ICA) 功能的冲突检测时间余量 |
在无信号灯交叉口, 系统预测本车与横向来车存在碰撞风险, 并启动制动或预警时, 距离预计碰撞时间 |
|
s |
CAR0-2, CAR1-1, CAR1-5, CAR2-5 |
感知范围与遮挡处理, 意图预测准确性, 车辆动力学 |
早预警(安全)与误预警(干扰驾驶)存在平衡 |
高精地图提供的路口拓扑结构 |
是解决“鬼探头”等复杂城市场景安全问题的关键功能。 |
需在大量真实路口场景下测试, 平衡安全与舒适。 |
在测试场模拟交叉路口冲突场景, 测量系统触发时的TTC。 |
主动安全, 交通冲突分析, 场景测试 |
|
CAR0-69 |
L0: 整车级 |
成本-质量 |
自动驾驶软件单元测试的代码覆盖率与需求追溯率 |
单元测试用例执行时, 覆盖的代码行、分支、条件的百分比 |
|
百分比 |
CAR0-1, CAR0-7, CAR0-45, CAR0-62 |
开发流程工具链, 测试用例设计, 需求管理 |
高覆盖率、完全追溯与开发效率、成本存在平衡 |
自动化测试与回归 |
是满足功能安全标准(ISO 26262)对软件单元验证的强制性要求, 保证软件质量。 |
需使用专业的测试覆盖率和需求管理工具。 |
静态分析工具报告覆盖率, 需求管理工具检查链接完整性。 |
软件测试, 需求工程, 功能安全 |
|
CAR0-70 |
L0: 整车级 |
人机交互-安全 |
多级报警策略中各级别的视觉/听觉/触觉刺激强度梯度 |
根据危险程度, 将报警分为多个级别(如提示、警告、紧急)。 定义每个级别对应的视觉(图标颜色、大小、闪烁频率)、听觉(音量、音调、节奏)、触觉(强度、模式)刺激的量化值 |
梯度清晰, 紧急报警显著且不易适应 |
量化值 |
CAR0-9, CAR0-35, CAR2-20, CAR2-35 |
人因工程研究, 座舱硬件能力 |
报警有效性(显著)与驾驶员惊吓、反感度存在平衡 |
上下文感知的报警抑制(如正在操作) |
是保证报警信息能被驾驶员正确、快速理解并采取适当行动的关键设计。 |
需进行驾驶员在环测试, 校准报警强度和作用。 |
在模拟器中测试驾驶员对不同报警组合的反应时间和正确率。 |
人因工程, 警报设计, 多模态交互, 心理物理学 |
-
深化车辆动力学与底盘控制:引入更详细的悬架运动学、轮胎瞬态模型、主动防倾杆参数。
-
扩展预期功能安全量化:定义场景库覆盖度量、感知不确定性量化、决策风险边界参数。
-
强化网络安全纵深防御参数:增加安全启动度量、车内网络异常流量基线、入侵响应动作有效性参数。
-
补充精细化制造与测试参数:涵盖芯片硅后验证、电池模组装配应力、整车下线检测(EOL)阈值。
-
探索新的人机交互与生物识别参数:如驾驶员身份生物识别精度、多屏协同延迟、情绪识别有效性。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-71 |
L0: 整车级 |
动力学-底盘 |
主动防倾杆侧倾刚度分配比与作动器带宽 |
可主动调节的前/后轴防倾杆提供的侧倾刚度占总侧倾刚度的比例 |
分配比: 0-50% 可调, |
百分比, Hz |
CAR0-3, CAR0-31, CAR2-12, CAR3-106 |
作动器功率与传动比, 控制算法频率 |
高带宽、大调节范围与重量、成本、功耗存在矛盾 |
车辆状态与驾驶模式识别 |
用于抑制过弯侧倾, 提升操控性与舒适性, 是底盘域控制的高级功能。 |
需与ESP、转向系统协同控制, 实现全局底盘优化。 |
激振台测试侧倾刚度变化, 频率响应测试。 |
底盘控制, 车辆动力学, 主动悬架 |
|
CAR0-72 |
L0: 整车级 |
性能-法规 |
自动紧急制动 (AEB) 对两轮车目标的探测距离与减速度 |
对自行车、摩托车目标, 在白天/夜间条件下能稳定探测并分类的最远距离 |
|
m, m/s² |
CAR0-52, CAR1-1, CAR2-1, CAR2-3 |
传感器对窄小、快速目标的识别能力, 分类算法 |
对两轮车的检测与对行人、车辆的检测在算法和传感器要求上存在差异 |
多传感器融合与VRU分类 |
是Euro NCAP等测试中新增加的项目, 对感知系统提出更高要求。 |
需在训练数据中充分包含各类两轮车姿态和场景。 |
使用移动的两轮车假人目标进行标准场景测试。 |
主动安全, 计算机视觉, 法规测试 |
|
CAR0-73 |
L0: 整车级 |
功能安全 |
预期功能安全 (SOTIF) 场景库的触发场景覆盖度 |
在已构建的场景库中, 能够实际触发系统性能局限或危害行为的场景数量 |
|
百分比 |
CAR0-15, CAR0-29, CAR1-1, CAR1-5 |
场景生成方法, 闭环仿真能力, 实车数据挖掘 |
高覆盖度与场景库构建、仿真测试的计算和人力成本强相关 |
自动化场景生成与测试流水线 |
是衡量SOTIF验证充分性的关键过程指标, 驱动迭代改进。 |
需建立基于场景的V模型开发流程, 并持续扩充场景库。 |
统计场景测试结果, 分析触发场景的比例和类型分布。 |
场景工程, 验证与确认, 统计测试 |
|
CAR0-74 |
L0: 整车级 |
网络安全 |
安全启动过程中软件镜像完整性与真实性验证时间 |
从ECU上电到完成对应用程序(包括Bootloader, Application)的数字签名验证、哈希校验, 并跳转至应用程序的总时间 |
|
ms |
CAR0-16, CAR0-21, CAR3-10, CAR4-14 |
密码算法性能, 存储介质读取速度, 处理器主频 |
高强度验证(如ECC签名)与快速启动需求存在矛盾 |
硬件信任根与安全存储 |
是防止恶意软件在启动链中被加载的第一道、也是最重要的硬件防线。 |
需采用硬件安全模块(HSM)或集成安全单元的MCU。 |
高精度时间戳记录启动各阶段耗时。 |
嵌入式安全, 密码学, 实时系统 |
|
CAR0-75 |
L0: 整车级 |
数据-合规 |
数据跨境传输的合规性评估等级与数据本地化存储要求 |
依据不同国家/地区(如中国、欧盟)的数据安全法, 自动驾驶相关数据出境所需满足的安全评估等级 |
满足目标市场最高要求, 通常需要本地化 |
等级, 布尔 |
CAR0-36, CAR0-49, CAR0-57, CAR2-30 |
数据分类分级, 跨境传输协议, 本地基础设施 |
数据自由流动与主权国家数据监管存在根本性冲突 |
数据脱敏与匿名化技术 |
是产品在全球市场销售和运营的法律前提, 可能影响系统架构(如云平台区域部署)。 |
需与法律团队紧密合作, 针对每个目标市场制定合规方案。 |
第三方律所合规审计, 检查数据流图与存储策略。 |
数据跨境法, 网络安全法, 国际合规 |
|
CAR0-76 |
L0: 整车级 |
制造-质量 |
激光雷达光学窗口装配后的透波面形精度 (PV值) |
光学窗口安装到车身或传感器壳体后, 其外表面的面形误差, 通常用峰谷值 |
|
nm |
CAR0-24, CAR2-1, CAR4-16, CAR5-2 |
安装结构刚度, 胶粘剂收缩应力, 玻璃自身面形 |
高面形精度与量产装配效率、成本存在矛盾 |
在线光学干涉检测 |
是保证激光雷达发射/接收光学性能不因安装而劣化的关键制造质量指标。 |
需在装配工位设置干涉仪进行全检或高比例抽检。 |
相移干涉仪测量装配后的窗口面形。 |
精密光学装配, 干涉测量, 制造质量 |
|
CAR0-77 |
L0: 整车级 |
性能-场景 |
拖车辅助功能的最大支持拖车长度与倒车路径跟踪精度 |
系统能够识别并辅助控制(如倒车)的拖车最大长度 |
|
m, m |
CAR1-1, CAR1-4, CAR2-3, CAR2-16 |
对拖车的感知与模型估计, 复杂的“倒车”车辆动力学 |
支持长拖车与感知、控制算法复杂度强相关 |
拖车连接状态的自动检测 |
是提升商用车或乘用车实用性的特殊功能, 需要专门的动力学模型和控制算法。 |
需在车辆配置中识别拖车挂钩, 并可能要求拖车配备反射标识。 |
使用不同长度的标准拖车, 在测试场进行倒车入库和蛇行测试。 |
机器人学, 拖车动力学, 路径跟踪 |
|
CAR0-78 |
L0: 整车级 |
成本-维护 |
线控转向系统齿条力传感器在线校准周期 |
为保证转向手感真实性和控制精度, 需要对齿条力传感器进行零点和灵敏度在线校准的建议行驶里程间隔 |
|
km |
CAR0-22, CAR2-11, CAR3-13, CAR5-22 |
传感器稳定性, 温度影响, 机械磨损 |
短校准周期(高精度)与用户体验(无感)存在矛盾 |
自动触发校准的工况判断逻辑 |
是保证线控转向系统长期性能一致性和安全性的重要维护性参数。 |
校准过程应在车辆直线行驶、方向盘无扭矩输入的特定条件下自动进行。 |
在耐久测试中, 定期检查力传感器输出与理论模型的偏差。 |
传感器校准, 预测性维护, 线控系统 |
|
CAR0-79 |
L0: 整车级 |
人机交互-安全 |
驾驶员分心等级与报警策略的映射矩阵 |
基于驾驶员监控系统 (DMS) 输出的分心等级 |
矩阵定义清晰, 随等级升高报警逐级增强 |
矩阵 |
CAR0-9, CAR0-19, CAR0-70, CAR2-20 |
DMS算法准确性, 多模态执行器性能 |
及时有效的报警与避免“报警疲劳”需精细设计 |
上下文感知(如车速、交通密度) |
是实现个性化、情境化人机交互与安全监控的核心策略。 |
需通过大量驾驶员在环测试, 优化映射关系和报警时机。 |
在驾驶模拟器中, 模拟不同分心场景, 测试报警策略的有效性和驾驶员接受度。 |
人因工程, 驾驶行为, 交互设计, 安全策略 |
|
CAR0-80 |
L0: 整车级 |
法规-认证 |
联合国UN R155网络安全管理体系认证等级 |
车辆制造商建立的网络安全管理系统 (CSMS) 在流程、风险评估、漏洞管理、响应等方面的完备性, 经认证机构审核后获得的证书等级。 |
获得R155型式认证, 无重大不符合项 |
等级 |
CAR0-16, CAR0-56, CAR0-62, CAR0-74 |
企业网络安全文化, 流程文件, 技术措施 |
完善的体系与快速的产品开发节奏存在一定张力 |
与功能安全流程 (ISO 26262) 的整合 |
是车辆新产品上市必须获得的强制法规认证之一, 覆盖全生命周期。 |
需建立符合R155要求的CSMS, 并覆盖所有供应商。 |
认证机构审核CSMS文档和执行记录, 并可能进行渗透测试。 |
汽车网络安全, 管理体系, 法规认证 |
|
CAR1-31 |
L1: 决策规划子系统 |
风险-量化参数 |
规划轨迹的碰撞概率积分上界 |
在规划时域 |
|
1/h |
CAR0-1, CAR0-2, CAR1-4, CAR1-5 |
不确定性模型准确性, 计算资源 |
高精度概率计算与规划实时性存在根本矛盾 |
基于风险的决策与规划框架 |
是将功能安全定量目标融入行为决策层的关键, 实现风险可量化的自动驾驶。 |
通常采用简化的概率模型和高效采样方法来近似。 |
在包含不确定性的仿真场景中, 统计规划器输出轨迹的实际碰撞频率。 |
随机优化, 风险感知规划, 概率机器人学 |
|
CAR1-32 |
L1: 感知子系统 |
不确定性-量化参数 |
目标检测边界框的协方差矩阵估计 |
对于每个检测到的目标, 不仅输出边界框 |
协方差椭圆与目标真值有高覆盖概率 |
像素² |
CAR1-1, CAR1-7, CAR1-31 |
神经网络校准技术, 训练数据标注噪声 |
准确的不确定性估计与模型复杂度、计算开销相关 |
多传感器融合中的不确定性传递 |
是提升融合鲁棒性和下游模块(如跟踪、预测)性能的关键, 尤其在遮挡、远距离情况下。 |
需在模型训练中引入不确定性估计分支, 或使用贝叶斯深度学习。 |
在测试集上, 计算预测边界框与真值的误差分布, 验证其与估计协方差的一致性(如χ²检验)。 |
不确定性量化, 贝叶斯深度学习, 计算机视觉 |
|
CAR1-33 |
L1: 定位子系统 |
完好性-风险参数 |
水平定位误差超过告警限值而未告警的概率 |
在单位时间内(如1小时), 实际水平定位误差 |
|
1/h |
CAR0-1, CAR1-3, CAR1-25, CAR2-9 |
误差模型保守性, 冗余传感器配置, 故障检测灵敏度 |
极低的 |
多源一致性检查与故障排除 |
是完好性导航的核心安全指标, 将定位系统的不可靠性定量化。 |
需采用接收机自主完好性监测 (RAIM) 或高级RAIM算法。 |
长时间大规模实车测试, 或在仿真中注入故障, 统计漏警率。 |
完好性导航, 故障检测与排除, 安全苛求系统 |
|
CAR1-34 |
L1: 控制子系统 |
自适应-鲁棒参数 |
轮胎-路面附着系数估计器的收敛时间与估计误差 |
基于车辆动力学响应(如轮速、横摆角速度、加速度)在线估计当前路面附着系数 |
|
s, 无单位 |
CAR1-4, CAR1-13, CAR1-27, CAR2-13 |
激励信号强度, 估计模型, 传感器噪声 |
快速收敛、高精度与估计稳定性、对激励的依赖存在矛盾 |
底盘域控制器数据融合 |
是实现自适应ESC、TCS及更优的轨迹跟踪控制的基础, 提升极限工况安全性。 |
需在低附路面(如冰面)进行充分的标定和验证。 |
在低附测试路面(如对开路面), 进行制动或转向操作, 记录 |
系统辨识, 参数估计, 车辆动力学, 控制理论 |
|
CAR1-35 |
L1: 电源管理子系统 |
故障-预测参数 |
基于电解电容等效串联电阻增长的故障预警阈值 |
监测开关电源中电解电容的 |
预警阈值 |
无单位 |
CAR0-7, CAR0-18, CAR1-15, CAR3-20 |
电容材料与工艺, 工作温度与纹波电流 |
准确的 |
电容寿命模型与热监控 |
是实现电源模块预测性维护, 防止因电容失效导致系统宕机的关键。 |
需在电路设计中集成 |
高低温加速老化测试, 建立 |
电力电子可靠性, 预测性维护, 电路诊断 |
|
CAR2-39 |
L2: 部件 (电子换挡器) |
安全-机构参数 |
换挡指令的二次确认逻辑与防误操作力曲线 |
从P挡切换到非P挡(或R/D挡切换)需要满足的复合条件(如踩刹车、按解锁钮)。 换挡手柄操作过程中的力-位移曲线 |
逻辑防错, 力曲线清晰且符合人机工程 |
布尔, N/mm |
CAR0-1, CAR3-107, CAR5-103, CAR6-118 |
机械结构设计, 传感器布局, 软件逻辑 |
高防错安全性与操作便捷性、成本存在平衡 |
明确的视觉/听觉反馈 |
防止行驶中误挂倒挡等危险操作, 是功能安全要求。 |
需进行滥用测试(如行驶中尝试换挡), 验证安全性。 |
操作力测试机测量力曲线, 模拟各种误操作场景测试。 |
人机工程, 功能安全, 机械设计 |
|
CAR2-40 |
L2: 部件 (车内毫米波雷达) |
射频-生物参数 |
呼吸与心率检测精度及抗运动干扰能力 |
对静止乘员, 检测出的呼吸频率 |
|
bpm/rpm, g |
CAR0-19, CAR2-23, CAR3-74, CAR5-73 |
雷达灵敏度与分辨率, 生命体征信号处理算法 |
高检测精度与抗干扰、低成本、低功耗存在矛盾 |
多雷达节点融合与跟踪 |
用于驾驶员健康监测、儿童遗留检测等, 提升安全与关怀功能。 |
需解决隐私担忧, 通常只输出体征数据而不成像。 |
使用模拟胸腔运动的装置和真实志愿者, 同步对比医疗设备数据。 |
生物雷达, 生命体征监测, 信号处理, 生物医学工程 |
|
CAR2-41 |
L2: 部件 (前向激光雷达清洗喷嘴) |
流体-环境参数 |
清洗液喷射覆盖面积与在高速气流下的附着效率 |
单次喷射周期内, 清洗液在激光雷达窗口上有效覆盖的面积 |
|
百分比 |
CAR0-38, CAR2-1, CAR3-108, CAR5-104 |
喷嘴设计(压力、角度、雾化), 空气动力学仿真 |
大覆盖、高附着与清洗液消耗量、系统功耗存在平衡 |
智能的喷射策略(如预湿、刮扫配合) |
是保证激光雷达在泥泞、雪天等条件下性能可用的关键主动清洁系统。 |
需在风洞中优化喷嘴位置和喷射参数, 模拟真实行车环境。 |
高速摄像机记录喷射过程, 测量覆盖面积;在风洞中测试不同车速下的清洁效果。 |
流体力学, 喷射技术, 空气动力学, 表面清洁 |
|
CAR2-42 |
L2: 部件 (数字钥匙模块) |
通信-安全参数 |
超宽带 (UWB) 测距精度与抗中继攻击安全余量 |
UWB技术测量车钥匙与车辆之间距离的误差 |
|
cm, 无单位 |
CAR0-16, CAR3-109, CAR4-35, CAR5-105 |
UWB芯片性能, 天线设计, 安全协议 |
高精度、高安全性(抗中继)与功耗、成本存在矛盾 |
蓝牙低功耗 (BLE) 的协同定位 |
是实现精准蓝牙钥匙、脚踢开门等无感进入功能的核心, 安全性至关重要。 |
需遵循CCC(车联网联盟)数字钥匙3.0等标准。 |
在开放场测试测距精度, 使用专业中继攻击设备测试系统防御能力。 |
无线定位, 物理层安全, 车联网安全 |
|
CAR2-43 |
L2: 部件 (主动进气格栅) |
热-机-气动参数 |
格栅叶片开度控制精度与空气阻力系数变化量 |
叶片实际开度 |
|
度, 无单位 |
CAR0-5, CAR1-19, CAR3-110, CAR5-106 |
电机控制精度, 叶片机构, 风洞测试数据 |
精确控制与机构复杂度、成本相关 |
基于冷却需求与空气阻力的智能控制策略 |
用于优化发动机舱散热与整车空气动力学, 降低高速能耗。 |
需在风洞中标定不同开度下的 |
风洞测试不同开度下的 |
空气动力学, 热管理, 电机控制 |
|
CAR3-33 |
L3: 模块 (座舱多屏驱动芯片) |
显示-安全参数 |
安全相关信息显示层的硬件保护与刷新优先级 |
在支持多个屏幕/图层的显示驱动芯片中, 为仪表、AR-HUD等安全关键信息分配独立的、受硬件保护的内存和渲染通道, 并确保其刷新具有最高优先级 |
最高优先级, 硬件隔离 |
等级 |
CAR0-1, CAR2-20, CAR3-111, CAR4-36 |
芯片架构, 内存保护单元 |
高等级硬件保护与芯片成本、通用性存在矛盾 |
功能安全概念中的独立安全单元 |
防止因信息娱乐系统故障导致安全关键显示信息丢失或卡顿, 满足ASIL B要求。 |
需采用符合功能安全要求的显示控制器, 支持安全层与非安全层分离。 |
故障注入测试, 模拟非安全应用高负载, 验证安全显示不受影响。 |
功能安全, 图形显示, 片上系统架构 |
|
CAR3-34 |
L3: 模块 (空调PTC加热器) |
电-热-安全参数 |
正温度系数热敏电阻的居里温度与稳态功耗 |
PTC材料的电阻-温度特性发生突变的温度 |
|
°C, W |
CAR0-54, CAR3-112, CAR5-107, CAR6-119 |
陶瓷材料配方, 电极设计 |
自限温特性(安全)与快速升温、高功率密度存在一定矛盾 |
智能的分级功率控制 |
用于电动汽车冬季快速制热, 其自限温特性是重要的安全保护。 |
需集成温度保险丝等冗余保护, 并通过过流、过温测试。 |
测量电压-电流-温度曲线, 验证自限温特性。 |
电热材料, 热管理, 电气安全 |
|
CAR3-35 |
L3: 模块 (车内氛围灯LED驱动) |
光-电-色彩参数 |
色彩一致性校正系数与PWM调光深度 |
为补偿不同LED芯片之间的色差, 对每个LED通道(R, G, B, W)存储的驱动电流校正系数 |
|
无单位, 百分比 |
CAR0-13, CAR3-113, CAR5-31, CAR6-120 |
LED BIN分级, 驱动IC性能, 光学扩散材料 |
高色彩一致性、深调光与系统成本、校准工艺复杂度相关 |
基于环境光传感器的自适应亮度调节 |
营造个性化座舱氛围, 色彩一致性和无闪烁调光是高端体验的关键。 |
需在生产线进行逐个LED模块的白平衡和亮度校准。 |
分光辐射度计测量各区域色坐标和亮度均匀性, 示波器观察PWM波形。 |
色彩科学, 照明控制, 人因工程 |
|
CAR4-22 |
L4: 封装 (电池采样线束连接器) |
电-化-安全参数 |
高压互锁回路电阻与绝缘监测平衡电阻 |
高压互锁 (HVIL) 回路的总电阻 |
|
Ω, Ω |
CAR0-7, CAR2-25, CAR4-11, CAR5-108 |
连接器接触电阻, PCB走线电阻, 电阻元件精度 |
HVIL回路低阻(高可靠性)与线束成本、重量存在平衡 |
绝缘监测算法与故障诊断 |
是高压系统安全监控的关键电路参数, 失效可能导致严重安全事故。 |
HVIL回路需形成闭环, 任何高压连接器断开都应能被检测。 |
断开各高压连接器, 测量HVIL信号变化;注入已知绝缘故障, 验证监测算法准确性。 |
高电压安全, 电气连接, 故障诊断 |
|
CAR4-23 |
L4: 互连 (FPC用于折叠屏) |
力-电-耐久参数 |
动态弯折区域导线疲劳寿命与弯折半径下的电阻变化率 |
在屏幕开合铰链处的FPC导线, 在指定弯折半径 |
|
次, 百分比 |
CAR4-15, CAR5-87, CAR6-90, CAR6-121 |
铜箔类型与厚度, 基材, 覆盖膜, 导线布局 |
极小弯折半径下的高寿命与FPC层数、布线密度存在矛盾 |
铰链机械设计与FPC走线路径的协同优化 |
是实现大尺寸车载折叠屏可靠性的核心挑战, 直接影响用户体验和售后成本。 |
需进行高低温下的动态弯折测试, 并在线监测电阻。 |
动态弯折试验机, 结合四线法电阻在线监测。 |
柔性电子, 疲劳测试, 高密度互连 |
|
CAR5-43 |
L5: 材料 (电池隔膜) |
电-化-热参数 |
孔隙率与闭孔温度 |
隔膜中微孔的体积占总体积的比例 |
|
百分比, °C |
CAR2-25, CAR5-54, CAR5-109, CAR6-122 |
聚烯烃(PE/PP)材料与拉伸工艺, 陶瓷涂层 |
高孔隙率(高离子电导)与高强度、高热稳定性存在平衡 |
正负极材料与电解液匹配 |
是锂离子电池的关键内层组件, 其性能直接影响电池的能量密度、功率和安全性。 |
需通过针刺、热箱等安全测试验证其热稳定性。 |
毛细管流动孔隙度仪, 差示扫描量热法。 |
电化学, 高分子材料, 电池技术 |
|
CAR5-44 |
L5: 材料 (电磁屏蔽涂料) |
电-磁-环境参数 |
涂层表面电阻与附着力(百格法) |
喷涂或刷涂形成的导电涂层, 其表面电阻 |
|
Ω/sq, 等级 |
CAR0-6, CAR5-8, CAR5-16, CAR6-123 |
导电填料(如银、镍、碳)含量与形貌, 树脂体系 |
低电阻(高填料含量)与良好的附着力、喷涂工艺性存在矛盾 |
基材表面处理(如火焰、等离子) |
用于非金属壳体(如雷达罩、摄像头壳体)的内部屏蔽, 是实现EMC的低成本方案。 |
需确保涂层连续、无裂纹, 并耐受高低温循环和振动。 |
四探针法测电阻, 百格刀测试附着力, 盐雾测试耐腐蚀性。 |
导电涂料, 电磁屏蔽, 表面处理, 复合材料 |
|
CAR5-45 |
L5: 材料 (轮胎气密层橡胶) |
气密-力参数 |
透气系数与抗疲劳裂纹增长能力 |
单位时间单位面积单位压差下气体(如空气、氮气)通过材料的体积 |
透气系数极低, |
mol/(m·s·Pa), N/mm |
CAR5-9, CAR5-110, CAR6-21, CAR6-124 |
卤化丁基橡胶, 纳米填料 |
高气密性与良好的加工性、与胎体的粘合性需平衡 |
轮胎结构设计 |
维持轮胎气压, 直接影响滚动阻力和安全性。 漏气会导致胎压监测系统报警。 |
是轮胎“保气”技术的核心材料。 |
气体渗透仪, 拉力试验机测撕裂强度。 |
橡胶材料, 气体阻隔, 轮胎技术 |
|
CAR5-46 |
L5: 材料 (制动盘摩擦衬面) |
摩擦-热-振参数 |
摩擦系数-压力-速度-温度四维特性曲面 |
摩擦系数 |
特性曲面需平滑, 无剧烈变化 |
无单位 |
CAR0-4, CAR5-10, CAR6-22, CAR6-125 |
材料配方, 热处理工艺 |
在宽工况范围内稳定的 |
制动盘的材料匹配与表面处理 |
是制动系统设计的根本输入, 其稳定性决定制动效能、舒适性和抗热衰退性。 |
需进行全面的惯性台架测试, 覆盖法规和极限工况。 |
制动惯性台架, 测量不同 |
摩擦学, 材料科学, 制动工程 |
|
CAR5-47 |
L5: 材料 (焊锡助焊剂) |
化-电参数 |
助焊剂活性等级与表面绝缘电阻 |
根据J-STD-004标准, 助焊剂的活性等级(如ROL0, ROL1)。 焊接残留物在高温高湿(如85°C/85%RH)测试后的表面绝缘电阻 |
通常选用ROL0(低残留), |
等级, Ω |
CAR5-11, CAR5-27, CAR6-38, CAR6-126 |
松香/树脂, 活性剂, 溶剂 |
高活性(好焊接)与低腐蚀性、高 |
优化的焊接温度曲线与清洗工艺 |
影响焊接质量和长期可靠性, 残留物可能导致电化学迁移(CAF)或腐蚀。 |
需根据产品可靠性要求选择助焊剂, 并可能进行清洗。 |
按照标准进行铜镜测试、腐蚀性测试和SIR测试。 |
焊接材料, 电化学, 电子工艺 |
|
CAR5-48 |
L5: 材料 (底部填充胶填料) |
热-力参数 |
球形二氧化硅填料的粒径分布与填充体积分数 |
填料颗粒的粒径 |
粒径分布窄, |
μm, 百分比 |
CAR5-12, CAR5-28, CAR6-24, CAR6-127 |
填料球形度与表面处理, 分散工艺 |
高填充量(低CTE, 高导热)与胶体流动性、储存稳定性存在矛盾 |
优化的填料级配 |
是调节底部填充胶CTE、模量和导热性的关键手段, 以匹配芯片和基板。 |
需防止填料沉降, 保证长期储存后性能稳定。 |
激光粒度分析仪, 热机械分析仪测CTE。 |
复合材料, 粉体技术, 微电子封装材料 |
|
CAR5-49 |
L5: 材料 (光学窗口抗反射膜) |
光-力-环境参数 |
膜层硬度与耐沙尘冲击后透过率保持率 |
膜层的努氏或维氏硬度 |
|
GPa, 百分比 |
CAR5-2, CAR5-14, CAR6-5, CAR6-128 |
膜层材料(如SiO2, TiO2, DLC), 镀膜工艺 |
高硬度(耐磨)与低应力、高透过率存在镀膜工艺挑战 |
基体材料本身的强度与韧性 |
是保证传感器窗口在恶劣环境下长期保持高透光性的核心, 需综合优化。 |
常采用多层硬质氧化物膜或类金刚石(DLC)膜。 |
纳米压痕仪测硬度, 沙尘试验箱测试后测量光谱。 |
薄膜技术, 表面工程, 环境耐久性 |
|
CAR5-50 |
L5: 材料 (疏水涂层) |
表面-力参数 |
涂层与基材的附着力(划痕测试临界载荷)与接触角滞后 |
用划痕测试仪测量涂层从基材上剥离所需的临界载荷 |
|
N, 度 |
CAR5-2, CAR5-15, CAR6-27, CAR6-129 |
涂层化学官能团, 基材表面能, 固化条件 |
高附着力、低接触角滞后与涂层的超疏水性(高接触角)存在协同优化空间 |
微观/纳米复合结构设计 |
影响涂层的耐用性和自清洁效果的实际表现。 附着力差易脱落, 滞后大则水滴易粘附。 |
需进行加速老化(如QUV)测试后的性能评估。 |
划痕测试仪, 动态接触角测量仪。 |
表面科学, 涂层技术, 粘附力学 |
|
CAR6-10 |
L6: 原子/分子级 |
界面-热参数 |
两种材料界面处的声子失配度与热边界电导 |
两种材料A和B的声子态密度 |
声子谱匹配好, |
W/(m²·K) |
CAR4-1, CAR5-4, CAR6-10, CAR6-130 |
材料原子结构, 界面化学键合 |
高 |
界面纳米结构的工程(如插层) |
是微观尺度传热的极限, 决定了从芯片到散热器所有异质界面热阻的理论下限。 |
需通过分子动力学模拟研究界面传热机理。 |
时域热反射法, 或基于微纳器件的实验测量。 |
声子物理, 界面科学, 分子动力学, 传热学 |
|
CAR6-11 |
L6: 原子/分子级 |
电-材料参数 |
铜导线中电子的平均自由程与表面散射系数 |
在铜导线中, 电子在两次碰撞之间运动的平均距离 |
块体Cu: |
nm, 无单位 |
CAR4-3, CAR5-13, CAR6-25, CAR6-131 |
铜纯度, 晶界密度, 表面粗糙度 |
导线尺寸缩小至纳米级时, 表面散射占主导, 电阻率急剧上升 |
退火工艺减少晶界散射 |
是先进制程(如7nm以下)互连电阻急剧增加的根本物理原因, 影响芯片性能。 |
需采用大马士革工艺、空气隙等新技术减少互连电容和电阻。 |
低温电阻测量, 结合理论模型提取散射参数。 |
固体物理, 电子输运, 纳米电子学 |
|
CAR0-81 |
L0: 整车级 |
性能-统计 |
城市导航辅助驾驶 (City NOA) 每百公里不舒适刹车次数 |
在城区复杂路况下, 系统因感知或决策原因导致的、减速度超过设定阈值(如-0.3g)且被驾驶员主观评价为“不舒适”或“突兀”的制动事件次数 |
|
次/100km |
CAR0-9, CAR0-35, CAR1-4, CAR1-11 |
预测与决策算法的平顺性, 交通流交互的保守程度 |
低接管率(激进)与高舒适性(保守)存在经典矛盾 |
驾驶员个性化风格设置 |
是衡量城区自动驾驶拟人化程度、影响用户体验和接受度的关键主观性能指标。 |
需通过大量真实路测数据, 结合驾驶员评分进行统计和优化。 |
路测数据采集, 结合减速度数据和驾驶员事后评分进行关联分析。 |
人因工程, 驾驶行为, 数据统计, 用户体验 |
|
CAR0-82 |
L0: 整车级 |
法规-环保 |
自动驾驶系统全生命周期碳足迹评估值 |
依据ISO 14040/44等标准, 对自动驾驶系统(包括硬件生产、软件研发、车辆使用、报废回收)进行生命周期评估得出的二氧化碳当量总排放 |
目标:低于基线车型或行业标杆 |
kg CO2e |
CAR0-30, CAR0-50, CAR0-67, CAR5-1 |
材料选择, 制造能耗, 使用阶段能效, 回收率 |
高性能、高算力与低碳足迹存在内在张力 |
绿色计算与算法能效优化 |
是产品ESG报告的核心内容, 也是应对欧盟碳边境调节机制等政策的必要工作。 |
需与供应商合作, 收集从原材料到零部件生产的碳排放数据。 |
专业LCA软件建模, 使用行业数据库和实际生产数据。 |
生命周期评价, 环境工程, 可持续设计 |
|
CAR0-83 |
L0: 整车级 |
功能-场景 |
雨天场景下感知系统性能衰减系数 |
在中到大雨条件下, 感知系统(特别是摄像头和激光雷达)对关键目标(车辆、行人)的检测概率 |
|
无单位 |
CAR0-10, CAR1-1, CAR2-1, CAR2-3, CAR2-41 |
传感器本身耐水性, 算法对雨滴、水雾的鲁棒性 |
全天候性能与传感器配置成本、算法复杂度强相关 |
传感器清洁与加热系统 (CAR0-38, CAR2-32) |
是定义系统ODD(运行设计域)在天气维度边界的关键参数, 影响功能安全。 |
需在模拟降雨环境舱和真实雨天进行大量测试。 |
在环境模拟舱中, 控制降雨强度, 测试感知性能变化。 |
环境适应性, 传感器建模, 鲁棒性测试 |
|
CAR0-84 |
L0: 整车级 |
网络安全 |
车载网络异常流量检测的基线建模学习周期与稳定度 |
基于机器学习的行为基线模型, 从开始学习到能够稳定输出低误报率检测结果所需的数据采集时间 |
|
小时, 无单位 |
CAR0-56, CAR2-22, CAR3-30 |
初始数据质量, 算法在线学习能力, 正常行为变化的界定 |
快速学习、强适应性与模型稳定性、安全性存在平衡 |
云端模型协同更新与分布式学习 |
是实现未知攻击检测的关键, 但需解决初始学习和模型漂移问题。 |
需在交付前进行充分的预训练, 并在使用中支持安全地增量学习。 |
在实车或测试平台上, 注入不同阶段的攻击流量, 观察检测系统的学习和适应过程。 |
异常检测, 机器学习, 车载网络安全 |
|
CAR0-85 |
L0: 整车级 |
制造-质量 |
电池模组激光焊接的熔深一致性过程能力指数 |
对电池模组中电芯极耳与连接片的激光焊接, 测量其焊接熔深 |
|
无单位 |
CAR0-7, CAR4-132, CAR5-54, CAR6-132 |
激光功率稳定性, 焦距控制, 材料表面状态 |
高 |
在线视觉检测与焊后电阻检测 |
是影响电池包内阻一致性和长期可靠性的关键制造工艺参数。 |
需对每个焊点进行在线监测(如视觉、等离子监测)。 |
金相切片抽样检查熔深, 统计计算 |
激光焊接, 质量控制, 统计过程控制 |
|
CAR0-86 |
L0: 整车级 |
性能-场景 |
对施工区域临时路标与锥桶的识别距离与避让策略 |
对临时摆放的锥桶、水马、指示牌等, 系统能稳定识别并分类的最远距离 |
|
m, m |
CAR1-1, CAR1-4, CAR2-1, CAR2-3 |
对稀疏、小尺寸、不规则目标的感知能力 |
对临时障碍物的处理与对固定障碍物的处理在算法上需要更强的泛化能力 |
高精地图的实时更新与标注 |
是衡量系统应对道路突发变化、处理长尾场景能力的重要指标。 |
需在训练数据中充分包含各类施工场景。 |
在测试场布置标准和非标准施工区域, 测试系统识别与通过表现。 |
计算机视觉, 场景理解, 路径规划 |
|
CAR0-87 |
L0: 整车级 |
成本-维护 |
自动驾驶传感器外部窗口的单次清洁维修工时 |
当传感器(如摄像头、激光雷达)窗口因污损或刮伤需要清洁或更换时, 完成该项维修操作所需要的标准工时 |
|
小时 |
CAR0-38, CAR0-60, CAR2-1, CAR5-2 |
传感器安装位置的可达性, 固定方式, 校准需求 |
易于维护的设计可能与整车造型、传感器保护存在矛盾 |
模块化、快拆装设计 |
直接影响售后维修效率和客户满意度, 是设计阶段需考虑的可维修性指标。 |
应设计无需拆卸复杂内饰件即可接近传感器的维修方案。 |
标准维修操作时间测定。 |
可维修性设计, 售后服务, 工业工程 |
|
CAR0-88 |
L0: 整车级 |
人机交互-安全 |
语音助手在车辆高速/高噪声场景下的唤醒率与误唤醒率 |
在车速>80km/h且座舱噪声>70dB(A)的条件下, 语音助手能够正确响应预定唤醒词的比率 |
|
百分比, 次/小时 |
CAR0-13, CAR0-35, CAR3-114, CAR5-39 |
麦克风阵列性能, 降噪算法, 语音识别引擎 |
高唤醒率、低误唤醒与算法复杂性、计算资源强相关 |
视觉/触觉等多模态交互备份 |
是保证语音交互在行车关键场景下可用的基础, 误唤醒影响体验和潜在安全。 |
需在真实高速路噪和音乐播放等复杂声场下进行大量测试。 |
在实车或高级驾驶模拟器中, 模拟不同车速和噪声环境, 统计唤醒性能。 |
语音识别, 声学处理, 人机交互 |
|
CAR0-89 |
L0: 整车级 |
法规-认证 |
中国汽车数据安全风险评估与认证等级 |
依据中国《汽车数据安全管理若干规定(试行)》等法规, 对车辆的自动驾驶数据收集、处理、出境等活动进行安全风险评估, 并获得监管部门的认证或备案等级 |
通过评估, 获得备案或认证 |
等级 |
CAR0-36, CAR0-49, CAR0-75, CAR2-30 |
数据本地化存储, 隐私保护措施, 企业安全管理制度 |
满足中国特定法规要求与全球统一架构可能存在调整 |
与UN R155/156体系的协同 |
是智能网联汽车产品在中国市场销售和运营的强制性准入条件。 |
需按照国家标准开展数据安全风险评估, 并向主管部门申报。 |
国家指定的检测机构进行测试和评估。 |
中国法规, 数据安全, 本地化合规 |
|
CAR0-90 |
L0: 整车级 |
功能-场景 |
对动物(如犬类)穿行马路的检测与制动响应 |
对突然窜入车道的动物(大小如中型犬), 系统能检测并分类, 并在安全前提下触发自动制动的最大有效距离 |
|
m |
CAR0-2, CAR0-52, CAR1-1, CAR2-1 |
对非刚性、快速移动小目标的感知与分类能力 |
对动物的保护与避免不必要的紧急制动存在伦理和体验矛盾 |
风险评估与伤害最小化决策 |
是AEB功能在乡村道路等场景的重要补充, 但策略需谨慎。 |
需在训练数据中包含各类动物, 并明确系统响应的边界条件。 |
使用动物模型假体, 在测试场模拟穿行场景。 |
主动安全, 计算机视觉, 动物行为 |
|
CAR1-36 |
L1: 网联子系统 |
通信-可靠性参数 |
C-V2X Mode 4 (直连通信) 的资源选择冲突概率与分组送达率 |
在无网络调度情况下, 车辆自主感知并选择无线资源块, 发生与邻近车辆选择同一资源导致冲突的概率 |
|
百分比 |
CAR1-17, CAR2-19, CAR2-27, CAR3-16 |
车辆密度, 资源选择算法, 信道衰落 |
低冲突、高送达率与通信延迟、资源利用率存在理论优化 |
感知辅助的资源选择 |
是V2V直连通信性能的核心, 影响协同感知和安全应用的可靠性。 |
需遵循3GPP Rel-14/15/16中定义的SPS算法。 |
多车测试场测试, 或大规模网络仿真。 |
车联网通信, 无线资源管理, 移动自组织网络 |
|
CAR1-37 |
L1: 健康管理子系统 |
诊断-预测参数 |
基于电机电流谐波分析的轴承早期故障特征频率幅值增长趋势 |
对驱动电机三相电流进行频谱分析, 提取与轴承故障(外圈、内圈、滚珠)相关的特征频率 |
监测 |
dB/s |
CAR1-20, CAR2-31, CAR3-96, CAR5-30 |
电流采样精度与频率, 信号处理算法, 负载与转速变化 |
早期微弱特征提取与背景噪声、负载波动干扰存在矛盾 |
振动信号融合分析 |
是实现电驱动系统预测性维护的先进手段, 可在故障早期预警。 |
需建立电机在健康状态下的电流频谱基线。 |
在电机耐久或加速寿命试验台上, 同步监测电流和振动, 验证特征频率幅值与故障发展的相关性。 |
电机故障诊断, 信号处理, 预测性维护 |
|
CAR2-44 |
L2: 部件 (电子外后视镜) |
光学-显示-安全参数 |
显示屏亮度自动调节范围与防眩光响应时间 |
显示屏亮度 |
范围: 500 - 1500 cd/m², |
cd/m², ms |
CAR0-9, CAR2-3, CAR2-36, CAR3-103 |
环境光传感器, 图像处理算法, 显示屏性能 |
宽调节范围、快速响应与系统成本、功耗存在平衡 |
摄像头的宽动态范围与HDR处理 |
替代传统光学外后视镜, 解决盲区和风阻, 但需满足法规(如GB 15084)和安全性要求。 |
必须保证在任何光照条件下图像清晰、无延迟、无眩光。 |
在暗室中使用标准光源测试亮度调节曲线, 用强光模拟远光测试防眩响应。 |
显示技术, 图像处理, 汽车安全, 人因工程 |
|
CAR2-45 |
L2: 部件 (空气悬架储气罐) |
力-安全参数 |
压力容器爆破压力与疲劳安全系数 |
储气罐在静态水压测试下发生破裂的压力 |
|
bar, 无单位 |
CAR0-1, CAR2-12, CAR3-19, CAR5-111 |
罐体材料(铝合金/复合材料), 成型工艺, 安全阀设定 |
高强度、高安全系数与轻量化、成本存在矛盾 |
定期压力测试与泄漏检测 |
是空气悬架系统的压力容器, 其安全性至关重要, 需满足相关压力容器标准。 |
需进行爆破测试、疲劳测试和坠落测试等型式试验。 |
水压爆破试验, 压力循环疲劳试验。 |
压力容器, 材料力学, 安全工程 |
|
CAR5-51 |
L5: 材料 (指纹识别传感器盖板) |
电-力-光参数 |
盖板介电常数与硬度匹配 |
用于电容式指纹识别的盖板材料, 其介电常数 |
|
无单位, 莫氏 |
CAR2-42, CAR5-2, CAR5-49, CAR6-133 |
玻璃/陶瓷材料类型, 镀膜 |
高介电常数(灵敏度)、高硬度(耐磨)与成本、可加工性存在矛盾 |
传感器芯片灵敏度与算法补偿 |
用于车门把手、启动按键等处的生物识别, 提升便利性和安全性。 |
需通过耐磨测试、汗液腐蚀测试和极端温度测试。 |
电容测量, 莫氏硬度计, 耐磨测试仪。 |
生物识别材料, 介电材料, 表面工程 |
-
深化决策与风险评估:引入更具体的伦理权衡量化、博弈论均衡解质量、责任敏感安全模型参数。
-
扩展电驱动与能源系统:深入电机绝缘监测、电池内部短路检测、燃料电池(如适用)相关参数。
-
强化芯片与先进封装可靠性:涵盖硅通孔、微凸点、晶圆级封装等先进互连结构的可靠性参数。
-
补充微观失效物理与材料界面参数:定义更具体的腐蚀、迁移、裂纹萌生与扩展的微观动力学参数。
-
增加系统韧性与社会技术参数:如系统在部分失效后的功能降级曲线、与道路使用者的交互可预测性、社会接受度指标。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR5-52 |
L5: 材料 (固态电解质) |
电-化-力参数 |
离子电导率与电子电导率之比及对锂金属稳定性 |
锂离子迁移数 |
|
无单位, mA/cm² |
CAR5-43, CAR5-54, CAR6-122, CAR6-134 |
电解质材料体系(硫化物、氧化物、聚合物), 微观结构 |
高离子电导、高 |
负极表面改性 |
是下一代固态电池实现高能量密度和安全性的核心材料参数。 |
需解决界面阻抗和循环过程中的体积变化问题。 |
电化学阻抗谱, 对称电池恒流循环测试。 |
固态电化学, 离子输运, 界面科学 |
|
CAR5-53 |
L5: 材料 (磁芯损耗测试样片) |
磁-热参数 |
特定频率与磁通密度下的单位质量损耗曲线 |
通过爱波斯坦方圈或环形样片测试, 获得的磁芯损耗 |
提供完整的损耗数据表 |
W/kg |
CAR3-20, CAR5-18, CAR5-37, CAR6-30 |
材料成分, 热处理工艺, 测试标准 |
低高频损耗与高饱和磁通密度存在经典矛盾 |
磁路设计与热仿真 |
是电力电子磁性元件(电感、变压器)损耗计算和热设计的根本输入。 |
供应商必须提供符合国际标准(如IEC 60404)的测试数据。 |
爱波斯坦方圈测试系统, 或功率分析仪配合定制夹具。 |
磁性材料测量, 铁损分析, 电力电子 |
|
CAR5-54 |
L5: 材料 (硅碳复合负极) |
电-化-力参数 |
硅含量与首次库伦效率及体积膨胀率 |
复合材料中硅的质量百分比 |
|
%, 百分比, 百分比 |
CAR2-25, CAR5-43, CAR5-52, CAR6-135 |
硅纳米结构, 碳包覆质量, 粘结剂 |
高硅含量(高容量)与高首次效率、低膨胀、长寿命存在根本矛盾 |
先进的电极结构设计(如缓冲空间) |
是提升锂离子电池能量密度的关键负极材料, 但体积膨胀是主要失效机制。 |
需通过纳米化、复合化和预锂化等技术缓解膨胀。 |
电化学测试, 原位X射线衍射, 扫描电镜观察形貌。 |
电池材料, 纳米材料, 电化学, 力学 |
|
CAR5-55 |
L5: 材料 (热管吸液芯) |
流体-结构参数 |
毛细提升高度与有效导热系数 |
多孔吸液芯在重力场下能将工质液体提升的最大高度 |
|
m, W/(m·K) |
CAR5-20, CAR5-55, CAR6-32, CAR6-136 |
孔隙率与孔径分布, 工质润湿性 |
高毛细力与高渗透性、高热导的优化矛盾 (CAR5-20) |
蒸汽腔体设计与工质选择 |
是两相散热器件性能极限的决定因素之一, 尤其在反重力方向工作时。 |
需测试不同倾角下的最大传热能力。 |
毛细提升测试仪, 稳态法导热仪测量带吸液芯的样品。 |
多孔介质, 毛细现象, 传热学 |
|
CAR5-56 |
L5: 材料 (图像传感器微透镜) |
光-结构参数 |
微透镜的填充因子与聚光效率 |
微透镜面积与像素感光区面积的比值 |
|
百分比 |
CAR3-6, CAR5-23, CAR6-6, CAR6-137 |
微透镜形状与曲率, 与彩色滤镜的间距 |
高填充因子、高聚光效率与制造工艺复杂性、成本相关 |
背照式技术 |
提升像素的感光能力和角度响应, 是提高图像传感器灵敏度的关键结构。 |
需与像素结构协同设计, 优化光路。 |
显微光学测量, 结合光线追迹仿真。 |
微光学, 半导体光电器件, 光学设计 |
|
CAR5-57 |
L5: 材料 (覆铜陶瓷基板钎料) |
冶-金-热参数 |
活性金属钎料的润湿角与接头室温剪切强度 |
钎料在陶瓷(如AlN)表面的润湿角 |
|
度, MPa |
CAR5-1, CAR5-24, CAR6-35, CAR6-138 |
活性元素(如Ti, Zr)含量, 钎焊气氛与温度 |
良好润湿性(低角度)与接头脆性、成本存在平衡 |
陶瓷表面金属化处理 |
是实现陶瓷与铜高强度、高导热连接的关键工艺材料参数。 |
需控制IMC层厚度, 避免过厚导致脆性断裂。 |
坐滴法测润湿角, 剪切试验机测试接头强度。 |
钎焊冶金, 界面反应, 陶瓷金属连接 |
|
CAR5-58 |
L5: 材料 (键合线表面氧化层厚度) |
表面-电参数 |
铝线自然氧化层厚度与超声能量破坏阈值 |
铝线表面自然形成的氧化铝 |
|
nm, 能量单位 |
CAR4-4, CAR5-26, CAR6-9, CAR6-139 |
存储环境, 线材纯度 |
氧化层过厚导致键合不良, 过薄可能储存中易腐蚀 |
优化的键合工艺参数(功率、压力、时间) |
是影响引线键合工艺窗口和长期接触可靠性的微观因素。 |
需控制线材的存储条件和保质期。 |
透射电子显微镜测量截面, 通过键合实验优化工艺窗口。 |
表面氧化, 超声焊接, 微电子连接 |
|
CAR5-59 |
L5: 材料 (感光阻焊油墨) |
光-化参数 |
曝光能量-显影后线宽变化曲线与分辨率 |
曝光能量 |
曲线稳定, |
mJ/cm², μm |
CAR5-27, CAR6-38, CAR6-140 |
光敏剂体系, 树脂反应活性 |
高分辨率、宽工艺窗口与油墨成本、储存稳定性存在平衡 |
曝光机的对位精度与能量均匀性 |
是制造高密度PCB, 特别是含有细间距BGA的关键材料性能。 |
需根据PCB设计规则选择合适的油墨型号。 |
使用光楔尺曝光并测量, 使用分辨率测试标板。 |
光刻材料, 印刷电路板工艺, 微细加工 |
|
CAR5-60 |
L5: 材料 (导热凝胶基础聚合物) |
流变-热参数 |
基础硅油的粘度与热氧化稳定性 |
未添加填料前的基础硅油在25°C下的动力粘度 |
|
Pa·s, 百分比 |
CAR5-4, CAR5-28, CAR6-10, CAR6-141 |
硅油分子量与结构, 添加剂 |
低粘度(易加工)与低挥发性、高热稳定性存在矛盾 |
导热填料的表面处理 |
决定导热凝胶的施工性能和长期高温下的性能保持率。 |
需选用高纯度、低挥发份的线性硅油。 |
旋转粘度计, 热重分析/烘箱老化后测粘度。 |
高分子材料, 流变学, 热稳定性 |
|
CAR4-24 |
L4: 封装 (硅通孔TSV) |
电-热-力参数 |
TSV的电阻-电容-电感寄生参数与热机械应力 |
单个TSV的电阻 |
|
Ω, fF, pH, GPa |
CAR4-9, CAR4-13, CAR6-1, CAR6-142 |
TSV直径、深宽比, 绝缘层厚度, 填充工艺 |
小尺寸(高密度)与低寄生、低应力存在工艺挑战 |
三维集成电路设计与仿真 |
是实现3D堆叠封装、提升带宽和降低功耗的关键互连技术, 但带来电和热的复杂性。 |
需进行电-热-力多物理场协同仿真与优化。 |
专用测试结构测量电学参数, 微拉曼光谱测应力。 |
三维集成, 微电子封装, 多物理场耦合 |
|
CAR4-25 |
L4: 互连 (电池包内高压采样线束) |
安全-可靠性参数 |
高压采样线绝缘层局部放电起始电压 |
在模拟电池包内部环境(如特定气压、温度)下, 对高压采样线施加交流电压, 直至检测到局部放电信号时的电压 |
|
V |
CAR0-7, CAR2-25, CAR4-11, CAR5-108 |
绝缘材料纯度, 挤出工艺, 有无缺陷 |
高 |
在线局部放电监测(如用于预测性维护) |
是评估高压线束在长期工作电压下绝缘老化风险的关键指标, 局部放电是绝缘击穿的前兆。 |
需在开发阶段进行测试, 并在量产中定期抽检。 |
局部放电测试系统, 在特定环境下进行测试。 |
高电压绝缘, 局部放电, 可靠性工程 |
|
CAR3-36 |
L3: 模块 (绝缘栅双极型晶体管驱动) |
电-安全参数 |
有源钳位保护电路的响应时间与能量吸收能力 |
当IGBT集电极-发射极电压 |
|
s, J |
CAR3-7, CAR3-20, CAR4-13, CAR5-24 |
钳位器件(如TVS)性能, 检测电路速度 |
快速响应、高能量吸收与电路复杂度、成本相关 |
优化的栅极电阻与驱动电压 |
保护IGBT在关断过电压、短路等异常情况下不被击穿, 是提高模块鲁棒性的关键。 |
需与IGBT的短路耐受时间 |
双脉冲测试平台, 注入过压脉冲测试钳位响应。 |
功率器件驱动, 电路保护, 电力电子 |
|
CAR3-37 |
L3: 模块 (电机绕组在线绝缘监测) |
电-安全参数 |
脉冲电压法下的绝缘电阻估计精度与绕组对地寄生电容影响 |
向电机绕组与机壳之间注入高频脉冲电压, 通过响应电流估算绝缘电阻 |
误差 < ±20%, 可补偿 |
百分比, nF |
CAR0-7, CAR2-31, CAR5-30, CAR6-143 |
注入信号频率与幅值, 信号处理算法 |
高精度、强抗干扰与监测系统成本、复杂度相关 |
定期的离线高压绝缘测试 (HiPot) |
是实现电机预测性维护, 防止绝缘失效导致短路或触电事故的重要安全功能。 |
需在电机控制器中集成专用监测电路。 |
连接已知阻值的电阻网络进行校准, 在不同温度下测试。 |
绝缘监测, 电机诊断, 电气安全 |
|
CAR3-38 |
L3: 模块 (车内空气质量传感器) |
化-电参数 |
对挥发性有机化合物 (VOC) 的检测灵敏度与交叉干扰系数 |
对目标VOC气体(如甲醛、苯)的灵敏度 |
|
信号/ppm, 无单位 |
CAR1-19, CAR3-115, CAR5-112, CAR6-144 |
传感器敏感材料(如金属氧化物), 滤层, 温湿度补偿 |
高选择性、高灵敏度与传感器寿命、成本存在平衡 |
多传感器融合(如CO₂, PM2.5)与智能新风控制 |
用于智能座舱空气质量管理, 自动激活空调净化功能, 提升健康与舒适性。 |
需定期校准, 或具备自校准功能。 |
在环境舱中, 通入标准浓度的目标与非目标气体, 测试响应。 |
气体传感, 化学传感器, 环境监测 |
|
CAR3-39 |
L3: 模块 (转向柱锁止机构) |
机-电-安全参数 |
锁舌伸出/缩回时间与锁止状态冗余检测 |
从收到指令到锁舌完全伸出/缩回到位的时间 |
|
ms |
CAR0-1, CAR2-11, CAR3-116, CAR5-113 |
电机功率与传动, 锁舌结构, 传感器诊断 |
快速、可靠与功耗、噪音、成本存在平衡 |
与PEPS(无钥匙进入启动)系统的安全认证联动 |
是防盗和整车安全的重要组成部分, 失效可能导致车辆无法转向或行驶中锁死。 |
必须满足ASIL等级(通常为B或C)要求。 |
寿命循环测试, 模拟电源波动、振动下的功能测试。 |
汽车安全, 机电一体化, 功能安全 |
|
CAR2-46 |
L2: 部件 (电子控制制动主缸) |
液-机-电参数 |
主缸活塞位移-压力特性线性度与迟滞 |
在制动踏板模拟器作用下, 主缸活塞位移 |
|
无单位, bar |
CAR2-10, CAR2-34, CAR3-17, CAR5-21 |
主缸缸径与密封, 弹簧特性 |
高线性度、低迟滞与密封摩擦力、成本存在平衡 |
踏板模拟器的力-位移特性 |
是线控制动系统实现精准压力控制和平踏板感的基础。 |
需对主缸进行高精度的标定和补偿。 |
在制动主缸测试台上, 测量位移-压力特性曲线。 |
液压制动, 精密测量, 控制工程 |
|
CAR2-47 |
L2: 部件 (车顶激光雷达集成模块) |
气动-噪声-热参数 |
车顶集成模块的风阻增量与风噪频谱峰值 |
加装车顶激光雷达模块后, 整车风阻系数 |
|
无单位, dB(A) |
CAR0-5, CAR0-13, CAR2-1, CAR4-12 |
模块外型设计, 与车顶衔接处的平滑度 |
低风阻、低风噪与传感器视场、清洗维护需求存在矛盾 |
计算流体力学仿真与风洞测试 |
是保证车辆续航、NVH性能, 同时实现传感器高性能布置的综合优化结果。 |
需在造型设计阶段就进行空气动力学和声学仿真。 |
风洞测试测量 |
空气动力学, 气动声学, 计算流体力学 |
|
CAR2-48 |
L2: 部件 (生物识别方向盘) |
生-电-安全参数 |
电容式心率检测信噪比与身份识别误识率 |
通过方向盘上的电容电极检测驾驶员心率信号, 信号幅度 |
|
dB, 百分比 |
CAR0-19, CAR2-40, CAR3-28, CAR5-51 |
电极材料与面积, 皮肤接触阻抗变化, 识别算法 |
高信噪比、高识别精度与方向盘的造型、材质、佩戴手套的适应性存在矛盾 |
驾驶员档案与个性化设置联动 |
用于无感身份识别、启动车辆及持续健康监测, 提升便利性和安全性。 |
需解决手部出汗、干燥、不同握姿对识别的影响。 |
招募志愿者测试心率检测准确性, 进行大规模身份识别测试。 |
生物识别, 生理信号检测, 人机交互 |
|
CAR2-49 |
L2: 部件 (电子声学警报系统) |
声-安全-法规参数 |
车辆低速行进提示音 (AVAS) 的声压级频谱与方向性 |
根据法规(如EU 540/2014, GB), AVAS在车辆前方2米处发出的声压级 |
满足法规要求(如56-75 dB(A)), 方向性明显 |
dB(A), 无单位 |
CAR0-13, CAR2-37, CAR3-104, CAR5-39 |
扬声器布置与数量, 声音合成算法 |
满足法规、有效警示与噪声污染、品牌声学标识的平衡 |
与车辆状态(前进/后退、车速)的智能关联 |
是电动汽车满足法规、保护行人安全的必备系统。 |
声音需独特、可识别, 但不令人反感。 |
在半消声室中, 按照法规要求测量声压级频谱和方向性。 |
声学工程, 汽车法规, 行人安全 |
|
CAR2-50 |
L2: 部件 (热管理集成阀体) |
流-热-控制参数 |
多通阀的流道切换泄漏率与压力损失系数 |
在阀芯切换到位后, 非导通流道之间的内部泄漏流量 |
|
L/h, bar/(L/h)² |
CAR0-54, CAR2-38, CAR3-25, CAR5-92 |
阀芯与阀座密封设计, 流道几何形状 |
零泄漏、低压损与阀体尺寸、制造成本存在矛盾 |
系统级的流阻匹配与仿真 |
是实现复杂热管理系统(如多热源耦合)模式切换的核心部件, 其性能影响系统效率和可靠性。 |
需进行高低温下的泄漏测试和流量-压降测试。 |
专用测试台, 测试不同阀位下的泄漏和压降。 |
流体控制, 阀门设计, 热管理系统 |
|
CAR1-38 |
L1: 决策规划子系统 |
伦理-量化参数 |
在不可避免伤害场景下的不同伦理准则代价函数值差异 |
在经典的“电车难题”变体中, 比较采用“功利主义”(最小化总伤害)、“义务论”(遵守规则/权利)等不同伦理准则时, 规划器计算出的最优轨迹所对应的代价函数值 |
差异可量化, 用于分析和透明度 |
无单位 |
CAR0-1, CAR1-10, CAR1-24, CAR1-31 |
伦理准则的形式化, 伤害严重度量化 |
不同伦理准则在极端场景下必然导致不同的、有争议的决策 |
可解释的决策日志与事后审计 |
是自动驾驶伦理研究的核心, 旨在使系统决策透明、可解释, 并符合社会价值观。 |
需在仿真中构建伦理困境场景库, 测试和比较系统决策。 |
在伦理困境仿真中运行规划器, 记录并比较不同准则下的决策输出和代价。 |
机器伦理, 道德哲学, 决策理论, 可解释AI |
|
CAR1-39 |
L1: 感知子系统 |
不确定性-传播参数 |
从像素级不确定性到目标级运动状态不确定性的传递模型 |
建立从图像分割或检测的像素级概率分布 |
模型准确, 不确定性膨胀可控 |
概率分布 |
CAR1-7, CAR1-9, CAR1-32 |
感知与跟踪算法链, 运动模型, 时间同步 |
精确的不确定性传递与计算复杂性、实时性存在矛盾 |
端到端的概率深度学习模型 |
是实现真正概率性感知融合和风险意识决策的关键理论环节。 |
可能需要采用变分推断、蒙特卡洛 dropout 等技术。 |
在仿真或标注真值的数据集上, 比较预测的不确定性分布与实际误差分布。 |
概率机器人学, 贝叶斯滤波, 不确定性量化 |
|
CAR1-40 |
L1: 控制子系统 |
容错-控制参数 |
执行器部分失效后的控制重分配策略有效度 |
当某个执行器(如单个车轮制动器)失效或性能降级时, 控制系统通过重分配控制指令(如利用差动制动、转向补偿)来维持车辆稳定性和跟踪性能的能力。 用失效后的性能指标(如跟踪误差)与完全正常时的比值 |
|
无单位 |
CAR0-1, CAR0-34, CAR1-4, CAR2-10, CAR2-11 |
执行器冗余度, 故障诊断速度, 控制分配算法 |
高有效度与系统硬件成本、控制算法复杂度强相关 |
准确的故障诊断与隔离 (CAR0-22) |
是提升系统功能安全, 实现“跛行回家”或维持部分性能的关键。 |
需在设计阶段就考虑执行器冗余和控制分配策略。 |
在硬件在环平台或实车上, 注入执行器故障, 测试车辆响应和控制效果。 |
容错控制, 控制分配, 车辆动力学 |
|
CAR1-41 |
L1: 电源管理子系统 |
架构-韧性参数 |
分区供电架构中单点故障的负载转移成功率 |
当某个区域供电模块(如Zone Controller)发生故障时, 其供电的关键负载能够被相邻或备用供电模块成功接管并恢复供电的比例 |
|
百分比 |
CAR0-1, CAR1-15, CAR1-21, CAR1-28 |
供电网络拓扑, 负载优先级与隔离, 故障检测与切换逻辑 |
高成功率与供电网络复杂度、线束成本、重量增加相关 |
智能的负载管理 (CAR1-18) |
是新一代域集中/区域架构(Zonal Architecture)中保证供电可靠性和功能安全的核心。 |
需对供电网络进行详细的FMEA和仿真分析。 |
在电源网络测试台上, 模拟各供电模块故障, 测试负载转移和恢复情况。 |
电力系统架构, 故障容错, 汽车电气 |
|
CAR0-91 |
L0: 整车级 |
性能-社会技术 |
自动驾驶系统行为可预测性评分(由其他道路使用者评价) |
通过调查或实验, 让行人、骑行者、其他驾驶员观察并评价自动驾驶车辆的行为(如变道、让行)是否符合预期、易于理解。 计算平均可预测性评分 |
|
分数 |
CAR0-35, CAR1-4, CAR1-10, CAR2-49 |
决策算法的拟人化程度, 外部交互信号(灯光、声音)的清晰度 |
高度优化(高效)的行为可能与人类普遍预期不一致 |
车外交互显示与通信 (CAR2-49) |
是提升自动驾驶社会接受度、减少误解和冲突的关键, 有助于混合交通流的安全。 |
需在自然驾驶环境中进行大规模实车测试和用户调研。 |
安排跟车、交叉路口等场景, 由外部观察员或驾驶员填写问卷评分。 |
人因工程, 交通心理学, 社会机器人学 |
|
CAR0-92 |
L0: 整车级 |
法规-责任 |
产品责任保险的预期保费率与事故责任划分比例模型 |
基于系统的安全性能(如CAR0-7, CAR0-15)、网络安全水平、ODD限制等因素, 保险公司预估的年度保费率 |
|
百分比, 模型 |
CAR0-1, CAR0-7, CAR0-15, CAR0-30, CAR0-80 |
历史事故数据, 法规对责任的规定, 企业风险管理 |
低保费率与系统高性能、高安全性、低风险强相关 |
完善的数据记录与事故重建能力 (CAR1-16) |
是影响产品总拥有成本(CAR0-30)和消费者购买决策的重要因素, 也反映行业对系统风险的评估。 |
需与保险公司合作, 基于详实的数据进行精算分析。 |
基于仿真和早期车队数据, 与保险公司协商确定模型和费率。 |
保险精算, 产品责任法, 风险管理 |
|
CAR0-93 |
L0: 整车级 |
功能-场景 |
对“鬼探头”场景的探测-决策-执行总时间余量 |
从行人/自行车从视野盲区(如停靠的公交车前)突然出现, 到系统完成检测、确认、决策制动, 并使车辆减速到避免碰撞或减轻碰撞的速度, 这一全过程所用时间 |
|
s |
CAR0-2, CAR0-52, CAR1-1, CAR1-4, CAR2-1 |
传感器布局与融合性能, 决策算法的紧急程度, 制动系统响应 |
更长的安全余量与系统的激进程度、对正常交通流的干扰存在矛盾 |
基于V2X的弱势交通参与者预警 |
是衡量系统应对最危险、最不可预测场景能力的终极考验之一。 |
需在测试场精确复现此类场景, 并使用假人进行测试。 |
在测试场布置标准“鬼探头”场景, 使用高速摄像机和数据记录仪测量各阶段时间和最终结果。 |
主动安全, 场景测试, 人因工程, 系统响应分析 |
|
CAR0-94 |
L0: 整车级 |
网络安全 |
供应链攻击面评分与关键部件软件物料清单 (SBOM) 完备率 |
对Tier1/Tier2供应商的软件开发环境、代码交付、生产流程等进行安全评估, 得出的攻击面综合评分 |
|
分数, 百分比 |
CAR0-16, CAR0-45, CAR0-62, CAR0-74, CAR0-80 |
供应商安全管理水平, 软件成分分析工具 |
完全的透明度和控制与供应链效率、商业机密保护存在张力 |
安全的软件更新与漏洞管理流程 |
是应对SolarWinds等高级供应链攻击的关键防御措施, 也是R155和R156的隐含要求。 |
需将网络安全要求写入供应商合同, 并定期进行审计。 |
第三方安全审计, 使用SCA工具扫描交付的软件并核对SBOM。 |
供应链安全, 软件成分分析, 网络安全治理 |
|
CAR0-95 |
L0: 整车级 |
制造-质量 |
整车下线 (EOL) 自动驾驶功能自检通过率与平均耗时 |
在总装线末端, 对自动驾驶相关传感器、控制器、网络、执行器进行自动化自检(如通讯测试、传感器标定验证、执行器动作测试)的首次通过率 |
|
百分比, 分钟 |
CAR0-22, CAR0-47, CAR0-58, CAR2-7 |
产线测试设备精度与可靠性, 车辆状态稳定性 |
高通过率、短耗时与测试的完备性存在矛盾 |
模块化的测试程序和快速的故障诊断引导 |
直接影响生产节拍和直通率, 是量产质量控制和效率的关键。 |
需设计高效、非侵入式的自动化测试方案。 |
统计生产线数据, 监控 |
制造测试, 质量控制, 工业工程 |
|
CAR0-96 |
L0: 整车级 |
人机交互-安全 |
多模态(视觉+听觉+触觉)紧急报警的驾驶员认知反应时间 |
在模拟紧急场景(如前车突然制动)下, 系统同时发出强视觉闪烁(HUD)、高音量警报音和方向盘剧烈振动时, 驾驶员从报警开始到脚部离开加速踏板(或开始踩制动)的平均反应时间 |
|
s |
CAR0-9, CAR0-70, CAR2-20, CAR2-35, CAR2-37 |
报警刺激的显著性, 驾驶员状态 |
多模态叠加可能带来更好的警觉性, 但也可能造成惊吓或信息过载 |
分级的报警策略 (CAR0-79) |
是优化人机交互、确保紧急情况下驾驶员能最快感知并采取行动的关键研究。 |
需在驾驶模拟器中进行大量受试者实验, 校准最佳的多模态组合。 |
驾驶模拟器实验, 记录不同报警模式下的驾驶员生理信号和操作反应时间。 |
人因工程, 认知心理学, 多模态交互, 警报设计 |
|
CAR0-97 |
L0: 整车级 |
成本-可持续 |
自动驾驶系统硬件在整车报废时的可拆卸性与材料价值回收率 |
评估计算平台、传感器等核心硬件模块在车辆报废时, 能否被相对容易地拆卸(螺丝固定 vs. 结构胶粘接)以便于分类回收。 可回收材料(如金属、电路板)的预计质量价值占总硬件成本的比例 |
易于拆卸, |
百分比 |
CAR0-30, CAR0-50, CAR0-67, CAR2-7 |
硬件模块的安装方式, 连接器类型, 材料标识 |
易于拆卸设计与整车集成度、NVH、成本可能存在矛盾 |
生态设计指南与模块化架构 |
是循环经济和可持续发展在产品设计阶段的具体体现, 影响产品的全生命周期环保表现。 |
需采用模块化设计, 减少粘接, 增加卡扣和标准螺丝连接, 并标注材料类型。 |
与回收商合作进行拆解实验, 评估拆卸工时和材料分离难度。 |
循环经济, 可拆卸设计, 可持续制造 |
|
CAR0-98 |
L0: 整车级 |
功能-场景 |
在无车道线道路(如乡村土路)上的路径保持能力 |
在缺乏清晰车道标识的道路上, 系统基于可通行区域感知, 维持车辆在道路中间行驶的能力。 用车辆中心线相对于感知到的道路中心线的横向位置误差 |
|
m |
CAR1-1, CAR1-4, CAR1-12, CAR2-1, CAR2-3 |
对非结构化环境的感知与理解, 路径生成算法 |
在无车道线道路上的性能与依赖高精地图/清晰车道线的系统架构存在矛盾 |
视觉SLAM与局部路径规划 |
是扩展系统ODD, 提升其在全球范围(尤其发展中国家)适用性的重要能力。 |
需在训练数据中包含大量无车道线道路场景。 |
在封闭的模拟乡村/越野道路测试场进行测试。 |
越野机器人学, 计算机视觉, 路径规划 |
|
CAR0-99 |
L0: 整车级 |
性能-统计 |
自动变道辅助功能的变道发起位置分布合理性 |
统计系统在高速公路发起变道时, 自车与目标车道前后车的相对距离 |
分布合理, 符合安全模型 |
m |
CAR0-59, CAR1-1, CAR1-5, CAR1-10 |
交通流预测准确性, 风险评估模型, 乘客舒适性设置 |
激进的变道(小间隙)与高安全性、高舒适性存在矛盾 |
驾驶员个性化设置(激进/保守模式) |
反映系统在动态交通流中的决策“风格”和安全性, 是影响用户体验和交通流效率的关键。 |
需通过大规模自然驾驶数据学习人类变道行为, 或基于明确的安全模型。 |
分析实车路测数据, 绘制变道发起位置的 |
交通流理论, 驾驶行为建模, 统计评估 |
|
CAR0-100 |
L0: 整车级 |
法规-认证 |
预期功能安全 (SOTIF) 认证的剩余风险评估报告接受度 |
在SOTIF流程末期, 企业提交的关于系统已知不足和剩余风险的报告, 其中对风险可接受性的论证逻辑 |
论证被认可, 风险被判定为可接受 |
等级 |
CAR0-1, CAR0-15, CAR0-29, CAR0-73, CAR0-80 |
危害分析与风险评估深度, 验证与确认的充分性, 安全论据的结构 |
极低的剩余风险与功能范围、系统复杂性、开发成本存在根本性权衡 |
持续的安全监控与更新 |
是获得SOTIF相关型式认证(如UN草案)的关键, 标志着对未知场景的系统性管理得到了监管认可。 |
需构建严谨、可追溯的安全论据, 并明确安全监控和更新策略。 |
认证机构审查SOTIF安全案例(包括场景库、测试报告、风险评估等)。 |
预期功能安全, 安全案例, 认证工程, 论证理论 |
|
CAR6-12 |
L6: 原子/分子级 |
界面-电化参数 |
固体电解质界面膜 (SEI) 的锂离子扩散系数与电子电导率 |
在负极表面形成的SEI膜中, 锂离子的化学扩散系数 |
|
cm²/s, S/cm |
CAR5-43, CAR5-52, CAR5-54, CAR6-122, CAR6-145 |
电解液成分, 化成工艺, 温度 |
高离子电导、低电子电导是理想SEI的特性, 但常互相矛盾 |
先进的电解液添加剂 |
是决定锂离子电池首次效率、循环寿命和安全性的最关键界面之一, 其性质复杂且动态变化。 |
需通过先进的表征手段(如原位AFM, XPS)研究其形成与演化。 |
电化学阻抗谱结合模型拟合, 或使用阻塞电极测试电子电导。 |
电化学界面, 固态离子学, 电池材料 |
|
CAR6-13 |
L6: 原子/分子级 |
光-物质作用 |
量子点荧光材料的斯托克斯位移与荧光量子产率 |
吸收谱峰值波长 |
|
nm, 百分比 |
CAR5-23, CAR5-31, CAR6-83, CAR6-146 |
量子点尺寸与成分, 表面配体 |
大斯托克斯位移、高量子产率与材料稳定性、低成本合成存在挑战 |
色彩转换膜设计 |
用于量子点显示背光或直接发光显示, 提升色域和能效, 是车载高端显示的潜在技术。 |
需解决高温、高湿、蓝光照射下的老化问题。 |
荧光光谱仪测量吸收和发射光谱, 积分球测量子产率。 |
纳米光子学, 量子点, 发光材料, 光物理 |
|
CAR2-51 |
L2: 部件 (电机旋变信号调理板) |
电-磁-精度参数 |
励磁信号正弦波失真度与差分接收共模抑制比 |
供给旋转变压器励磁绕组的正弦波信号的总谐波失真 |
|
百分比, dB |
CAR3-13, CAR3-18, CAR5-37, CAR6-15 |
励磁驱动电路设计, 接收放大器性能 |
低失真、高CMRR与电路复杂性和成本相关 |
旋变本身的信号质量 (CAR3-13) |
是保证高精度位置解码(CAR3-18)的前端模拟电路基础, 劣化会直接引入角度误差。 |
需采用低噪声运放和精密的电阻电容网络。 |
示波器+FFT分析励磁波形THD, 注入共模信号测试输出变化。 |
模拟电路设计, 信号完整性, 精密测量 |
|
CAR2-52 |
L2: 部件 (车内摄像头红外截止滤光片) |
光-热参数 |
截止边缘斜率与温度漂移系数 |
透射率从高(可见光区)降到低(红外区)的波长间隔 |
|
nm, nm/°C |
CAR2-3, CAR2-15, CAR5-2, CAR5-23, CAR6-147 |
干涉膜系设计, 基片材料 |
陡峭的边缘、低温度漂移与镀膜工艺难度、成本相关 |
图像传感器的光谱响应 (CAR3-6) |
防止红外光干扰可见光成像的色彩还原, 其温度稳定性影响摄像头在全温下的白平衡一致性。 |
需选用温度稳定性好的玻璃基板和优化膜系设计。 |
高低温光谱测量系统, 测量不同温度下的透射光谱曲线。 |
光学薄膜, 热光学效应, 色彩科学 |
|
CAR2-53 |
L2: 部件 (电子稳定控制器横摆角速度传感器) |
惯性-安全参数 |
传感器自诊断覆盖率与故障注入测试响应时间 |
传感器内部对信号链(如MEMS结构、ASIC)进行周期性自检的覆盖率 |
|
百分比, ms |
CAR0-1, CAR0-22, CAR2-8, CAR3-9 |
内置自测试电路设计, 与ESP控制器的通信协议 |
高诊断覆盖率、快速响应与传感器芯片面积、功耗相关 |
ESP控制器的安全监控 |
是满足功能安全对传感器诊断要求的核心, 确保关键稳定性控制信号的可靠性。 |
传感器需支持主动和被动安全状态下的自诊断。 |
按照ISO 26262要求进行故障注入测试, 验证诊断覆盖率和响应。 |
功能安全, 传感器诊断, 故障注入测试 |
|
CAR2-54 |
L2: 部件 (智能前大灯) |
光-控-安全参数 |
自适应远光系统的防眩目区域生成精度与切换速度 |
能够精确识别对向/同向车辆轮廓, 并形成与之匹配的、照度被大幅降低的“暗区”的轮廓精度 |
|
像素, ms |
CAR0-9, CAR1-1, CAR2-3, CAR3-71, CAR5-148 |
摄像头分辨率与算法, 像素式/矩阵式LED灯控 |
高精度、快速切换与系统成本、复杂性强相关 |
基于导航的弯道照明辅助 |
提升夜间行车安全性和文明度, 是重要的主动安全与舒适功能。 |
需满足相关法规(如ECE R149, SAE J3069)的要求。 |
在暗室中, 使用车辆目标模拟器, 测试暗区生成效果和切换时间。 |
照明技术, 计算机视觉, 主动安全 |
|
CAR2-55 |
L2: 部件 (车载无线充电板) |
电-磁-热-安全参数 |
异物检测 (FOD) 灵敏度与充电效率-温升曲线 |
能够检测并停止充电的金属异物(如硬币、回形针)的最小尺寸/质量 |
|
g, %, °C |
CAR0-6, CAR0-13, CAR3-117, CAR5-149 |
检测线圈与算法, 电磁耦合设计, 散热设计 |
高灵敏度、高效率、低温升与成本、充电板厚度存在矛盾 |
与手机的双向通信(如Qi Extended Power Profile) |
是影响用户体验、安全和能效的关键, 需解决充电发热和异物可能引发的安全隐患。 |
需遵循Qi等无线充电标准, 并通过严格的安全和能效认证。 |
使用标准异物测试工具测试FOD, 功率分析仪和热像仪测试效率和温升。 |
无线充电, 电磁感应, 异物检测, 热管理 |
|
CAR1-42 |
L1: 感知子系统 |
算法-效率参数 |
神经网络模型在目标硬件上的每秒帧数-功耗曲线 |
在指定的车载计算平台(如CAR2-7)上, 运行感知神经网络模型(如目标检测), 其处理速度 |
在满足最低 |
FPS, W |
CAR0-5, CAR1-1, CAR2-7, CAR3-14 |
模型复杂度, 硬件算力与能效, 内存带宽 |
高精度(大模型)与高帧率、低功耗存在根本矛盾 |
硬件-软件协同优化, 模型压缩与量化 |
是平衡感知性能与系统能耗、热管理的核心, 直接影响车型的续航和成本。 |
需针对目标硬件进行模型架构搜索和量化训练。 |
在目标计算平台上部署模型, 测量不同工作负载(分辨率、batch size)下的FPS和功耗。 |
深度学习, 模型优化, 硬件加速, 能效分析 |
|
CAR1-43 |
L1: 定位子系统 |
完好性-可用性参数 |
在复杂城区环境下的定位可用性衰减因子 |
在高层建筑、高架桥密集的城区(“城市峡谷”), 由于GNSS信号遮挡和多路径, 系统能够获得满足精度和完好性要求的定位解的时间百分比 |
|
百分比 |
CAR1-3, CAR1-8, CAR1-25, CAR2-9, CAR2-30 |
多星座GNSS性能, 惯性导航辅助, 地图匹配 |
在复杂环境下维持高可用性与系统成本、算法复杂性强相关 |
基于激光雷达/视觉的定位 |
是保证自动驾驶功能在城区连续可用的关键挑战。 |
需采用紧耦合的GNSS/INS/视觉/激光雷达多源融合定位方案。 |
在典型城市峡谷路线进行长时间实车测试, 统计定位可用性和精度。 |
城市导航, 多传感器融合, 完好性 |
|
CAR1-44 |
L1: 控制子系统 |
学习-自适应参数 |
基于强化学习的驾驶员风格模仿控制器收敛后的策略稳定性 |
通过模仿学习或逆强化学习从人类驾驶数据中学习控制策略, 在仿真环境中训练至收敛后, 策略在长期运行中是否会出现性能退化或产生危险动作的概率 |
|
概率 |
CAR1-4, CAR1-27, CAR0-99 |
状态-动作空间设计, 奖励函数, 探索策略 |
强大的学习能力与策略的可解释性、安全性验证存在矛盾 |
安全防护层(如基于模型的控制器) |
是实现高度拟人化、个性化驾驶风格的新途径, 但其安全性和稳定性是最大挑战。 |
需与传统的基于模型的控制器结合, 或采用安全强化学习框架。 |
在包含大量边缘案例的仿真场景库中, 对学习到的策略进行长期压力测试和形式化验证。 |
强化学习, 模仿学习, 控制理论, 可验证AI |
|
CAR0-101 |
L0: 整车级 |
系统-韧性 |
在部分感知失效(如一个摄像头被遮挡)后的功能降级曲线 |
定义当某个或某类传感器失效时, 系统性能(如目标检测召回率、功能可用最高车速)随失效传感器数量或类型变化的函数关系 |
降级平缓, 保留核心安全功能 |
函数 |
CAR0-1, CAR0-10, CAR1-1, CAR1-30 |
传感器冗余配置, 融合架构鲁棒性 |
平缓的降级曲线与传感器配置成本、系统复杂度强相关 |
动态的传感器置信度管理与功能安全概念 |
是衡量系统在部分硬件故障下的生存能力和安全性的重要指标, 体现“优雅降级”能力。 |
需在系统设计阶段就定义清晰的不同失效模式下的降级策略。 |
在仿真和实车中, 模拟遮挡或关闭特定传感器, 测试系统性能变化。 |
系统韧性, 故障容错, 功能安全 |
|
CAR0-102 |
L0: 整车级 |
成本-质量 |
软件二进制交付物的重复构建一致性哈希验证 |
对同一份源代码, 在相同的构建环境(编译器版本、库版本等)下, 进行多次独立构建, 生成的二进制可执行文件的哈希值 |
|
百分比 |
CAR0-21, CAR0-45, CAR0-62, CAR0-94 |
构建环境的确定性和版本控制 |
二进制一致性是可重复构建、安全审计和OTA可靠性的基础 |
安全的软件供应链与物料清单 (SBOM) |
是保证软件质量、安全性和OTA升级可靠性的基石, 不一致可能导致难以调试的现场问题。 |
需实现完全自动化的、确定性的构建流水线。 |
在独立的构建服务器上, 对同一版本代码进行多次构建, 比较输出文件的哈希值。 |
软件工程, 持续集成/持续部署, 信息安全 |
|
CAR0-103 |
L0: 整车级 |
功能-场景 |
对特种车辆(如警车、救护车)的优先通行识别与响应 |
系统能够通过视觉(识别顶灯、涂装)或V2X(接收优先通行消息)识别正在执行任务的特种车辆, 并采取安全、合规的避让动作(如变道、靠边)的成功率 |
|
百分比 |
CAR1-1, CAR1-17, CAR2-3, CAR2-19 |
感知算法对特种车辆的识别, V2X消息接收与解析, 交通规则理解 |
准确识别、正确响应与避免误响应(如对民用类似涂装)存在挑战 |
高精地图中标注的特殊路段(如应急车道) |
是自动驾驶车辆融入现有社会应急体系, 体现社会责任的必要能力。 |
需在训练数据中包含各国特种车辆样本, 并遵循当地交通法规。 |
在测试场使用模拟特种车辆, 测试系统的识别和响应行为。 |
交通法规, 车路协同, 社会机器人学 |
|
CAR0-104 |
L0: 整车级 |
人机交互-安全 |
增强现实导航中虚拟标志的深度冲突诱发晕动症概率 |
由于虚拟标志的投影距离 |
|
百分比 |
CAR0-64, CAR2-20, CAR3-71 |
AR-HUD光学设计, 虚拟标志的深度暗示, 车辆运动平顺性 |
强烈的沉浸感与视觉舒适性存在潜在冲突 |
个性化的AR显示设置(如标志大小、亮度、位置) |
是影响AR-HUD用户体验和接受度的关键人因问题, 需在设计中加以避免。 |
需进行大量驾驶员在环测试, 评估不同人群的舒适度。 |
在驾驶模拟器或实车中, 让受试者体验不同设计的AR导航, 填写晕动症问卷(如SSQ)。 |
人因工程, 视觉感知, 增强现实, 晕动症研究 |
|
CAR0-105 |
L0: 整车级 |
法规-环保 |
自动驾驶测试车辆道路测试许可的累计里程与事故率门槛 |
监管部门向企业发放公开道路测试牌照时, 要求企业在封闭场地或模拟环境中累计的虚拟或实际测试里程 |
满足当地监管部门要求(如加州DMV, 中国路测规范) |
km, 次/km |
CAR0-15, CAR0-29, CAR0-42, CAR0-73 |
仿真测试能力, 封闭场地测试结果, 安全员培训 |
高里程、低事故率要求是进入下一阶段(如载人测试、无安全员)的必要条件 |
影子模式与数据采集 |
是自动驾驶技术从研发走向商业化应用的法规准入门槛, 体现了监管的审慎。 |
需建立完善的测试数据记录、分析和报告体系。 |
向监管机构提交测试计划、安全报告和阶段性数据。 |
自动驾驶法规, 测试与验证, 安全评估 |
|
CAR2-56 |
L2: 部件 (电子涡轮增压器) |
机-电-热参数 |
电机助力响应延迟与最高工作温度 |
从控制单元发出扭矩请求到电机输出目标扭矩的延迟 |
|
ms, °C |
CAR0-11, CAR2-31, CAR3-118, CAR5-150 |
电机与功率电子集成, 轴承冷却技术 |
快速响应、耐高温与系统成本、可靠性存在挑战 |
与传统废气涡轮的协同控制 |
用于减少涡轮迟滞, 提升发动机低转速响应和效率, 是混合动力的关键技术。 |
需解决高温对电机永磁体和电子元件的挑战。 |
台架测试, 测量扭矩阶跃响应和热平衡温度。 |
涡轮增压, 电机控制, 高温电子 |
|
CAR2-57 |
L2: 部件 (雨量/光强感应器) |
光-电-环境参数 |
对前挡风玻璃上水滴的散射光检测灵敏度与抗前车溅水干扰能力 |
检测到最小雨滴(如直径0.5mm)并触发刮水器动作的灵敏度阈值 |
|
等级, 等级 |
CAR0-38, CAR2-32, CAR3-119, CAR5-151 |
LED与光电二极管布局, 光学窗口清洁度, 信号处理算法 |
高灵敏度与抗干扰、防误触发存在经典平衡 |
基于导航的天气信息预判 |
实现自动雨刮, 是基本的舒适性功能, 其可靠性影响驾驶员视线和体验。 |
需适应不同的玻璃类型和贴膜。 |
在环境模拟舱中喷洒不同大小的水滴模拟降雨, 并模拟前车溅水场景进行测试。 |
光学传感, 环境感知, 信号处理 |
|
CAR2-58 |
L2: 部件 (48V电池管理系统) |
电-安全参数 |
48V系统绝缘电阻监测精度与负载突降保护阈值 |
对48V电气系统(相对于车身地)的绝缘电阻 |
|
百分比, V |
CAR1-15, CAR1-28, CAR2-25, CAR4-22 |
监测电路设计, 保护器件(如TVS)选型 |
高精度、可靠保护与系统成本、复杂性相关 |
12V与48V网络间的能量管理与故障隔离 |
是48V轻混系统安全运行的基础, 绝缘故障和负载突降是主要风险。 |
需满足LV 148等针对48V系统的安全标准。 |
在测试台上模拟绝缘故障和负载突降, 测试监测和保护功能。 |
低压电气安全, 电池管理, 电路保护 |
|
CAR2-59 |
L2: 部件 (车内手势识别传感器) |
光-机-交互参数 |
有效识别区域与手势动作识别延迟 |
在车厢内三维空间中, 能够稳定识别手势动作的有效空间体积 |
|
m³, ms |
CAR0-35, CAR0-88, CAR3-120, CAR5-152 |
传感器类型(ToF, 结构光), 算法鲁棒性 |
大识别区域、低延迟与抗环境光干扰、防误触发存在矛盾 |
清晰的视觉反馈(如中控屏光标跟随) |
作为触摸和语音的补充, 提供更自然的人机交互, 但需防止行驶中分散注意力。 |
需定义有限的、易于记忆且不易误触发的手势集。 |
在真实车厢内, 让不同体型的测试者执行标准手势集, 统计识别成功率和延迟。 |
人机交互, 计算机视觉, 手势识别 |
|
CAR2-60 |
L2: 部件 (电动伸缩门把手) |
机-电-环境参数 |
伸出/缩回力与冰载破冰力 |
门把手在正常条件下伸出的驱动力 |
|
N |
CAR0-38, CAR2-42, CAR3-121, CAR5-33 |
电机扭矩与减速机构, 结构强度 |
优雅的弹出动作与强大的破冰能力、低功耗存在设计矛盾 |
门把手加热功能 |
提升车身整体感和空气动力学, 但需保证在严寒等恶劣环境下的可靠性。 |
需进行高低温、淋雨、结冰等环境耐久测试。 |
拉力计测试弹出力, 在低温箱中将门把手冻结后测试破冰功能。 |
机电一体化, 汽车外饰, 环境适应性 |
|
CAR3-40 |
L3: 模块 (电池内部短路检测IC) |
电-化-安全参数 |
对微短路引起的电压微降检测灵敏度与响应时间 |
能够检测到因电池内部微短路导致的单电芯电压 |
|
mV, s |
CAR0-7, CAR2-25, CAR3-27, CAR5-54 |
ADC分辨率与采样率, 背景噪声滤波算法 |
高灵敏度与抗噪声干扰、防误报存在矛盾 |
基于电压、温度、膨胀等多参数融合的早期预警 |
是防止电池热失控的关键早期预警技术, 能在严重短路发生前识别风险。 |
需采用高精度的电压监测和先进的模式识别算法。 |
在实验电池中植入可控的微短路电阻, 测试IC的检测能力。 |
电池安全, 故障诊断, 电化学 |
|
CAR3-41 |
L3: 模块 (座椅按摩气泵) |
流体-声参数 |
多气囊独立充放气控制精度与作动噪音频谱 |
对每个按摩气囊, 目标压力 |
|
kPa, dB(A) |
CAR0-13, CAR3-19, CAR3-122, CAR5-70 |
气泵与阀的选型, 消音设计, 控制算法 |
精确控制、低噪音与系统成本、按摩强度存在平衡 |
个性化的按摩程序与座椅其他舒适功能联动 |
是高端座舱舒适性的重要组成部分, 噪音影响静谧性体验。 |
按摩程序需避免长时间压迫同一部位, 造成不适。 |
压力传感器测试气囊压力, 在半消声室测试噪音。 |
流体控制, 声学, 人机工程 |
|
CAR3-42 |
L3: 模块 (车载千兆以太网物理层收发器) |
电-电磁参数 |
回波损耗与远/近端串扰抑制 |
在1000BASE-T1标准下, 收发器接口的反射损耗 |
|
dB |
CAR0-25, CAR0-26, CAR2-22, CAR4-3, CAR4-20 |
芯片内部均衡与回波消除, 外部共模扼流圈 |
高性能与低功耗、低成本存在平衡 |
优化的PCB布局与连接器选型 |
是车载以太网骨干网信号质量的基础, 劣化会导致高误码率和通信失败。 |
需严格遵循OPEN Alliance等组织的物理层测试规范。 |
使用网络分析仪和一致性测试套件进行物理层测试。 |
有线通信, 信号完整性, 以太网 |
|
CAR3-43 |
L3: 模块 (方向盘离手检测电容传感器) |
电-安全参数 |
电容变化检测分辨率与抗环境(温湿度)干扰能力 |
能够分辨的最小电容变化 |
|
pF, 无单位 |
CAR0-9, CAR0-19, CAR2-11, CAR3-28 |
电极设计, 检测电路, 自适应校准算法 |
高分辨率、强抗干扰与硬件成本、算法复杂度相关 |
与扭矩传感器的冗余检测 |
是L3级自动驾驶判断驾驶员接管准备状态的关键传感器, 其可靠性直接影响功能安全。 |
需满足ASIL等级要求, 通常为B或C。 |
在高低温湿热箱内, 使用模拟手部模型测试检测和抗干扰性能。 |
电容传感, 功能安全, 汽车电子 |
|
CAR4-26 |
L4: 封装 (微机电系统麦克风) |
声-机-电参数 |
声学端口声阻与封装引起的频率响应失真 |
声波进入麦克风振膜的声学路径的声阻 |
声阻匹配, 频响平坦度好 |
Pa·s/m³, dB |
CAR0-13, CAR0-88, CAR3-102, CAR5-39, CAR6-153 |
声学端口几何尺寸, 防尘网, 内部空腔 |
良好的声学性能与小尺寸、高可靠性密封存在矛盾 |
阵列麦克风的波束成形算法 |
用于车内通话降噪、语音助手、主动降噪, 其声学特性影响语音质量和降噪效果。 |
需在封装设计阶段进行声学仿真。 |
耦合腔比较法或自由场比较法测量频响和灵敏度。 |
声学封装, MEMS麦克风, 电声测量 |
|
CAR4-27 |
L4: 互连 (电池包内部高压采样线束) |
热-力-安全参数 |
采样线束在电池模组热膨胀下的应变分布与疲劳寿命 |
电池包在充放电和温度循环中, 模组会发生膨胀/收缩。 通过仿真计算高压采样线束(FPC或导线)在此机械应变 |
应变在材料弹性范围内, 寿命 > 整车寿命 |
无单位, 次 |
CAR0-7, CAR4-11, CAR4-25, CAR5-43, CAR6-124 |
线束布线路径, 固定点设计, 材料柔韧性 |
固定可靠与允许一定的相对位移以释放应力存在矛盾 |
电池包结构设计考虑模组膨胀 |
是高压采样线束在电池包恶劣机械环境下的长期可靠性关键, 断裂会导致BMS失效。 |
需进行热机械仿真, 并可能设计应变释放环。 |
在电池包级别进行温度循环测试, 测试后检查线束通断和绝缘。 |
结构力学, 疲劳分析, 电池包设计 |
|
CAR5-61 |
L5: 材料 (相变储能微胶囊) |
热-化-结构参数 |
胶囊壁厚与机械强度及热循环稳定性 |
包裹相变材料(PCM)的聚合物或无机壁材的厚度 |
|
μm, MPa, 百分比 |
CAR5-6, CAR5-29, CAR6-12, CAR6-40 |
壁材材料与聚合工艺, 芯材与壁材比例 |
薄壁(高储热密度)与高机械 |
-
系统韧性与复杂系统科学:定义在级联故障、极端扰动下的系统恢复力、功能降级轨迹。
-
社会技术系统参数:量化自动驾驶与混合交通流、行人、社会规范的交互质量与风险。
-
生物启发与前沿计算:引入神经形态计算、量子传感、仿生材料等潜在颠覆性技术的参数模型。
-
全生命周期数字孪生:定义用于预测性维护、再制造的虚拟模型保真度与数据同化效率参数。
-
微观失效物理的预测模型:从原子扩散到裂纹萌生的定量预测参数,链接可靠性设计与微观机理。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR5-61 |
L5: 材料 (相变储能微胶囊) |
热-化-结构参数 |
胶囊壁厚与机械强度及热循环稳定性 |
包裹相变材料(PCM)的聚合物或无机壁材的厚度 |
|
μm, MPa, 百分比 |
CAR5-6, CAR5-29, CAR6-12, CAR6-40 |
壁材材料与聚合工艺, 芯材与壁材比例 |
薄壁(高储热密度)与高机械强度、长循环寿命存在矛盾 |
在导热复合材料中的分散均匀性 |
用于电池热管理或座舱温控, 实现高效被动温控, 其机械完整性是关键。 |
需通过加速热循环测试评估长期稳定性。 |
扫描电镜测量壁厚, 微压痕测试强度, 差示扫描量热法循环测试。 |
微胶囊技术, 复合材料, 热物理 |
|
CAR5-62 |
L5: 材料 (磁流变液) |
流变-磁参数 |
零场粘度与饱和磁场下的剪切屈服应力 |
无外加磁场时的基础粘度 |
|
Pa·s, kPa |
CAR2-12, CAR3-123, CAR5-154, CAR6-155 |
磁性颗粒(羰基铁粉)浓度与尺寸, 载液, 添加剂 |
高 |
快速的电磁铁响应与控制算法 |
用于可调阻尼器(磁流变减振器), 实现毫秒级阻尼调节, 是高级悬架的核心功能材料。 |
需解决颗粒沉降、密封和耐久性问题。 |
流变仪配合电磁铁, 测量不同磁场下的流变曲线。 |
智能材料, 流变学, 磁流变效应 |
|
CAR5-63 |
L5: 材料 (硅光子波导) |
光-电参数 |
波导传播损耗与电光调制效率 |
光在集成光波导中传输, 单位长度(如cm)的功率损耗 |
|
dB/cm, V·cm |
CAR4-9, CAR5-1, CAR6-78, CAR6-156 |
硅波导尺寸与表面粗糙度, 掺杂剖面 |
低损耗、高调制效率与CMOS工艺兼容性、紧凑性存在协同优化 |
与激光器、探测器的单片集成 |
是未来车载光互连、激光雷达片上系统(硅光LiDAR)的潜在基础材料平台。 |
需在硅上异质集成III-V族材料作为光源。 |
截断法测损耗, M-Z干涉仪结构测调制效率。 |
集成光子学, 硅光子, 光电子 |
|
CAR5-64 |
L5: 材料 (忆阻器材料) |
电-离子参数 |
高低阻态比值与阻变切换功耗 |
忆阻器器件在低电阻状态 |
|
无单位, pJ |
CAR4-10, CAR6-43, CAR6-157 |
活性金属/氧化物材料体系, 器件尺寸 |
高开关比、低功耗、良好的耐久性与器件一致性存在挑战 |
交叉阵列架构与外围电路 |
用于神经形态计算或新型存储器, 潜在应用于车载AI边缘计算。 |
需解决器件涨落和疲劳特性问题。 |
半导体参数分析仪测量I-V特性曲线, 统计开关参数。 |
忆阻器, 神经形态器件, 非易失性存储器 |
|
CAR5-65 |
L5: 材料 (自修复聚合物) |
力-化参数 |
修复效率与修复触发条件(如温度、光) |
材料损伤(如裂纹)后, 经修复流程, 其力学性能(如强度、韧性)恢复值与原值的百分比 |
|
百分比, °C/nm |
CAR4-6, CAR5-7, CAR5-40, CAR6-158 |
修复剂微胶囊或可逆化学键类型 |
高修复效率、多次修复能力与材料初始性能、成本存在矛盾 |
损伤的自感知与定位 |
用于保险杠、涂层或柔性电路, 提升耐用性和可靠性, 减少维护。 |
需评估修复后材料的长期老化性能。 |
预制裂纹后进行修复, 测试修复前后的力学性能对比。 |
自修复材料, 高分子化学, 智能材料 |
|
CAR4-28 |
L4: 封装 (晶圆级光学元件) |
光-结构参数 |
衍射光学元件 (DOE) 的衍射效率与角度均匀性 |
入射光能量中转入设计级次(通常是+1级)的比例 |
|
百分比 |
CAR2-2, CAR4-16, CAR5-56, CAR6-159 |
光刻与刻蚀工艺精度, 抗反射涂层 |
高衍射效率、大角度均匀性与DOE的复杂度和成本相关 |
与激光器、探测器的集成对准 |
用于固态激光雷达的光束分束、扩散或准直, 是决定系统光学效率的关键元件。 |
需在晶圆级进行严格的光学测试和分选。 |
使用准直激光和功率计搭建测试系统, 测量不同级次的光功率。 |
微纳光学, 衍射光学, 半导体制造 |
|
CAR4-29 |
L4: 互连 (用于高频的接地共面波导) |
电-磁参数 |
特性阻抗公差与介质层厚度均匀性 |
批量生产的GCPW传输线, 其特性阻抗 |
|
Ω, 百分比 |
CAR4-3, CAR4-5, CAR5-5, CAR6-11 |
PCB层压工艺控制, 蚀刻精度 |
严格的阻抗控制与PCB制造成本、良率相关 |
精准的电磁场仿真与设计规则 |
是毫米波雷达、高速SerDes等射频/高速数字信号传输线的质量核心。 |
需采用高精度层压材料和严格控制工艺。 |
时域反射计或矢量网络分析仪测量阻抗, 切片测量介质厚度。 |
微波传输线, PCB工艺, 信号完整性 |
|
CAR3-44 |
L3: 模块 (量子随机数发生器) |
量子-安全参数 |
基于量子过程的随机数生成速率与熵源熵产生率 |
QRNG芯片输出随机二进制位的速率 |
|
bps, bit/s |
CAR0-16, CAR3-10, CAR4-14, CAR6-8 |
量子熵源物理机制, 后处理算法 |
高生成速率、高随机性与芯片尺寸、功耗、成本存在平衡 |
符合AIS-31等随机性测试标准 |
为密码学应用(如密钥生成、数字签名)提供不可预测的真随机数, 是硬件安全的终极熵源。 |
需通过NIST SP 800-90B等严格的随机性测试套件验证。 |
专用随机性测试平台(如Dieharder, NIST测试套件)进行长期统计测试。 |
量子信息, 随机数生成, 密码学, 信息安全 |
|
CAR3-45 |
L3: 模块 (燃料电池空气压缩机) |
流体-机-电参数 |
压比-流量特性曲线与出口空气露点控制精度 |
压缩机出口压力 |
特性曲线匹配电堆需求, |
无单位, °C |
CAR0-5, CAR3-124, CAR5-155, CAR6-160 |
压缩机类型(离心、涡旋), 电机控制, 加湿系统 |
高效率、宽工作范围与尺寸、成本、噪音存在矛盾 |
燃料电池电堆的系统匹配与控制 |
是燃料电池汽车的关键辅助部件, 其性能直接影响电堆效率和寿命。 |
需无油设计, 防止润滑油污染电堆催化剂。 |
压缩机测试台架测量特性曲线, 湿度传感器测试露点控制。 |
流体机械, 燃料电池系统, 控制工程 |
|
CAR3-46 |
L3: 模块 (车内微波生命体征雷达) |
射频-生物-安全参数 |
隐私保护模式下的信号匿名化处理强度 |
在仅需检测生命体征存在性(而不输出精确波形)的隐私模式下, 对原始雷达回波信号进行匿名化处理(如特征提取后丢弃原始数据、加噪)的强度 |
|
等级 |
CAR0-36, CAR0-49, CAR2-23, CAR2-40 |
信号处理算法, 硬件安全隔离 |
高隐私保护与高级生理信号分析(如心律失常检测)存在功能取舍 |
明确的数据处理策略与用户告知 |
平衡生命监测功能与乘员隐私权, 是数据安全设计的重要环节。 |
需在芯片或模块级实现信号的特征提取和匿名化。 |
由安全专家尝试对处理后的信号进行反向工程, 评估重构难度。 |
隐私增强技术, 雷达信号处理, 数据安全 |
|
CAR2-61 |
L2: 部件 (固态电池电芯) |
电-化-安全参数 |
体积能量密度与针刺/热失控测试通过性 |
电芯单位体积存储的能量 |
|
Wh/L, 布尔 |
CAR0-5, CAR0-7, CAR2-25, CAR5-52, CAR5-54 |
正负极材料, 固态电解质, 界面工程 |
高能量密度与本质安全是固态电池的主要目标, 但仍需工程验证 |
电池包的热管理与结构防护 |
是下一代动力电池的终极形态, 有望同时解决续航和安全焦虑。 |
需通过全项滥用性测试和长循环寿命验证。 |
第三方检测机构按照国家标准进行针刺、热箱、过充等测试。 |
固态电池, 电化学, 安全测试 |
|
CAR2-62 |
L2: 部件 (电子可调光玻璃) |
光-电-热参数 |
可见光透过率调节范围与响应时间 |
玻璃在透明态与最深色态之间的可见光透过率 |
范围: 1% ~ 70%, |
百分比, s |
CAR0-13, CAR0-33, CAR2-32, CAR3-125, CAR5-156 |
材料体系(PDLC, SPD, EC), 驱动电压 |
宽调节范围、快速响应、低雾度与功耗、成本、耐久性存在平衡 |
基于环境光与乘客偏好的自动控制 |
用于天幕、侧窗、后视镜, 实现动态遮阳和隐私保护, 提升舒适性与节能。 |
需解决高温高湿下的性能衰减和长期可靠性问题。 |
分光光度计测量不同电压下的透过率光谱, 计时测量切换过程。 |
智能玻璃, 电致变色/悬浮粒子, 光学材料 |
|
CAR2-63 |
L2: 部件 (线控转向路感模拟电机) |
力-控-安全参数 |
模拟路感扭矩的带宽与真实性评价函数 |
路感电机复现不同路面反馈(如颠簸、过弯回正力)的频率响应带宽 |
|
Hz, 分数 |
CAR0-35, CAR2-11, CAR3-13, CAR3-18, CAR5-22 |
电机性能, 扭矩传感器精度, 路感模型算法 |
高带宽、高拟真度与系统成本、功耗存在关联 |
车辆状态与驾驶模式识别 |
是线控转向系统获得驾驶员信任和舒适体验的核心, 需精细调校。 |
需采集大量真实车辆在各种路况下的转向扭矩数据用于建模。 |
频率响应测试, 驾驶员在环主观评价实验。 |
人机共驾, 力觉反馈, 车辆动力学 |
|
CAR2-64 |
L2: 部件 (车内视觉监控系统主控) |
安全-隐私-计算参数 |
人脸特征提取在芯片内的完成度与加密存储策略 |
摄像头采集的图像, 其人脸检测、特征提取等敏感处理步骤在芯片内安全区域(如TEE)完成的百分比 |
|
百分比, 策略 |
CAR0-36, CAR0-49, CAR0-74, CAR2-15, CAR3-11 |
芯片安全架构, 操作系统支持 |
全流程片上处理与算法性能、芯片成本可能存在权衡 |
清晰的用户授权与数据删除接口 |
是保护乘员生物特征隐私、满足法规要求的关键硬件架构设计。 |
需采用符合高等级安全认证(如Common Criteria)的芯片。 |
审查芯片架构文档, 进行侧信道攻击测试验证数据隔离有效性。 |
可信执行环境, 生物识别安全, 隐私计算 |
|
CAR2-65 |
L2: 部件 (主动式进气格栅) |
气动-热-控制参数 |
基于模型预测控制 (MPC) 的格栅开度优化节油率 |
采用MPC控制器, 基于前方路况(导航)、车速、冷却需求预测, 动态优化格栅开度, 相较于传统规则控制, 在标准循环工况(如WLTC)下实现的燃油/电耗降低百分比 |
|
百分比 |
CAR0-5, CAR1-19, CAR2-43, CAR3-110 |
预测模型精度, 控制算法, 传感器输入 |
先进的优化控制与系统复杂性、标定成本相关 |
整车能量管理域控制器的协同 |
是智能化、预见性热管理与空气动力学结合的典型应用, 挖掘节能潜力。 |
需获取高精地图的坡度、曲率等信息作为前馈。 |
底盘测功机对比测试, 分别采用规则控制和MPC控制运行标准工况。 |
模型预测控制, 空气动力学, 能源管理 |
|
CAR1-45 |
L1: 决策规划子系统 |
社会价值-量化参数 |
行为决策对整体交通流平均速度的影响系数 |
在微观交通流仿真中, 引入本自动驾驶车辆后, 整个模拟路网所有车辆平均行程速度的变化率 |
|
百分比 |
CAR0-91, CAR1-10, CAR1-24, CAR1-38, CAR0-99 |
跟车、换道模型的侵略性, 对交通规则的遵守程度 |
个体最优(激进)与系统最优(社会化)可能存在冲突 |
基于V2X的协同式自适应巡航 (CACC) |
衡量自动驾驶行为对公共道路资源的“社会责任感”, 是系统级优化的目标。 |
需在大量、多样的交通流仿真场景中测试评估。 |
使用SUMO、VISSIM等交通仿真软件, 建立包含本车的混合交通流场景, 统计平均速度等宏观指标。 |
交通流理论, 多智能体系统, 社会价值对齐 |
|
CAR1-46 |
L1: 感知子系统 |
认知-可解释性参数 |
感知结果的可视化注意力热图与决策依据的可追溯性 |
为关键感知结果(如检测到行人)生成对应的可视化热图 |
热图聚焦于相关物体, 依据链清晰可追溯 |
图像, 数据链 |
CAR0-15, CAR1-1, CAR1-23, CAR1-32 |
可解释AI (XAI) 技术, 如梯度加权类激活映射, 感知流水线日志 |
高精度模型的可解释性通常与其“黑箱”特性存在张力 |
安全审计与事故调查 |
是提升系统透明度、辅助安全验证、进行责任界定和算法调试的关键。 |
需在感知系统中集成XAI模块, 并设计高效的数据记录格式。 |
在测试集上, 由人工判断热图是否合理;在仿真故障注入中, 追溯错误感知的根源。 |
可解释人工智能, 计算机视觉, 安全验证 |
|
CAR1-47 |
L1: 控制子系统 |
学习-安全参数 |
安全强化学习中的拉格朗日乘子初始值与其自适应率 |
在约束强化学习框架中, 用于权衡奖励与安全约束违反的拉格朗日乘子 |
|
无单位, 1/step |
CAR1-4, CAR1-13, CAR1-27, CAR1-44 |
安全约束的形式化, 奖励函数设计 |
过于保守的 |
基于模型的安全滤波器 |
是实现既能从经验中学习、又能严格保证安全约束(如不碰撞)的控制算法核心超参数。 |
需采用具有理论安全保证的算法框架(如RL-CBF)。 |
在包含安全临界场景的仿真环境中训练, 监控约束违反率和最终策略性能。 |
安全强化学习, 约束优化, 控制理论 |
|
CAR1-48 |
L1: 健康管理子系统 |
预测-不确定性参数 |
基于贝叶斯神经网络的部件剩余有用寿命预测分布 |
使用贝叶斯神经网络对部件RUL进行预测, 输出不是一个点估计, 而是一个概率分布`p(RUL |
Data) |
预测分布能较好覆盖真实RUL (高 |
分布参数, 百分比 |
CAR0-7, CAR1-20, CAR1-22, CAR1-37 |
贝叶斯深度学习模型, 训练数据 |
准确的预测分布与模型复杂度、计算成本相关 |
基于风险的维护决策 |
提供RUL预测的不确定性信息, 支持更科学的、基于风险的维护规划。 |
需解决贝叶斯神经网络的计算效率和校准问题。 |
使用历史失效数据, 用留出法评估预测分布的校准性和锐度。 |
|
CAR0-106 |
L0: 整车级 |
系统-韧性 |
在级联故障下的功能丧失临界点与恢复时间 |
模拟多个关联子系统相继失效(如通信中断导致感知融合降级, 进而引发规划超时), 导致整车自动驾驶功能完全丧失所需的失效元件最小数量 |
|
个, s |
CAR0-1, CAR0-8, CAR0-34, CAR0-101, CAR1-41 |
系统架构的耦合度, 冗余与隔离设计, 故障恢复逻辑 |
高韧性(大 |
基于故障树和系统理论过程分析 (STPA) 的安全性设计 |
是衡量系统在极端异常情况下抗崩溃能力的关键指标, 反映架构的鲁棒性。 |
需进行系统的安全性分析(如STPA)以识别级联故障路径, 并设计屏障。 |
在仿真或硬件在环平台中, 有计划地注入一系列关联故障, 观察系统行为。 |
系统韧性, 安全工程, 复杂系统理论 |
|
CAR0-107 |
L0: 整车级 |
社会技术-接受度 |
公众对自动驾驶车辆“可预测性”与“礼貌性”的主观评分 |
通过大规模社会调查或自然驾驶实验, 收集其他道路使用者(行人、骑行者、其他司机)对本车驾驶行为的“可预测性”评分 |
|
分数 |
CAR0-35, CAR0-91, CAR1-10, CAR1-45, CAR2-49 |
决策算法的拟人化与一致性, 外部交互信号 |
高度优化但反常的“机器人”行为可能评分低 |
大规模影子模式与行为学习 |
是衡量自动驾驶社会接受度的核心软指标, 直接影响公众信任和混合交通安全。 |
需在真实道路测试中收集他车驾驶员和行人的反馈(如通过调查或间接行为分析)。 |
在测试区域部署, 通过问卷调查、访谈或分析他车避让行为等间接方式收集数据。 |
社会机器人学, 交通心理学, 人因工程, 社会调查 |
|
CAR0-108 |
L0: 整车级 |
法规-责任 |
自动驾驶系统“合理谨慎”驾驶行为的司法界定参考模型 |
在法律框架下, 尝试构建用于界定自动驾驶系统在事故中是否尽到“合理谨慎”义务的参考行为模型 |
模型清晰, 能为司法鉴定提供参考 |
模型 |
CAR0-1, CAR0-42, CAR0-92, CAR1-24, CAR1-38 |
法律条文, 案例法, 交通安全研究 |
明确的司法模型与技术的快速迭代、场景的无限性存在矛盾 |
完善的数据记录与事故重建 (CAR1-16) |
是解决自动驾驶产品责任法律纠纷的核心需求, 旨在建立技术行为与法律义务的桥梁。 |
需法学界、技术界和监管机构共同探讨制定。 |
在虚拟事故重建中, 应用该模型判断系统行为是否符合“合理谨慎”标准。 |
法律与科技, 产品责任法, 行为建模 |
|
CAR0-109 |
L0: 整车级 |
功能-场景 |
对“开门杀”(停靠车辆突然开门)的预见性避让能力 |
在行驶中, 系统能识别路边停靠车辆(尤其是刚停下)的“开门风险”, 并提前采取预防措施(如略微横向偏移、减速)的成功率 |
|
百分比 |
CAR0-2, CAR1-1, CAR1-5, CAR2-1, CAR2-3 |
对车辆状态(刹车灯、转向灯)的解读, 行人下车的预测 |
准确预测与误报导致的频繁不必要的避让存在平衡 |
高精地图标注的停车区域与危险路段 |
是保护骑行者等弱势道路使用者的重要城市场景安全功能。 |
需在训练数据中包含大量“开门杀”近事故场景。 |
在测试场, 使用真车模拟突然开门场景, 测试系统反应。 |
主动安全, 场景理解, 交通冲突预测 |
|
CAR0-110 |
L0: 整车级 |
网络安全 |
数字孪生同步攻击的检测延迟与影响评估 |
攻击者篡改云端或路侧发送给车辆的局部数字孪生(如交通状态、信号灯相位)数据。 系统检测到此类数据不同步、被篡改的延迟 |
|
s, 等级 |
CAR0-16, CAR0-56, CAR1-3, CAR2-30, CAR3-31 |
数据完整性校验, 多源信息交叉验证, 异常检测 |
快速检测、准确评估与计算资源、通信开销相关 |
基于区块链的分布式共识与数据存证 |
是应对未来车路云协同系统中数据投毒、欺骗攻击的关键防御能力。 |
需设计轻量级的共识机制和高效的数据验证协议。 |
在车路云协同测试平台上, 注入篡改的数字孪生数据, 测试系统检测和容错能力。 |
车联网安全, 数据完整性, 数字孪生 |
|
CAR0-111 |
L0: 整车级 |
制造-质量 |
基于工业CT的电池模组内部缺陷自动检出率 |
在生产线末端, 对电池模组进行工业计算机断层扫描, 利用AI算法自动检测内部结构缺陷(如极片对齐度、焊接空洞、异物)的检出率 |
|
百分比 |
CAR0-7, CAR0-47, CAR0-85, CAR2-61, CAR4-27 |
CT设备分辨率与速度, 缺陷检测算法 |
高检出率、高速度与设备投资、检测成本存在平衡 |
在线X射线检测等其他无损检测手段 |
是保证电池包安全性和一致性的终极无损检测手段, 尤其适用于固态电池等新工艺。 |
需解决CT图像的重建速度和大数据存储问题。 |
抽样进行破坏性拆解, 验证CT检测结果的准确性。 |
无损检测, 计算机视觉, 工业AI, 电池制造 |
|
CAR0-112 |
L0: 整车级 |
人机交互-安全 |
多驾驶员档案快速切换的认证安全性与个性化适配速度 |
支持多个驾驶员(如家庭成员)使用生物识别快速切换个人档案。 切换过程中的身份认证强度 |
认证安全, |
等级, s |
CAR0-19, CAR0-57, CAR2-48, CAR2-64, CAR3-43 |
生物识别模块性能, 整车总线配置速度, 个性化参数数量 |
快速、无缝的体验与高安全性、系统资源占用需平衡 |
云端同步的驾驶员档案 |
是提升多用户家庭用车体验的关键, 但需确保账户安全, 防止未授权使用。 |
个性化设置中与安全相关的部分(如驾驶风格)需谨慎调整或需二次确认。 |
模拟不同用户频繁切换, 测试认证成功率和适配完成时间。 |
身份与访问管理, 人机交互, 汽车电子架构 |
|
CAR0-113 |
L0: 整车级 |
成本-可持续 |
自动驾驶软件碳足迹与能效优化编译器的节能量 |
评估大型自动驾驶软件开发、训练、测试过程中所消耗的计算资源对应的碳排放 |
|
kg CO2e, 百分比 |
CAR0-5, CAR0-30, CAR0-50, CAR0-82, CAR1-42 |
云数据中心能效, 算法与模型能效, 编译技术 |
软件性能与能效存在优化空间 |
硬件-软件-算法协同设计 |
是绿色软件工程和可持续发展理念在自动驾驶领域的具体实践。 |
需在软件开发生命周期中考虑能效, 并采用能效分析工具。 |
统计云训练任务能耗, 在目标硬件上对比运行不同编译器生成的二进制文件的功耗。 |
绿色计算, 编译器优化, 软件工程 |
|
CAR0-114 |
L0: 整车级 |
功能-场景 |
在冰雪路面低附条件下的循迹控制与稳定性保持能力 |
在压实雪地或冰面上, 系统维持车辆沿期望轨迹行驶的能力, 用横向偏差 |
|
m, rad/s |
CAR0-3, CAR0-4, CAR1-4, CAR1-13, CAR1-34, CAR2-13 |
低附路面动力学模型, 轮胎-冰雪附着模型, 控制算法 |
在极低附着下的控制与常规路面控制策略存在巨大差异 |
专用的冬季轮胎与低附模式 |
是定义自动驾驶ODD冬季边界的关键性能, 对安全至关重要。 |
需在专门的冰雪试验场进行大量测试和标定。 |
在冰雪路面测试场, 进行加速、制动、转向、稳态回转等测试, 记录轨迹和控制数据。 |
车辆动力学, 低附路面控制, 冬季测试 |
|
CAR0-115 |
L0: 整车级 |
性能-统计 |
L3级自动驾驶功能在高速公路上的平均无干预里程 |
在系统定义的ODD(如结构化高速公路, 良好天气)内, 从功能激活到因系统能力边界、故障或法规要求而需要驾驶员接管的平均行驶里程 |
|
km |
CAR0-1, CAR0-9, CAR0-44, CAR0-66, CAR1-1 |
系统可靠性, 交通流复杂度, 功能边界定义的清晰度 |
长无干预里程是L3用户体验和商业价值的核心, 但需以极高的安全性为前提 |
持续的系统监控与升级 |
是衡量L3系统成熟度、可用性和用户信任度的最直观指标。 |
需通过大规模车队长时间的真实道路测试来统计得出。 |
收集车队在高速路上的每一次自动驾驶会话数据, 统计从开启到接管(或计划退出)的里程分布。 |
系统可靠性, 用户体验, 统计评估 |
|
CAR6-14 |
L6: 原子/分子级 |
量子-传感 |
基于金刚石氮-空位色心的磁力计灵敏度与空间分辨率 |
基于NV色心电子自旋的量子磁力计, 其磁灵敏度 |
|
T/√Hz, m |
CAR2-8, CAR3-9, CAR6-1, CAR6-15, CAR6-161 |
金刚石晶体质量, NV色心密度, 读出光学系统 |
超高灵敏度、高空间分辨率与传统传感器体积、成本、工作条件存在巨大差距 |
量子控制与读出电子学 |
是未来超高精度惯性导航、生物磁成像、材料无损检测的潜在革命性技术, 目前处于实验室阶段。 |
需解决室温下工作、集成化和小型化的挑战。 |
使用标准磁场源在磁屏蔽室中进行标定测试。 |
量子传感, 固态物理, 精密测量 |
|
CAR6-15 |
L6: 原子/分子级 |
自旋-电子 |
磁性隧道结的隧穿磁阻比与热稳定性因子 |
磁性隧道结在反平行与平行磁化状态下电阻的比值 |
|
百分比, 无单位 |
CAR4-10, CAR5-37, CAR6-30, CAR6-162 |
势垒层(如MgO)质量, 铁磁电极材料 |
高 |
自旋转矩驱动电流效率 |
是磁随机存储器 (MRAM) 的核心物理参数, 具有非易失、高速、高耐久特性, 可用于车载存储。 |
需解决大批量生产中的均匀性和良率问题。 |
半导体参数分析仪测量R-V曲线, 通过加速退火测试推算数据保持时间。 |
自旋电子学, 磁性存储器, 固态物理 |
|
CAR5-66 |
L5: 材料 (钙钛矿量子点) |
光-稳-环参数 |
光致发光量子效率与在高湿/高温/光照下的衰减半衰期 |
钙钛矿量子点的荧光量子产率 |
|
百分比, 小时 |
CAR5-13, CAR5-23, CAR6-13, CAR6-146 |
钙钛矿成分, 表面钝化, 封装 |
高效率与长期稳定性(耐湿、热、光)是产业化的主要矛盾 |
先进的核壳结构或聚合物复合材料 |
用于量子点显示, 色域极广, 是车载高端显示的候选材料, 但稳定性是瓶颈。 |
需开发有效的封装和钝化技术以抵御环境侵蚀。 |
积分球光谱系统测PLQY, 环境老化试验箱结合在线光学监测。 |
钙钛矿材料, 纳米光子学, 光化学稳定性 |
|
CAR5-67 |
L5: 材料 (金属有机框架材料) |
化-结构参数 |
比表面积与对特定气体(如CO₂, VOC)的吸附选择性 |
MOF材料的比表面积 |
|
m²/g, 无单位 |
CAR3-38, CAR5-112, CAR6-144, CAR6-163 |
金属离子与有机配体, 孔道尺寸与形状 |
超高比表面积、高选择性吸附与材料的成型加工性、机械强度存在矛盾 |
用于气体传感或空气过滤 |
是潜在的高性能气体传感器或车内空气净化材料, 具有高灵敏度、高选择性潜力。 |
需解决MOF材料在真实复杂气氛中的稳定性和抗中毒能力。 |
比表面积分析仪, 静态容积法或重量法气体吸附测试。 |
多孔材料, 配位化学, 吸附科学 |
|
CAR5-68 |
L5: 材料 (形状记忆合金) |
力-热-相变参数 |
相变温度区间与可恢复应变 |
形状记忆合金从马氏体向奥氏体转变的开始和结束温度 |
|
°C, 百分比 |
CAR2-12, CAR3-126, CAR5-62, CAR6-164 |
合金成分(如NiTi), 热处理工艺 |
特定的相变温度、大恢复应变与材料的疲劳寿命、驱动功率存在优化 |
电热驱动或热驱动 |
用于主动空气动力学部件、可变形的内饰或智能结构, 实现无电机驱动。 |
需解决循环寿命和驱动效率问题。 |
差示扫描量热法测相变温度, 拉伸-加热-冷却循环测试恢复性能。 |
形状记忆合金, 相变材料, 智能结构 |
|
CAR5-69 |
L5: 材料 (石墨烯导热膜) |
热-电-力参数 |
面内热导率与各向异性比 |
在石墨烯片层平面方向的热导率 |
|
W/(m·K), 无单位 |
CAR4-1, CAR5-4, CAR5-28, CAR6-10, CAR6-165 |
石墨烯质量与片层取向, 压制工艺 |
超高面内热导与良好的垂直方向结合力、可加工性存在矛盾 |
用于芯片与散热器间的热扩散层 |
是解决局部热点、实现高效均热的先进热界面材料, 尤其适用于高功率密度芯片。 |
需解决石墨烯膜与芯片/散热器表面的界面热阻问题。 |
激光闪射法或稳态法测量热导率, 评估各向异性。 |
纳米材料, 传热学, 二维材料 |
|
CAR5-70 |
L5: 材料 (离子液体电解液) |
电-化-安全参数 |
电化学窗口与闪点/燃点 |
离子液体不发生明显电化学分解的电压范围 |
|
V, °C |
CAR2-25, CAR5-21, CAR5-43, CAR5-52, CAR6-122 |
阴阳离子结构 |
宽电化学窗口、高热稳定性、不燃性与低温流动性、成本存在平衡 |
用于高电压或高安全锂离子/锂金属电池 |
是解决传统有机电解液易燃易爆问题的关键材料, 提升电池本质安全。 |
需解决离子液体粘度大、与电极材料兼容性等问题。 |
循环伏安法测电化学窗口, 闭口杯闪点测试仪。 |
离子液体, 电化学, 电池安全 |
|
CAR4-30 |
L4: 封装 (用于高频的嵌入式器件) |
电-磁-结构参数 |
嵌入式电容/电感的等效电路模型精度与谐振频率偏移 |
将电容或电感器件埋入PCB内部, 其提取的等效电路模型(RLC)与实测S参数的拟合度 |
|
无单位, 百分比 |
CAR4-3, CAR4-5, CAR4-17, CAR5-5, CAR5-18 |
介质材料特性控制, 激光加工精度, 电磁仿真 |
高精度集成与工艺复杂性、成本相关 |
系统级封装与天线设计 |
是提高系统集成度、减少寄生、改善高频性能的先进封装技术。 |
需在设计和制造阶段进行严格的多物理场协同仿真。 |
矢量网络分析仪测量S参数, 与仿真模型对比;测量实际谐振频率。 |
先进封装, 嵌入式无源器件, 射频工程 |
|
CAR3-47 |
L3: 模块 (神经形态计算芯片) |
计算-能效参数 |
每秒突触操作数与每突触操作能量 |
神经形态芯片每秒能完成的模拟突触操作(如乘加)次数 |
|
Ops/s, J |
CAR0-5, CAR1-1, CAR1-42, CAR2-7, CAR5-64 |
器件(如忆阻器)特性, 芯片架构, 工艺节点 |
超高能效与计算精度、通用性存在折衷 |
事件驱动的传感与处理 |
模拟大脑的异步、事件驱动、低功耗计算, 非常适合实时传感器信号(如视觉、雷达)处理。 |
需解决算法映射、训练和软件工具链的挑战。 |
运行标准神经网络基准测试(如DVS手势识别), 测量吞吐量和功耗。 |
神经形态计算, 类脑芯片, 能效计算 |
|
CAR3-48 |
L3: 模块 (等离子体空气净化器) |
化-电-安全参数 |
臭氧产生率与有害副产物浓度 |
设备在额定工作模式下, 单位时间产生的臭氧 |
|
μg/h, ppb |
CAR1-19, CAR3-38, CAR5-67, CAR6-144 |
放电电极设计, 电源特性, 催化剂 |
高净化效率与低臭氧/副产物产生是核心技术矛盾 |
多层复合过滤(HEPA, 活性炭) |
用于快速净化车内空气(如烟味、病毒), 但必须严格控制臭氧等副产物在安全范围内。 |
需通过权威机构(如CARB, AHAM)的安全和性能认证。 |
在环境舱中注入污染物, 测试净化效率和臭氧/副产物浓度。 |
等离子体化学, 空气净化, 环境健康 |
|
CAR2-66 |
L2: 部件 (电子控制悬架减振器) |
力-控参数 |
阻尼力连续可调范围与作动器力-速度特性 |
减振器能提供的最小阻尼力 |
|
无单位, N/(m/s) |
CAR0-3, CAR0-71, CAR2-12, CAR3-123, CAR5-62 |
阀系设计, 磁流变液/电机作动器性能 |
宽调节范围、精确控制与响应速度、耐久性存在平衡 |
车身姿态与路况预瞄系统 |
是实现主动车身控制、兼顾操控与舒适的核心执行器。 |
需进行大量的道路谱采集和标定工作。 |
减振器测试台, 测量不同电流和控制信号下的力-速度特性曲线。 |
悬架技术, 阻尼控制, 车辆动力学 |
|
CAR2-67 |
L2: 部件 (车内多参数生物传感器融合模块) |
生-电-融参数 |
多模态(ECG/PPG/EDA)生理信号同步采集精度与融合情绪识别准确率 |
心电图(ECG)、光电容积脉搏波(PPG)、皮肤电活动(EDA)等信号采集的时间同步误差 |
|
s, 百分比 |
CAR0-19, CAR0-79, CAR2-23, CAR2-40, CAR2-48 |
传感器硬件性能, 信号处理算法, 机器学习模型 |
高精度、多参数融合与系统复杂性、计算负载、用户隐私关切强相关 |
基于面部表情和行为的冗余情绪识别 |
是实现更精准的驾驶员状态监控、提供个性化交互和干预的基础。 |
需建立大规模、标注好的多模态生理-情绪数据集。 |
在受控实验环境中, 同步记录高精度医疗设备信号和本系统信号进行对比;进行诱发情绪实验, 验证识别准确率。 |
生物信号处理, 多模态融合, 情感计算, 人机交互 |
|
CAR2-68 |
L2: 部件 (车路协同路侧单元) |
通信-定位-服务参数 |
协同感知数据(如目标列表)的广播更新率与覆盖范围精度 |
RSU通过V2X(如C-V2X)广播其感知范围内交通参与者目标列表的更新频率 |
|
Hz, m |
CAR0-53, CAR1-3, CAR1-17, CAR1-36, CAR2-19, CAR2-30 |
路侧传感器(雷视一体)性能, 时钟同步, 边缘计算能力 |
高更新率、高精度与通信带宽、边缘算力、成本相关 |
车辆端的融合与互补感知 |
是提升车路协同自动驾驶感知能力、解决盲区问题的关键基础设施参数。 |
需实现车-路-云的时间、空间、语义“三同步”。 |
在部署RSU的路段, 用高精度基准设备测量其广播的目标位置精度和刷新率。 |
车路协同, 智能交通系统, 边缘计算 |
|
CAR2-69 |
L2: 部件 (电动车辆警示音响系统) |
声-法规-交互参数 |
可定制警示音库的合规性审核通过率与行人识别响应率 |
企业或用户提供的自定义低速警示音, 通过法规(如对最小/最大声压级、频率成分的要求)审核的比例 |
|
百分比 |
CAR0-13, CAR2-37, CAR2-49, CAR3-104 |
声音设计规范, 法规符合性检查工具, 行人测试 |
个性化、品牌化与安全性、法规符合性存在平衡 |
基于场景的智能声音选择(如对行人用柔和音, 对施工区用警示音) |
在满足法规确保安全的前提下, 允许品牌声音标识, 提升用户体验。 |
需建立内部的声学合规性预审流程。 |
提交自定义声音至认证机构测试;组织行人实车听音测试, 统计识别率和主观感受。 |
声学设计, 汽车法规, 行人安全, 品牌管理 |
|
CAR2-70 |
L2: 部件 (高级驾驶监控系统DMS主机) |
安全-认证参数 |
DMS系统符合Euro NCAP 2025/2026 安全辅助评估协议的得分预测 |
依据Euro NCAP发布的DMS测试协议草案, 对系统的驾驶员状态监控(注意力、疲劳、分心)能力、提示策略、系统干预等进行预评估, 预测可能获得的分数 |
|
分数 |
CAR0-19, CAR0-52, CAR0-72, CAR0-79, CAR2-15, CAR2-67 |
摄像头性能, 算法精度, HMI设计, 与ADAS的联动 |
高测试得分与系统成本、算法复杂度强相关 |
与整车功能安全概念的整合 |
是未来新车获得Euro NCAP高星评级(尤其是针对L2/L3)的强制性要求, 直接影响市场竞争力。 |
需严格按照NCAP不断演进的测试规程进行开发和验证。 |
在第三方测试机构或自有实验室, 按照NCAP草案进行全面的测试。 |
新车评价规程, 驾驶员监控, 主动安全, 法规认证 |
:
-
系统抗扰与生存能力:定义在强电磁脉冲、网络攻击、物理篡改等恶意或极端扰动下的系统检测、隔离、恢复和存活能力参数。
-
全生命周期数字孪生保真度:量化用于设计、测试、生产、运维、回收各阶段数字模型的精度、同步效率与预测置信度。
-
人机共驾的神经耦合与学习:引入基于脑机接口、生理同步的驾驶员意图识别与权责平滑迁移参数。
-
前沿能源与驱动:深入氢燃料电池、轮毂电机、无线充电等技术的具体性能与可靠性参数。
-
微观失效物理的预测模型:建立从原子扩散、位错运动到界面剥离、裂纹扩展的定量预测与寿命模型参数。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR2-71 |
L2: 部件 (氢燃料电池电堆) |
电-化-热参数 |
单电池电压一致性 (标准偏差) 与衰减速率 |
电堆在额定功率运行时, 各单电池输出电压 |
|
V, V/h |
CAR0-5, CAR3-45, CAR5-155, CAR6-160, CAR6-166 |
膜电极生产一致性, 流场均匀性, 水热管理 |
高一致性、低衰减与电堆成本、功率密度存在协同优化 |
在线阻抗监测与故障诊断 |
是决定燃料电池寿命、效率和可靠性的核心指标, 电压不均会导致“反极”损坏。 |
需在电堆设计阶段进行充分的流体和电化学仿真。 |
电堆测试台, 测量各单电池电压, 进行长期耐久性测试。 |
燃料电池, 电化学工程, 系统工程 |
|
CAR2-72 |
L2: 部件 (轮毂电机) |
力-热-密封参数 |
轮毂内电机定子散热热阻与轴承密封防护等级 |
从电机定子绕组到轮辋(最终到空气)的总热阻 |
|
K/W, 等级 |
CAR0-3, CAR0-4, CAR2-31, CAR3-37, CAR5-30 |
冷却液循环路径, 旋转密封设计, 泥沙防护 |
高效散热、高密封性与旋转质量、簧下重量、成本存在矛盾 |
集成式制动与悬架设计 |
是实现分布式驱动的终极形式, 但其热管理和密封是巨大挑战。 |
需进行严苛的泥水、盐水浸泡和热冲击测试。 |
台架热测试, 沙尘/喷水/浸水密封测试。 |
轮毂电机, 热管理, 旋转密封, 车辆动力学 |
|
CAR2-73 |
L2: 部件 (固态激光雷达光学相控阵芯片) |
光-电-热参数 |
片上光学移相器的相位调谐效率与串扰 |
改变单位电压 |
调谐效率高, |
rad/V, dB |
CAR2-29, CAR4-28, CAR5-63, CAR6-156, CAR6-167 |
波导材料(如硅、氮化硅), 电极设计 |
高效率、低串扰、低功耗与集成密度、工艺复杂度存在矛盾 |
高精度驱动电路与校准算法 |
是固态激光雷达实现无机械扫描的核心, 其性能决定扫描角度、分辨率和旁瓣水平。 |
需在芯片级别进行高精度的相位标定和补偿。 |
集成光学测试平台, 测量相位-电压曲线和通道隔离度。 |
集成光子学, 光学相控阵, 光电集成 |
|
CAR2-74 |
L2: 部件 (车内多屏互动中央控制器) |
计算-通信-安全参数 |
跨屏内容同步帧偏差与安全渲染通道隔离度 |
多个显示屏(仪表、中控、副驾屏、HUD)显示同一动态内容(如导航箭头)时, 画面刷新最大时间差 |
|
s, 等级 |
CAR0-64, CAR3-33, CAR3-111, CAR4-36 |
显示控制器架构, 总线带宽, 实时操作系统调度 |
完美同步、高安全隔离与系统资源占用、成本相关 |
硬件虚拟化与图形API支持 |
是打造沉浸式、安全座舱体验的基础, 不同步会产生割裂感, 不隔离会带来安全风险。 |
需采用支持多显且具备硬件虚拟化能力的SoC。 |
高速相机拍摄多屏, 分析同步性;进行故障注入, 测试安全渲染层抗干扰能力。 |
多屏显示, 实时系统, 功能安全, 图形渲染 |
|
CAR2-75 |
L2: 部件 (路面状态识别传感器-专用) |
光-电-化参数 |
对薄冰/黑冰的检测置信度与检测提前距离 |
通过专用近红外光谱或偏振光传感器, 识别干燥、湿滑、积雪、薄冰等路面状态的分类置信度 |
对黑冰 |
概率, m |
CAR1-34, CAR1-34, CAR2-1, CAR2-3, CAR5-151 |
光学传感原理, 机器学习分类模型 |
高精度、长探测距离与传感器成本、环境光干扰存在矛盾 |
与天气预报、路侧信息的融合 |
是实现预见性底盘控制(如提前调整ESP、悬架)的关键, 提升冬季行车安全。 |
需建立包含各种路面、污渍、光照条件的大规模数据库。 |
在冬季试验场, 设置不同路面状态, 测试传感器的识别准确率和距离。 |
光学传感, 模式识别, 冬季安全 |
|
CAR2-76 |
L2: 部件 (车外生物特征识别摄像头) |
光-安全-隐私参数 |
活体检测防伪攻击成功率与识别结果脱敏处理延迟 |
对照片、视频、3D面具等伪造攻击, 活体检测算法能够成功拦截的比例 |
|
百分比, s |
CAR0-36, CAR0-49, CAR2-15, CAR2-64, CAR3-11 |
多光谱(可见光+红外)活体检测, 硬件开关控制 |
高防伪能力、快速隐私保护与识别速度、用户体验存在平衡 |
安全的本地存储与匹配 |
用于车外刷脸解锁/启动, 必须防止伪造攻击, 并严格保护路人隐私。 |
需满足支付级(如FIDO)生物识别安全标准。 |
使用高质量照片、视频、面具等发起模拟攻击, 测试活体检测;测量从识别成功到图像不可用的时间。 |
生物识别安全, 活体检测, 隐私计算 |
|
CAR2-77 |
L2: 部件 (动态无线充电接收线圈) |
电-磁-热-安全参数 |
耦合系数与对中宽容度及电磁场暴露安全裕量 |
发射与接收线圈之间的互感系数 |
|
无单位, m, dB |
CAR0-5, CAR2-55, CAR3-127, CAR5-149, CAR6-168 |
线圈几何与磁芯设计, 屏蔽技术, 对准系统 |
高效率、大对中范围、低电磁辐射与系统成本、重量、复杂度强相关 |
高精度定位与引导系统 |
是实现行驶中充电(电动公路)的关键, 效率和安全性是核心矛盾。 |
需进行完整的电磁兼容和人体电磁暴露安全评估。 |
无线充电测试台, 测量偏移特性;使用场强探头在车厢内测量电磁场。 |
无线输电, 电磁场, 安全工程, 电力电子 |
|
CAR2-78 |
L2: 部件 (声学相机) |
声-像-定位参数 |
声源定位精度与空间分辨率 |
对噪声源(如轮胎啸叫、轴承异响)进行空间定位, 其估计位置 |
|
度, 度 |
CAR0-13, CAR0-22, CAR1-20, CAR3-24, CAR5-39 |
传声器阵列规模与布局, 波束成形算法 |
高精度、高分辨率与阵列尺寸、计算量、成本相关 |
与振动、热成像等多模态故障诊断融合 |
用于整车NVH故障诊断、异响溯源, 是高级预测性维护的工具。 |
通常作为售后诊断设备, 也可能集成于高端车型。 |
使用标准声源在消声室中标定定位精度和分辨率。 |
声学成像, 阵列信号处理, 故障诊断 |
|
CAR2-79 |
L2: 部件 (电子外后视镜显示屏) |
显示-环境-安全参数 |
显示屏在强太阳直射下的对比度保持率与防眩光涂层有效性 |
在10万lux太阳光直射下, 显示屏的对比度 |
|
无单位, 分数 |
CAR0-9, CAR2-36, CAR2-44, CAR5-2, CAR5-49 |
显示屏峰值亮度, 表面处理工艺, 偏光片 |
超高亮度、强防眩与功耗、成本、可视角度存在矛盾 |
自动亮度与对比度调节算法 |
是电子外后视镜可用性的决定性因素, 必须保证任何光照下清晰可视。 |
需在模拟太阳光的环境中进行可读性测试。 |
使用太阳光模拟器照射, 测量亮度、对比度;进行主观评价实验。 |
显示技术, 环境光学, 人因工程 |
|
CAR2-80 |
L2: 部件 (主动发声式噪声消除系统) |
声-控-自适应参数 |
对路噪/风噪的降噪量 (dB) 与自适应滤波收敛速度 |
在特定频段(如50-500Hz路噪), ANC系统开启后车内声压级的降低值 |
|
dB, s |
CAR0-13, CAR2-37, CAR3-102, CAR4-26, CAR5-39 |
误差麦克风布置, 次级声源(扬声器)性能, 控制算法 |
宽频带、大幅值降噪与系统延迟、稳定性、成本存在挑战 |
基于导航的预见性控制 |
提升座舱静谧性的高级功能, 对算法和硬件布置要求高。 |
需针对每款车型进行精细的声学传递函数测量和算法调校。 |
在转鼓或实道路上, 测量开启/关闭ANC前后的车内噪声频谱。 |
主动噪声控制, 自适应滤波, 声学工程 |
|
CAR3-49 |
L3: 模块 (车内毫米波雷达生命体征监测SOC) |
集成-安全-隐私参数 |
片上信号处理链的硬件隔离与原始数据不出芯片保证 |
雷达射频前端、ADC、信号处理单元、特征提取引擎、结果输出单元在芯片内的硬件隔离程度 |
|
等级, 保证 |
CAR0-36, CAR2-40, CAR3-46, CAR4-14, CAR6-8 |
芯片安全架构, 内存保护, 总线加密 |
高安全性、高集成度与芯片设计复杂度、成本相关 |
独立的安全认证 (如CC EAL) |
是解决舱内雷达隐私担忧的根本性硬件方案, 从源头杜绝数据泄露。 |
芯片需通过第三方安全评估, 证明原始数据无法被提取。 |
审查芯片设计文档和流片后报告, 尝试进行侧信道攻击提取原始数据。 |
硬件安全, 片上系统, 隐私增强技术 |
|
CAR3-50 |
L3: 模块 (电机控制器栅极驱动电源) |
电-隔离-可靠性参数 |
隔离电源的共模瞬态抗扰度与绝缘寿命 |
在功率器件快速开关产生的高 |
|
V/ns, 小时 |
CAR3-7, CAR3-12, CAR3-36, CAR4-13, CAR5-24 |
隔离材料与结构, 爬电距离, 局部放电 |
高 |
优化的PCB布局与屏蔽 |
是保证高压功率器件安全驱动的关键, 失效会导致桥臂直通等灾难性故障。 |
需采用加强绝缘设计, 并通过相关安规认证(如VDE, UL)。 |
脉冲发生器测试CMTI, 高温高湿偏压测试评估绝缘寿命。 |
隔离技术, 电源设计, 可靠性工程 |
|
CAR3-51 |
L3: 模块 (座椅主动侧翼支撑) |
机-电-人机参数 |
侧翼夹紧力闭环控制精度与动态调节速度 |
实际施加的侧向支撑力 |
|
N, s |
CAR0-3, CAR0-35, CAR3-41, CAR5-103 |
气动/电动执行器, 压力/力传感器, 控制算法 |
精准、快速的动态支撑与系统复杂性、成本、舒适性侵入感需平衡 |
与车辆动力学传感器(横摆角速度、侧向加速度)的联动 |
在激烈驾驶时自动提供身体支撑, 提升包裹感和舒适性, 是高端运动型座椅功能。 |
夹紧力需可调, 并避免长时间压迫导致不适。 |
在座椅测试台上, 测量力控制响应;在实车过弯中测试支撑效果。 |
人机工程, 主动座椅, 控制工程 |
|
CAR3-52 |
L3: 模块 (车载时间敏感网络交换机) |
网络-时间参数 |
全局时钟同步精度 (gPTP) 与时间感知整形器调度抖动 |
交换机作为广义精确时间协议主时钟或从时钟时, 与上游时钟源的时间偏差 |
|
s, s |
CAR0-25, CAR0-26, CAR1-2, CAR2-22, CAR2-33 |
时钟源(如OCXO)质量, 同步算法, 交换芯片硬件支持 |
超高精度时间同步与低调度抖动是TSN的核心价值, 但实现成本高。 |
端到端的延迟保障机制 |
是实现车内确定性通信, 保证控制指令实时性的基础网络设备性能。 |
需支持IEEE 802.1AS-Rev和802.1Qbv等关键TSN标准。 |
使用网络测试仪(如支持TSN的IXIA)测量时钟同步精度和调度抖动。 |
时间敏感网络, 时钟同步, 确定性网络 |
|
CAR3-53 |
L3: 模块 (电池主动均衡模块) |
电-能-热参数 |
均衡电流与能量转移效率及模块温升 |
均衡电路能提供的最大均衡电流 |
|
A, 百分比, K |
CAR2-25, CAR3-27, CAR4-22, CAR5-54 |
均衡拓扑(如电感、电容、变压器), 开关器件 |
大电流、高效率、低温升与模块体积、成本、复杂度强相关 |
电芯SOC估算精度 (CAR2-25) |
是维持电池包一致性、延长寿命的关键, 尤其对于大容量、高功率电池。 |
需考虑均衡策略(何时均衡、对谁均衡)的优化。 |
在电池模拟器或真实电池包上测试均衡功能, 测量电流、效率和温升。 |
电池均衡, 电力电子, 能量管理 |
|
CAR4-31 |
L4: 封装 (2.5D/3D集成中介层) |
热-力-电参数 |
硅中介层与封装基板间的热机械应力分布及对翘曲的影响 |
由于硅与有机/陶瓷基板CTE不匹配, 在回流焊和温度循环中产生的应力 |
应力在安全范围内, 翘曲可控 |
Pa, μm |
CAR4-9, CAR4-24, CAR5-1, CAR5-24, CAR6-142 |
中介层厚度, 微凸点布局, 底部填充胶 |
低应力、小翘曲与高密度互连、低成本存在工艺优化挑战 |
有限元仿真与工艺补偿 |
是2.5D封装可靠性的关键, 过大的应力会导致中介层开裂或微凸点失效。 |
需进行详细的热机械仿真, 并可能采用应力缓冲层。 |
云纹干涉法或数字图像相关法测量翘曲, 有限元仿真验证应力。 |
2.5D/3D封装, 热机械应力, 有限元分析 |
|
CAR4-32 |
L4: 互连 (高压连接器二次锁止机构) |
机-电-安全参数 |
二次锁止 (CPA) 的触发力与解锁力及防误操作设计 |
将二次锁止机构推至锁止位置所需的力 |
力值适中, 防误操作有效 |
N |
CAR0-1, CAR4-7, CAR4-11, CAR5-36, CAR6-99 |
锁舌结构, 弹簧, 材料 |
明确的力感、可靠防误与操作便捷性、成本平衡 |
连接器插拔寿命测试 |
是高压连接器防止在振动下意外松脱的最后一道机械安全屏障。 |
必须满足相关连接器标准(如LV 214, USCAR)的CPA要求。 |
专用治具测量锁止/解锁力, 模拟各种误操作测试防错性。 |
连接器设计, 机械安全, 人机工程 |
|
CAR5-71 |
L5: 材料 (高熵合金涂层) |
力-化-热参数 |
硬度/韧性协同性与高温抗氧化性 |
通过多主元合金设计, 在保持高硬度 |
|
GPa, MPa·m^1/2, g/m² |
CAR4-4, CAR5-10, CAR5-46, CAR6-125, CAR6-169 |
元素组合与比例, 涂层制备工艺(如磁控溅射、热喷涂) |
打破传统合金的硬度-韧性倒置关系是其主要优势, 但成分设计复杂 |
用于轴承、齿轮、制动盘等耐磨耐高温部件 |
是新兴的先进涂层材料, 在苛刻工况下具有潜在应用前景, 如高性能制动盘。 |
需解决大面积、低成本涂层的制备问题。 |
纳米压痕测硬度, 微米压痕测韧性, 热重分析测氧化。 |
高熵合金, 表面工程, 材料设计 |
|
CAR5-72 |
L5: 材料 (透明导电氧化物) |
电-光-机械参数 |
方块电阻与可见光平均透过率及弯曲疲劳性能 |
薄膜的方块电阻 |
|
Ω/sq, 百分比, 百分比 |
CAR2-20, CAR2-62, CAR3-71, CAR4-23, CAR5-156 |
材料(如ITO, AZO, IGZO), 镀膜工艺, 基底 |
低电阻、高透过、可弯折是柔性透明电路的“不可能三角” |
金属网格、银纳米线等替代方案 |
用于透明加热、触摸传感器、柔性显示电极, 是智能表面和AR-HUD的关键材料。 |
需解决脆性ITO的替代和低成本制造问题。 |
四探针法测电阻, 分光光度计测透过率, 弯折试验机测可靠性。 |
透明电极, 柔性电子, 光电材料 |
|
CAR5-73 |
L5: 材料 (气凝胶隔热材料) |
热-结构参数 |
常压热导率与抗压强度及疏水性 |
在常温常压下的热导率 |
|
W/(m·K), MPa, 度 |
CAR0-33, CAR0-54, CAR1-19, CAR5-6, CAR6-170 |
前驱体, 干燥工艺, 改性 |
超低热导、一定强度、疏水与材料脆性、成本存在矛盾 |
用于电池包隔热、座舱保温 |
是目前已知导热系数最低的固体材料, 用于高效隔热, 但机械性能差。 |
需进行复合增强(如与纤维复合)以提升强度。 |
热流法导热仪, 万能材料试验机, 接触角测量仪。 |
多孔材料, 超级隔热, 纳米材料 |
|
CAR5-74 |
L5: 材料 (液态金属导热膏) |
热-化-电参数 |
热导率与对铜/铝基材的腐蚀性及导电性 |
液态金属合金(如镓铟锡)的热导率 |
|
W/(m·K), mm/年, S/m |
CAR4-1, CAR5-4, CAR5-28, CAR5-69, CAR6-10 |
合金成分, 缓蚀剂 |
超高导热、不腐蚀、但导电(有短路风险)是其应用特点 |
严格的施加工艺与隔离设计 |
导热性能远超传统硅脂, 但必须严格控制其流动性、腐蚀性和导电性带来的风险。 |
仅用于经过特殊设计、有绝缘保护的场合, 防止泄漏导致短路。 |
热流法导热仪, 盐雾/湿热腐蚀测试, 四探针法测电导。 |
液态金属, 界面传热, 腐蚀科学 |
|
CAR5-75 |
L5: 材料 (可生物降解聚合物) |
化-环-力参数 |
堆肥条件下的降解半衰期与降解产物生态毒性 |
在工业堆肥条件下, 材料质量损失一半所需的时间 |
|
天, 等级 |
CAR0-50, CAR0-97, CAR5-33, CAR5-40, CAR6-171 |
聚合物主链结构(如PLA, PBS), 添加剂 |
快速降解、环境友好与材料力学性能、耐候性、成本通常矛盾 |
用于内饰非结构件、一次性包装 |
是汽车行业实现循环经济和减少微塑料污染的努力方向之一。 |
需建立完整的回收和堆肥处理体系。 |
标准堆肥测试, 生态毒性测试(如藻类、蚤类生物测试)。 |
生物可降解材料, 环境化学, 可持续材料 |
|
CAR6-16 |
L6: 原子/分子级 |
量子-计算 |
量子比特的退相干时间与门操作保真度 |
量子比特保持量子叠加态的时间 |
|
s, 无单位 |
CAR3-44, CAR6-14, CAR6-162, CAR6-172 |
量子比特物理实现(超导、离子阱、硅自旋), 环境噪声 |
长相干时间、高保真度是通用量子计算的前提, 但极其困难 |
量子纠错码 |
是未来量子计算在车载优化、密码学、材料模拟中应用的基础物理参数, 目前处于研究阶段。 |
需在接近绝对零度的极低温和高真空环境下运行。 |
量子态层析, 随机基准测试。 |
量子计算, 量子信息, 固态物理 |
|
CAR6-17 |
L6: 原子/分子级 |
催化-表面 |
铂催化剂在燃料电池中的电化学活性面积与衰减机制 |
单位质量铂催化剂所能提供的、参与电化学反应的有效表面积 |
|
m²/g, 1/s |
CAR2-71, CAR5-155, CAR6-160, CAR6-166, CAR6-173 |
铂颗粒尺寸与分布, 碳载体稳定性 |
高活性、高稳定性与低铂载量、低成本是永恒目标 |
合金化、核壳结构等先进催化剂设计 |
是决定燃料电池成本、性能和寿命的最关键材料之一, 其衰减是主要寿命限制因素。 |
需通过先进的电化学和微观表征手段(如TEM, XAS)研究衰减机理。 |
循环伏安法测ECSA, 加速应力测试后观察ECSA衰减和颗粒生长。 |
电催化, 纳米材料, 表面科学 |
|
CAR0-116 |
L0: 整车级 |
系统-韧性 |
抗电磁脉冲 (EMP) 加固等级与关键功能维持时间 |
依据MIL-STD-461G或类似标准, 整车对高空电磁脉冲 (HEMP) 辐射和传导效应的防护能力等级 |
|
等级, s |
CAR0-1, CAR0-6, CAR0-14, CAR0-37, CAR1-41 |
整车屏蔽完整性, 关键电路滤波与屏蔽, 储能元件保护 |
高等级防护与成本、重量增加显著 |
应急通信与定位备份系统 |
是针对极端电磁威胁的生存能力考量, 对特种车辆或高安全要求车辆至关重要。 |
需从芯片选型、PCB设计、线束屏蔽、整车接地进行全链路设计。 |
在电磁脉冲模拟器中进行辐照和注入测试, 验证系统功能降级和恢复情况。 |
电磁脉冲防护, 系统韧性, 军事标准 |
|
CAR0-117 |
L0: 整车级 |
社会技术-治理 |
自动驾驶道德算法决策日志的标准化与第三方审计接口 |
为符合未来法规, 系统记录伦理相关决策(如CAR1-24, CAR1-38)的日志格式标准化程度 |
格式符合行业/国际标准, 接口安全、完整 |
等级, 接口 |
CAR0-1, CAR0-42, CAR0-92, CAR0-108, CAR1-46 |
行业联盟推动, 法规要求, 数据安全 |
透明度、可审计性与商业机密、计算存储开销存在张力 |
区块链存证与零知识证明等隐私保护技术 |
是建立社会对自动驾驶信任的机制性保障, 使“算法决策”可追溯、可审计。 |
需提前参与相关标准制定, 并在系统设计中预留能力。 |
模拟伦理困境场景, 检查日志记录是否完整、清晰;测试审计接口的数据导出功能。 |
机器伦理, 算法治理, 数据标准, 可审计性 |
|
CAR0-118 |
L0: 整车级 |
功能-场景 |
对“高速公路上掉落物”的识别、分类与避让策略 |
对前方路面上的掉落物(如轮胎皮、木箱、货物)的稳定检测距离 |
|
m, 百分比, m |
CAR0-2, CAR0-86, CAR1-1, CAR2-1, CAR2-3 |
对不规则、罕见目标的感知, 快速风险评估 |
准确识别、安全避让与误报导致的紧急制动风险需平衡 |
基于V2X的预警信息共享 |
是高速公路安全驾驶的重要威胁, 对感知和决策的实时性、准确性要求极高。 |
需在训练数据中大量包含各类掉落物样本。 |
在测试场放置标准掉落物, 测试系统的识别和避让表现。 |
主动安全, 计算机视觉, 场景测试 |
|
CAR0-119 |
L0: 整车级 |
网络安全 |
硬件信任根的抗物理侵入攻击能力 (防开盖、防探测) |
安全芯片或HSM模块抵抗开盖、微探针、聚焦离子束等物理攻击, 防止密钥提取或功能篡改的能力等级 |
|
等级 |
CAR0-16, CAR0-74, CAR3-10, CAR4-14, CAR6-8 |
芯片封装技术(如顶层金属网格、环氧树脂填充), 主动防护电路 |
超高物理安全与芯片成本、可测试性存在矛盾 |
安全的远程激活与生命周期管理 |
是硬件信任根的终极防线, 防止攻击者通过物理接触获取核心密钥。 |
需采用经过安全认证的专用安全芯片, 并定期进行渗透测试评估。 |
委托专业安全实验室进行物理侵入攻击测试, 评估防护有效性。 |
硬件安全, 防篡改技术, 物理攻击 |
|
CAR0-120 |
L0: 整车级 |
制造-质量 |
基于数字孪生的装配工艺虚拟验证覆盖率 |
在实物生产前, 利用产品的三维数字孪生模型, 对总装工艺(如机器人抓取路径、工具可达性、线束装配顺序)进行虚拟仿真验证的工序覆盖率 |
|
百分比 |
CAR0-47, CAR0-58, CAR0-76, CAR0-85, CAR3-31 |
三维模型精度, 工艺仿真软件, 制造知识库 |
高覆盖率与仿真计算资源、工艺数据积累相关 |
增强现实辅助装配 |
是数字孪生驱动制造的核心应用, 能提前发现并解决装配干涉、人机工程等问题, 提升量产质量与效率。 |
需建立设计-制造一体化的数字孪生数据流。 |
对比虚拟仿真发现的问题与实际试生产中出现的问题, 评估覆盖率有效性。 |
数字孪生, 虚拟制造, 工艺仿真 |
|
CAR0-121 |
L0: 整车级 |
人机交互-安全 |
脑机接口 (BCI) 对驾驶员紧急制动意图的识别准确率与延迟 |
通过非侵入式脑电 (EEG) 设备, 识别驾驶员在紧急情况下(前车突然制动)产生制动意图的准确率 |
|
百分比, s |
CAR0-9, CAR0-19, CAR0-96, CAR2-67, CAR3-43 |
BCI设备信噪比, 机器学习算法, 个体差异校准 |
高精度、低延迟与设备舒适性、抗干扰能力、用户普适性存在巨大挑战 |
作为传统DMS和脚部动作的冗余输入 |
是未来人机共驾的终极交互形态之一, 可实现意念控制, 但目前成熟度低。 |
需解决个体校准、长期佩戴舒适性和信号稳定性问题。 |
在驾驶模拟器中设置紧急场景, 同步记录脑电和驾驶员操作, 训练和测试识别模型。 |
脑机接口, 神经工程, 人机交互, 生物信号处理 |
|
CAR0-122 |
L0: 整车级 |
成本-可持续 |
再制造自动驾驶传感器/控制器的成本节约率与性能担保期 |
对退役车辆拆解的自动驾驶核心部件(如激光雷达、域控制器)进行检测、修复、升级后, 其成本 |
|
百分比, 年 |
CAR0-30, CAR0-60, CAR0-97, CAR2-1, CAR2-7 |
部件模块化与可修复性设计, 再制造工艺流程 |
高节约率、长担保期与再制造技术难度、质量一致性控制相关 |
零部件追溯与健康状态历史 |
是循环经济在汽车后市场的重要实践, 可降低全生命周期成本, 但需建立信任体系。 |
需制定严格的再制造标准和认证流程。 |
对比新件和再制造件的采购成本与故障率数据。 |
再制造工程, 循环经济, 供应链管理 |
|
CAR0-123 |
L0: 整车级 |
功能-场景 |
车队协同编队行驶的稳定车距与燃油节省率 |
在多车组成紧密编队时, 维持的恒定车头时距 |
|
s, 百分比 |
CAR0-5, CAR1-17, CAR1-36, CAR2-68, CAR3-52 |
V2V通信性能, 车辆纵向控制精度, 空气动力学 |
极小车距(高节油)与安全性、舒适性、对前车状态的依赖强相关 |
专用的编队控制协议 |
是商用车高速公路运输的重要节能技术, 对通信和控制的可靠性要求极高。 |
需在法规允许的专用车道或特定条件下进行。 |
多车在测试道路或高速公路上进行编队行驶测试, 测量实际车距和能耗。 |
车辆编队, 协同控制, 交通流理论 |
|
CAR0-124 |
L0: 整车级 |
法规-责任 |
自动驾驶系统“可解释性”要求的法规符合性等级 |
依据未来可能出台的法规(如欧盟AI法案), 对自动驾驶系统的决策提供解释(针对特定输出)的能力要求等级 |
|
等级 |
CAR0-1, CAR0-42, CAR0-117, CAR1-46, CAR3-47 |
可解释AI技术, 系统设计 |
高可解释性可能与模型最高性能存在轻微冲突 |
安全案例与认证证据 |
是“可信赖AI”法规的核心, 旨在使监管机构和用户理解并信任系统决策。 |
需在算法开发和系统集成阶段就融入可解释性设计。 |
由认证机构或第三方评估系统提供的决策解释是否满足法规要求。 |
可解释人工智能, AI伦理, 法规符合性 |
|
CAR0-125 |
L0: 整车级 |
性能-统计 |
在密集城市混合交通流中的“通行礼仪”评分 |
由专业评价员或基于他车行为反馈, 对自动驾驶车辆在无保护左转、人行道前、合流等复杂交互场景中, 表现出的“礼貌”、“合作”程度进行主观评分 |
|
分数 |
CAR0-91, CAR0-107, CAR1-10, CAR1-45, CAR2-49 |
交互决策算法, 意图表达清晰度 |
高效通行与礼貌让行存在行为上的矛盾 |
基于强化学习的交互策略优化 |
是提升自动驾驶在人类驾驶员中接受度、减少路怒和冲突的社会性软指标。 |
需通过大量真实路测和交互数据来学习和优化行为。 |
雇佣专业评价员随车或在监控中心观察评价, 或分析他车对本车的让行频率等间接指标。 |
社会机器人学, 交通行为, 交互设计 |
|
CAR1-49 |
L1: 决策规划子系统 |
风险-博弈参数 |
在交互场景中, 对对方车辆“理性程度”的估计与适应性 |
建立对手模型 |
对手模型准确, 适应性高 |
模型, 无单位 |
CAR1-5, CAR1-10, CAR1-31, CAR0-125 |
交互历史数据, 博弈论模型, 在线学习 |
精确的对手建模与计算复杂性、实时性存在矛盾 |
多策略决策库与快速切换 |
是实现拟人化、高效交互决策的高级能力, 能更好应对不同驾驶风格的车辆。 |
可能需要采用分层或元博弈框架。 |
在包含多样化驾驶员行为的交通流仿真中, 测试本车与不同风格AI车辆交互的成功率和安全性。 |
博弈论, 多智能体交互, 对手建模 |
|
CAR1-50 |
L1: 感知子系统 |
学习-持续参数 |
在线持续学习新物体类别的能力与灾难性遗忘抑制率 |
系统在部署后, 能够在不遗忘已学会知识的前提下, 通过学习少量新样本(如新车型、特殊车辆)来增加可识别类别的能力 |
|
能力, 无单位 |
CAR0-20, CAR1-1, CAR1-26, CAR3-14 |
持续学习算法(如弹性权重固化、重放), 计算架构 |
强大的持续学习能力与有限的车载计算资源、存储和安全要求存在矛盾 |
安全的云-端协同学习与验证 |
是应对长尾问题、使感知系统适应新环境的关键, 但需解决稳定性-可塑性困境。 |
需设计安全的模型更新和回滚机制。 |
在仿真或真实数据流中, 依次引入新类别样本进行训练, 测试新旧类别的识别精度变化。 |
持续学习, 增量学习, 机器学习 |
|
CAR1-51 |
L1: 定位子系统 |
抗干扰-完好性参数 |
对欺骗式GNSS攻击的检测概率与完好性风险重分配 |
系统检测到GNSS信号被欺骗(位置、时间被恶意修改)的概率 |
|
百分比, 策略 |
CAR0-16, CAR1-3, CAR1-25, CAR1-33, CAR2-9 |
多天线、多频点、信号质量监测, 多源一致性检查 |
高检测概率、合理重分配与系统复杂性、成本相关 |
基于地图匹配的绝对位置约束 |
是防御日益增长的GNSS欺骗攻击、维护定位安全的关键能力。 |
需采用具有抗欺骗功能的GNSS接收机, 并设计多层次防御。 |
使用专业的GNSS信号模拟器/欺骗器进行攻击测试, 验证检测和恢复能力。 |
卫星导航安全, 抗欺骗, 完好性 |
|
CAR1-52 |
L1: 控制子系统 |
最优-能量参数 |
基于庞特里亚金最小值原理的预测性节能巡航控制节油率 |
利用前方道路坡度、曲率、交通灯信息(来自导航/V2X), 采用最优控制理论(如PMP)规划车速曲线, 相较于定速巡航, 在典型路线上实现的燃油/电耗节约百分比 |
|
百分比 |
CAR0-5, CAR0-12, CAR1-4, CAR2-65, CAR2-30 |
预测模型精度, 最优问题求解实时性 |
理论最优节能与实际交通流交互、乘客舒适性存在平衡 |
与动力总成、热管理系统的协同优化 |
是智能能量管理的核心算法, 挖掘“预见性”驾驶的节能潜力。 |
需获取准确的前方道路和交通信息。 |
在底盘测功机或实车固定路线上, 对比传统巡航和预测性节能巡航的能耗。 |
最优控制, 预测性能量管理, 车辆动力学 |
|
CAR0-126 |
L0: 整车级 |
系统-韧性 |
在部分网络被入侵后的“功能隔离舱”生效时间 |
当检测到某个ECU或网络区域被入侵时, 整车网络安全架构启动“功能隔离舱”机制, 将被入侵部分从关键网络中物理或逻辑隔离开所需的时间 |
|
ms |
CAR0-16, CAR0-56, CAR0-84, CAR1-41, CAR3-26 |
网络分区设计, 安全网关策略, 入侵检测响应速度 |
快速隔离与保证非故障部分功能可用性存在平衡 |
深度防御与最小权限原则 |
是限制网络攻击影响范围、防止横向移动的关键动态防御机制。 |
需设计支持快速隔离的交换机、网关和域控制器。 |
在车载网络测试平台注入攻击, 测量从检测到隔离生效的时间, 并验证隔离效果。 |
网络安全架构, 入侵响应, 功能隔离 |
|
CAR0-127 |
L0: 整车级 |
社会技术-接受度 |
公众对自动驾驶车辆事故数据的“透明化”调查报告满意度 |
在发生涉及自动驾驶车辆的事故后, 企业发布事故调查报告的透明度、详实程度和及时性, 由公众、媒体、监管机构评价的综合满意度 |
|
分数 |
CAR0-1, CAR0-92, CAR0-117, CAR1-16 |
企业公开文化, 数据记录能力, 与监管机构合作 |
完全透明与法律责任、商业秘密、调查过程存在张力 |
独立第三方调查机制 |
是重建公众信任、促进行业健康发展的关键非技术因素, 尤其在重大事故后。 |
需建立完善的事故响应、数据提取和分析流程, 并制定透明的发布政策。 |
在模拟事故危机公关演练中评估;分析历史事故后公众舆论和行业反馈。 |
危机沟通, 公共关系, 企业社会责任 |
|
CAR0-128 |
L0: 整车级 |
功能-场景 |
对“靠近路缘石停车”的侧向距离控制精度 |
在自动泊车或靠边停车场景中, 车辆轮胎与路缘石(或墙面)之间的最终侧向距离 |
|
cm, cm |
CAR0-41, CAR0-55, CAR1-4, CAR2-16 |
近距离感知(超声波/环视)精度, 车辆运动学控制 |
精确贴近与防止刮擦轮毂/轮胎存在矛盾 |
轮毂视角摄像头 |
是提升自动泊车实用性、保护车辆和路缘石的重要细节。 |
需考虑不同轮胎尺寸和悬架压缩的影响。 |
在测试场设置不同高度的路缘石, 进行自动泊车测试, 测量最终停车位置。 |
自动泊车, 精确控制, 环境感知 |
|
CAR0-129 |
L0: 整车级 |
网络安全 |
软件物料清单 (SBOM) 的漏洞关联与修复影响分析自动化率 |
当新的公共漏洞暴露 (CVE) 发布时, 系统能自动匹配SBOM中的组件, 识别受影响软件, 并分析漏洞修复(如升级版本)对系统功能、安全性和兼容性影响的自动化程度 |
|
百分比 |
CAR0-21, CAR0-62, CAR0-94, CAR0-102, CAR0-124 |
SBOM管理工具链, 漏洞数据库, 影响分析模型 |
高度自动化与分析的准确性、复杂性存在平衡 |
安全的OTA差分升级包生成 |
是应对海量开源组件安全威胁、实现高效漏洞管理的关键流程自动化指标。 |
需建立与CI/CD和OTA流程集成的SBOM和漏洞管理平台。 |
模拟发布一个已知CVE, 记录从接收到完成影响分析并制定修复方案的时间。 |
软件供应链安全, 漏洞管理, 安全运维 |
|
CAR0-130 |
L0: 整车级 |
制造-质量 |
基于机器视觉的线束装配正确性在线检测误报率 |
在总装线上, 通过机器视觉系统自动检查线束连接器是否插接到位、锁止机构是否扣好的误报率 |
|
百分比 |
CAR0-47, CAR0-95, CAR4-7, CAR4-32 |
相机分辨率与光照, 图像识别算法, 产线节拍 |
低误报率与检测速度、系统成本需平衡 |
电检与功能测试的冗余验证 |
防止因线束虚接导致的电气故障, 是提升装配质量的关键自动化检测环节。 |
需对每种线束连接类型建立标准的图像模板。 |
统计生产线视觉检测结果与人工复检结果的差异, 计算误报率。 |
机器视觉, 智能制造, 质量控制 |
|
CAR0-131 |
L0: 整车级 |
人机交互-安全 |
语音助手在紧急情况下(如驾驶员突发疾病)的自动紧急呼叫 (eCall) 触发准确率 |
通过分析驾驶员语音(如呼救、呻吟、无响应)和生理信号, 语音助手自动触发eCall呼叫救援的准确率 |
|
百分比 |
CAR0-1, CAR0-19, CAR0-88, CAR2-67 |
语音情感识别, 生理信号异常检测, 上下文理解 |
高准确率、防误触发与隐私保护、系统复杂性相关 |
与DMS、车辆动态的联合判断 |
是车辆作为“守护者”角色的高级安全功能, 能在驾驶员失能时求救。 |
触发前应有明确的多重确认或缓冲期, 防止误报造成恐慌。 |
在模拟环境中, 录制各种紧急和非紧急语音场景, 测试系统的触发决策。 |
语音分析, 紧急救援, 健康监测 |
|
CAR0-132 |
L0: 整车级 |
成本-可持续 |
自动驾驶系统研发过程中数字仿真与实车测试的成本比值 |
在系统开发和验证阶段, 投入在数字仿真(MIL/SIL/HIL/VIL)上的总成本 |
|
无单位 |
CAR0-15, CAR0-29, CAR0-73, CAR0-105, CAR3-31 |
仿真工具链成熟度, 场景库规模, 云计算资源 |
提高仿真占比是降本增效的关键, 但仿真保真度需持续投入 |
云仿真与并行加速 |
是衡量研发效率和验证充分性的重要经济指标, 推动“仿真优先”的研发模式。 |
需投资建设高保真仿真环境和自动化测试流水线。 |
统计项目财务数据, 计算仿真与实车测试的相关花费。 |
研发管理, 仿真工程, 成本分析 |
|
CAR0-133 |
L0: 整车级 |
功能-场景 |
在暴雨导致路面严重积水时的涉水通过性判断与路径规划 |
系统能通过摄像头、雷达等感知路面水深 |
判断准确, 规划安全 |
布尔, 路径 |
CAR0-10, CAR0-83, CAR1-1, CAR1-4, CAR2-75 |
对水花、倒影的抗干扰感知, 车辆涉水模型 |
准确感知水深与算法鲁棒性、缺少先验信息存在矛盾 |
高精地图标注的易积水点 |
是极端天气下保证安全和通过性的高级功能, 对感知和决策提出挑战。 |
需在训练数据中包含各种程度的积水场景。 |
在试车场设置不同深度的涉水池, 测试系统的感知、判断和规划能力。 |
环境感知, 路径规划, 车辆通过性 |
|
CAR0-134 |
L0: 整车级 |
性能-统计 |
L4级Robotaxi在商业运营区域的“空驶率” |
在运营区域内, 车辆处于自动驾驶状态但未搭载乘客(空驶)的里程 |
|
百分比 |
CAR0-30, CAR0-53, CAR0-115, CAR1-45 |
订单预测与调度算法, 交通状况, 充电策略 |
低空驶率是盈利的关键, 但需平衡响应时间和车辆调度效率 |
智能的车队管理与能源补给规划 |
是衡量自动驾驶出行服务运营效率和经济性的核心商业指标。 |
需强大的云端调度系统和准确的供需预测模型。 |
统计运营平台数据, 计算空驶里程和比例。 |
运营管理, 共享出行, 调度优化 |
|
CAR6-18 |
L6: 原子/分子级 |
表面-催化 |
单原子催化剂在燃料电池氧还原反应中的质量活性与稳定性 |
单位质量贵金属(如铂)在氧还原反应中产生的电流 |
|
A/mg, 次 |
CAR2-71, CAR6-17, CAR6-166, CAR6-173, CAR6-174 |
单原子锚定机制, 载体材料 |
极高的原子利用率、高活性与防止单原子迁移、团聚的稳定性是挑战 |
用于低铂/无铂催化剂 |
是燃料电池催化剂的前沿研究方向, 有望大幅降低铂用量, 但规模化制备和稳定性是难题。 |
需通过球差校正透射电镜等先进手段表征单原子状态。 |
旋转圆盘电极测试质量活性, 加速耐久性测试。 |
单原子催化, 电催化, 能源材料 |
|
CAR6-19 |
L6: 原子/分子级 |
量子-传感 |
金刚石NV色心对电场/温度/压力的多参量同时解耦灵敏度 |
利用NV色心电子自旋对磁场 |
对各参量均有高灵敏度, 且串扰小 |
T/√Hz, V/(m·√Hz), K/√Hz, Pa/√Hz |
CAR3-9, CAR6-1, CAR6-14, CAR6-161, CAR6-175 |
NV色心能级结构, 量子控制技术 |
多参量、高灵敏度、高空间分辨率是其独特优势, 但读出和控制极其复杂 |
用于微观尺度的多物理场成像 |
是未来超高精度、多功能量子传感的远景, 可用于材料分析、生物检测等, 在车上应用遥远。 |
需在实验室条件下进行原理验证。 |
使用标准场源标定各参量的响应系数和串扰矩阵。 |
量子传感, 固态物理, 多参量测量 |
-
系统级的韧性、安全与生存性:定义在极端网络攻击、物理篡改、自然灾害下的系统检测、隔离、自愈和功能维持能力参数。
-
全生命周期模型与数据流管理:量化用于预测性维护、软件性能监控、数据闭环效率的模型精度与数据流转指标。
-
生物启发与跨领域融合参数:引入仿生材料、生物燃料电池、群体智能等前沿技术的性能与可靠性模型。
-
社会经济学与商业模式参数:定义自动驾驶车队保险动态定价、碳积分交易、共享出行网络效应等商业与监管指标。
-
微观机理与宏观性能的跨尺度关联:建立材料缺陷、工艺波动与部件可靠性、整车性能的概率性传递函数。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-135 |
L0: 整车级 |
系统-韧性 |
面对“供应链断供”事件的关键芯片/模块替代方案切换时间与性能降级 |
当某关键芯片(如特定AI加速器)因制裁或灾害断供, 启动备选方案(如国产替代、软件重部署到其他芯片)所需的总时间 |
|
月, 百分比 |
CAR0-30, CAR0-63, CAR0-102, CAR1-42, CAR2-7 |
硬件平台冗余度, 软件架构可移植性, 替代件认证 |
快速切换、低性能损失与巨大的重新开发、验证成本强相关 |
硬件抽象层与标准化接口 |
是应对地缘政治风险和供应链不确定性的终极业务连续性指标。 |
需建立“国产化/多源化”清单, 并对关键软件进行平台化设计。 |
制定并演练供应链中断应急预案, 评估切换方案的技术可行性和时间。 |
供应链韧性, 业务连续性管理, 平台化设计 |
|
CAR0-136 |
L0: 整车级 |
社会技术-治理 |
自动驾驶算法决策的“价值观对齐”审计评分 |
由独立伦理委员会或第三方机构, 基于设定的伦理准则(如优先保护人类、遵守交通法规), 对自动驾驶系统在大量仿真和实车测试中做出的决策进行审计, 得出的价值观对齐符合度评分 |
|
分数/等级 |
CAR0-1, CAR0-117, CAR0-124, CAR1-24, CAR1-38 |
伦理准则的明确性, 决策日志的完备性, 审计方法 |
明确的价值观定义、可审计的决策与算法的复杂性和场景的无限性存在张力 |
公众参与的价值设计过程 |
是确保自动驾驶技术发展符合社会普遍价值观的制度性保障, 建立社会信任的基石。 |
需在开发早期引入伦理学家和社会科学家, 并建立常态化的审计机制。 |
由独立第三方运行包含伦理困境的标准场景测试集, 评估系统决策与预设准则的一致性。 |
机器伦理, 算法审计, 社会价值对齐 |
|
CAR0-137 |
L0: 整车级 |
功能-场景 |
对“道路施工区临时交通指挥员”手势指令的识别与服从率 |
系统能通过视觉识别道路施工人员(交警或协管员)的标准手势指令(如停止、前行、转向), 并正确执行该指令的成功率 |
|
百分比 |
CAR0-86, CAR1-1, CAR1-5, CAR2-3, CAR2-59 |
对动态、非刚性人体的姿态估计, 手势语义理解 |
高识别率与手势的模糊性、非标准性、与交通灯的冲突存在挑战 |
V2X接收施工区管制信息 |
是应对非结构化、动态交通管制场景的关键能力, 体现系统对“人”的指令的服从性。 |
需在训练数据中大量包含各国交通指挥手势样本。 |
在测试场, 由真人扮演交通指挥员, 测试系统的识别和响应。 |
计算机视觉, 人机交互, 交通法规 |
|
CAR0-138 |
L0: 整车级 |
网络安全 |
基于“移动目标防御”的车载网络地址/协议跳变频率与攻击面缩减比 |
定期或随机地改变车内ECU的IP地址、通信端口或使用的协议, 增加攻击者探测和维持攻击难度的跳变频率 |
|
1/s, 百分比 |
CAR0-16, CAR0-56, CAR0-84, CAR2-22, CAR3-26 |
MTD控制器性能, 网络通信实时性影响 |
高频跳变、大攻击面缩减与网络通信确定性、开销、兼容性存在矛盾 |
入侵检测与MTD的联动 |
是主动防御技术, 动态改变系统配置, 使攻击者无法建立稳定的攻击路径。 |
需设计支持动态重配置的车载网络架构和安全通信协议。 |
在车载网络测试平台模拟攻击, 比较启用/禁用MTD时攻击成功的难度和时间。 |
移动目标防御, 主动网络安全, 网络弹性 |
|
CAR0-139 |
L0: 整车级 |
制造-质量 |
基于声发射技术的电池模组内部微短路在线检测灵敏度 |
在电池模组生产线下线测试中, 通过高灵敏度声发射传感器捕捉电池内部因微短路产生气泡或结构变化的微弱声信号, 并能检测到的最小短路电阻对应的能量释放 |
能检测到>1mJ的能量事件 |
J |
CAR0-7, CAR0-85, CAR0-111, CAR2-61, CAR3-40 |
声发射传感器性能, 背景噪声抑制, 模式识别算法 |
高灵敏度与产线环境噪声、检测速度存在矛盾 |
X射线、红外热成像等多模态无损检测 |
是电池生产质量控制的尖端技术, 能在出厂前剔除有内部缺陷的电芯, 提升安全性。 |
需在高度自动化的产线上集成声发射检测工位。 |
在实验电池上人为制造已知的微短路, 验证声发射系统的检测阈值和准确性。 |
无损检测, 声发射, 电池安全, 智能制造 |
|
CAR0-140 |
L0: 整车级 |
人机交互-安全 |
增强现实导航中虚拟标志的“注意力捕获”强度与对真实交通要素观察的干扰度 |
虚拟导航标志(如箭头)通过运动、颜色、闪烁等方式吸引驾驶员注意力的有效强度 |
|
等级, 百分比 |
CAR0-64, CAR0-104, CAR2-20, CAR2-74, CAR3-71 |
AR-HUD光学与交互设计, 人因工程研究 |
有效的引导与潜在的视觉干扰、注意力分散存在精细平衡 |
基于驾驶员状态和场景关键度的智能信息推送 |
是AR-HUD设计成败的关键, 需在提供有效信息的同时, 最小化对原生驾驶任务的干扰。 |
需进行大量的驾驶员在环实验, 用眼动仪、脑电等设备量化评估注意力和工作负荷。 |
在驾驶模拟器中, 让受试者在包含AR导航的复杂交通场景中驾驶, 记录眼动轨迹和驾驶表现。 |
人因工程, 注意力研究, 增强现实, 交互设计 |
|
CAR0-141 |
L0: 整车级 |
成本-可持续 |
自动驾驶系统全生命周期水资源消耗总量评估 |
依据水足迹评估标准, 计算自动驾驶系统硬件生产(芯片制造、电池生产)、软件数据中心运行、车辆使用(清洗)、报废回收等全生命周期消耗的淡水总量 |
|
m³ |
CAR0-30, CAR0-50, CAR0-82, CAR0-113, CAR0-122 |
供应链水耗数据, 数据中心PUE与WUE, 使用模式 |
高性能计算、先进制造通常与高水耗相关 |
绿色制造与节水技术 |
是全生命周期环境影响评估 (LCA) 的重要组成部分, 反映产品的水资源压力。 |
需与供应商合作收集水耗数据, 并评估在缺水地区生产和使用的影响。 |
使用专业LCA软件建模, 整合行业数据库和实际生产数据。 |
生命周期评价, 水足迹, 可持续制造 |
|
CAR0-142 |
L0: 整车级 |
功能-场景 |
在“无地图”乡村道路上的即时拓扑地图构建与导航成功率 |
在完全没有先验地图的乡村道路, 系统通过SLAM实时构建局部拓扑地图(道路连接关系), 并基于此完成从A点到B点导航任务的成功率 |
|
百分比 |
CAR1-3, CAR1-12, CAR1-43, CAR2-1, CAR2-3 |
视觉/激光SLAM性能, 拓扑理解能力, 路径规划 |
实时建图与导航对算力和算法鲁棒性要求极高 |
云端众包地图的异步更新 |
是扩展自动驾驶至全球广大未测绘区域的终极能力, 是前沿研究方向。 |
需解决回环检测、长期运行下的漂移和动态物体处理问题。 |
在封闭的模拟乡村道路测试场, 进行从零开始的导航测试。 |
同步定位与建图, 拓扑地图, 机器人导航 |
|
CAR0-143 |
L0: 整车级 |
性能-统计 |
自动驾驶软件OTA升级后, 关键性能指标 (KPI) 的回归测试通过率 |
每次OTA软件升级后, 在仿真环境和测试车上对预先定义的一组核心KPI(如感知精度、控制延迟、接管率)进行回归测试, 其通过率 |
|
百分比 |
CAR0-21, CAR0-45, CAR0-69, CAR0-102, CAR1-1 |
自动化测试框架, KPI监控体系, 回滚机制 |
全面的回归测试与快速迭代部署存在时间冲突 |
金丝雀发布与A/B测试 |
是保证OTA升级质量、防止功能退化的关键质量控制流程指标。 |
需建立高度自动化的CI/CD流水线, 包含大规模的仿真回归测试。 |
统计历次OTA升级后, 回归测试用例的执行结果和通过率。 |
软件测试, 持续集成/持续部署, 质量保证 |
|
CAR0-144 |
L0: 整车级 |
法规-责任 |
自动驾驶系统“安全员”培训认证体系的完备性与考核标准 |
为企业内部负责测试、监控或接管的自动驾驶安全员建立的培训课程、考核标准、认证流程的完备性等级 |
体系完备, 考核严格, 符合行业最佳实践 |
等级, 难度 |
CAR0-1, CAR0-9, CAR0-105, CAR0-115 |
行业标准, 企业安全文化 |
严格的培训考核与人力成本、安全员供应存在平衡 |
基于模拟器的常态化复训与考核 |
是保证在L3/L4测试和运营初期, 人类安全员能够有效履行监督和接管职责的基础。 |
需定期对安全员进行复训和技能评估。 |
审查培训课程大纲、考核记录和认证证书;观察安全员在实际测试或运营中的表现。 |
人力资源, 安全培训, 运营管理 |
|
CAR0-145 |
L0: 整车级 |
系统-韧性 |
在遭受激光致盲攻击后的传感器系统自恢复时间与功能降级策略 |
当摄像头或激光雷达被恶意激光照射致盲后, 系统检测到攻击、关闭受影响传感器以防止损坏, 并启动备用传感器或降级感知算法的时间 |
|
s, 等级 |
CAR0-1, CAR0-6, CAR0-101, CAR2-1, CAR2-3 |
传感器硬件的抗饱和能力, 攻击检测算法, 多传感器冗余 |
快速检测恢复、有效降级与攻击的隐蔽性、传感器物理极限存在矛盾 |
基于威胁情报的预警与规避 |
是针对新兴物理层安全威胁的防御能力, 保护传感器这一“眼睛”的安全。 |
需在传感器光学路径中集成光学滤波和限幅器, 并设计相应的故障诊断逻辑。 |
在可控环境中, 使用低功率安全激光模拟攻击, 测试系统的响应和恢复过程。 |
物理层安全, 传感器防护, 故障恢复 |
|
CAR0-146 |
L0: 整车级 |
社会技术-接受度 |
公众对自动驾驶车辆“礼让行人”行为的主观评价与信任度增益 |
通过调查或实验, 测量行人在无信号灯路口, 对自动驾驶车辆主动停车礼让行为的主观评价 |
|
分数, 变化值 |
CAR0-91, CAR0-107, CAR0-125, CAR1-10, CAR2-49 |
决策算法在行人面前的保守程度, 车辆与行人的交互方式(如灯光、声音) |
频繁礼让可能导致交通效率下降, 需平衡 |
基于V2P通信的行人意图确认 |
是自动驾驶获得公众好感、融入城市生活最直观、最有效的方式之一。 |
需在算法中明确行人路权的优先级, 并表现出可预测的让行意图。 |
在真实路口进行测试, 收集行人问卷调查和访谈数据;分析行人过马路前的犹豫时间和行为。 |
社会心理学, 交通行为, 人车交互 |
|
CAR0-147 |
L0: 整车级 |
功能-场景 |
对“动物尸体/大型障碍物”的识别与高速安全避让策略 |
在高速公路上, 对前方路面上的动物尸体、破损轮胎等大型静止障碍物的识别距离 |
|
m, 分数 |
CAR0-2, CAR0-48, CAR0-118, CAR1-1, CAR1-4 |
对不规则、低反射率目标的感知, 高速紧急避让的车辆动力学极限 |
准确识别、安全避让与高速下的稳定控制是极限挑战 |
基于V2V/V2I的提前预警 |
是高速公路安全的重要威胁, 对系统的感知、决策和控制能力提出最高要求。 |
需在模拟器中进行大量极限工况测试, 并验证车辆ESP等系统的协同工作。 |
在测试场高速路段放置模拟障碍物, 测试系统的识别和避让表现, 评估车辆稳定性。 |
主动安全, 高速避障, 车辆动力学 |
|
CAR0-148 |
L0: 整车级 |
网络安全 |
基于“可信执行环境”的车内敏感数据(如DMS图像)处理链完整性证明 |
对驾驶员监控等涉及生物特征的数据处理流程, 从采集、处理到销毁, 均在TEE内完成, 并能向外提供可验证的处理链完整性证明 |
提供符合TPM/TrustZone等标准的远程认证能力 |
证明 |
CAR0-36, CAR0-49, CAR0-74, CAR2-64, CAR3-49 |
TEE硬件支持, 安全启动链, 远程认证协议 |
完整的TEE保护与算法性能、开发便利性存在一定权衡 |
隐私计算与联邦学习 |
是从硬件根上保护用户敏感数据、满足GDPR等“数据保护 by design”要求的关键技术。 |
需采用支持TEE的处理器, 并将敏感数据处理代码移植到安全侧。 |
使用远程认证工具挑战TEE, 验证其状态和加载代码的完整性。 |
可信计算, 隐私增强技术, 硬件安全 |
|
CAR0-149 |
L0: 整车级 |
制造-质量 |
用于自动驾驶的柔性电路板 (FPC) 的动态弯折疲劳寿命测试循环数 |
对应用于折叠屏、可动摄像头的FPC, 在规定的弯折半径 |
|
次 |
CAR0-58, CAR4-15, CAR4-23, CAR5-72, CAR6-90 |
FPC材料与结构, 弯折测试标准 |
超高寿命与FPC的轻薄、高密度布线存在矛盾 |
铰链机械设计与FPC走线路径的协同仿真 |
是保证车载可动部件长期可靠性的核心, 直接影响售后成本和品牌口碑。 |
需进行加速弯折疲劳测试, 并根据实际使用频率换算等效寿命。 |
动态弯折试验机, 在线监测电阻和绝缘。 |
柔性电子, 疲劳测试, 可靠性工程 |
|
CAR0-150 |
L0: 整车级 |
人机交互-安全 |
多乘客场景下语音指令的声源定位与个性化响应准确率 |
当车内有多名乘员时, 系统能准确定位发出语音指令的声源位置(如主驾、副驾、后排), 并针对该位置乘员的个性化设置(如调节其侧空调、车窗)的准确率 |
|
百分比 |
CAR0-88, CAR0-112, CAR2-59, CAR3-114, CAR4-26 |
麦克风阵列性能, 声源定位算法, 乘客档案管理 |
精准的声源分离、定位与座舱声学环境复杂性相关 |
基于人脸/座椅识别的乘客身份确认 |
实现更自然、智能的舱内多用户交互, 避免指令冲突和误操作。 |
需在座舱内合理布置麦克风阵列, 并进行充分的声学标定。 |
在真实车厢内, 安排多名乘员在不同位置发出指令, 测试系统的定位和响应准确性。 |
声源定位, 语音交互, 阵列信号处理 |
|
CAR0-151 |
L0: 整车级 |
成本-可持续 |
自动驾驶系统硬件中“冲突矿物” (3TG) 的无冲突供应链认证比例 |
指锡 (Sn)、钽 (Ta)、钨 (W)、金 (Au) 这四种常产于冲突地区矿物。 在自动驾驶相关硬件(如芯片、电路板)中, 所使用的这四种矿物来源于经过无冲突认证冶炼厂的比例 |
|
百分比 |
CAR0-30, CAR0-67, CAR0-75, CAR5-47, CAR6-4 |
供应链追溯能力, 供应商合规管理 |
100%无冲突认证与全球复杂供应链、成本增加存在挑战 |
区块链等可追溯技术应用 |
是企业社会责任 (CSR) 和可持续发展的重要体现, 符合国际法规和品牌伦理要求。 |
需对供应商进行尽责调查, 并要求其提供有效的无冲突矿物报告。 |
审查供应商提供的经审计的无冲突矿物报告, 如CFS。 |
负责任矿产采购, 供应链管理, 企业社会责任 |
|
CAR0-152 |
L0: 整车级 |
功能-场景 |
在“强侧风”路段的车道保持稳定性与驾驶员告警策略 |
在桥梁、山口等强侧风路段, 系统维持车辆在车道内行驶的最大可承受侧向风速 |
|
m/s, s |
CAR0-3, CAR0-9, CAR1-4, CAR1-13, CAR2-5 |
车辆空气动力学稳定性, 横摆角速度控制, 风速传感器 |
高稳定性与车辆设计、控制算法相关 |
基于导航的侧风区域预警 |
是应对恶劣天气、保证高速行驶安全的重要场景, 尤其对高车身车辆。 |
需在风洞中获取车辆的侧风稳定性数据, 并集成到控制模型中。 |
在风洞中模拟侧风, 测试车辆稳定性;在实地侧风路段进行测试。 |
车辆动力学, 空气动力学, 主动安全 |
|
CAR0-153 |
L0: 整车级 |
性能-统计 |
城市NOA功能在雨/雪/雾等恶劣天气下的功能降级曲线与可用性 |
定义在轻度、中度、重度降水/降雪/雾天气下, 城市导航辅助驾驶功能的最高可用车速 |
衰减平缓, |
函数, 百分比 |
CAR0-10, CAR0-44, CAR0-83, CAR1-1, CAR2-32 |
传感器在恶劣天气下的性能模型, 算法鲁棒性 |
维持恶劣天气下的性能与传感器配置成本、算法复杂性强相关 |
基于天气预报的预见性功能管理 |
是定义系统全天候可用性的关键, 直接影响用户体验和功能价值。 |
需在各种真实恶劣天气下进行大量测试, 建立性能边界模型。 |
在环境模拟舱和真实恶劣天气下测试性能, 统计历史天气数据下的功能可用性。 |
全天候性能, 环境适应性, 数据统计 |
|
CAR0-154 |
L0: 整车级 |
法规-责任 |
自动驾驶系统“预期功能安全”案例在监管机构的归档与更新频率 |
企业向国家监管机构提交的、符合UN R157等法规的SOTIF安全案例文档的完备性和更新频率 |
初始提交完备, 并随系统更新(OTA)而定期更新 |
次/年 |
CAR0-1, CAR0-15, CAR0-42, CAR0-100, CAR0-117 |
企业安全管理流程, 与监管机构的沟通机制 |
详实的文档、频繁更新与商业机密保护、开发效率存在一定张力 |
自动化文档生成与变更管理工具 |
是获得产品型式认证和后续OTA升级批准的必要法律文件, 体现企业对安全生命周期的管理。 |
需建立安全案例与需求、设计、测试、验证工件之间的可追溯性。 |
监管机构对提交的安全案例文档进行审查, 并可能进行现场审核。 |
预期功能安全, 安全案例, 法规符合性 |
|
CAR1-53 |
L1: 决策规划子系统 |
社会价值-学习参数 |
基于人类反馈的强化学习 (RLHF) 中, 人类偏好模型与系统策略的KL散度 |
在RLHF框架中, 用于拟合人类对驾驶行为偏好(如更礼貌、更平稳)的奖励模型 |
R_φ)`。 该值收敛且小, 表示策略与人类偏好对齐。 |
|
无单位 |
CAR0-125, CAR1-10, CAR1-24, CAR1-38, CAR1-44 |
人类偏好数据质量, 奖励模型表达能力 |
完美对齐与奖励模型的“欺骗” (reward hacking) 风险、计算成本存在平衡 |
安全约束下的策略优化 |
是实现社会价值对齐、学习人类“驾驶礼仪”的高级机器学习方法。 |
需收集大量、高质量的人类对驾驶片段的好坏评价数据。 |
|
|
CAR1-54 |
L1: 感知子系统 |
数据-效率参数 |
感知模型在特定场景下的“数据价值”评估与主动学习采样效率 |
对于未标注的数据池, 通过模型不确定性、数据分布差异等度量评估每个样本对提升模型性能的潜在价值 |
|
百分比 |
CAR0-20, CAR1-1, CAR1-26, CAR1-32, CAR3-14 |
主动学习策略, 模型不确定性估计 |
高效的样本选择与计算开销、标注延迟存在平衡 |
半自动标注与合成数据生成 |
是降低数据标注成本、针对性提升模型在长尾场景下性能的关键技术。 |
需建立与数据标注平台集成的主动学习工作流。 |
在固定的数据集和预算下, 比较主动学习与随机学习策略达到目标精度所需的标注量。 |
主动学习, 数据效率, 机器学习 |
|
CAR1-55 |
L1: 定位子系统 |
抗干扰-完好性参数 |
基于视觉/激光雷达的定位完好性风险在SLAM闭环中的分配与置信度 |
在视觉/激光SLAM中, 由于特征匹配错误、动态物体、光照变化等因素, 定位结果存在风险。 通过分析位姿图优化中的信息矩阵、重投影误差等, 为每个定位输出计算一个局部的完好性风险指标 |
风险估计保守且合理, 用于触发告警 |
无单位 |
CAR1-3, CAR1-12, CAR1-25, CAR1-33, CAR1-51 |
SLAM后端优化理论, 异常值检测 |
准确的完好性风险估计是SLAM领域的难题, 尚无成熟标准 |
多源定位的完好性风险联合分配 |
是实现不依赖GNSS的、具备完好性保障的高精度定位的关键前沿研究方向。 |
需研究基于紧耦合的多传感器完好性监测算法。 |
在已知真值的环境中, 注入各种干扰和故障, 验证风险估计模型是否能及时反映定位误差增大。 |
同时定位与建图, 完好性, 状态估计, 机器人学 |
|
CAR1-56 |
L1: 控制子系统 |
最优-协同参数 |
底盘域协同控制(转向、制动、驱动、悬架)的集中式优化控制问题求解实时性 |
将转向角 |
|
s |
CAR0-3, CAR0-4, CAR1-4, CAR1-13, CAR2-10, CAR2-12, CAR2-66 |
车辆模型复杂度, 优化算法效率, 计算平台算力 |
集中优化带来的全局最优性与实时计算负担是主要矛盾 |
分层控制与简化模型 |
是实现底盘性能全局最优的终极控制形式, 对算力和算法要求极高, 是研究热点。 |
需采用高效的非线性优化求解器, 并可能使用近似模型或数据驱动模型。 |
在硬件在环平台上, 运行集中式MPC控制器, 测试其求解周期和跟踪性能。 |
模型预测控制, 底盘域控制, 优化理论 |
|
CAR2-81 |
L2: 部件 (电致变色智能天幕) |
光-热-电参数 |
着色/褪色响应时间与可见光/红外光透过率独立调节能力 |
天幕从最深色态切换到最透明态(或反之)所需的时间 |
|
s, 百分比 |
CAR0-13, CAR0-33, CAR2-62, CAR5-156, CAR6-176 |
电致变色材料体系(如无机电致变色), 多层膜结构 |
快速响应、宽光谱独立调节与材料成本、耐久性、大面积制造相关 |
基于太阳位置与温度的智能控制 |
实现动态遮阳和热管理, 显著提升座舱舒适性和空调能效。 |
需解决长期循环下的性能衰减和均匀性问题。 |
分光光度计测量不同电压下的光谱, 计时测量切换过程。 |
智能玻璃, 电致变色, 光学材料 |
|
CAR2-82 |
L2: 部件 (固态激光雷达接收端SPAD阵列) |
光-电-噪声参数 |
单光子雪崩二极管 (SPAD) 的死区时间与光子探测效率 (PDE) |
SPAD在发生一次雪崩后, 需要重置并准备接收下一个光子的最小时间间隔 |
|
s, 百分比 |
CAR2-1, CAR2-2, CAR3-1, CAR4-16, CAR6-177 |
SPAD器件结构与工艺, 淬灭电路 |
短死区时间(高计数率)与高PDE、低暗计数率存在设计优化 |
时间数字转换器 (TDC) 精度 |
是决定激光雷达探测距离、分辨率和抗干扰能力(如太阳光)的核心探测器参数。 |
需采用先进的CMOS工艺集成SPAD和读出电路。 |
专用测试设备, 使用弱光脉冲源测试PDE和死区时间。 |
单光子探测, 固态激光雷达, 光电器件 |
|
CAR2-83 |
L2: 部件 (线控制动系统冗余通信通道) |
通信-安全-实时参数 |
冗余通信总线 (如CAN FD + FlexRay) 间的故障检测与切换时间及通道独立性 |
当主通信总线(如CAN FD)发生故障(如断路、短路、Bus-off)时, 系统检测到故障并切换至备用总线(如FlexRay)进行制动指令传输的总时间 |
|
s, 等级 |
CAR0-1, CAR0-14, CAR0-34, CAR2-10, CAR3-12 |
总线监控电路, 网关冗余, 软件协议栈 |
快速切换、高独立性与系统成本、复杂性增加相关 |
线控制动控制器的双核锁步架构 |
是满足功能安全 ASIL D 对通信链路“单点故障无影响”要求的关键设计。 |
需进行全面的总线故障注入测试, 验证切换逻辑和性能。 |
在测试台上模拟各种总线故障, 测量切换时间和切换后的控制性能。 |
功能安全, 汽车通信, 冗余设计 |
|
CAR2-84 |
L2: 部件 (车内视觉监控系统红外补光灯) |
光-热-人眼安全参数 |
红外LED阵列的辐射照度分布均匀性与人眼安全等级 |
在驾驶员面部区域, 红外补光强度的均匀性 |
|
无单位, 等级 |
CAR0-19, CAR2-15, CAR3-11, CAR5-31, CAR6-83 |
LED布局与透镜设计, 驱动电流控制 |
高均匀性、满足人眼安全与补光强度、功耗存在平衡 |
基于环境光强的自适应调光 |
保证DMS在不同光照条件下都能获得均匀、清晰的图像, 同时绝对保护驾驶员眼睛。 |
需进行人眼安全测试, 并获得相关认证。 |
使用辐照度计测量面部区域的照度分布;委托实验室进行人眼安全测试。 |
人眼安全, 光学设计, 生物安全 |
|
CAR2-85 |
L2: 部件 (电子稳定控制器横摆角速度估算器) |
控-估-安全参数 |
基于多传感器信息融合的横摆角速度软估计与硬传感器的一致性容差及故障诊断 |
利用轮速、转向角、横向加速度等信息, 通过车辆模型和观测器(如卡尔曼滤波)实时估算出的横摆角速度 |
估算精度高, |
rad/s, rad/s |
CAR0-4, CAR1-34, CAR2-8, CAR2-53, CAR3-9 |
车辆模型准确性, 传感器误差模型 |
准确的软估计是冗余诊断的基础, 但与模型不确定性相关 |
ESP的容错控制策略 |
是实现关键传感器(横摆角速度传感器)故障诊断和容错控制的重要手段, 提升系统安全性。 |
需对车辆模型参数(如轮胎侧偏刚度)进行在线或自适应估计。 |
注入横摆角速度传感器偏差故障, 验证软估计的准确性和故障诊断的及时性。 |
状态估计, 故障诊断, 车辆动力学 |
|
CAR5-76 |
L5: 材料 (仿生结构复合材料) |
力-结构参数 |
受生物结构启发的轻质高抗冲击拓扑的比能量吸收率 |
模仿蜂巢、骨骼等生物结构设计的复合材料, 在受到冲击时单位质量吸收的能量 |
|
J/kg |
CAR0-58, CAR2-45, CAR5-7, CAR5-65, CAR6-178 |
微观结构设计, 基体与增强材料 |
极高的比强度、比刚度与可制造性、成本存在矛盾 |
增材制造 (3D打印) 技术 |
用于电池包防护结构、车身吸能区, 在轻量化同时提升碰撞安全性, 是前沿研究方向。 |
需通过计算设计和先进的制造工艺实现复杂微观结构。 |
落锤或 Hopkinson 杆冲击试验, 测量力-位移曲线并计算吸收能量。 |
仿生材料, 复合材料, 冲击力学 |
|
CAR5-77 |
L5: 材料 (液晶弹性体) |
力-光-电参数 |
光/热/电致驱动应变与响应时间 |
在外部刺激(如特定波长光照射、加热、电场)下, 液晶弹性体产生的可逆形变应变 |
|
百分比, s |
CAR2-12, CAR3-126, CAR5-68, CAR6-164, CAR6-179 |
液晶分子排列与交联网络, 刺激方式 |
大应变、快速响应与材料的疲劳寿命、驱动能量存在优化 |
用于主动空气动力学或可变形内饰 |
是新型软体致动器材料, 可实现无噪声、大行程的形变, 用于智能表面或可变结构。 |
需解决长期循环稳定性和环境适应性(如温度)问题。 |
专用夹具测量在不同刺激下的形变量和时间响应曲线。 |
智能材料, 液晶弹性体, 软体机器人 |
|
CAR5-78 |
L5: 材料 (MXene导电墨水) |
电-化-喷印参数 |
墨水的粘度与表面张力及打印图案的方阻与附着力 |
用于直写打印 (DIW) 或喷墨打印的MXene墨水, 其粘度 |
流变性能适合打印, |
Pa·s, N/m, Ω/sq, 等级 |
CAR4-15, CAR5-72, CAR6-131, CAR6-180 |
MXene片层尺寸与浓度, 分散剂, 基材处理 |
良好的打印适性、高导电性、强附着力是制备高性能柔性电路的关键 |
用于车载柔性传感器、天线 |
是新兴的二维材料, 导电性优异, 可用于制造柔性、透明的电极和传感器, 是未来车载电子的潜在材料。 |
需解决MXene在水氧环境中的稳定性(氧化)问题。 |
流变仪测量墨水性能, 四探针法测方阻, 百格法测附着力。 |
二维材料, 印刷电子, 柔性电子 |
|
CAR5-79 |
L5: 材料 (生物基工程塑料) |
化-环-力参数 |
生物基含量比例与关键力学性能(拉伸强度、冲击强度) |
材料中来源于可再生生物质(如玉米、甘蔗)的碳占总碳含量的百分比 |
|
百分比, MPa, J/m |
CAR0-50, CAR0-141, CAR5-75, CAR6-171, CAR6-181 |
生物单体类型, 聚合工艺 |
高生物基含量、高性能与成本、耐热性、加工性存在平衡 |
用于内饰件、非结构外饰件 |
是汽车行业减碳、实现生物经济转型的重要材料路径, 但需满足严格的汽车性能要求。 |
需通过车规级的老化、气味、VOC等测试。 |
元素分析测生物基含量, 万能材料试验机测力学性能。 |
生物基材料, 高分子工程, 可持续材料 |
|
CAR5-80 |
L5: 材料 (多孔硅负极) |
电-化-结构参数 |
孔隙率与首次库伦效率及体积膨胀抑制效果 |
多孔硅结构的孔隙率 |
|
百分比, 百分比, 等级 |
CAR2-25, CAR5-54, CAR6-135, CAR6-182 |
硅多孔化制备工艺(如刻蚀、模板法) |
高孔隙率(缓冲好)与高振实密度(高体积能量密度)存在矛盾 |
先进的粘结剂与电解液添加剂 |
是解决硅负极体积膨胀问题的有效结构设计, 但仍需综合优化。 |
需解决多孔结构的机械强度和在电极中的导电网络构建问题。 |
气体吸附法测孔隙率, 电化学测试, 循环后SEM观察形貌。 |
电池材料, 纳米多孔材料, 电化学 |
|
CAR4-33 |
L4: 封装 (用于高频的异质集成滤波器) |
电-磁-热参数 |
基于薄膜体声波谐振器 (FBAR) 的滤波器温度频率系数 (TCF) 与封装应力敏感性 |
FBAR滤波器的中心频率 |
|
ppm/°C, Hz/Pa |
CAR3-16, CAR4-17, CAR4-30, CAR5-5, CAR6-101 |
压电薄膜(如AlN)取向与质量, 封装材料与工艺 |
低温度漂移、低应力敏感是实现高性能、稳定滤波器的关键, 但工艺挑战大。 |
温度补偿设计与应力隔离结构 |
用于5G/V2X射频前端的频带选择, 其频率稳定性直接影响通信质量。 |
需采用温度补偿型FBAR或集成温度传感器进行实时补偿。 |
高低温下测量S参数, 分析频率漂移;施加机械应力测试频率偏移。 |
射频滤波器, 微机电系统, 封装应力 |
|
CAR4-34 |
L4: 互连 (用于功率模块的银烧结互连层) |
冶-金-热参数 |
烧结后银层的孔隙率与热导率及高温剪切强度 |
银浆烧结后形成的互连层中孔隙的体积百分比 |
|
百分比, W/(m·K), MPa |
CAR4-1, CAR4-4, CAR5-1, CAR5-57, CAR6-138 |
银粉形貌与尺寸, 烧结压力与温度曲线 |
低孔隙率(高导热、高强度)与烧结工艺的温和性(防止芯片损伤)存在平衡 |
无压/低温烧结技术 |
是替代传统焊锡, 用于高功率密度、高工作温度功率模块(如SiC)的关键互连技术, 可靠性更优。 |
需解决大面积烧结的均匀性和长期高温下的老化问题。 |
扫描电镜图像分析孔隙率, 激光闪射法测热导, 高温剪切试验。 |
烧结互连, 功率电子封装, 高温可靠性 |
|
CAR3-54 |
L3: 模块 (车内激光雷达粉尘/烟雾检测传感器) |
光-散-安全参数 |
对PM2.5/PM10的检测精度与对香烟烟雾、雾化蒸汽的区分能力 |
基于激光散射原理, 检测空气中PM2.5和PM10质量浓度的精度 |
|
等级, 等级 |
CAR0-19, CAR3-38, CAR3-48, CAR5-67, CAR6-144 |
激光光源与探测器, 气路设计, 算法 |
高精度、强区分能力与传感器成本、尺寸相关 |
智能空气净化与新风联动 |
用于监测车内空气质量, 自动触发净化, 并能在检测到吸烟等行为时进行记录或提醒(如用于网约车管理)。 |
需进行标准粉尘和烟雾的标定测试。 |
在环境舱中发生标准粉尘和不同种类烟雾, 测试传感器的读数准确性和分类能力。 |
颗粒物传感, 环境监测, 光学传感 |
|
CAR3-55 |
L3: 模块 (电机控制器相电流重构算法精度) |
电-算-安全参数 |
基于直流母线电流与开关状态的三相电流重构误差与诊断覆盖率 |
为节省成本, 仅采样直流母线电流 |
|
百分比, 百分比 |
CAR0-7, CAR2-26, CAR3-36, CAR5-35, CAR5-89 |
采样与计算延迟补偿, 电机模型, 诊断策略 |
高精度重构、高诊断覆盖率与算法复杂性、对参数敏感性相关 |
作为相电流传感器的冗余或低成本方案 |
是提高系统可靠性(提供冗余)或降低BOM成本的有效技术, 在电动汽车驱动中常见。 |
需对电机参数变化进行在线补偿, 并进行充分的故障注入测试。 |
在电机台架上, 同步测量真实相电流和重构电流, 比较误差;注入相电流传感器故障, 验证诊断。 |
电机控制, 状态估计, 故障诊断 |
|
CAR3-56 |
L3: 模块 (座椅安全带电机式预紧器) |
机-电-安全参数 |
电机驱动预紧器的卷收力与动作时间及多级触发逻辑 |
电机式预紧器能提供的最大卷收力 |
|
N, s, 逻辑 |
CAR0-1, CAR3-32, CAR5-102, CAR6-113, CAR6-183 |
电机与齿轮机构, 控制电路 |
快速、强力、可调与机构尺寸、成本、能耗存在平衡 |
与气囊、碰撞传感器的协同 |
相较于火药式, 电机式可重复使用、可精确控制, 是未来安全带系统的发展方向。 |
需进行全面的功能、环境和滥用测试。 |
在安全带测试台上, 测量力-时间曲线;模拟不同碰撞强度, 测试多级触发功能。 |
汽车安全, 机电一体化, 乘员约束系统 |
|
CAR0-155 |
L0: 整车级 |
系统-韧性 |
在遭受“分布式拒绝服务”(DDoS)攻击时, 关键车云通信链路的服务保持率 |
当车辆T-Box遭受针对性的DDoS攻击, 大量垃圾数据包试图堵塞其上行链路时, 系统通过流量整形、攻击流量过滤、优先级调度等手段, 维持关键车云通信(如紧急求助信号、基本状态上报)畅通的比例 |
|
百分比 |
CAR0-16, CAR0-56, CAR1-29, CAR2-19, CAR3-16 |
网络防火墙与入侵防御系统 (IPS) 性能, 运营商网络配合 |
在猛烈攻击下保持核心服务与防火墙处理能力、网络带宽强相关 |
基于SD-WAN的智能选路与云端流量清洗 |
是保证车辆在网络攻击下不“失联”、能求救和接收关键指令的重要韧性指标。 |
需在T-Box和云端部署协同的DDoS防护方案。 |
在测试环境中模拟大规模DDoS攻击, 测试关键通信(如eCall)的成功率。 |
网络安全, DDoS防护, 服务可用性 |
|
CAR0-156 |
L0: 整车级 |
社会技术-治理 |
自动驾驶算法“偏见”检测与缓解措施的第三方审计结果 |
由独立第三方对自动驾驶感知、决策算法是否存在针对特定群体(如不同种族、年龄、穿着行人)的性能差异(偏见)进行审计, 并评估企业采取的缓解措施(如数据增广、公平性约束)的有效性 |
审计结果显示无明显偏见, 缓解措施有效 |
结果 |
CAR0-1, CAR0-117, CAR0-136, CAR1-1, CAR1-50 |
训练数据多样性, 算法公平性设计, 审计标准 |
算法公平性与数据获取的合法性、代表性存在深层关联 |
多样化的开发团队与用户参与 |
是“负责任AI”和“公平AI”的核心要求, 防止自动驾驶技术加剧社会不平等。 |
需在数据采集、标注、模型训练和测试全流程中引入公平性考量。 |
第三方使用包含多样人群的标准测试集评估算法性能差异, 并审查缓解措施文档和代码。 |
算法公平性, 审计, 负责任AI |
|
CAR0-157 |
L0: 整车级 |
功能-场景 |
对“前方车辆掉落货物”的动态轨迹预测与避让规划 |
系统能检测到前车突然掉落货物(如纸箱、工具), 并预测该掉落物在路面上的运动轨迹 |
|
百分比 |
CAR0-2, CAR0-118, CAR1-1, CAR1-5, CAR2-1 |
对快速动态、非刚性目标的感知与物理仿真 |
实时准确的轨迹预测是极大挑战, 涉及复杂的物理模型 |
基于V2V的前车异常状态预警 |
是处理极端动态危险场景的高级能力, 对系统的实时感知、预测、规划提出最高要求。 |
需在仿真中构建大量货物掉落场景进行算法训练和测试。 |
在测试场, 从移动的前车抛掷模拟货物, 测试系统的反应和避让能力。 |
动态场景理解, 物理预测, 运动规划 |
|
CAR0-158 |
L0: 整车级 |
网络安全 |
基于“零信任”架构的车内微隔离策略数量与策略动态调整频率 |
在零信任架构下, 为车内每个ECU或服务定义的最小权限访问控制策略的数量 |
|
个, 1/s |
CAR0-16, CAR0-56, CAR0-126, CAR2-22, CAR3-26 |
策略管理引擎, 车辆状态感知, 威胁情报输入 |
细粒度策略、动态调整与策略管理复杂度、性能开销存在矛盾 |
软件定义网络 (SDN) 在车内的应用 |
是实现纵深防御、防止横向移动的先进网络安全架构, 但实施难度大。 |
需在下一代区域架构 (Zonal) 和中央计算平台上部署。 |
审查策略配置的完备性;模拟攻击, 验证策略是否有效阻挡了越权访问。 |
零信任安全, 微隔离, 网络安全架构 |
|
CAR0-159 |
L0: 整车级 |
制造-质量 |
基于数字孪生的个性化订单车辆配置自动校验与防错率 |
在柔性生产线上, 针对每辆车的个性化订单(如特定自动驾驶硬件配置、软件版本), 通过扫描车辆识别码 (VIN), 从数字孪生中调取该车的标准配置清单, 并与生产线视觉系统、传感器读取的实际装配部件进行自动比对, 防止错装/漏装的准确率 |
|
百分比 |
CAR0-47, CAR0-95, CAR0-120, CAR0-130, CAR0-143 |
生产线物联网集成, 数字孪生与制造执行系统 (MES) 的实时同步 |
100%准确与产线节拍、系统可靠性强相关 |
增强现实辅助装配指导 |
是应对汽车大规模个性化定制趋势、保证每辆车出厂配置绝对正确的关键技术。 |
需建立从销售订单到生产执行的全程数字化数据流。 |
统计生产线配置校验系统的报警记录, 并与人工复核结果对比。 |
工业4.0, 个性化制造, 质量保证 |
|
CAR0-160 |
L0: 整车级 |
人机交互-安全 |
驾驶员在自动驾驶模式下的“情境意识”维持度评分 |
在长时间L3级自动驾驶过程中, 通过定期的小任务(如要求驾驶员确认前方路况)、信息提示等方式, 维持驾驶员对车辆状态和周围环境的知晓程度。 通过模拟器实验测量驾驶员的“情境意识”评分 |
|
分数 |
CAR0-9, CAR0-19, CAR0-35, CAR0-79, CAR2-20 |
HMI设计, 任务与提示策略, 驾驶员状态监控 |
有效维持情境意识与避免过度干扰、保证舒适性存在平衡 |
平顺的接管过程设计 |
是保证驾驶员在需要接管时能快速、正确响应的关键, 是L3人机交互设计的核心挑战。 |
需进行大量的人因实验, 优化提示的频率、方式和内容。 |
在高级驾驶模拟器中, 进行长时间的L3自动驾驶实验, 期间穿插突发接管请求, 测量驾驶员的反应时间和正确率, 并问卷评估情境意识。 |
人因工程, 情境意识, 人机共驾 |
|
CAR0-161 |
L0: 整车级 |
成本-可持续 |
自动驾驶车队运营的“碳积分”产生与交易模型收益率 |
计算自动驾驶电动车队相较于传统燃油车运营所减少的碳排放量 |
|
货币, 百分比 |
CAR0-5, CAR0-30, CAR0-82, CAR0-134, CAR2-61 |
车队规模与运营效率, 当地碳交易政策和碳价 |
碳积分收入受政策和市场波动影响大, 不确定性高 |
绿色电力采购与V2G技术 |
是将环境效益转化为经济效益的潜在途径, 是可持续发展商业模式的一部分。 |
需与碳资产管理机构合作, 进行专业的碳核算和交易。 |
基于车队运营数据和碳排放因子计算减排量, 模拟碳交易市场收益。 |
碳交易, 环境经济学, 可持续商业 |
|
CAR0-162 |
L0: 整车级 |
功能-场景 |
在“停车场自主寻找充电桩并完成插枪充电”全流程成功率 |
车辆在低电量状态下, 进入支持该功能的停车场, 自主搜索可用充电桩, 规划路径行驶至其旁边, 精准停入车位, 并通过机械臂或精确对准打开充电盖、完成插枪连接的全流程自动化成功率 |
|
百分比 |
CAR0-41, CAR0-53, CAR0-65, CAR2-16, CAR2-77 |
停车场高精地图与充电桩位置, 末端精确对准与控制, 充电通信协议 |
全流程自动化涉及感知、定位、规划、控制和交互多个环节, 复杂度高 |
与充电运营商的深度合作与标准统一 |
是解决电动汽车“最后一米”充电痛点的未来愿景, 是高度自动化的体现。 |
需停车场端和充电桩端的协同改造, 以及统一的车辆-充电桩通信和机械接口标准。 |
在配备自动化充电桩的示范停车场进行全流程测试。 |
机器人学, 自动充电, 车桩协同 |
|
CAR0-163 |
L0: 整车级 |
性能-统计 |
自动驾驶系统“长尾场景”的触发间隔平均里程 (MTBF) |
统计在真实道路测试中, 遇到一次被定义为“长尾场景”或“极端情况”(即系统设计时未充分覆盖或难以处理的场景)的平均行驶里程 |
|
km |
CAR0-15, CAR0-73, CAR0-115, CAR1-1, CAR1-26 |
系统的初始设计完备性, 数据闭环的效率 |
极低的触发率是安全的体现, 但也意味着验证这些场景极其困难 |
影子模式与主动数据采集 |
是衡量系统应对未知场景能力、评估剩余风险的宏观统计指标。 |
需建立完善的长尾场景定义、识别和记录机制。 |
分析大规模车队路测数据, 统计触发需要人工接管的、且被归类为长尾场景的事件之间的里程。 |
可靠性工程, 长尾理论, 场景测试 |
|
CAR0-164 |
L0: 整车级 |
法规-责任 |
自动驾驶系统“安全监控员”(远程) 的资质认证与同时监控车辆数量上限 |
对L4/L5无安全员的远程监控中心的操作员, 其所需的技能资质认证等级 |
资质要求高, |
等级, 辆 |
CAR0-9, CAR0-105, CAR0-144, CAR1-17 |
行业标准制定, 远程监控平台能力 |
监控员负荷与运营安全、成本效率直接相关 |
高度自动化的异常检测与决策支持系统 |
是远程驾驶和监控模式下的关键人力资源和安全因素, 需在法规中明确。 |
需对远程监控员进行严格的选拔、培训和考核, 并监控其工作负荷。 |
审查监控员资质证书和排班记录;在模拟运营压力测试中评估其多任务处理能力。 |
远程操作, 人力资源, 运营安全 |
|
CAR6-20 |
L6: 原子/分子级 |
量子-通信 |
基于量子密钥分发 (QKD) 的车-路安全通信的密钥生成速率与传输距离 |
在车与路侧单元之间建立量子信道, 实现安全密钥分发的速率 |
|
bps, m |
CAR0-16, CAR1-17, CAR1-29, CAR2-19, CAR6-16 |
单光子源与探测器性能, 信道损耗与噪声 |
高密钥率、长距离与移动场景下的对准保持、环境干扰是巨大挑战 |
与经典通信融合的“量子安全”网络 |
是未来实现“信息论安全”车联网通信的终极技术, 可抵御任何计算能力的窃听, 目前处于前瞻研究阶段。 |
需解决移动平台的小型化、抗振动和快速跟踪对准问题。 |
在实验室光纤或自由空间链路中测试密钥率和误码率随距离的变化。 |
量子通信, 量子密码, 信息安全 |
|
CAR6-21 |
L6: 原子/分子级 |
催化-表界面 |
电催化剂表面活性位点的“配位环境”与中间产物吸附能 |
通过理论计算(如密度泛函理论)和实验表征, 确定催化剂表面活性金属原子周围的配位原子种类、数量、键长/键角 |
配位环境优化, 吸附能接近火山图顶点 |
结构描述, eV |
CAR2-71, CAR6-17, CAR6-18, CAR6-166, CAR6-184 |
先进表征技术(如XAFS, STEM), 理论计算 |
建立准确的构-效关系是理性设计催化剂的基础, 但极为复杂 |
高通量计算与机器学习辅助设计 |
是从原子尺度理解并设计高效、稳定燃料电池/电解水催化剂的核心科学问题。 |
需结合多种原位/非原位表征和理论模拟手段。 |
同步辐射X射线吸收谱, 扫描透射电镜结合电子能量损失谱, 密度泛函理论计算。 |
催化科学, 表面科学, 计算材料学 |
好的,我将优先在L0整车级、L1子系统级、L2部件级和L3模块级,补充新增200行参数,着重深化以下工程实践与系统集成领域:
-
系统级验证与确认:增加针对预期功能安全、网络安全、可靠性等目标的集成测试覆盖率、安全案例论证强度等参数。
-
数据闭环与迭代效率:定义从路测数据采集、场景提取、仿真验证到模型/软件OTA更新的全链路效率与质量指标。
-
人机交互与责任交接:量化驾驶员在自动驾驶模式下的情境意识水平、系统提示有效性、接管过程平顺性等关键人因参数。
-
成本、性能与可靠性的多目标权衡:引入针对不同市场定位和车型的配置可伸缩性、硬件软件解耦度、过设计余量等工程决策参数。
|
编号 |
尺度/层级 |
参数类型 |
参数名称 |
数学表达式 / 物理模型 / 化学模型 / 工程模型 / 关联描述 |
典型值/范围 (目标) |
单位 |
核心关联参数 |
依赖关系 |
互斥关系 |
协同关系 |
传递关系 |
设计/研发/生产及微纳米制造/应用要求 |
测试/验证方法 |
关联学科/领域 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
CAR0-185 |
L0: 整车级 |
验证-确认 |
预期功能安全 (SOTIF) 验证场景的自动化生成与注入覆盖率 |
在仿真测试中, 能够自动生成符合SOTIF要求(触发系统性能局限)的场景数量 |
|
百分比 |
CAR0-15, CAR0-73, CAR0-100, CAR1-1 |
场景描述语言, 自动化测试框架, 仿真工具链 |
高自动化覆盖率与场景的真实性、复杂性存在一定矛盾 |
基于路测数据的场景挖掘与泛化 |
是提升SOTIF验证效率和充分性的关键, 减少对人工设计场景的依赖。 |
需建立自动化场景生成、管理和测试流水线。 |
统计在SOTIF验证活动中, 自动生成和执行的场景数量与总场景数之比。 |
场景工程, 自动化测试, 预期功能安全 |
|
CAR0-186 |
L0: 整车级 |
社会技术-接受度 |
公众对自动驾驶车辆“接管请求”清晰度和紧迫性的主观评价 |
在驾驶员在环测试或用户体验中, 当系统发出接管请求时, 用户对请求信息的清晰度(知道要做什么)、紧迫性(知道有多急)的主观评分 |
|
分数 |
CAR0-9, CAR0-35, CAR0-70, CAR0-96, CAR0-160 |
HMI设计(视觉、听觉、触觉), 请求的时机和梯度 |
清晰、紧迫的请求与避免造成驾驶员恐慌存在平衡 |
逐步升级的提示策略 (CAR0-79) |
是保证L3级自动驾驶安全退出的关键, 不良的请求设计会导致接管失败。 |
需进行大量的人因实验, 优化接管请求的多模态表达。 |
在驾驶模拟器中, 在不同场景下触发接管请求, 收集驾驶员的主观评价问卷。 |
人因工程, 人机交互, 安全策略 |
|
CAR0-187 |
L0: 整车级 |
功能-场景 |
对“夜间无照明路段行人”的探测距离与制动响应有效性 |
在完全没有道路照明的乡村道路, 仅依靠车灯, 系统对穿着深色衣服的行人的稳定探测距离 |
|
m, m/s² |
CAR0-2, CAR0-52, CAR0-90, CAR1-1, CAR2-1, CAR2-54 |
车灯照明范围与亮度, 传感器(特别是红外)性能 |
极端的视觉条件是对感知系统的终极考验之一 |
智能远光灯与红外补光 |
是定义系统夜间ODD边界的关键, 直接影响夜间行车安全。 |
需在专业的黑暗环境中进行大量测试, 使用标准假人目标。 |
在全黑试验场, 放置不同着装的假人, 测试系统的探测和制动表现。 |
夜间感知, 主动安全, 环境适应性 |
|
CAR0-188 |
L0: 整车级 |
网络安全 |
车载软件物料清单 (SBOM) 的漏洞可追溯性与修复影响分析自动化率 |
当新的漏洞 (CVE) 发布时, 能自动追溯到SBOM中受影响组件, 并分析该组件在整车软件架构中的位置、功能及修复(升级/打补丁)对上下游依赖和系统功能影响的自动化程度 |
|
百分比 |
CAR0-94, CAR0-102, CAR0-129, CAR0-158, CAR3-10 |
SBOM的层次化与依赖关系描述, 架构知识图谱 |
深度的影响分析需要详细的架构和接口知识, 自动化难度高 |
与配置管理、变更管理系统的集成 |
是应对开源组件海量漏洞、实现精准和高效漏洞修复的关键。 |
需建立包含组件、接口、功能映射的完整软件资产知识库。 |
模拟一个关键CVE, 记录从接收到完成影响分析并制定修复方案的全流程时间和准确性。 |
软件供应链安全, 漏洞管理, 影响分析 |
|
CAR0-189 |
L0: 整车级 |
制造-质量 |
自动驾驶域控制器在整车环境下的散热性能测试通过标准 |
在整车环境舱中, 模拟夏季高温暴晒、城市拥堵、高速巡航等典型工况, 域控制器关键芯片(如SoC)的结温 |
|
°C |
CAR0-33, CAR2-7, CAR3-7, CAR4-1, CAR5-1 |
整车热管理策略, 域控制器散热设计, 环境舱控制精度 |
芯片性能与散热能力、整车能耗存在强关联 |
基于模型的热仿真与测试标定 |
是保证计算平台长期可靠运行、防止因过热导致性能降频或故障的基础。 |
需在整车热管理试验中进行全面的热平衡测试。 |
在环境舱中布置热电偶或使用红外热像仪, 监测芯片温度和散热器温度, 运行典型驾驶循环。 |
热管理, 可靠性测试, 整车集成 |
|
CAR0-190 |
L0: 整车级 |
人机交互-安全 |
多模态(视觉+听觉+触觉)接管提示的驾驶员正确响应率与响应时间 |
在模拟紧急接管场景下, 系统同时发出强视觉闪烁(仪表+HUD)、高频警报音和方向盘剧烈振动提示。 统计驾驶员能正确完成接管操作(如握住方向盘、踩下制动)的比例 |
|
百分比, s |
CAR0-9, CAR0-70, CAR0-96, CAR0-186, CAR2-35 |
多模态提示的协同设计, 驾驶员个体差异 |
强烈的多模态刺激能提升警觉性, 但也可能引起惊吓导致错误操作 |
个性化的提示强度设置 |
是优化紧急人机交互、确保安全底线的关键实验数据。 |
需在驾驶模拟器中进行大规模受试者实验, 以校准最佳的提示组合。 |
驾驶模拟器实验, 记录不同提示模式下驾驶员的操作和生理反应。 |
人因工程, 多模态交互, 警报设计 |
|
CAR0-191 |
L0: 整车级 |
成本-性能 |
自动驾驶系统配置的可伸缩性等级与性能-成本曲线 |
系统支持从“基础版”(如1V1R, 低算力)到“全配版”(多激光雷达, 高算力)的多种硬件配置, 且软件功能可相应伸缩的能力 |
|
等级, 曲线 |
CAR0-30, CAR0-171, CAR1-42, CAR2-1, CAR2-7 |
硬件平台模块化设计, 软件功能与硬件的解耦 |
高可伸缩性与研发成本、软件版本管理复杂度相关 |
硬件预埋与软件订阅服务 |
是应对不同车型定位、不同价格区间市场需求的工程策略。 |
需在电子电气架构和软件架构设计初期就考虑可伸缩性。 |
列出所有可配置的硬件选项和对应的软件功能列表;估算各配置的BOM成本和关键性能。 |
系统架构, 产品规划, 成本工程 |
|
CAR0-192 |
L0: 整车级 |
功能-场景 |
在“高速公路施工区锥桶引导的窄道”中的路径保持与车速控制精度 |
在由锥桶引导的、车道变窄的施工区, 系统能精确识别锥桶形成的虚拟车道线, 控制车辆居中行驶的横向偏差 |
|
m, km/h |
CAR0-86, CAR1-4, CAR1-12, CAR2-1, CAR2-3 |
对临时、稀疏目标的感知与车道线拟合, 交通标志识别 |
在动态变化的临时道路中保持精确控制, 是高级功能。 |
基于高精地图或V2X的施工区预警 |
是处理常见动态道路场景的关键能力, 提升高速行车安全和舒适性。 |
需在训练数据中大量包含各种施工区场景。 |
在测试场布置标准施工区锥桶和限速标志, 测试系统的通过表现。 |
场景理解, 路径跟踪, 交通标志识别 |
|
CAR0-193 |
L0: 整车级 |
性能-统计 |
自动驾驶软件“金丝雀发布”的故障检测与回滚平均时间 |
采用金丝雀发布策略进行OTA升级时, 从监控系统检测到金丝雀车辆组出现异常(如性能下降、报错增多)到决策触发全量回滚操作完成的平均时间 |
|
小时 |
CAR0-21, CAR0-143, CAR0-183, CAR1-20, CAR3-9 |
监控系统的灵敏度和准确性, 自动化运维流程 |
快速检测和回滚是控制OTA风险、保障车队安全的关键能力。 |
自动化的异常检测与决策 |
是保证大规模OTA升级安全性的重要工程实践和运营指标。 |
需建立完善的车辆健康监控平台和自动化的发布-回滚流水线。 |
统计历史金丝雀发布事件中, 从异常发生到回滚完成的时间。 |
持续部署, 运维监控, 风险控制 |
|
CAR0-194 |
L0: 整车级 |
法规-责任 |
符合ISO 21434标准的网络安全活动与工件交付物的完备性等级 |
依据ISO 21434, 在整车及部件开发过程中, 完成的网络安全活动(如TARA, 渗透测试)和产生的工件(如安全需求, 测试报告)的完备性, 经内部或外部审计的评级 |
达到“符合”或更高等级 |
等级 |
CAR0-16, CAR0-80, CAR0-94, CAR0-154, CAR2-22 |
企业网络安全流程, 与功能安全流程的整合 |
完整的流程和文档与开发效率存在一定张力 |
与ASPICE, ISO 26262等流程的整合 |
是满足全球市场对汽车网络安全开发流程强制性要求的基础。 |
需建立并运行符合ISO 21434的网络安全管理系统。 |
第三方认证机构进行流程审核, 检查关键交付物。 |
汽车网络安全, 流程标准, 合规 |
|
CAR1-61 |
L1: 决策规划子系统 |
博弈-社会参数 |
在无信号灯人行道前的“行人-车辆”博弈中, 系统表现的“礼让倾向”系数 |
量化系统在遇到行人意图过马路时的决策行为。 设定一个从“绝对礼让”(总是停车)到“绝不礼让”的连续区间, 通过大量场景测试, 统计系统选择的平均等待时间 |
|
无单位 |
CAR0-91, CAR0-125, CAR0-146, CAR1-10, CAR1-49 |
博弈决策模型, 行人意图预测准确性 |
高礼让倾向(安全、礼貌)与通行效率存在矛盾 |
清晰的车外交互(如灯光、文字)表达让行意图 |
是衡量系统社会智能和拟人化程度的具体参数, 影响行人体验和安全。 |
需通过大量真实路口交互数据学习和校准该系数。 |
在仿真和真实路口中, 统计系统在不同行人流量和意图下的让行行为。 |
博弈论, 社会价值, 行为建模 |
|
CAR1-62 |
L1: 感知子系统 |
融合-校准参数 |
多传感器(摄像头、激光雷达、毫米波雷达)时空同步误差的在线估计与补偿残差 |
实时估计不同传感器之间的时间戳偏差 |
在线估计准确, 残差小且稳定 |
s, m/deg, pixel/m |
CAR1-1, CAR1-2, CAR1-7, CAR2-1, CAR2-2, CAR2-5 |
时钟源精度, 外参标定初始值, 在线估计算法 |
准确的在线标定与传感器原始数据质量、计算资源相关 |
自动标定与健康监测 |
是保证多传感器融合精度的基础, 尤其是在车辆长期使用后悬架形变、温度变化导致的外参漂移。 |
需在融合算法中集成在线标定模块, 或定期触发自动标定流程。 |
在已知真值或高精度基准的环境下, 运行在线标定算法, 评估其估计精度和补偿效果。 |
传感器融合, 状态估计, 在线校准 |
|
CAR1-63 |
L1: 控制子系统 |
容错-执行器参数 |
线控转向系统在电机或传感器故障后的“最小风险转向”能力评价 |
当线控转向系统的某个执行电机或角度传感器发生故障, 系统进入降级模式后, 仍能提供基本的转向助力, 并引导车辆安全靠边停车的能力。 用降级后的转向手力 |
降级后仍具备可控的转向能力, 可完成MRM |
N, 无单位, 百分比 |
CAR0-8, CAR0-34, CAR1-28, CAR1-40, CAR2-11 |
执行器冗余设计, 故障诊断与隔离, 降级控制策略 |
完善的容错设计与成本、重量、复杂度增加相关 |
驾驶员接管提示与助力 |
是满足功能安全目标、保证车辆在转向系统故障后仍可控制的关键。 |
需进行全面的故障注入测试, 验证所有定义的故障模式下的系统行为。 |
在转向系统测试台或实车上, 注入各类故障, 测试转向手力和车辆路径控制能力。 |
容错控制, 功能安全, 线控转向 |
|
CAR1-64 |
L1: 网联子系统 |
数据-效率参数 |
车云通信中“差分数据上传”的压缩率与信息保真度 |
为节省流量和云端处理资源, 车辆并非上传所有原始数据, 而是上传经过处理的、差异化的数据(如只上传异常事件片段、长尾场景)。 定义压缩率 |
|
百分比, 无单位 |
CAR0-20, CAR0-36, CAR1-29, CAR1-59, CAR2-30 |
边缘计算能力, 数据筛选算法, 压缩编码 |
高压缩、高保真与边缘计算开销、算法设计复杂度相关 |
云端数据重构与价值挖掘算法 |
是构建高效、低成本数据闭环的核心, 平衡数据价值与通信成本。 |
需定义清晰的数据上传策略和差分数据格式标准。 |
对比原始数据包和差分数据包的大小;评估用差分数据训练/分析的算法性能损失。 |
数据压缩, 边缘计算, 车云协同 |
|
CAR2-91 |
L2: 部件 (4D成像毫米波雷达) |
射频-信号参数 |
虚拟孔径合成后的角度分辨率与高度测量精度 |
通过多发多收天线阵列和信号处理, 形成的虚拟孔径所能达到的水平角分辨率 |
|
度, 度, m |
CAR2-5, CAR2-40, CAR3-73, CAR4-12, CAR5-5 |
天线阵元数量与布局, 信号处理算法 |
高角度分辨率、高程信息是4D雷达核心优势, 但与成本、计算量相关 |
用于静态目标分类(桥、路牌、人)和地面过滤 |
是实现“成像”雷达、提升感知语义理解能力的关键部件参数。 |
需通过专业的雷达目标模拟器或角反射器阵列进行测试。 |
在微波暗室中使用角反射器, 测试雷达的角度分辨率和高度测量精度。 |
4D成像雷达, 阵列信号处理, 毫米波技术 |
|
CAR2-92 |
L2: 部件 (硬件安全模块 HSM) |
安全-性能参数 |
非对称密码算法 (如ECC-256) 签名/验签速度与真随机数生成速率 |
HSM执行一次ECC-256数字签名或验签操作所需的时间 |
|
ms, bps |
CAR0-74, CAR0-119, CAR3-10, CAR3-44, CAR4-14 |
HSM芯片主频, 密码算法硬件加速引擎 |
高安全等级、高性能与HSM成本、功耗存在平衡 |
安全的密钥存储与管理 |
是保障车云通信、安全启动、数字钥匙等安全功能的硬件基础性能。 |
需通过FIPS 140-3或CC等高等级安全认证。 |
使用专用测试工具或编写测试程序, 测量HSM的密码学操作性能。 |
硬件安全, 密码学, 安全芯片 |
|
CAR2-93 |
L2: 部件 (增强现实抬头显示器 AR-HUD) |
光-人因参数 |
虚像视场角 (FOV) 与 eyebox 体积及视觉辐辏调节冲突 (VAC) 程度 |
虚像在驾驶员眼中的可视角度范围 |
|
度, m³, 等级 |
CAR0-64, CAR0-104, CAR0-140, CAR2-20, CAR3-71 |
光学引擎设计, 风挡玻璃楔形角, 图像生成单元 |
大FOV、大eyebox、无VAC是AR-HUD的光学设计挑战, 常互相制约 |
基于驾驶员眼球位置的实时图像校正 |
是决定AR-HUD用户体验和可用性的核心光学与人因参数。 |
需进行大量的人眼定位和视觉舒适度测试。 |
使用眼动仪和头部跟踪设备测量eyebox;主观评价实验评估VAC引起的疲劳感。 |
光学设计, 人因工程, 增强现实 |
|
CAR2-94 |
L2: 部件 (电子机械制动卡钳力传感器) |
力-安全参数 |
力传感器的线性度、迟滞与诊断覆盖率 (根据ASIL D) |
传感器输出 |
|
无单位, %, 百分比 |
CAR0-1, CAR2-10, CAR2-88, CAR3-12, CAR5-21 |
应变计与电桥设计, ASIC诊断功能 |
高精度、高可靠性、高诊断覆盖率是满足功能安全的前提 |
冗余力传感或模型估计 |
是实现线控制动精准力控和安全监控的基础, 必须满足最高安全等级要求。 |
传感器本身需设计为符合ASIL D等级, 包括硬件和诊断软件。 |
在标准力标定机上测试传感器特性;进行故障注入测试验证诊断覆盖率。 |
力传感, 功能安全, 汽车电子 |
|
CAR2-95 |
L2: 部件 (车内摄像头隐私滑动盖板) |
机-电-人因参数 |
盖板开合动作的静音性与操作力反馈, 及状态指示清晰度 |
盖板电机驱动开合时产生的噪声声压级 |
|
dB(A), N, 等级 |
CAR0-36, CAR0-49, CAR2-15, CAR3-11, CAR5-103 |
微型电机与传动机构, 阻尼设计, LED指示 |
静音、顺滑操作、明确指示与机构尺寸、成本相关 |
与软件联动(如盖板关闭时, 系统软件上显示摄像头已禁用) |
是提供用户可控的物理隐私保护、建立信任感的直观硬件设计。 |
需进行高低温、振动、耐久性测试, 保证长期使用的可靠性。 |
声级计测量噪音;操作力测试仪测量滑动感;主观评价指示清晰度。 |
人机交互, 隐私设计, 机械设计 |
|
CAR3-60 |
L3: 模块 (时间敏感网络交换机芯片) |
网络-时间参数 |
时间感知整形器 (TAS) 的门控列表调度抖动与守时流量带宽保障率 |
交换机对TSN流量按照门控列表调度发送, 其时槽切换的抖动 |
|
s, 百分比 |
CAR0-25, CAR0-26, CAR1-2, CAR3-52, CAR4-3 |
交换芯片硬件调度器精度, 时钟同步质量 |
极低抖动、高保障率是实现确定性网络的核心, 但配置和管理复杂 |
与整车SOA架构的服务质量 (QoS) 映射 |
是支撑自动驾驶控制指令、高可靠传感数据等实时通信的关键网络设备性能。 |
需支持IEEE 802.1Qbv等标准, 并具备精细的流量整形能力。 |
使用支持TSN的网络测试仪, 发送混合流量, 测量守时流的延迟和抖动统计。 |
时间敏感网络, 确定性网络, 交换芯片 |
|
CAR3-61 |
L3: 模块 (电池管理系统从控单元) |
电-安全参数 |
被动均衡电阻的功率耗散能力与温度监控精度 |
用于电池包内电芯间能量均衡的被动放电电阻, 其单路最大可持续耗散功率 |
|
W, °C |
CAR2-25, CAR3-27, CAR3-53, CAR4-22, CAR5-54 |
电阻阻值与封装, 温度传感器位置 |
足够的均衡能力与热管理、安全性强相关 |
主动均衡与被动均衡的混合策略 |
是被动均衡方案可靠工作的基础, 需防止电阻过热导致安全问题。 |
需对均衡电路进行热仿真, 并在高低温下测试其性能。 |
在电池模拟器或真实电池包上, 长时间开启均衡, 测量电阻温度和温升。 |
电池均衡, 热管理, 安全设计 |
|
CAR3-62 |
L3: 模块 (座舱域控制器虚拟机监控器) |
计算-安全参数 |
虚拟机间隔离强度 (如内存、中断) 与混合关键性任务调度确定性 |
虚拟机监控器 (Hypervisor) 保证不同安全等级(如QoS与ASIL B)的虚拟机之间内存、CPU、中断等资源完全隔离的能力 |
|
等级, s |
CAR0-1, CAR2-7, CAR3-33, CAR4-9, CAR4-36 |
Hypervisor类型(Type 1), 硬件虚拟化支持 |
强隔离、高确定性是功能安全的基础, 但带来性能开销 |
硬件安全扩展与信任根 |
是实现“一机多屏”、混合关键性系统(娱乐+仪表)整合的关键软件基础。 |
Hypervisor需通过ASIL B或更高等级认证。 |
进行跨虚拟机攻击测试验证隔离性;运行混合任务负载, 测量高关键性任务的响应时间散布。 |
虚拟化, 功能安全, 实时系统 |
|
CAR3-63 |
L3: 模块 (电机控制器IGBT/SiC模块) |
电-热-力参数 |
功率模块的结-壳热阻与功率循环及温度循环寿命 |
从芯片结到模块底壳的总热阻 |
|
K/W, 次, 次 |
CAR3-7, CAR3-20, CAR4-1, CAR4-13, CAR5-1 |
芯片与基板连接, 基板与外壳连接, 材料CTE匹配 |
低热阻、长寿命是模块可靠性的核心, 与材料和工艺强相关 |
优化的散热器设计与冷却 |
是决定电驱动系统功率密度和长期可靠性的最核心功率部件参数。 |
供应商需提供完整的寿命测试数据和仿真模型。 |
热阻测试仪, 功率/温度循环试验机进行加速寿命测试。 |
功率模块, 可靠性工程, 电力电子 |
|
CAR0-195 |
L0: 整车级 |
系统-韧性 |
在“GNSS信号长时失效” (如长隧道) 下的航位推算位置误差增长速率 |
在GNSS信号完全丢失的隧道内, 仅依靠IMU、轮速等航位推算, 其定位误差 |
|
m/s |
CAR1-3, CAR1-8, CAR1-25, CAR1-51, CAR2-8 |
IMU零偏稳定性, 轮速精度, 车辆模型 |
低误差增长与高精度IMU成本强相关 |
基于地图匹配的绝对位置约束 |
是定义系统在无卫星信号区域连续运行能力的关键, 影响隧道内自动驾驶的可用性。 |
需采用战术级或车载级的高性能IMU, 并进行充分的隧道场景测试。 |
在长直隧道内, 记录从GNSS丢失到重新获取期间的轨迹, 与高精度基准轨迹对比, 计算误差增长。 |
惯性导航, 航位推算, 定位可靠性 |
|
CAR0-196 |
L0: 整车级 |
社会技术-接受度 |
自动驾驶车辆“拟人化”交互行为 (如点头、让行) 的社会接受度评分 |
为自动驾驶车辆设计一些拟人化的交互行为, 如在行人让行时轻微“点头”(前悬下沉模拟), 或汇入时闪烁灯光“致谢”。 通过社会调查评估公众对这些行为的接受度 |
|
分数 |
CAR0-91, CAR0-107, CAR0-146, CAR1-61, CAR2-49 |
交互行为设计, 文化差异考量 |
拟人化可能提升亲和力, 也可能引发“恐怖谷”效应 |
基于V2X的标准化意图表达 |
是提升自动驾驶社会亲和力、促进混合交通和谐的新兴研究领域。 |
需进行跨文化的社会心理学实验, 谨慎设计并小范围测试。 |
通过视频展示或实车体验, 收集不同文化背景人群的主观评价问卷。 |
社会机器人学, 人机交互, 跨文化研究 |
|
CAR0-197 |
L0: 整车级 |
功能-场景 |
对“前方车辆突然减速/制动”的响应灵敏度与舒适性平衡 |
系统对前车减速的响应策略, 包括开始减速的跟车时距阈值 |
响应及时安全, 平均 |
s, m/s², m/s³ |
CAR0-2, CAR0-81, CAR1-4, CAR1-11, CAR2-5 |
跟车模型参数, 舒适性优化目标 |
高安全性与高舒适性存在经典控制矛盾 |
个性化驾驶风格设置 (激进/舒适) |
是自适应巡航等基础功能体验的核心, 直接影响用户对系统“老司机”程度的评价。 |
需通过大量实车数据标定和用户反馈来优化响应策略。 |
在道路测试中, 记录系统对前车制动的响应数据, 分析减速度、Jerk和与碰撞时间 (TTC) 的关系。 |
控制策略, 人机共驾, 舒适性评价 |
|
CAR0-198 |
L0: 整车级 |
网络安全 |
基于“软件定义边界” (SDP) 的车-云服务动态访问控制生效延迟 |
当车辆尝试访问云端服务(如地图更新、远程诊断)时, 需先经过SDP控制器进行身份和上下文(如车辆位置、网络安全状态)认证, 认证通过后动态开通访问权限。 从发起请求到权限开通的总延迟 |
|
s |
CAR0-16, CAR0-158, CAR1-29, CAR2-19, CAR3-16 |
SDP控制器性能, 网络延迟, 策略复杂度 |
动态、细粒度的访问控制与实时性、系统复杂性存在平衡 |
零信任网络架构 |
是实现车云服务按需、最小权限访问的先进网络安全模型, 增强云端服务的安全性。 |
需在云端部署SDP控制器, 并在车端集成SDP客户端。 |
模拟车辆访问云端服务的流程, 测量从发起到建立连接的总时间。 |
软件定义边界, 零信任安全, 车云安全 |
|
CAR0-199 |
L0: 整车级 |
制造-质量 |
基于“数字孪生”的自动驾驶系统下线检测 (EOL) 项目自动生成覆盖率 |
利用整车及各部件的数字孪生模型, 结合BOM和软件版本, 自动生成针对该特定车辆配置的下线检测项目列表(如传感器标定检查、网络通信测试、功能逻辑测试)的覆盖率 |
|
百分比 |
CAR0-95, CAR0-120, CAR0-159, CAR0-179, CAR3-31 |
数字孪生与制造执行系统集成, 检测项目知识库 |
高覆盖率与检测项目的有效性、可执行性需平衡 |
自动化的检测结果分析与报告 |
是应对大规模个性化定制、实现柔性生产和高品质交付的关键智能制造技术。 |
需建立覆盖设计-工艺-制造-检测的全数字化数据流。 |
抽样对比自动生成的检测项目列表与人工专家制定的列表, 检查完整性和合理性。 |
数字孪生, 智能制造, 下线检测 |
|
CAR0-200 |
L0: 整车级 |
人机交互-安全 |
驾驶员在自动驾驶模式下的“模式混淆”发生概率与纠正措施有效性 |
驾驶员错误地认为车辆处于自动驾驶模式而实际处于手动模式, 或反之。 通过实验或数据分析此类“模式混淆”事件的发生概率 |
|
概率, 无单位 |
CAR0-9, CAR0-19, CAR0-160, CAR0-186, CAR2-11 |
模式切换逻辑清晰度, HMI状态提示的显著性和一致性 |
清晰、一致的模式提示是防止混淆的关键, 但可能增加HMI复杂度 |
基于驾驶员行为(如手、眼)的模式状态推理 |
是L2/L3级自动驾驶人机交互的核心安全问题, 模式混淆可能导致严重事故。 |
需进行专门的人因实验, 测试不同HMI设计方案对模式混淆的预防效果。 |
在驾驶模拟器中, 设计包含频繁模式切换的场景, 观察和记录驾驶员产生混淆的次数和系统提示的效果。 |
人因工程, 模式意识, 安全设计 |
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐


所有评论(0)