华为AUTOSAR质量目标与开发实践

一、如何根据特征制定软件质量目标(以华为为例)

1. ​基于ISO/IEC 25010标准分解质量特性****​

华为等大型企业在制定软件质量目标时,通常会参考国际标准ISO/IEC 25010定义的八大质量特性(功能性、可靠性、性能效率、安全性、兼容性、易用性、可维护性、可移植性)。具体步骤如下:

  • 特性识别:结合产品需求,从上述特性中选择关键项。例如,自动驾驶软件需优先保障功能性和安全性;
  • 量化指标设计 :为每个特性定义可测量的指标,如:
    • 功能性:需求覆盖度≥98%,功能正确性测试通过率≥95%;
    • 可靠性:系统故障率≤0.001次/小时,MTBF(平均无故障时间)≥1000小时;
    • 安全性:威胁检测率≥99%,漏洞修复周期≤48小时。

2. ​质量目标的分层与过程管理****​

华为采用V模型开发流程,将质量目标分解到各开发阶段:

  • 需求阶段:定义需求覆盖度(如100%需求可追溯)、评审缺陷密度(如每千行代码缺陷数≤1);
  • 设计阶段:通过静态代码分析工具(如Polyspace)确保MISRA-C/C++规范合规性;
  • 测试阶段: 设置测试通过率(如单元测试≥95%,集成测试≥90%)、缺陷修复率(如关键缺陷修复率≥98%)。

3. 结合AUTOSAR特性的质量策略​

针对AUTOSAR架构,华为可能采用以下方法:

  • 模型验证:对Simulink生成的AUTOSAR模型进行覆盖率分析(如路径覆盖≥80%);
  • 代码规范性:确保生成的C/C++代码符合AUTOSAR编码规范(如使用Vector工具链进行静态检查);
  • 集成测试:通过CANoe等工具验证通信协议栈(如CAN/LIN/Ethernet)的实时性和鲁棒性。

二、AUTOSAR是否全部为模型代码?

1. ​AUTOSAR开发中的模型与代码关系

AUTOSAR开发并非完全依赖模型生成代码,而是采用模型驱动开发(MDD)与手动编码结合的模式:

  • 模型生成代码
    • 应用层(SWC)和接口定义通常通过工具(如Matlab/Simulink、DaVinci)生成C代码和ARXML描述文件;
    • 例如,线控制动系统的转矩控制组件可通
    • 过Simulink自动生成C代码及ARXML配置文件。
  • 手动编码部分
    • 基础软件层(BSW) :如微控制器抽象层(MCAL)需针对具体芯片(如英飞凌Aurix)手动配置寄存器驱动;
    • 复杂驱动:传感器/执行器的底层逻辑可能需手动实现。

2. ​AUTOSAR平台的技术分工

​开发类型 ​工具/语言 ​典型场景
模型驱动开发 Matlab/Simulink、ETAS ISOLAR 应用层算法设计、接口定义
手动编码与配置 C语言、EB tresos、Vector工具链 MCAL配置、复杂驱动开发
自动化代码生成 RTA工具链、Geny RTE和BSW代码生成

3. ​华为在AUTOSAR开发中的实践

  • 工具链整合:可能采用自研工具链(如鸿蒙OS适配的AUTOSAR模块)与第三方工具(如Vector)结合;
  • 质量管控:通过持续集成(CI)和自动化测试(如Mantis缺陷跟踪系统)确保模型与代码的一致性。

总结

  1. 质量目标制定需基于国际标准、分层量化,并结合AUTOSAR架构特点强化模型验证和集成测试;
  2. AUTOSAR开发 是模型生成与手动编码的混合模式,模型代码主要用于应用层和接口,底层驱动仍需手动实现。
    如需具体案例或工具链配置细节,可进一步查阅AUTOSAR官方文档或企业技术白皮书。
相关推荐
m0_650108241 天前
VADv2:基于概率规划的端到端矢量化自动驾驶
论文阅读·自动驾驶·端到端矢量化·驾驶场景中的不确定性·概率场建模·多模态编码·vadv2
m0_650108241 天前
DiffVLA:视觉语言引导的扩散规划在自动驾驶中的创新与实践
自动驾驶·扩散模型·多模态融合·端到端规划·混合稀疏-稠密感知模块·vlm命令引导·截断扩散
Wai-Ngai1 天前
自动驾驶控制算法——模型预测控制(MPC)
人工智能·机器学习·自动驾驶
QianCenRealSim1 天前
FSD入华“加速”中国自动驾驶产业的推动与重构
人工智能·重构·自动驾驶
AI Planner&Control1 天前
自动驾驶控制算法——车辆七自由度动力学模型
自动驾驶
韩曙亮1 天前
【自动驾驶】Autoware 三大版本 ( Autoware.AI | Autoware.Auto | Autoware Core/Universe )
人工智能·机器学习·自动驾驶·autoware·autoware.ai·autoware.auto
Bol52611 天前
「“嵌”入未来,“式”界无限」从智能家居到工业4.0,从可穿戴设备到自动驾驶,嵌入式技术正以前所未有的深度和广度,悄然重塑我们的世界
人工智能·自动驾驶·智能家居
veritascxy1 天前
PyTorch-CUDA镜像支持自动驾驶感知模块训练
pytorch·自动驾驶·cuda
emacs5lisp1 天前
基于强化学习的自动驾驶控制
神经网络·自动驾驶·强化学习·carla·智能体
FL16238631292 天前
自动驾驶场景驾驶员注意力安全行为睡驾分心驾驶疲劳驾驶检测数据集VOC+YOLO格式5370张6类别
人工智能·yolo·自动驾驶