AUTOSAR AP 详解

前言：前面我们讲解了关于AUTOSAR CP的一些知识，接下来我们聊一聊AUTOSAR AP，由于AP平台同样也很庞大，本文我们仅从设计理念、架构、、工具链的角度展开说说。

目录

一、从 Classic 到 Adaptive 的演进

二、核心设计理念

三、核心架构

四、工具链

五、AP vs CP

一、从 Classic 到 Adaptive 的演进

随着自动驾驶、车联网、智能座舱等新兴技术的快速发展，传统 CP 平台在计算能力、灵活性和可扩展性方面的局限性日益凸显。2016 年 AUTOSAR 组织开始研发 Adaptive Platform（AP），并于 2017 年正式推出首个版本 R17-03。

AutoSar AP (Adaptive Platform) 是 AUTOSAR 的新一代标准，旨在应对汽车行业向CASE（互联 Connected、自动 Autonomous、共享 Shared、电动 Electric）转型的挑战。

AUTOSAR AP 代表了汽车软件架构从静态嵌入式系统向动态服务化平台的重大转变。AP平台专为功能灵活、算力需求高的智能汽车场景设计，其核心是 "可扩展性"，支持功能动态升级（如 OTA）、算力按需分配，甚至可在运行时加载新的软件组件。

二、核心设计理念

面向服务架构（SOA）是 AUTOSAR AP 的核心设计理念，这一理念的引入彻底改变了传统汽车软件的开发模式。与 Classic 平台基于信号的通信方式不同，AP 平台采用基于服务的动态通信机制，通过SOME/IP（Scalable service-Oriented Middleware over IP）协议实现服务交互。

SOA架构的核心特征：

1. 服务抽象与封装：将复杂的汽车功能抽象为独立的服务单元，每个服务具有明确定义的接口和功能边界。服务可以是本地的（运行在同一 ECU 上）或远程的（运行在不同 ECU 上），应用代码无需关心服务的具体位置，通信基础设施会自动处理差异。
2. 动态服务发现与绑定：支持运行时服务发现和动态绑定机制，服务可以根据应用需求动态加载、配置和更新。这种机制大大提高了系统的灵活性，允许功能的增量部署和独立更新。
3. 松耦合架构设计：通过标准化的服务接口实现组件间的松耦合，降低了系统集成的复杂度。服务提供者和消费者之间通过接口契约进行交互，不依赖于具体实现，提高了软件的可复用性和可维护性。
4. 分布式计算支持：SOA 架构天然支持分布式计算，不同的服务可以部署在不同的计算节点上，通过网络进行通信。这种架构特别适合自动驾驶系统中多传感器融合、路径规划、决策控制等功能的分布式实现。

三、核心架构

AP 并非像 CP 那样是一个完整的静态分层架构，而更像是一个运行在 POSIX 兼容操作系统（如 Linux, QNX）之上的中间件层。

AUTOSAR AP进一步的体系结构如下：

AA（Adaptive Application）自适应应用程序：运行在AUTOSAR Runtime for Adaptive Applications (ARA)之上，用于实现碰撞预警、车道保持、自动驾驶等复杂的汽车功能。AA可以使用C++语言编写，也可以使用模型驱动开发（Simulink）工具生成。

ARA（AUTOSAR Runtime for Adaptive applications）自适应应用程序的运行平台：提供了AA所需的运行时环境，包括内存管理、进程管理、文件安全读写、日志记录等。它由功能集群（Functional Clusters，FCs）提供的应用程序接口所组成。

Adaptive Foundation：提供了AP AUTOSAR的基础功能，如服务发现、事件发布订阅、请求回复、数据管理等。这些服务主要是为了实现AA之间以及AA与外部系统之间的面向服务的通信（SOC），基于SOME/IP协议。

Adaptive Services：提供了AP AUTOSAR的标准服务，状态管理（特定于项目实现），网络管理，更新配置管理（UCM）即我们比较熟悉的运行时软件更新（OTA）。

四、工具链

AUTOSAR AP 的开发工具链呈现出多元化和专业化的特点，主要包括以下几类：

1) MATLAB/Simulink 工具链：

• MATLAB 和 Simulink 是汽车行业的标准开发工具，广泛用于算法开发、仿真和代码生成
• Simulink 提供 AUTOSAR 架构模型资源和画布，通过创建、链接或导入 Simulink 模型来定义组件行为
• 支持自动代码生成，生成的代码符合 MISRA-C 标准，确保代码质量和可维护性

2) Python 工具支持：

• 西门子等公司开发了专门的 Python 包，提供 Python 程序与 AUTOSAR Adaptive 之间的简单高级接口
• Python 在机器学习框架（如 TensorFlow、PyTorch）中占据主导地位，Python 绑定为 AUTOSAR 提供了与 AI 算法集成的桥梁
• 支持快速原型开发，数据科学家可以快速在汽车原型中交付结果

3) 专业配置工具：

• Vector 的 DaVinci Developer Adaptive：高级的 AUTOSAR Adaptive 项目配置工具，具有清晰的导航界面和便捷的模型编辑功能
• Vector 提供完整的工具链支持，包括 PREEvision 用于架构设计、DaVinci 用于配置管理等
• ETAS 的工具链：包括 INTEGRIO 集成原型环境，支持 ASCET-MD、MATLAB/Simulink 以及 AUTOSAR和纯 C 代码的集成开发

五、AP vs CP

最后，我们来看看AP与CP在关键维度上的差异