0 引言
随着汽车“新四化”——电动化、网联化、智能化、共享化成为汽车行业的主流发展趋势，电子电气在汽车产业中的作用愈发重要。在汽车电子电气系统中，系统复杂度随着交互性的提升而增加，导致硬件开发成本或软件开发成本增加。因此，从整车设计的角度出发，对电子电气进行顶层设计和总体把控具有重要意义。
电子电气架构设计需要综合考虑多种因素，如成本、质量以及先进性等。在众多指标中进行权衡，进而对整车电子电气的开发进行框架定义，用以指导整车电子电气的详细开发。电子电气架构直接影响整车产品的优劣。如何评估和优化电子电气架构方案成为各主机厂的重点关注内容。
现有大多数关于电子电气架构的文献集中于设计开发流程，多项研究[3-9]深入探讨了利用专业工具和方法进行电子电气架构系统化开发。张颖等[1]将层次分析法（Analytic Hierarchy Process，AHP）应用于电子电气架构评估，通过其在处理复杂决策问题时的有效性和实用性，验证了该方法的可行性。Thomas[2]通过两两比较法构建判断矩阵，从而科学地确定各评估指标的权重。李泽森等[11]、周康渠等[12]将逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS）应用于工程领域，通过计算各方案与最优方案和最劣方案的距离进行相对优劣排序。高昕欣等[13]、梁耀东[14]等也成功应用了AHPTOPSIS 组合模型。张书铨等[15]对广义综合评价模型的研究进一步丰富了多属性决策理论。
在电子电气架构评估方法方面，现有研究存在以下局限：（1）评估体系不够全面，指标可能偏重于技术或成本某一维度，未能综合权衡成本、质量以及先进性等多重因素；（2）主观性较强，缺乏数据标准化的客观处理环节，可能导致评估结果受主观因素影响；（3）方法论组合应用不足，未能将AHP的权重确定优势与TOPSIS 的排序优势有效结合，尚未形成一套完整、系统的评估流程。
本文立足于电子电气架构开发的实际需求，采用可被量化的评估指标进行电子电气架构方案评估，构建一个融合AHP、TOPSIS 的综合性、量化评估模型。该模型克服了上述研究局限性，增强评估结果的说服力和客观性。此外，其通用性设计使其可以应用于整车级电子电气架构方案评估，也能向下兼容特定电子电气子系统方案的评估，为主机厂的决策提供了一套科学、实用的工具和方法论支持。
1 电子电气架构评估模型搭建
1.1 评估模型层级搭建
所述电子电气评估模型的评估指标参考层次分析法[1-2]进行分析。本模型采用两级评估指标，一级指标采用可定性分析的指标，如经济性、成熟度等各主机厂关注的定性指标。基于一级指标对二级指标进行分析，采用可定量分析的指标，能够通过客观数据比对方案优劣。所述一级指标及二级指标，需基于各主机厂的经验及关注侧重点进行罗列，同时可参考车型项目的特征目录。本文将列举通用化指标[3-9]，详细评估指标如表1、表2所示。评估模型中的一级指标及二级指标仅供参考，可根据企业关注情况进行增减。
表1 评估模型层一级指标
表2 评估模型层级二级指标
续表
1.2 评估模型指标数据化
表1 中的一级指标仅为定性指标，二级指标为定量指标，但二级指标中有部分指标为抽象含义，需对其进行转换。所述问题主要体现在A4先进性指标中的A41自动驾驶等级，具体如表3所示。
表3 评估模型数据处理-A4先进性
1.3 评估模型指标权重
指标权重是区分各评价指标重要度的重要工作，需制定对其权重进行赋值的原则。由于不同主机厂甚至不同车型项目中，各指标权重可能均不相同，故各指标权重不应固定取值，而需基于车型定位确定。综合考虑，采用配对比较法更为适合[10]。
配对比较法将同一层级的指标进行逐一比较，并将2 个指标相对重要的指标编号写在相交的单元格上。通过统计各指标优胜的频次获取其重要度的权重。传统的配对比较法可能存在某个指标重要度弱于其余指标从而其统计值为0 的情况。然而，该指标仅代表其重要度较低，不应完全不予考虑。故本文对配对比较法进行优化，在相同指标相交的单元格记录该指标，以确保各指标至少被统计1 次，如表4 所示。
表4 评估模型指标权重
统计表格中A1～An数量（不包括表头的第一行与第一列），将统计数量S1～Sn填入Sum 行。接下来需要对其进行数据化处理，以转化为权重值，计算公式可表示为：
式中：Si为任意一列优胜指标的和。
获取Count后再对各指标统计结果进行归一化处理，可表达为：
式中：ai为一级指标权重，其中i=1,2,…,n。
采用该方法对A1～A7、A11～A13、A21～A22、A31～A33、A41～A42、A51～A52、A61～A62、A71～A74分别进行配对比较，可获得各一级指标Ai的权重ai，以及各二级指标Aij的权重aij。
之后需要针对各二级指标的权重与对应一级指标权重相乘：
式中：aij为二级指标的权重，bij为二级指标的加权因子。
1.4 评估模型数据处理
本文所述电子电气架构评估模型中，各二级指标由于在评估过程中将填写实际值，如单件成本可能为2 000 元，开发费为200 万元，开发周期为10 个月。其取值范围可能不属于同一数量级，存在较大差异，无法直接使用，否则将极大影响评估结果。故需对其进行标准化处理，以便所有评估指标能够基于同一基准线进行处理。本文采用TOPSIS 法[11-15]对数据进行标准化处理。TOPSIS 法根据有限个评价对象与理想化目标的接近程度进行排序，以判断其相对优劣程度，适合本文所述多个方案的优劣比对。依据TOPSIS法，首先获取原始矩阵x，如表5所示。
表5 原始矩阵
表6 正向矩阵X
式中：xij为原始矩阵x中评价指标的具体数值，Xij为转化过的极大型指标。
针对极小型指标，需要经过式（5）转化为极大型指标，可表示为：
由此获取所有指标均为极大型指标的正向矩阵X。进而需对正向矩阵X 进行标准化处理，将所有数据归一化，得到标准矩阵Z，如表7所示。
表7 标准矩阵Z
其中，矩阵Z中的每个元素可表示为：
式中：不能为0，如为0，则Zij取值0。
其定义最大值可表示为：
除了“U”字形的城市外围的绿化带外，城市内部开放空间主要包含公园、广场、路边休憩等类型，其中大大小小公园共有十余处。但是城区现状功能分区散乱，各类用地布局混杂，缺乏系统安排；空间效率较低；老城区空间布局零碎，城中村问题普遍，平房多，土地利用效率较低。
表中B1～Bn为评估模型中的n个可量化评价指标，即本文所述二级指标。xij为第i（i=1,2,…,m）个方案的第j（j=1,2,…,n）个评价指标的具体数值。
首先将原始矩阵正向化，得到正向矩阵X，如表6所示。
正向化过程针对极大型指标与极小型指标采用2种处理方式。其中针对极大型指标可表示为：
式中：为每一列的最大值。其定义最小值可表示为：
式中：为每一列的最小值。
第i（i=1,2,…,m）个评价对象（即方案i）与最大值的距离可表示为：
式中：bj为相应指标Bj的加权因子。
定义第i（i=1,2,…,m）个评价对象（即方案i）与最小值的距离：
可以计算得出第i(i=1,2,…,m)个评价对象未归一化的得分，计算过程可表示为：
归一化后的得分计算过程可表示为：
由上述公式，得到2种方案的最终评分如表8所示。
表8 方案评分
从公式（10）可看出，0 ≤Ci ≤1，且越小，该方案与最优解的距离越小时，Ci越大
越小，该方案与最劣解的距离越小时，Ci 越小。基于上述方法可获取所比较方案在各指标下的评分，用于方案优劣比对。
采用上述方法，可针对1.1 章节所述的二级指标及1.3 章节获取的二级指标加权因子进行计算，获取相应方案评分。
2 电子电气架构评估模型应用
章节1.1 至章节1.4 为电子电气架构评估模型的方法论，本节将针对具体问题进行实例演示。由于整车电子电气架构的数据较为复杂，在此不便于展示，故本节选取电子电气相关系统方案评估。本节将对比车门控制器系统方案，以确定其可用性。
方案一采用4 个车门控制器，每个车门控制器分别控制一个车门的车窗和门锁相关功能。方案二采用2 个车门控制器，每个车门控制器控制本侧前后2个车窗和门锁的相关功能。
该方案计划应用于A 级车型，该车型更为关注经济性与成熟度，对于车型的先进性无过高的要求与期望。针对方案一和方案二各评估指标的具体数值如表9所示。
表9 评估模型-实例
依据表4 方法对一级指标进行排序，并通过公式（1）和公式（2）计算一级指标权重，如表10所示。
表10 评估模型指标权重-实例
采用相同方法获取二级指标权重，并根据公式（3）获取各二级指标的加权因子，如表11所示：
表11 评估模型加权因子权重-实例
依据式（4）将指标转化为极大型指标并转化为正向矩阵，并依据式（5）将正向矩阵转化为标准矩阵，如表12所示。
表12 正向矩阵＆标准矩阵-实例
基于表12，依据公式（6）公式（7）计算得出Z+，Z-。Z+=[1,1,1,1,1,1,0.82,0.97,0.71,0,0,1,1,0,0,0,0,1]，Z-=[0,0,0,0,0,0,0.57,0.22,0.71,0,0,0,0,0,0,0,0,0]，进而依据公式（8）～（11）可计算得出方案一、方案二的评分矩阵。
如表13 所示，方案二优于方案一，更趋近于最优解。该方法论应用于红旗某在研车型，实践证明，方案二更适合于A级车。
表13 方案评分-实例
传统的方案决策基本采用罗列比对指标数据的策略，缺少对指标优先级的判断，决策结果取决于决策者对指标优先级的个人理解，针对方案数据相近的情况较难决策。本文采用的方法改善了指标优先级受个人主观因素影响的情况，且结果通过单一数据比对，较为直观且客观。
3 结束语
通过建立本文所述电子电气架构评估模型，在对架构模型进行方案比对时，具备以下优势：数据收集便利，采用可量化指标；扩展性强，指标可根据需求进行增删；适应性强，指标权重依据车型可调，针对所有指标进行配对比较，易判断；结果直观，评估结果为评分数值，便于决策；适用面广，评估模型不仅适用于整车架构，同样可应用于系统方案；应用场景多，评估对象可为单一方案与最优对标方案比对，可为多方案优劣比对。
在层级搭建部分采用AHP法，一级指标采用定性指标，二级指标采用定量指标，便于指标提取，且逻辑关系清晰。数据处理部分，采用TOPSIS 法对数据进行标准化处理，将不同取值范围的数值指标进行归一化。其中不同方案的数值可以是评估方案的数值，也可以是对标车辆的数值，甚至可以是主机厂每项评价指标的最优理想数值。
综上所述，本文所述电子电气架构模型具备易收集、强扩展性、强适应性、适用面广、应用场景多、结果直观可行等优点，为方案设计过程中的方案比对提供了直观的数值化参考，有效的提高了电子电气架构设计的可信度。
参考文献
[1] 张颖, 林海波, 仪垂杰. 基于AHP汽车智能电子电器架构评估研究[J]. 制造业自动化, 2013, 35(12): 68-71.
[2] THOMAS L S. Decision Making with the Analytic Hierarchy Process[J]. International Journal of Services Sciences, 2009(1): 83-98.
[3] 袁仲楠. 基于PREEvision 的电子电气架构开发研究[J].电子测试, 2020(3): 55-57+130.
[4] 贾承前. 汽车电子电气架构开发[J]. 汽车电器, 2011(12):4-6.
[5] 宋杰静. 基于PREEvision 的以太网SOA 设计方法[C]//2019 中国汽车工程学会年会论文集(4), 2019(4): 270-273.
[6] 王永辉. 基于PREEvision的汽车电子电气架构设计介绍[J].汽车实用技术, 2019(15): 111-112.
[7] 张佩, 杨洋, 李华. 基于PREEvision 的汽车电子电气架构(EEA)设计与优化[C]// 2014 中国汽车工程学会年会论文集, 2014(5): 665-669.
[8] 倪斌. 汽车电子电气架构设计与优化研究[J]. 电子技术与软件工程, 2013(17): 270.
[9] 冯香枝, 胡朝峰, 张海涛. 基于PREEvision 的汽车电子电气架构设计[J]. 汽车电器, 2013(10): 43-46.
[10] 什么是配对比较法[J]. 中国卫生质量管理, 2014(1): 93.
[11] 李泽森, 赵贝贝, 李晶晶. 电动汽车发展状况评价研究——基于改进TOPSIS法[J]. 现代商贸工业, 2017(3): 73-75.
[12] 周康渠, 李传明, 余妍熹, 等. 组合赋权TOPSIS在汽车零部件供应商选择中的应用[J]. 重庆理工大学学报（自然科学）, 2013(11): 14-19.
[13] 高昕欣, 雷倩, 胡佳. 基于D-AHP和TOPSIS的湖南省新能源汽车供应链风险评估[J]. 高师理科学刊, 2022(10):21-27.
[14] 梁耀东, 高峰, 李新, 等. 基于AHP-TOPSIS 综合评判的深部厚大矿体采矿方法优选[J]. 现代矿业, 2022(10):85-88.
[15] 张书铨, 罗东坤, 王叶, 等. 一种新的多属性决策方法:广义综合评价模型[J]. 统计与决策, 2021(24): 37-41.