泊车功能的演进历程与趋势

今天我们聊一聊智能驾驶辅助的一个关键功能——泊车。

泊车功能是指通过车载传感器和控制系统，在低速行驶场景下，将车辆自动驶入车位中的功能。

目前主要有四代泊车功能：

第一代

自动泊车

APA(Auto Parking Asist)

第二代

遥控泊车

RPA(Remote Parking Asist)

第三代

记忆泊车/自学习泊车

HPA(Home-Zone Parking)

第四代

自主代客泊车

AVP(Automated Valet Parking)

每一代都是在原有的基础上升级得更加人性化和智能化，整体大致可分为三个阶段：

1. 人在车上泊车；

2. 车在人可视范围之内泊车；

3. 人远离汽车，汽车自主泊车。

1

APA / 自动泊车

最早的泊车辅助主要是依靠超声波雷达和倒车影像等作为信息辅助，帮助车主泊车。

之后随着超声波雷达和环视相机的感知融合，车辆对周围环境的感知能力进一步提升，车辆可自主搜寻停车位并泊入用户选择的车位。这就是第一代的自动泊车——APA。

不过，APA还是要求驾驶员在车里，更适合新手泊车或者其他一些简单的场景。

2

RPA / 遥控泊车

RPA其实就是在APA基础上，系统搜寻车位后，驾驶员选择车位并下车，用户通过蓝牙钥匙、手机APP等方式与车辆进行交互，进行泊车操作。

其主要场景是空间特别狭窄的车位，泊车以后驾驶员可能会下车比较困难，或是打开车门后会剐蹭到周边物体的情况。

遇到这种情景，驾驶员在泊入前下车，对汽车发送泊车指令，车辆就能够准确泊入指定地点。当需要车辆驶出车位时，同样只需要点击“一键泊出”等指令即可。

美中不足的是：为确保车辆安全，整个过程需要驾驶员在车辆附近，由于蓝牙连接的范围有限，一般驾驶员不能离开车辆超过10米。

3

HPA / 记忆泊车

HPA是系统自主学习、记录并存储用户常用开启位置、停车地点及泊车行进轨迹，自建常用泊车路径的环境特征地图，并存储在车端。

当车辆再次驶入停车场的建图范围内，车辆可以调用存储的路线，从而开启点对点的巡航，驶到车位附近并且泊入。

与APA和RPA相比，HPA功能复杂得多，在建图和路径规划复用了行车传感器和功能逻辑，也更加解放了驾驶员。在整个过程中，SLAM（Simultaneous Localization And Mapping，即时定位与地图构建）是HPA的重要一部分，依靠视觉构建本地地图。

不过，HPA仍然是L2的功能。为确保安全，各家车企或方案商都做了一些功能限制，比如小鹏要求驾驶员在整个HPA过程中不能下车，驾驶员必须全程在车上，随时做好接管准备。

也有一些其他车型的HPA功能，虽然允许驾驶员可以在单元门口提前下车，但是仍要求下车点不能距离泊车点车辆太远，车辆必须仍然在驾驶员的视线范围内，这个范围一般控制在50到100米以内。

还有些其他车型，虽然不限制下车距离，但是会要求驾驶员全程通过手机对车辆进行监控，全程对蜂窝网络（4G/5G）要求很高，一旦网络断开，车辆就停车。地下车库的网络一般都不太好，这也影响了其应用范围。

智子OS：虽然有些人认为HPA功能有些“鸡肋”，不过智子1号认为它还是非常重要的，因为HPA解决了通往AVP的必经之路上的两大难题——

01

功能安全

用户下车后，对系统的功能安全等级要求会高很多，尤其需要对制动系统做冗余设计，这也是像AVP这种L3/L4等级的自动驾驶所必须的。

02

地图

HPA通过本地建图解决了地图的问题，从而摆脱了高精地图的束缚。后续还可以进一步可以通过将本地地图上传到云端从而形成众包地图（现在叫众源地图），这样就可以形成了全国范围内的停车场地图。

事实上小鹏已经开始这么做了，而且效果不错，虽然现在还属于灰色地带，不过考虑到停车场是属于封闭场景，而且多是地下车库，风险相对可控。

4

AVP / 自主代客泊车

AVP是第四代泊车系统，是L4级别，系统更加成熟和稳定，适用于所有停车场场景，能彻底解决用户泊车的痛点。

比如当你去一个商场时，可以直接在商场门口选择下车，这时候车辆可自行寻找车位停车，从而省去你找车位停车的时间。

当需要车辆时，用户只需要通过APP发送指令，车辆就能够远程启动，自动驾驶到驾驶员指定位置，这样就可以实现取车。

相较于前面三种，AVP对车辆的要求更高，这就需要车辆具备更强的感知能力和更大的算力，能够更精准的探测周边环境和处理数据。随着激光雷达和大算力SoC上车，相信AVP的实现也不再遥远。