凤凰网汽车

不知道你有没有过我这种体验，还差几分钟就过9点，我还在公司楼下停车场找车位。

9点过15分，刚刚好，有个空车位出现。顺利停完车，上楼、打卡、喜提本月第四次迟到。那是几年前的事儿了，那会儿就想要是有个人能帮我把车停了，我去楼上打卡，多棒；几年过去，这个人依旧没出现，但钉钉远程打卡暂时解决了我的痛点。

但我的车还得我自己停，不是科技不进步，是我的车没有"代客泊车"功能。今天聊的话题，随着越来越多的新车都开始默认"标配"这样的功能，威马/WEY等，那什么是5G-AVP，怎么实现的？以后前景怎么样？

拆开看，5G有什么用？

这个段落简单点儿讲，4G是移动互联时代、5G是万物互联时代。

比起5G-AVP可能大部分人对于5G-V2X更熟悉点儿，关于这个的报告也更全面。不用去百度，5G还是一种移动通信技术，演变到如今已经是第五代，特点是高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接（重点）。

那么V2X就是实现车与X（车与车、与人、与路、与服务平台）之间的网络连接。是5G在车联网的垂直应用场景。举例：盘山路，路口转向会有盲区，通过V2X技术车与车进行通讯，可以知道对面或某个盲区方向是否有车，然后进行决策如减速、刹车等，减少交通事故的发生机率。其中5G的应用在里面起到了万物互联+大规模设备的链接+高数据传输+减少延迟作用。

于V2X一样，于AVP也一样的道理。

AVP是什么，怎么实现的？

自动泊车功能不是一蹴而就的，而是慢慢积累演变而来；在AVP之前，你可能更先接触到了APA和RPA。

APA自动泊车，是生活中最常见的自动泊车辅助功能，汽车低速巡航用超声波雷达感知周围环境，帮助驾驶员找到合适的车尾，然后驾驶员发送泊车指令，汽车自动泊车入位。APA这套辅助功能依赖的传感器不复杂，常见的是8颗UPA超声波雷达，就是日常频繁用到的倒车雷达，然后前后各4颗；还有4颗APA超声波雷达，安装在车身两侧。

两种雷达属性不同，分工也不同。APA超声波雷达探测范围远、窄，最远测距普遍5米左右；UPA超声波雷达探测范围近、宽，普遍最远3米。

所以，底层逻辑就是用APA雷达完成车辆低速行驶时的车位寻找和校验，侧前方的APA雷达会先探测到车位，距离会由小变大再变小。这个过程被探测到之后，根据车速信息算清楚空车位的尺寸信息；接着，侧后方的APA雷达需要完成的工作，是对前方雷达探测到的信息进行二次检验，以免出现错误信息。但重点是，驾驶员仍然需要在车内完成整个停车过程。

接下来是RPA，远程遥控泊车。基本逻辑和APA自动泊车相同，传感器配置也和以上差不多APA雷达+UPA雷达；唯一区别是使用场景，你可以下车并站在5米左右的范围内，连上蓝牙遥控你的车实现"自动泊车"，解决的痛点是狭窄空间内停好车你下不来的尴尬。但这个过程始终你仍然需要在场，不是在车里而是在车外，你还是不能冲上楼打卡。

最理想的场景，应该是我们把车开到家/公司楼下，我们直接去办事，找车位和停车的工作交给车辆自己完成，就是代客泊车功能——AVP。

简单分析一下，首先这是一个特定场景下的L4级别无人驾驶功能，它的传感器配置就必须要加入摄像头。跟它相似的是"自学习泊车"功能，简单易懂就是你教汽车怎么停、停在哪儿，记住之后就能自动把车给你停好，这种更适用于有固定车位的场景下，没有的话你还得自己来。

以上"自动学习泊车"功能，配备的传感器包括了APA、UPA雷达之外，还加入了4颗鱼眼摄像头组成了360度全景影像和停车场高精度图+SLAM同步定位与建图技术。相比于以上几种辅助泊车功能，AVP功能还得解决从驾驶员下车地点低速行驶到车位的问题，必须得保证安全，所以得提升车辆对于远距离的感知能力，所以也就有了一颗前向摄像头。

为什么不用感知力更好的激光雷达？实现单一功能用高成本的激光雷达没有性价比可言，激光雷达成本降下来之前应该会一直用视觉感知系统。而且，停车场普遍场景单一，没有那么多的快速移动物体，对于低速行驶的车辆来说视觉感知可以应对大多数的突发状况。

底层逻辑上面也分析的差不多了，APA雷达和UPA雷达的使用逻辑刚才已经说了，探测车位信息然后进行二次验证。360度全景影像+前视觉摄像头配合SLAM技术+停车场高精地图，构建场景让车辆知道自己在那儿然后要去哪儿。最后，根据算法完成"代客泊车"功能和"远程召唤"功能。

现在已经有很多产品开始使用或准备使用AVP功能，吉利星越L的5G-AVP 1km无人泊车功能、威马W6无人泊车功能、红旗E-HS9的AVP等等。

AVP的难点不是硬件，AVP前景如何？

AVP的应用场景在哪儿？在露天停车场或地下停车库。那AVP抛除感知硬件之外还需要SLAM同步定位与建图技术，还有更重要的"支持室内导航的自动驾驶高精地图"。

支持高度自动驾驶的地图，才是AVP的关键瓶颈，尤其是没有网络信号的多层停车场；当你在B3层打开地图导航的时候，你经常能发现，在到路面之前你的路径可能还要重新计算一次。这于AVP功能一样，没有信号致命、没有高精地图同样致命，影响大规模商业化落地。AVP需要在各种条件下的停车场正常工作，尤其是在复杂、多层的停车场。关于停车场制图的难点，不同停车场结构差异大、场内的标线规划不统一。

当然现在也有第三方在做停车场精度地图建设，但后续在车企对于AVP系统推向市场之前，还需要针对不同停车场环境进行充分的测试。

除了给停车场制作精度地图之外，还有一种车场协同的方法，但成本相对就高了。

一个是改车一个是改停车场，加强车端自身的传感能力和加强场端通信支持。但成本是一个大问题，博世和戴姆勒曾经展示过用工业级单线激光雷达，平均3个车位就要布置25个激光雷达，平均成本高，还不适用于现阶段的场端AVP。

未来最先可能大规模实现的是车端AVP低成本方案，一方面降低成本一方面又不会限制AVP只在具备"场端"功能的停车场使用。当然，这个方案的前提是，解决好停车场高精地图。

总结

泊车功能逐步发展到现在的AVP，从最初的超声波雷达到现在的无人自动泊车功能。每一次的迭代都离不开传感器+融合算法+通信技术的各方面成熟。

而且，在5G传输、传感器硬件、基础建设越来越成熟完善的未来，汽车肯定会更智能；无论是车端还是场端，在接下来的商业化落地上都会提供出更好的解决方案，这只是时间问题。所以，我下一辆车准备换一台有AVP功能的车，钉钉远程打卡+AVP，每天能多睡半小时。