车路协同自主代客泊车系统关键技术研究

中国联通研究院 北京 100176

引言

2012年，随着《国家智慧城市试点暂行管理办法》的发布，中国的智慧城市建设拉开了序幕。《办法》指出，智慧城市建设目的是“加强现代科学技术在城市规划、建设、管理和运行中的综合应用”[1]。目前，中国的智慧城市建设，已从概念导入、试点探索，发展到以人为本、协同创新的新型智慧城市阶段[2]。

另一方面，自2018年12月中央提出加强新型基础设施建设后，“新基建”的内涵和定义不断被拓宽和丰富。2020年3月，中共中央政治局常务委员会会议提出，加快5G网络、数据中心等新型基础设施建设进度，并总结了新基建涉及的七大领域。城市是基础设施的核心载体，以5G、物联网、人工智能、云计算、数据中心为代表的新一代信息技术的发展，已成为新型智慧城市建设的重要推动力。

作为智慧城市建设重要组成部分的智慧交通，目前也已上升为国家战略，政策持续加码。在“新基建”“新一代智慧交通”的大背景下，车路协同智慧交通进入技术与场景融合发展的新阶段。

1 自主代客泊车概述

1.1 背景及概念

目前停车难、取车难依然是城市生活的一大痛点，由于停车资源短缺、车位利用率低、传统停车效率低下等问题，导致停车难、取车难、找车浪费时间等问题普遍存在。随着汽车产品形态、交通出行模式等的创新发展，自主代客泊车为解决停车困难提供了新的思路。

自主代客泊车(Autonomous Valet Parking，AVP)，是指用户在下车点/上车点通过App端发送泊车/取车指令，车辆以自动驾驶的方式替代车主来完成从停车场入口/出口到停车位的行驶与泊车任务。AVP目前被业内认为是最有希望率先实现商业落地的自动驾驶技术应用场景之一，是乘用车实现大规模自动驾驶的一个必经场景。

1.2 相关政策

近年来，国家出台多项政策大力引导智慧交通的发展，《数字交通建设纲要》《交通强国建设纲要》《车联网(智能网联汽车)产业发展行动计划》《智能汽车创新发展战略》等各类顶层规划接连重磅出台，传达出了国家推动车联网及智慧交通相关产业融合创新发展的决心。

此外，国务院办公厅2020年11月印发的《新能源汽车产业发展规划(2021－2035年)》指出，要“引导汽车生产企业和出行服务企业共建‘一站式’服务平台，推进自动代客泊车技术发展及应用”“支持以智能网联汽车为载体的自动代客泊车和特定场景示范应用”。

在国家政策的指引下，智慧交通及车路协同技术将不断发展，自主代客泊车商品化推广、普及应用将是必然方向，也将产生极佳的经济价值和社会效益。

1.3 行业进展

近年来，泊车技术逐渐从APA(Auto Parking Asist)、RPA(Remote Parking Asist)发展到AVP阶段[3-5]。国内外车企、科技企业纷纷开展相关技术研究及示范测试，如表1所示。

表1 行业进展

2018.11发布Valet Parking自主泊车计划。2019.7发布泊车方案，宣布已拿到车企合作订单。百度2020.9与威马汽车合作AVP；在百度“2020 Apollo生态大会”上亮相首款搭载AVP的全新量产车型。纵目科技2017.11第一代自主泊车产品AVP Gen.1。2019.12第二代自主泊车产品AVP Gen.2。禾多科技 2018.12推出HoloParking 智能代客泊车方案。驭势科技 2018.11搭载驭势AVP的宝骏 E200 落地交付。Momenta 2019.7发布自主泊车方案Mpilot Parking。吉利2019.5宣布“爬行者“计划。德赛西威2018.6与小鹏合作自动驾驶，包括AVP系统。华为2019与合作方探讨车场协同方案。

1.4 技术路线

在自主代客泊车实现方面，业界提出了多种技术路径，包括单车智能方式、强场控方式、车场协同方式，如图1所示。

图1 自主代客泊车主要技术路线

目前来看，无论哪种技术方案，还都处于示范探索阶段，同时各技术路线也尚未形成统一的标准，特别是车场协同的自主泊车，由于涉及的相关方较多，协同起来更加复杂。

2 车路协同自主代客泊车系统架构及关键业务

2.1 系统架构

车路协同通过“端”“管”“云”三层架构实现环境感知、数据融合计算、决策控制，从而提供安全、高效、便捷的智慧交通服务。

对于自主代客泊车场景来说，端侧主要包括车端、场端、移动App端；网络侧主要包括有线网络、4G/5G及C-V2X、NB等无线网络、定位网络；云/边侧主要包括AVP服务平台、车企平台、停车场管理等第三方服务平台，架构如图2所示。

图2 自主代客泊车系统示意框架

2.2 关键业务流程

1)一键泊车

用户通过移动App端AVP应用，选择停车位；到达下车点后，点击一键泊车服务；车辆完成从下车点到泊车位的自动驾驶及自主泊车；车辆成功停入车位后，向用户发送泊车成功通知；App显示泊车成功。

2)一键召车

用户到达上车点后，通过移动App端AVP应用点击一键召车服务；车辆完成自主启动及从车位的自主泊出，并自动驾驶到上车点；车辆成功到达上车点后，向用户发送召车成功通知；App显示召车成功。

3 车路协同自主代客泊车系统关键技术

3.1 感知技术

由于单车智能的车载传感器无法实现无死角的环境感知，还需要一个“上帝视角”进行实时的数字化，对停车场环境、道路、道路参与主体的位置、速度、方向及道路异常事件等进行感知，实现聪明的车和智慧的路的协同。

常用的感知技术主要有视觉感知、激光感知、毫米波感知、通讯感知等[6]。

视觉感知主要基于摄像头成像，通过视频采集环境信息，再通过计算机视觉算法进行分析。视觉感知有其它传感器无可比拟的优势，是车路协同中必不可少的感知设备，但不足之处是容易受到光照强度影响。

激光雷达可在一秒内发射数百万个激光束，通过返回的时间差精确测算出周围物体的距离和形状。激光雷达在恶劣环境条件下依然拥有超高的探测精度，精于三维信息处理，对物体大小、速度的计算精度高，但分辨率较低，对物体内容的识别能力偏弱，此外，成本较高，不利于大规模应用。

毫米波雷达感知主要通过发射特定波长的电磁波，通过回波时间计算车辆间距离，可实现多目标的识别与区分、车辆相对速度的测量。毫米波雷达不受光线干扰，但分辨率较低，无法准确探测到距离稍微远一点的主体，无法准确区分相互贴近的目标，对静态目标检测和识别较差。

此外，通过V2X通信来共享单车智能的感知内容，实现车车、车路、车云间的协同，也是目前的一个研究领域。V2X感知距离可覆盖停车场内所有需覆盖的区域。

目前来看，采用单一的方式并不能完全实现精准的环境感知。为保障在各种复杂环境下都能实现环境的感知及交通参与主体、障碍物、异常事件等的识别，可采用融合的感知方案。未来的车路协同感知体系将聚焦在分布式传感以及多源异构信息的融合。在自主泊车场景中，在车端感知的基础上，可在场端安装摄像头、激光雷达、毫米波雷达等辅助设备，通过5G网络或有线网络实时把摄像头拍摄的图像或激光雷达扫描的点云图像上传给边缘端，实现车场协同感知。

3.2 5G/V2X融合网络技术

5G 网络提供的高带宽低时延高可靠网络保障以及切片技术，可为车联网业务提供进一步的服务保障[7]。V2X(Vehicle-to-Everything)是指：V2P(Vehicle-to-Pedestrian，车－人)、V2V(Vehicle-to-Vehicle，车－车)、V2I(Vehicle-to-Infrastructure，车－路边基础设施，如RSU(Road Side Unit)等)以及V2N(Vehicle-to-Network，车－云)。构建5G/V2X融合智能网络，可为车路协同自主泊车系统提供通信保障。

在车路协同方式下，感知数据可通过5G RSU实现快速回传，由5G边缘云进行智能处理，将感知的结果通过5G Uu下发至RSU，再通过RSU广播下发至车端，辅助车辆实现全域感知。

5G/V2X融合网络技术不需要进行场地设备的布线，未来可以提供更多的AVP相关服务。

3.3 边云协同技术

云计算擅长全局性、非实时、长周期的大数据处理与分析，边缘计算[8-9]更擅长局部、实时、短周期的数据处理与分析，边云协同放大了各自的价值。

在自主泊车过程中，涉及到各类数据的预测判断、处理分析、决策下发等，各场景对算力、存储、时延等的要求也不同。

边云协同模式下，大量计算负载整合到路侧边缘，边缘侧利用5G、V2X等通信方式与车辆、云平台进行实时信息交互；同时，车端也将成为边缘计算节点，与边端、云端协同配合，完成更多的业务交互。随着5G、边缘计算的不断发展，车路边云协同将更好地满足各场景对算力、存储、时延、安全等的要求。

3.4 数据处理与信息融合技术

由于路侧传感器与众多的车载传感器分别从不同的视角对同一道路地点、周边环境、交通参与主体等进行感知，各传感器采集的数据包括大量非结构化的数据，如视频数据、激光点云数据、微波感知数据等。考虑到海量数据的传输带宽及成本消耗，在车路协同系统中，边缘计算节点先将数据整合为结构化数据，然后根据不同业务的需要，云端和边缘端分别完成不同的数据融合计算。

车路协同感知数据处理与融合技术是综合利用大数据、图像识别、人工智能等技术，将来自多个传感器的多源感知数据进行筛选、清洗、分析，并将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则或算法组合来生成对观测对象的一致性解释和描述。融合计算模块将不同传感器的数据转换成统一的坐标系统，然后对不同感知数据进行对比，从而形成统一的结构化数据，生成车辆决策和预测所需的信息。

3.5 定位技术

自主代客泊车包括室外和室内两种场景。在室外场景应用中，卫星定位仍是常用的方法，目前GNSS(Global Navigation Satellite System)+RTK(Real Time Kinematic)+IMU(Inertial Measurement Unit)定位可获得精确至厘米级的定位精度。在室内场景中，针对AVP室内定位的主要技术有激光SLAM、视觉SLAM、UWB等。

自主代客泊车定位可分为以下几个阶段：一是车辆启动时的定位初始化阶段，该阶段定位可通过车端定位、车场协同定位实现；二是全局定位阶段，包括车辆巡航驾驶、泊车过程的定位，该阶段可通过车端定位、场端定位、车场协同定位等方式实现；三是定位状态异常阶段，包括定位失效后的行驶处理、定位失效后的恢复处理等。各阶段对定位精度有着不同的要求。

3.6 车位检测技术

在车路协同自主泊车系统中，可通过部署在场侧的车位检测装置实时监测停车位的变化，并将车位信息实时上报至AVP服务平台。

目前主要的场端车位检测技术有很多，如：视觉技术通过在停车场安装的监控摄像头，利用深度学习算法，实现车位占用状态的实时检测及上报；超声波测距技术，通过分析汽车或地面的反射波，精确测量出反射面到探测器的距离，由此准确地检测出每个车位的停车情况。在众多的车位检测方案中，地磁[10-11]车位检测器，由于成本较低、准确率高、施工简便等优势，目前被广泛应用到各种车路协同场景中。

地磁按检测手段分为单模地磁、双模地磁。常用的双模地磁传感器的工作原理是：把地磁检测和雷达检测结合起来，定时启动多普勒雷达传感器进行检测，当检测到停车位上有移动物体时，启动地磁传感器，检测到停车位上有铁磁性物体，并根据检测结果判断车位占用/空闲状态。

地磁常用的通信技术包括ZigBee、NB、LoRa、4G等，其中NB地磁出货量占八成左右。

4 结束语

车路协同自主代客泊车系统突破汽车和交通的技术体系，将5G、V2X、边云协同、感知、融合、定位、大数据、人工智能等技术与智能网联汽车、智慧交通深度融合，既促进了跨产业的协同发展,也契合国家“交通强国”战略目标。随着自主代客泊车关键技术的日趋成熟、场景商业进程的不断推进以及相关法律法规等的逐步完善，这一场景将为人们带来更好的智慧城市出行体验。