車亭智能：車場協(xié)同式AVP的發(fā)展機遇與挑戰(zhàn)

佐思汽研直播間第 2 期由北京車亭智能 CTO 朱聰博士主講。以下是講座內(nèi)容。

大家好！我是來自停簡單 / 車亭智能的朱聰。今天很高興在這里通過直播這種方式，跟大家分享我們在 AVP 方面的一些思考和積累。在此，我要感謝佐思汽研提供了這個平臺。?停簡單是一家做智慧停車的互聯(lián)網(wǎng)公司，成立于 2014 年，最大的股東是阿里的螞蟻金服和復(fù)星。目前停簡單在全國 60 多個城市的近 7000 個公共停車場運營停車業(yè)務(wù)。車亭智能是停簡單的全資子公司，定位是專門從事 AVP 場端基礎(chǔ)設(shè)施的建設(shè)和運營。

今天我跟大家分享的內(nèi)容大概是這么幾塊，首先是對 AVP 發(fā)展趨勢、現(xiàn)狀，以及現(xiàn)在所面臨的一些挑戰(zhàn)提出一些我們自己的理解。然后，就是停簡單 / 車亭智能總結(jié)的應(yīng)對方案，以及在探索中的一些實踐案例。

首先，說一下 AVP 當前在國內(nèi)外的發(fā)展趨勢。從做自動駕駛這個行業(yè)來講，國內(nèi)外大概都是在 2015 年前后開始出現(xiàn)這一波風口，業(yè)內(nèi)討論 AVP 這個話題比較多的時候，應(yīng)該是在 2018 年下半年和 2019 年上半年，但是到今年尤其到今年下半年以來，整個行業(yè)對 AVP 討論的聲音相對來說弱一點?，F(xiàn)在業(yè)內(nèi)聽到更多的聲音，是以主機廠為代表，提得更多的已經(jīng)是 L3 級自動駕駛，而一些科技公司、互聯(lián)網(wǎng)公司現(xiàn)在提得更多的是 Robotaxi 或者是智慧交通車路協(xié)同。?這兩種趨勢，其實也反映了業(yè)內(nèi)兩種不同的技術(shù)路線，比如熱衷 L3 的核心邏輯可能是：完全無人駕駛落地應(yīng)用的時間，相對還比較遙遠，技術(shù)很難實現(xiàn)，那就往下先做 L3，既能夠解決用戶實際的問題，同時也能夠通過場景的迭代、升級，往完全無人駕駛的方向做具體應(yīng)用、做小步趨近，這是在 L3 方面的核心邏輯。?Robotaxi 和智慧交通車路協(xié)同這邊的核心邏輯，大家可能是說，雖然完全的無人駕駛存在很大挑戰(zhàn)，但是這件事情不僅是對汽車行業(yè)的一種改變，對未來的交通模式，甚至整個城市的運轉(zhuǎn)方式，都會產(chǎn)生巨大的影響。最簡單的例子，比如現(xiàn)在大家買房時常說的地鐵房概念，大家都知道，在北京地鐵房和非地鐵房的差別還是很明顯的，如果說有 Robotaxi 和車路協(xié)同可持續(xù)地解決城市交通擁堵問題，那確實改變的不僅僅是交通本身，整個城市未來的布局規(guī)劃都會發(fā)生變化。所以 Robotaxi 和車路協(xié)同雖然也很遠，但是這么有價值、有意義的事，還是值得現(xiàn)在投入資源去做的。?我們今天在這里不直接評論，到底是 L3 還是 Robotaxi 或者車路協(xié)同他們邏輯各自的正確性，我在這里是想講一下，這兩條邏輯無論哪一條，背后其實都有 AVP，或者說如果這兩條邏輯成立的話，AVP 的邏輯也是必然成立的。?為什么這么講？首先從 L3 來講，L3 的主要邏輯就是說這個技術(shù)挑戰(zhàn)的難度。對于 AVP 來說，AVP 和 L3 面臨的技術(shù)挑戰(zhàn)，無論是定位還是感知，還是從規(guī)劃到控制，其實沒有太大區(qū)別，甚至因為 AVP 是一個低速行駛場景，因此在技術(shù)挑戰(zhàn)上比 L3 相對還要更簡單一些。另外，如果從對交通整個的影響，我們先不上升到城市的高度，就簡單說對交通運行模式的影響和產(chǎn)生的可能變化，AVP 也是一個很好的切入點。?比如現(xiàn)在北京，有很多私家車主住在郊區(qū)，到市區(qū)上班，很多人會選擇先把車開到臨近市區(qū)五環(huán)四環(huán)的一個地鐵站，然后通過地鐵接駁換乘到市內(nèi)，因為市內(nèi)的交通太擁堵了，開車太慢。這種方式對大部分用戶來說，也不具備可操作性，因為地鐵站附近的停車點或者停車措施不是那么完備，不是每個用戶早上開車過去都能夠很方便的把車停下，然后能很快去乘地鐵，大家如果在北京體驗過地鐵早高峰，就知道體驗很不舒適。如果在地鐵站附近有一個支持 AVP 的停車場所，那么我相信愿意通過這種方式停車換乘到市內(nèi)的用戶會更多一些，當然這只是一種暢想。如果說 Robotaxi、車路協(xié)同有可能改變城市整個的交通運輸模式，那么 AVP 其實也是具備這個機會的。?從技術(shù)挑戰(zhàn)來說，AVP 并不比 L3 高，而它不僅能為整車銷售帶來價值，產(chǎn)品邏輯、潛在價值也能為城市未來交通的規(guī)劃優(yōu)化帶來一些新的手段和措施。因此在這里，我們要重申一個觀點，AVP 還是乘用車實現(xiàn)大規(guī)模自動駕駛必經(jīng)的一個場景。

在 AVP 的技術(shù)分類上，國內(nèi)目前在中國汽車工程學會和中國通信工業(yè)協(xié)會聯(lián)合做了一個團體標準。在這個團體標準里，把 AVP 的技術(shù)路線大概分為三類。這三類具體的定義，從字面上其實就很好理解，分別是 Type1（車端智能）、Type2（場端智能）、Type3（車場協(xié)同），依次表示整個系統(tǒng)智能化程度是在車輛端還是基礎(chǔ)設(shè)施端，還是兩邊一起。當然這里要說明一下，當時在做這個團體標準的時候，我們跟國際上的 AVP 標準工作組也對接過，那邊是由法雷奧、博世、電裝這些企業(yè)在牽頭。在國際上，這個分類方式也是大體類似的。我今天不過多闡述這里面每個技術(shù)路線的具體含義，因為我相信今天觀看直播的朋友們應(yīng)該多少會有一些了解的。?目前市場上主流的幾個玩家，或者說主流的參與機構(gòu)，我們在這里簡單羅列了一下，總體來說大部分目前還是以車端智能為主，這類參與機構(gòu)或者企業(yè)大部分以前也是從事 ADAS 方面相關(guān)的開發(fā)工作，他們從 ADAS 往上拓展應(yīng)用場景。以電信運營商或互聯(lián)網(wǎng)公司為代表的一些企業(yè)，他們可能更多的是從車路協(xié)同角度來切入，做車場協(xié)同式的 AVP 技術(shù)路線。?就像特斯拉馬斯克的論調(diào)一樣，說所有使用激光雷達做自動駕駛的都是傻子，讓特斯拉的自動駕駛汽車的安全性陷入爭論。AVP 的三類技術(shù)路線，也一直存在爭論，但我想說這三類技術(shù)路線，純粹從技術(shù)路線的角度來說，各有優(yōu)劣，技術(shù)路線本身沒有對錯，決定對錯的是能否商業(yè)化應(yīng)用，哪一種技術(shù)路線如果能夠率先實現(xiàn)商業(yè)落地的話，就是能夠走進這個行業(yè)、改變這個行業(yè)的技術(shù)變量。?對于 AVP 來說，從產(chǎn)業(yè)鏈角度來說，對于車路協(xié)同、智能汽車所需要的傳感器、芯片、通信模組、云計算等，基本上多方面都有一些覆蓋。但是由于目前市場上主要的玩家還是圍繞主機廠的整車開發(fā)，所以大部分玩家目前聚焦的還是車端智能的這條路線。不過我個人判斷，雖然 AVP 是應(yīng)用在相對封閉的場景，但只要不是應(yīng)用在純粹的 AVP 專用停車場，只要這個場景還開放給人工駕駛的車輛使用，行人還是有可能出現(xiàn)，那么現(xiàn)在車端智能這條技術(shù)路線，無論是英偉達的，還是 Mobileye 的，在環(huán)境感知方面，這個低速場景雖然可以給大家更長的反應(yīng)時間，即使你說你需要的環(huán)境感知范圍可以不用那么大，但是你需要感知事件的類型和多樣性并不比開放交通場景容易，后面我會具體分析一下我們在停簡單所運營的 6000 多個公共停車場日常遇到的各種各樣的問題。?當然今天有各種各樣新的傳感技術(shù)，包括車端的傳感技術(shù)，包括成像的毫米波雷達，包括像四線、十六線低成本的激光雷達，大大增強了車輛的感知能力，但這些東西相比車場協(xié)同這條技術(shù)路線而言，產(chǎn)品本身的成熟度還比較低，（后面我會詳細講一下我們方案里面所用的具體模塊，它們現(xiàn)在的成熟程度，要比我們今天所謂大算力的模型、芯片、成像毫米波雷達、低成本的激光雷達研發(fā)的成熟度要高一些）。所以我個人判斷，在未來 5 年，如果車端剛才講的這些組合式傳感器的成本、性能，沒有完全達到可以跟現(xiàn)在車場協(xié)同里面相關(guān)模塊競爭的程度，至少在 5 年內(nèi)，車場協(xié)同這條技術(shù)路線還是最切實際的。

我們停簡單現(xiàn)在全國運營的 6000 多個停車場，根據(jù)這 4 年多的運營經(jīng)驗，我們大概提煉出來這些停車場的一些數(shù)據(jù)。為什么要講停車場這個場景呢？所有的系統(tǒng)開發(fā)、軟件開發(fā)、自動駕駛開發(fā)，都要先把 ODD 的邊界定義清楚，對于 AVP 來說，停車場這個交通場景就是它的 ODD，這里總結(jié)的數(shù)據(jù)可能不一定那么準確，但應(yīng)該還是具有一定的普遍性和代表性。
全國公共停車場的大概數(shù)量，我們估算是在 25 萬個左右，這 25 萬個指的是機動車保有量超過 100 萬的城市，因為我們認為在保有量低于 100 萬的地方，人們對停車的痛點感受或者說對 AVP 的需求應(yīng)該還不是很明顯。在所有停車場類型里面，占主要的應(yīng)該還是商業(yè)綜合體、CBD、寫字樓、綜合交通樞紐等地。在這些停車場里面，大概有 80%是屬于室內(nèi)停車場，而且是跨層停車場。在現(xiàn)有的停車場場景里面，典型的人車混流、潮汐效應(yīng)比較明顯，就是說忙閑時段比較集中，忙時很容易堵車，堵車高峰期時，不比我們剛經(jīng)歷的中秋國慶期間的高速路大堵車差。?另外還有一個特點，在全國的停車場里面，我們公共停車場有一個名字叫配建停車場，它的意思是隨著建筑或者房地產(chǎn)開發(fā)配套建起來的。這個配套建設(shè)過程，每個城市的周期和時間都不太一樣，所以因為停車場建設(shè)的早晚，或者說以前住建部對停車場不像對開放道路一樣有明確的國家標準、行業(yè)標準去規(guī)范，導(dǎo)致現(xiàn)在這 25 萬個停車場規(guī)格非常不統(tǒng)一，各有各的樣子，從管理上，每個地方也有自己物業(yè)方或者業(yè)主方的特色。?針對所收集的停車場場景的素材，我們大概梳理了在這里面應(yīng)用 AVP、應(yīng)用自動駕駛系統(tǒng)，可能會出現(xiàn)的限制問題，總結(jié)起來有以下四點。

第一，這可能在咱們?nèi)碎_車的時候也比較常遇到這種場景，尤其是在商場、CBD 這種人流車流比較大的地方，也就是搶車位、搶車道，我相信大家開過車的，經(jīng)常會有這種經(jīng)歷，開下去可能會繞好幾圈，尤其在大型商場，比如像萬達廣場等地方。?第二，在停車場里面經(jīng)常會出現(xiàn)迷路，尤其是跨層的停車場。在一些多層停車場里，裝修風格、環(huán)境特征在一個停車場往往是比較統(tǒng)一的，尤其在坡道上你稍不留神，轉(zhuǎn)了幾層后，你可能不知道自己現(xiàn)在在第幾層了。在停車場內(nèi)部也是，走一個大長廊，轉(zhuǎn)幾個彎后，你東南西北都不知道了。對于自動駕駛車來說，如果通過視覺方式做定位，這對機器來說是一個災(zāi)難。如果通過有源方式做定位，現(xiàn)在大部分停車場里 GPS 信號或者說電信網(wǎng)絡(luò)信號還是比較差的，這是做 AVP 時面臨的 TOP2 的問題。?第三，剛才講了停車場主要是一個配建的停車場，它有一個特點是建筑結(jié)構(gòu)決定了停車場主要的物理結(jié)構(gòu)，房子一蓋好，停車場的各種柱子、墻就在那里了，停車場劃車位、劃車道只能依據(jù)建筑結(jié)構(gòu)本身去考慮，因此很多車位和車道的布置，跟開放道路和廣場上規(guī)劃車位有很大的差異。我們在修高速路、城市道路的時候，都會考慮到駕駛員的視野，或者考慮車速、車流量的因素，但是配建停車場先天就不具備這些條件，所以在配建停車場里，經(jīng)常會碰到七拐八繞或遮擋，人開車進去都會覺得有視覺盲區(qū)。?第四，停車場里的管理、進出路線不像開放道路那么統(tǒng)一、規(guī)范，因此在這里面到底是人讓車還是車讓人，經(jīng)常說不清楚，尤其是在人流、車流比較大的時候。在我們運營的停車場里面，業(yè)主們都有一個很強烈的需求，就是停車場里面現(xiàn)在可以什么系統(tǒng)都不裝，但是一定要裝監(jiān)控。為什么？因為配建停車場的規(guī)劃局限，雖然是低速的，但是因為每個人開車的水平、習慣不同，進出路線不規(guī)范，比較容易發(fā)生磕碰糾紛，需要攝像頭來記錄真相。因此，如果我們開發(fā)的 AVP 系統(tǒng)想在全國范圍內(nèi)大規(guī)模落地應(yīng)用，這也是一個不得不解決的問題。
針對我們梳理的停車場場景的特色，以及這個場景里面所面臨的問題，我們按照車場協(xié)同的方式，列了這樣一個系統(tǒng)架構(gòu)圖。首先聲明一下，這個系統(tǒng)架構(gòu)圖里面的模塊，不是我們傳統(tǒng)意義上理解的物理零部件的那種劃分，我們這些模塊更多還是從專業(yè)領(lǐng)域里面做的劃分，每個模塊保證它專業(yè)的獨立性，至于物理的零部件，因為可能每一家的方案或者原先的積累不一樣，比如車載感知這塊最明顯，有的可能感知、規(guī)劃、決策、定位都融合在一起，甚至把地圖都融合在一起，可能在有的車型上是分開的。所以后面我在繼續(xù)講這些架構(gòu)里面的一些業(yè)務(wù)流程和功能邏輯的時候，大家提前有這個了解，不是在物理上的模塊劃分，而更多的是從專業(yè)領(lǐng)域方面不同的差異做了這樣一個結(jié)構(gòu)模塊的劃分。?另外要強調(diào)的一個點，在我們現(xiàn)在這個架構(gòu)里面，我們依據(jù)車型的能力，就是現(xiàn)有 L2 量產(chǎn)車型的能力，簡單說傳感器大概的配置就是 5R1V，就是 5 個毫米波雷達、1 個前視攝像頭，在這個基礎(chǔ)上做的這個架構(gòu)定義，當然如果說你車輛本身傳感器配置更加豐富，你本身的智能化程度更高，也是同步可以兼容的，后面會具體講兼容的地方。?車亭智能的定位，我們承擔的工作主要就是 AVP 的基礎(chǔ)設(shè)施方面，包括中心云、本地服務(wù)器、邊緣云、場端感知和通信系統(tǒng)，也包括我們和地圖系統(tǒng)的一些對接。至于用戶這塊，看我們目前的合作經(jīng)驗，有的在車廠那邊，有的在運營方，有的在第三方，這塊相對比較成熟，主要是提供人機交互的一個界面。?我們車場協(xié)同式的 AVP 系統(tǒng)，第一個優(yōu)勢對于我們目前面臨場景，剛才講的第一個痛點問題是搶車位，我們是怎么解決的呢？目前我們幾個項目討論下來，大體固化了這樣一個流程。首先依靠我們場端的傳感器實時采集場內(nèi)車位的空閑狀態(tài)、占用狀態(tài)，包括車位附近的道路或者可行駛區(qū)域的狀態(tài)，然后以一定頻率來做狀態(tài)更新，實時上報給我們的云平臺。所有跟我對接過或者在我們平臺上注冊過的 AVP 車輛，用戶之前在我們平臺注冊了，當然后面的那個邏輯策略肯定也是對接過的，在用戶發(fā)起一鍵泊車或者一鍵召車請求之后，我會根據(jù)場端的實時車位狀態(tài)給你分配一個空閑車位，并且相應(yīng)會把相對交通沖突比較少的可行駛路徑分配到這個車。這里面就避免了剛才我們說的跟人類駕駛員搶車位，甚至車輛與車輛之間搶車位、搶車道的情況。另外它更大的意義是，我們目前所了解到的車輛智能化程度或者說所定義的 ODD 范圍，還是希望它的通行區(qū)域或者巡航區(qū)域相對來說是比較干凈的，這個停車場里面是有可能做到的，我們盡可能避開一些人工駕駛的車流或者行人用戶人流，通過場端來做路徑規(guī)劃，可以很好的解決這個問題，這是針對第一個痛點。?第二，在停車場里面經(jīng)常迷失方向，不知道怎么定位，或者說通過純視覺的方式定位可能會出現(xiàn)一些困難。我們現(xiàn)在的方案里面是在場端，我們在團體標準里面，包括 ISO 國際標準里其實也提到了這一點，就是通過在場端部署統(tǒng)一專門的標識，這種標識由場端基礎(chǔ)設(shè)施的建設(shè)方負責部署、維護、更新。這個專用標識一旦部署上之后，我們會做統(tǒng)一的測繪，同時結(jié)合場端的感知系統(tǒng)會做日常的維護管理，如果有壞了、有臟了，也會做相應(yīng)及時的更新。這個專用的標識，對于機器來說不是標識本身，而是這個標識數(shù)字化以后，它會把這個標識固定的 ID 和這個標識固定的位置，存在一個叫定位層的數(shù)據(jù)層里面，這個數(shù)據(jù)層根據(jù)車輛請求會發(fā)送給相應(yīng) AVP 的車輛，AVP 車輛接到這個定位層數(shù)據(jù)之后，僅僅依靠一個前置攝像頭就可以了，這里面對算力、對特征提取、對標志識別，無論是 SLAM 定位也好，語義定位也好，它的特征提取對算力、對模型的要求完全不是一個維度。然后，從魯棒性上來講，室內(nèi)定位用這種方式目前來說應(yīng)該還是最高的。當然標識肯定在空間部署上，我們也發(fā)現(xiàn)在實際過程中，可能有一些場地的標識密度或者均勻性也會受到一些影響，所以這個定位，還是會結(jié)合車輛本身車載的一些低成本的慣性導(dǎo)航等，做一些航跡推算作為補充，甚至結(jié)合局部的一些 SLAM 也可以做一些補充，都可以。但是整體上來講主要的定位或者說精準定位，我們說在停車場里面要實現(xiàn)厘米級的定位，應(yīng)該還是通過專用標識的實時識別和匹配來實現(xiàn)的。這是我們作為場端建設(shè)方，針對 AVP 場景做的很好的一個手段。?然后，在這里面，我們還有一個很大的優(yōu)勢，相比于純車端的方案，我們初始化定位的時候也有一定優(yōu)勢。我們可以通過場端的感知系統(tǒng)做一個外部定位，這僅僅是針對無源定位，如果是有源的像 UWB，或者自己建的差分基站的方式排除在外，無源的定位方式在重新上電的時候，在初始化定位的時候，可能需要有一個初始的輸入，尤其是在一鍵泊車開始的時候特別明顯。我們會在場邊部署一個專用的泊車或者召車的起始區(qū)或完成區(qū)，在這個指定的區(qū)域，AVP 車輛停放到指定區(qū)域里面之后，我才允許你開啟你的 AVP 系統(tǒng)，這里面其實就相當來說給了車一個相對固化的初始化位置，這個位置如果說在實際用戶使用的過程當中，我們也碰到車廠的運營方，挑戰(zhàn)我們這個問題，如果用戶就是沒有按照指定的泊車區(qū)域去泊怎么辦，我們有場端的輔助設(shè)備提醒或者幫助車輛重新規(guī)劃一個大概的初始位置，這個位置可能不那么精準，到不了厘米級，但是在米級的范圍內(nèi)能夠給車輛做一個參考，這是場端做定位的話，有這么一個補充性優(yōu)勢。?第二個優(yōu)勢就是場端做這種補充定位，同時也可能做定位糾偏的服務(wù)。什么意思？車輛在我停車場內(nèi)如果發(fā)生定位偏離，不管因為什么原因，因為航跡推算或者在標識識別或者因為本身導(dǎo)致當前定位出現(xiàn)了比較大的偏差的時候，我通過外部車輛的跟蹤和車輛外部系統(tǒng)定位能夠?qū)崟r通知這輛車，讓這輛車能夠重新定位或者重新做一次初始化，這樣能夠充分保證停車場內(nèi)部定位的安全。?我們針對第三類 TOP 問題，關(guān)于停車場內(nèi)部盲區(qū)比較多的問題，也就是大家說的“鬼探頭”，這種場景在停車場里是尤其容易常見的，比如柱子與柱子之間，有輛車原先停放在那里，AVP 的車通過的時候，這輛人工駕駛的車突然沖出來了，或者說停放著的車輛與車輛之間，突然有個人從中間走出來，這種情況在停車場里面其實是比較常見的，但是對于車載本身的傳感器來說，至少在現(xiàn)在的傳感架構(gòu)下，還是有一定困難的。所以我們也會根據(jù) AVP 車輛本身實時上報的位置，通過場端的服務(wù)器，會實時收集場端感知系統(tǒng)采集到的行人和車輛的狀態(tài)和位置，根據(jù) AVP 車輛的位置，我把 AVP 車輛位置周圍或者它行駛路線前方 30 米移動障礙的信息，實時周期性推送給這個車，這個車具體自己怎么用，我們跟不同的 Tier1 方面也探討過，不一定說某種程度上能解決車端傳感器所有的局限，但是結(jié)合控制策略上來講，可以有一些相對保守的措施，保證出現(xiàn)危險和出現(xiàn)“鬼探頭”場景的時候，能夠有足夠的時間，來應(yīng)對后面可能發(fā)生的碰撞的風險。?第四，ODD 狀態(tài)監(jiān)控，這其實是整個車場協(xié)同式技術(shù)路線里面的精髓。為什么這么說呢？因為精髓所在，就是我們現(xiàn)在場端能夠結(jié)合現(xiàn)有量產(chǎn)的 L2 級的車，實現(xiàn) L4 的應(yīng)用。為什么能夠?qū)崿F(xiàn)這個應(yīng)用呢？主要是因為場端能夠?qū)崟r幫 L2 的車監(jiān)控 ODD 的狀態(tài)，這個 ODD 的狀態(tài)可以包括剛才說的移動障礙物，也可以包括一些靜態(tài)的交通基礎(chǔ)設(shè)施，包括車位的狀態(tài)，包括可行駛區(qū)域的狀態(tài)。剛才也講了，我們整個架構(gòu)定義里面是以 L2 的車型為基礎(chǔ)，向上是可以兼容的，每個車的 ODD 邊界不一樣，我們也可以根據(jù)車輛本身你所定義的 ODD 的能力范圍，在你能力范圍之內(nèi)的，我們幫你監(jiān)控，場端我可能以 10 秒為周期，周期性發(fā)給你，你的 ODD 是 OK 的。但如果說場端一旦出現(xiàn)了超出你車輛原先定義的 ODD 范圍之外，也就是說車輛本身能力之外，我會及時的至少在 1 秒的時間內(nèi)通知到這個車，這就是說我們的監(jiān)控預(yù)警機制。這套機制的精髓或者說這套機制的核心意義和價值，就是充分保障 L2 車型有可能能夠在滿足 ODD 的狀態(tài)下，可能有些預(yù)警的情況我處理不了，但是在滿足 ODD 邊界范圍之內(nèi)的條件下我是完全可以運行的。?這里我們也舉了兩個例子，就是說在遇到一些異常事件的時候到底如何處理。比如說在可行駛區(qū)域發(fā)生了堵塞，或者有一些遺灑，這時候如果超出了這個車輛本身的范圍，我們會通知到這個車，當然這個機制每家主機廠的處理機制可能會有些差異，目前來說大家傾向于的一種方案是，這個車可以重新去請求一條路徑，這條路徑可以基于現(xiàn)有的可行性區(qū)域，如果說場端具備這個條件的話，可以重新給車輛規(guī)劃一條路徑，避開堵塞和遺灑，讓他繞開不可通行的區(qū)域。?第二個例子這種情況下不僅僅是可行駛區(qū)域有障礙物阻礙，可能還會有一些危及到車輛本身，可能會產(chǎn)生一些碰撞風險的事件在這里發(fā)生，比如說有可能是車流過大或者人流過大，如果說本身只是 5R1V 傳感架構(gòu)的話，假定只能夠應(yīng)對的就是一輛車、兩輛車這種環(huán)境車，或者說五個人以內(nèi)環(huán)境目標人的感知，超過兩輛車或者五個人我就不能保證做完全全面覆蓋的感知了。這時候如果我們事先定義好了這個邊界，場端會及時通知車緊急停車，緊急停車之后，我們還有一個機制，并不是說這個車緊急停了之后就讓這個車停在這里，讓用戶過去取或者讓運維過去取，這樣會大大增加運營成本。我們本地服務(wù)區(qū)會同步通知到云平臺，由云平臺的坐席人工通過場端的視頻確認，通過場端的揚聲器（喇叭），調(diào)度指揮一下在可行駛區(qū)域里面可能存在的異常事件，一旦可行駛區(qū)域或者路徑上人流、車流滿足我車輛原先定義的邊界之內(nèi)的話，這時候人工會通知到這個 AVP 的車，現(xiàn)在異常事件解除了，可以重新上電、重新開始你的巡航或者說 AVP 的過程。?這兩個例子說明我們在做的整個方案，從量產(chǎn)可行性上來講，或者說從運營安全性的保障上講，應(yīng)該說還是有足夠的冗余和可操作性的。

車亭自 2019 年成立以來，在這塊也做了不少的探索，跟行業(yè)里面的主機廠也好，Tier1 也好，也做了不少的交流。我們目前在北京中關(guān)村這邊已經(jīng)改造了一個停車場，這個停車場里面剛剛我們所講的場端的幾個模塊都有相應(yīng)部署。我們自己在奇瑞的一個小車，也做了一個初步的功能打通。同時我們?nèi)ツ暌詠砀袊嚬こ虒W會的 AVP 標準工作組也一直在合作和互動，將來也有可能作為標準的驗證或者示范的場所，如果說今天參會的相關(guān)單位有這個興趣的話，我們后面也可以圍繞這個交流一下。
目前來講，我們在車場協(xié)同的這條技術(shù)路線的功能流，或者說整個功能邏輯已經(jīng)初步打通了，我們也做了相應(yīng)的簡單的一些測試驗證，不能說多么完整，但基本上我們有仿真的、有實車的，因為這是一個實際運營的停車場，剛才的照片因為是晚上拍的所以看起來有些空曠，也有結(jié)合實際交通流做了一些測試。仿真這塊我們測的東西是比較多、比較全的，正常使用的一鍵泊車、一鍵召車，各個模塊之間數(shù)據(jù)流的實時性和正確性，基本上都驗證通了，包括幾個安全場景下常見的靜態(tài)避障、動態(tài)避障也都驗證過，包括剛剛提到的針對一些異常事件，它能不能實時的把異常事件發(fā)現(xiàn)，能不能實時地推送給車，車能不能及時的停下來，我們也都做了相應(yīng)的驗證。這是一些我們整個數(shù)據(jù)打通之后模擬的場景。
最后簡單總結(jié)一下。今天跟大家分享的題目是車場協(xié)同式 AVP 的機遇和挑戰(zhàn)。這里機遇和挑戰(zhàn)各自總結(jié)了三點。

第一個機遇，AVP 雖然相對大交通、相對 Robotaxi、相對 L3 來說是一個小場景，但是它切切實實是用戶的一個痛中之痛，停車在日常用車的生活中還是比較高頻的。所以從宏觀上來講，主機廠在做一些智能化配置的時候是有這個意愿、驅(qū)動力去幫助用戶解決這個痛點的。而且大家如果在北上廣深的話，其實能夠切切實實感受到停車難、停車不好找的現(xiàn)實矛盾，如果我們拔高一點，從車路協(xié)同、Robotaxi 這個角度去講的話，AVP 其實是確保一個城市在有限停車泊位資源的現(xiàn)實矛盾下實現(xiàn)可持續(xù)發(fā)展的一個有效解決手段。因此，這兩個矛盾，一個是用戶需求，一個是土地資源天然的有限性，一定會驅(qū)動車輛和停車基礎(chǔ)設(shè)施一起協(xié)同發(fā)展。這是第一個宏觀層面上做協(xié)同式 AVP 的一個機遇。?第二個機遇，現(xiàn)在雖然說車端智能可能是市場上主流的一個聲音，但是它也切切實實存在一個技術(shù)上研發(fā)的瓶頸和相應(yīng)周期，目前來說在今年以來新基建包括交通強國等一系列頂層政策的引導(dǎo)，停車場的智能化改造，我們能夠感受到業(yè)主方對改造停車場智能化，提升智能化管理，實現(xiàn)無人化的預(yù)期是明顯加強了，這在某種程度上來講能保證我們 AVP 的基礎(chǔ)設(shè)施是有一定智能化基礎(chǔ)的。?第三個機遇，以前我們說開發(fā)一個車載系統(tǒng)特別強調(diào)功能安全，所有的安全責任都壓在主機廠或者 Tier1 的身上。車場協(xié)同這種方向某種程度上來說，當然這里面對信息安全、運營安全有新的挑戰(zhàn)，但是這種挑戰(zhàn)是有實實在在的商業(yè)模式在里面的，有愿意掏這個成本來承擔這部分責任的主體，所以說把一個系統(tǒng)從單純的功能安全分解到功能安全、信息安全和運營安全這三個維度的話，某種程度上來說用戶更加愿意接受，或更加愿意使用，能夠保證我們這套系統(tǒng)落地的可行性。?當然也存在一些現(xiàn)實的風險。第一個挑戰(zhàn)，雖然停車場是一個封閉的場景，但是目前各地的法規(guī)和標準還不那么清晰，到底這是屬于交通法規(guī)還是屬于住建部的法規(guī)，各有各的說法，相應(yīng)的行業(yè)監(jiān)管和認證，包括相應(yīng)的保險機制，還不是那么完善，這是政策層面和配套環(huán)境方面的一些挑戰(zhàn)。?第二個挑戰(zhàn)，前面講了車場協(xié)同這個技術(shù)路線里面核心精髓就是場端對于車輛 ODD 狀態(tài)的一個監(jiān)控，那么車輛 ODD 范圍之外異常事件自動化的識別，目前來說我們主要是通過視覺的方式來做，主要是考慮成本的原因，通過視覺的方式來做，大家知道視覺天然是靠數(shù)據(jù)、靠樣本做迭代的，這本身也會有一個過程，但是這個過程相對來說，因為我們作為運營方來說，樣本采集的來源和成本比車端會更加有一些優(yōu)勢，所以時間上來說應(yīng)該還好，但這確確實實也會影響到，如果說我們這個 ODD 邊界范圍的異常事件自動化識別范圍不能夠快速成長起來的話，那其實對于這種協(xié)同式系統(tǒng)的適用范圍、可適用停車場以及整個系統(tǒng)的運營成本會有一些影響。?第三個挑戰(zhàn)，在 AVP 系統(tǒng)里面把場端這些東西加進去之后，會發(fā)現(xiàn)任何一個以前所開發(fā)的定位功能、感知功能、控制功能整個的邏輯或策略都需要發(fā)生一些調(diào)整，這對于傳統(tǒng)做 ADAS 起家的這些伙伴來說，其實是特別不適應(yīng)的，我們也在現(xiàn)實跟客戶的合作過程當中，收到一些這樣的反饋，就是做這種項目比較煩，周期相應(yīng)也比以前單車的系統(tǒng)開發(fā)比較長，但我相信這個只是眼下的，未來隨著邊界或者隨著功能分配越來越清晰，相信后面這些所謂開發(fā)上或者項目管理、項目協(xié)調(diào)上的困難都是可以克服的。?因為時間關(guān)系，今天跟大家的分享就到這里，謝謝大家！

「佐思研究年報及季報」

「佐思研究月報」

車聯(lián)網(wǎng)月報 |?ADAS/ 智能汽車月報 |?汽車座艙電子月報 |?汽車視覺和汽車雷達月報 |?電池、電機、電控月報 |?V2X 與車路協(xié)同月報

報告訂購聯(lián)系人:???佐思客服?18600021096（同微信）??廖棪 13718845418（同微信）??