作者简介
赵越
联通智网科技股份有限公司高级工程师，聚焦车路网云协同基础设施的架构设计，围绕车联网和智慧交通领域开展创新产品研发及产业推广。
温桂
联通智网科技股份有限公司场景开发工程师，主要从事5G车联网、自动驾驶等创新场景应用方面的研究工作。
周光涛
联通智网科技股份有限公司高级工程师，主要从事通信技术、车联网、算力网络等方面的研究工作。
辛亮
联通智网科技股份有限公司车联网算网技术专家，主要从事基于面向车联网的算网一体关键技术及创新场景等方面的研究工作。
雷凯茹
中国信息通信研究院技术与标准研究所车联网与智慧交通研究部工程师，主要从事车联网、边缘计算等领域的技术研究、标准研制、产业咨询工作。
赵淳
联通智网科技股份有限公司产品经理，主要从事自动驾驶、智能网联、车路协同等方面的研究工作。
论文引用格式：
赵越, 温桂, 周光涛, 等. 基于5G+AI的自主泊车系统研究[J]. 信息通信技术与政策, 2024, 50(3): 45-52.
基于5G+AI的自主泊车系统研究
赵越1 温桂1 周光涛1 辛亮1 雷凯茹2 赵淳1
（1.联通智网科技股份有限公司，北京 101520；
2.中国信息通信研究院技术与标准研究所，北京 100191）
摘要：自主泊车作为未来智能网联汽车的重要应用之一，旨在解决城市停车难问题。首先，概述了自主泊车系统的背景及概念，重点介绍了基于车场融合技术路线的系统架构；然后，详细阐述了基于5G+AI的自主泊车系统架构和关键技术，包括协同感知、协同定位、协同规划和协同控制。自主泊车系统减少了车端成本和安全风险，加速了泊车服务的落地，为车路协同自主代客泊车系统建设及场景示范推广提供了一定的示范和参考。
关键词：自主泊车；5G；室内定位技术；全局路径规划；协同感知
0 引言
科技革命与产业变革推动汽车与多领域技术融合，智能化和网联化成为汽车产业未来核心趋势。智能网联汽车，作为这一变革的重要产物，不仅为全球汽车产业的升级和转型提供了新引擎，更为行业的持续、健康和高质量发展注入了强大的动力。
当前，国家和行业所倡导的“车路云一体化”发展模式已逐渐获得认同，被视为推动智能网联汽车大规模商业化和产业化的关键环节。然而，在行业发展的道路上，仍存在诸多挑战：智慧停车场建设标准尚待明确，车辆智能化与网联化之间的协同效应尚未充分发挥，以及跨行业、跨领域的深度融合仍有待加强。这些问题的解决将直接关系到智能网联汽车的未来发展速度和广度。
1 自主泊车系统概述
1.1 背景及概念
2023年，公安部发布统计数据显示，全国机动车保有量已达到4.35亿辆[1]，然而城市停车位却严重不足。住房和城乡建设部要求，一辆车按照1.1~1.3个泊位计算，而全国城市汽车与停车位的平均比例约为1：0.8，车均泊位缺口为0.3~0.5个[2]。高德地图与清华大学交通研究所2022年发布的全国停车场分析报告称，全国尚有8 000万的停车位需求缺口[1]。停车难问题的症结，不仅在于车位数量少，更在于车位空置率高，国家统计局统计数据显示，大部分城市车位使用率低于50%，车位使用率仍有较大提升空间[3]。与此同时，中国新能源车，尤其是电动车在近年来热销，保有量迅速扩大，但充电桩与车增量比仅为1：2.8，充电难题日益凸显[4]。车与车位、充电桩资源的不匹配问题对智慧城市的建设构成了挑战。
在这一背景下，自主代客泊车（Automated Valet Parking，AVP）技术成为了行业关注的焦点。通过自动化系统的运用，AVP能够实现车辆的自主泊车、挪车和召车等功能，不仅节省了驾驶员的时间成本，还能有效提升充电桩的利用率。自主代客泊车不仅具有广泛的市场需求、高频次的使用场景和巨大的市场潜力，而且其低速运行、安全风险较小以及在限定区域内可先行应用等特点，使其有望成为率先实现大规模商业化落地的L4级自动驾驶系统之一[5]。
1.2 行业相关政策及发展现状
近年来，政府密切关注智慧交通的发展，推出了一系列支持AVP系统技术和产品发展的政策。2020年2月，国家发展和改革委员会、工业和信息化部、科学技术部等11个部委联合印发《智能汽车创新发展战略》，制定了到2025年实现在特定环境下高度自动驾驶的智能汽车市场化应用的目标[6]。2021年，国务院发布了《“十四五”现代综合交通运输体系发展规划》，明确提出要推动对传统基础设施的数字化升级改造，开展在智能交通领域基于5G的应用场景和产业生态试点示范[7]。2024年1月，工业和信息化部、公安部、自然资源部等多个部委联合印发《关于开展智能网联汽车“车路云一体化”应用试点的通知》，推动开展规模化的自主泊车示范应用，计划将对10个以上的停车场进行智能化改造，每个具有30个以上的自主泊车车位。
近年来，行业内也在大力发展自主代客泊车路线。根据在基础设施与车辆之间如何分配智能，自主代客泊车系统技术路线主要可以分为3条。第一条是基于车端智能的技术路线；第二条是基于场端智能的技术路线；第三条是车场融合的技术路线[8]。
基于场端智能的技术路线因高度集成化而受关注，简化了车辆设计与制造，但该方案存在以下不足：一是对停车场基础设施要求高，需大量传感器和计算设备，成本高且投资回报周期长；二是使用范围受限，仅适用于改造后的停车场；三是依赖停车场网络和计算能力，对基础设施性能和稳定性要求高[9]。
德国两家公司戴姆勒与博世于2017年合作研发了自主代客泊车技术，以停车场端传感器为主。2018年，德国大众汽车公司在德国升级了其自主泊车系统，采用更耐用的摄像头替代激光雷达，降低了成本，但该技术路线近年来推广缓慢[1]。
当前市场上自主泊车技术主流方案倾向于在车端集成传感器以增强感知能力，但在实际应用中仍面临停车场环境复杂的挑战，如狭窄通道、建筑墙体等造成的感知盲区和人车混流等问题。因此，仅依赖单车智能的方案通常只能达到L2级别智能驾驶，需人类监控并承担责任。此外，单车智能难以准确识别空车位位置，导致交通效率不高[5]。
为弥补不足，业界逐渐转向车场融合的技术路线，将场端智能和车端智能相结合，充分利用停车场与车辆上的传感器和计算设备，以及相互间高效可靠的通讯实现自主泊车。车场融合技术路线能充分发挥车辆和停车场优势，实现系统感知、定位和规划能力的最优分配，提高整体安全性和效率。
2 基于5G+AI的自主泊车系统架构
5G和移动边缘计算（Mobile Edge Computing， MEC）是近年来普及较快的技术。基于5G+AI的自主泊车系统是一种典型的车场融合路线下的无人代客泊车系统。主要包括5G网络、智慧泊车服务系统（智慧泊车服务平台、用户APP应用/小程序）、智慧停车场和智能网联车辆等部分。基于5G网络，同时向普通社会车辆和智能网联车辆提供服务。该服务系统面向市面上已经量产的智能网联车辆和普通社会车辆提供服务：对于智能网联车辆，提供无人自主泊车服务，实现一键泊车和一键取车服务；对于普通社会车辆，可以提供泊车引导和寻车导航功能。
场端传感器提前采集停车场的高精地图，并在地图上进行实时状态更新，当智能网联车辆进入场地时，通过5G下发高精地图给到车辆，并引导车辆进行车位预约。预约车位完成后，通过云端进行全局路径规划，下发导航轨迹给车辆，车辆可按照全局规划路径进行自动驾驶。通过场端感知设备进行障碍物感知，下发给车辆实现辅助感知，保证感知的冗余性，尤其在单车智能无法覆盖的盲区，场端感知结果可以大大提高无人驾驶的安全性。相比于单车智能自主泊车，该方案充分利用5G和云网优势，进一步减少车端成本，减少安全风险，加速泊车服务的落地。基于5G+AI的自主泊车的系统架构如图1所示。
图1 基于5G+AI的自主泊车系统架构
3 基于5G+AI的自主泊车关键技术
3.1 协同感知与预测
停车场中的感知功能，以被观测物来分类，可以分为对停车位的感知和对停车场道路上障碍物的感知；以观测者来分类，可以分为车端感知和场端感知。其中车辆参照目前已经量产的自动驾驶能力达到L2+的车辆，其推荐配置如图2所示。
图2 车载传感器布置示意图
场端传感器的配置根据室外停车场和室内停车场进行区分，部署相应的激光雷达、车位相机、超声波雷达、地磁等传感器。
车辆未入场时，主要依靠场端感知，需要场端设备对车位的空闲状态进行感知，输出空车位的结果并对车辆进行路径引导。如果是室外停车场，可以使用挂载在杆上的经过精确坐标标定的摄像头或者激光雷达，对停车场进行图像识别或者点云识别，并映射到高精地图中，从而判断停车场的各个车位是否空闲，如图3所示。
图3 室外停车场摄像头的拍摄画面
如果是在室内停车场，由于室内通常天花板高度有限，并且车位旁会有柱子等物体遮挡，不适用室外停车场的高空俯视感知方案，此时通常会采用车位相机、超声波传感器、地磁等设备对单个车位是否被占用进行识别，并通过传感器的编号映射到高精地图中，从而得知整个停车场的车位占用情况,如图4所示。
图4 室内停车场车位相机示例
车辆到达停车位附近时，主要依靠车端感知，通过自身感知系统了解车位情况，包括空闲状态、车位线与自车的相对位置，以及相邻车辆或障碍物的位置。这可以通过车载鱼眼摄像头识别车位线的位置。同时，超声波雷达和鱼眼摄像头可探测和识别车位上的障碍物，为后续的规控提供数据。
在停车场中，障碍物由场端和车端共同感知。车端因离障碍物较近，感知位置精确且可信度高；场端虽离障碍物较远，但其能感知到车辆盲区的障碍物，如墙后、柱子后的车辆和行人，对无人驾驶安全至关重要。因此，将场端感知结果实时同步到车端是必要的。
当车辆需要实时获取场端的感知结果时，就涉及到感知结果的传输问题，通常采用的通讯方式是5G和V2X双通道，利用各自的通讯优势有效保证车场通讯低时延、高可靠的要求。
由于场端传过来的感知数据于车辆之间具有一定的时延，需要对齐到同一时空维度上，再去做后续的规划控制。可以采用在场端对感知到的车辆等障碍物几秒钟后所在的位置进行预测，将车辆的预测轨迹抽象为一个个点（xt，yt），一直从t时刻到t+m时刻，其中有N个车，因此就有N条轨迹。公式（1）就代表预测N个车辆从t时刻到t+m时刻的轨迹集合。
Xs={（𝑥𝑡𝑖，𝑦𝑡𝑖），（𝑥𝑡+1𝑖，𝑦𝑡+1𝑖），…，（𝑥𝑡+𝑚𝑖，𝑦𝑡+𝑚𝑖）}𝑖=1𝑁 （1）
将预测问题抽象为预测这个轨迹集合的概率分布，并将这个矩阵与该障碍物当前的信息一同传到车端。车端根据当前时间取相应的预测位置，并做下一步规划控制[10]。
3.2 协同定位
根据本文研究，车辆在室外自动驾驶时，需通过全球导航卫星系统（Global Navigation Satellite System，GNSS）、实时动态（Real-Time Kinematic，RTK）定位技术与惯性导航系统（Inertial Measurement Unit，IMU）、轮速传感器融合，可实现±10 cm的高精度定位，但室内定位是自动驾驶的难点，常用技术有激光即时定位与地图构建（Simultaneous Localization and Mapping，SLAM）、基于视觉的同步定位与地图构建（Visual Simultaneous Localization and Mapping，VSLAM）、超宽带（Ultra Wide Band，UWB）、蓝牙、5G、北斗室分基站定位等。
VSLAM通过生成语义地图与高精度地图结合，用车载摄像头识别特征点匹配，计算车辆与环境相对位置。激光SLAM原理类似，通过激光点云图与高精地图结合，用车载激光雷达采集的点云特征点匹配，计算车辆位置。激光SLAM地图互换性强，但依赖已知坐标或GNSS预定位。若GNSS/RTK失效或车辆运动状态异常，激光SLAM/VSLAM难以匹配特征点，导致定位失败。
为解决此问题，业内提出“粗定位+精定位”方案。精定位采用激光SLAM，粗定位可选UWB、蓝牙、5G、北斗室内基站等技术。粗定位通过在室内部署天线或基站，用车载终端通讯，通过算法完成相对定位。蓝牙、5G、北斗室内基站定位精度大约能达到米级，UWB可达几十厘米级，但仍不能满足自动驾驶要求，仅作粗定位。
UWB定位精度高，但需加装标签，推广有难度。近期有潜力的是“5G+北斗室内融合”和蓝牙室内定位方案。蓝牙前期部署成本低，但后期维护成本高，定位精度不稳，不同手机品牌信号值有差异。
“5G+北斗室内融合”定位技术很好地平衡了定位精度、部署成本和推广难易程度，可以作为室内粗定位的首选方案，配合激光SLAM可以完成室内的“粗定位+精定位”，从而获得持续的稳定的室内定位，其部署方式如图5所示。
图5 “5G+北斗室内融合”定位方案示意图
3.3 协同规划
自主泊车的路径规划分为全局路径规划和局部路径规划。
全局路径规划为从用户下车点到停车位前面的位置，或者是停车位到召唤终点，类似人类驾驶车辆的地图导航。目前比较成熟的方案是使用采图车对停车场的高精地图进行采集，在车辆即将到达泊车起点时，通过网络下载高精地图，平台根据车位占用情况和自主泊车车辆的坐标，规划出一条车辆可以行驶的最优路径，车辆将尽可能按照给出的路线行驶。由于车辆高度依靠高精地图给出的路线，所以在制作高精地图时，应该充分考虑单行、双行线等规则，以及各个路口的转弯半径，尽可能让不同轴距的车辆都能兼容该高精地图。云平台采用Dijkstra算法、A*算法、粒子群优化算法（Particle Swarm Optimization，PSO）、遗传算法或者强化学习等成熟算法完成全局路径规划，如图6所示。最终可以将目标停车位前的一点设置为巡航终点，如图7所示。
图6 路径规划示意图
图7 巡航终点示意图
局部路径规划为车辆在沿着全局规划路径巡航过程中，根据周围障碍物的情况，采取的局部的短时的路径规划，根据障碍物的类型不同选择绕行或者等待策略[11]，如图8所示。在车辆到达停车位后，倒车入库或者侧方停车的路径规划，则可以采取目前比较成熟的全自主泊车辅助（Auto Parking Assist，APA）或者带视觉感知的融合泊车辅助（Fusion APA,FAPA）技术。车辆通过场端的全局路径规划以及自行完成的局部路径规划，完成协同控制。如场端传感器对车位感知结果有误，将被占用的车位当作空车位并将车辆导航到该车位前面时，车辆自身感知到车位被占，则会上报平台，平台重新为该车辆分配其他的空车位导航路线，从而以较低的成本解决场端对车位识别不准的问题。
图8 局部路径规划的绕障示意图
3.4 协同控制
协同控制是车场协同相对于单车智能的一大优势，可以大大提升行车的安全性，但是如果控制指令直接从场端或者云端发出，传输到车辆需要一定的时延，反而不利于对车辆的及时控制，所以场端或者云端的控制应主要以辅助为主，以下介绍一种场端辅助控制的方案。
为了使系统快速实现无人化运行，可以将控制策略做得更保守一些，增加更多的安全冗余。由于带宽和传输速率的限制，目前不能将场端的原始数据，比如视频流或者激光点云传输到车辆上，只能是传输AI处理完的结构化数据，那么就会出现一个自动驾驶领域难以解决的长尾问题，对于无法识别语义的障碍物，经常会出现漏检的情况，当这个障碍物刚好处于车辆自身的感知盲区时，就会引发碰撞风险。
可以将车辆的局部路径规划实时上传到云端，云端同时对视频或者激光点云进行栅格化处理，利用Transformer架构，结合时序帧可以对周边的障碍物做未来3~6 s的轨迹预测[12]。此时结合车端实时上传的局部路径规划，则可以判断车辆接下来几秒的碰撞风险，当碰撞风险较高时，泊车平台会直接向车辆下发刹车指令，使车辆先停下来，最大程度地减少风险，保证行驶安全。
4 基于5G+AI的自主泊车的落地场景和未来发展趋势
基于5G+AI的自主泊车系统已经在两个停车场完成了落地验证。室外停车场的案例在北京亦庄的联通5G智能网联示范基地P2停车场。据笔者统计，停车场长约100 m，宽约80 m，车位垂直于两条过道，分布在两侧，总计75个车位。在停车场内两条主要通道末端的高空点位上部署了融合感知传感器，实现对停车场的全覆盖。在出入口的点位安装车牌识别相机。整个停车场实现了5G信号全覆盖，部署了“边缘云-区域云-中心云”的三级云架构，车辆通过5G专网与边缘云互联，传感器数据通过光纤传输到边缘云进行融合感知识别，在区域云上部署智能泊车平台，并提前采集了停车场高精地图，实现了场内车辆的协同感知和协同规划，其现场部署图如图9所示。该停车场已经用于日常的接待和展示。
图9 室外停车场现场部署图
室内停车场的案例在苏州国际博览中心停车场地下层。据笔者统计，该室内停车场完成了83个地下车位的智能化升级，并在室内完成了北斗室分天线和5G室分天线的部署，支撑了车辆和手机的室内亚米级定位，并通过车位相机、覆盖通道的激光雷达实现了停车场全域无死角的感知。在示范车辆上进行软件升级，实现室内停车场的自主代客泊车。在实现协同感知和协同规划的基础上，验证了协同定位技术，其现场部署图如图10所示。自主泊车场景支撑苏州2023年智能交通世界大会展示，并在大会结束后持续进行示范展示。
图10 室内停车场现场部署图
基于场端与车端结合的智能技术方案是自主代客泊车未来的发展趋势，能够提供更全面、准确的环境感知和位置定位，增强系统的安全性和精度。可以充分利用场端和车端的传感器数据，更好地避免感知死角。另外，车场协同使得系统具备更高的鲁棒性和灵活性，提高系统的可靠性，从而实现场景真正的无人化。
目前还没有统一的通信协议与停车场地图构建标准，对于室内定位的方案也存在着诸如“5G+北斗”还是蓝牙、UWB等诸多技术路线，需要进一步验证其实用性、可靠性和经济性。
5 结束语
综上所述，基于5G+AI的自主泊车系统，作为车场融合方案的最佳选择，符合国家对智慧交通和智能网联汽车的发展规划。它无需车辆硬件改制，通过空中下载技术（Over-The-Air Technology，OTA）对软件进行升级即可使用，通过协同感知、协同定位、协同规划和协同控制等车场协同技术，解决了单车智能的难题，如泊车路线固定、室内定位难等。尽管面临系统模块协同等挑战，但随着标准不断完善和各方共同努力，该系统将在普适性和安全性上展现其价值，推动无人代客泊车规模化应用，助力国家智慧交通的发展。
Research on AVP system based on 5G+AI
ZHAO Yue1, WEN Gui1, ZHOU Guangtao1, XIN Liang1, LEI Kairu2, ZHAO Chun1
(1. China Unicom Smart Connection Technology Co., Ltd., Beijing 101520；
2. China Academy of Information and Communications Technology, Beijing 100191)
Abstract: As one of the important applications of intelligent connected vehicles in the future, Automated Valet Parking(AVP) aims to solve the problem of difficult parking in cities. This paper first summarizes the background and concept of the AVP system, focusing on the system architecture based on the cooperative vehicle infrastructure system. Then, this paper elaborates on the architecture and key technologies of the AVP system based on 5G+AI, including collaborative perception, collaborative positioning, collaborative planning, and collaborative control. The AVP system reduces the cost and safety risks of the vehicle, accelerates the implementation of parking services, and provides certain demonstration and reference for the construction and scene demonstration promotion of the AVP system for vehicle-road coordination.
Keywords: AVP; 5G; indoor positioning technology; global path planning; collaborative perception
本文刊于《信息通信技术与政策》2024年 第3期
主办：中国信息通信研究院
《信息通信技术与政策》是工业和信息化部主管、中国信息通信研究院主办的专业学术期刊。本刊定位于“ 信息通信技术前沿的风向标，信息社会政策探究的思想库 ”，聚焦信息通信领域技术趋势、公共政策、 国家/产业/企业战略，发布前沿研究成果、焦点问题分析、热点政策解读等，推动5G、工业互联网、数字经济、人工智能、大数据、云计算等技术产业的创新与发展，引导国家技术战略选择与产业政策制定，搭建产、学、研、用的高端学术交流平台。
期刊荣誉与收录情况
AMI（2022版）A刊扩展期刊
RCCSE中国核心学术期刊
入选中国科协信息通信领域高质量科技期刊分级目录
为进一步提高期刊信息化建设水平，为广大学者提供更优质的服务，我刊官方网站（http://ictp.caict.ac.cn）已正式投入运行，欢迎投稿！
推荐阅读
