“行泊一体”的智能辅助驾驶吹响L3的号角

sxq0201

学习笔记（Self-Driving System）本文 | feynman.yang  来源 | 学习总结


生长之路往往风雨交加，真正的生长之美不在于人生最终的高度，而是生长的过程中，我们内心能否保持足够的沉静，行动能否保持足够的韧性。



围绕自动驾驶的演进，业内也一直存在两大“流派”：其中，美国的Waymo、中国的小马智行等是“跃进式”的代表，其策略是直接实现L4/L5级自动驾驶；特斯拉则是“渐进式”路线的代表，其策略是先在量产车上优先搭载L2/L3级辅助驾驶，收集数据后再向L4/L5进发。对于还在L2及L2+挣扎的OEM现阶段也在不断的推进向上L3的进程，伴随着电动汽车竞争从上半场的三电技术（宁王和迪王的诞生），中场已到，三电技术开始进入平缓发展期而智能化赛道的序幕徐徐拉开，所有赛道选手也开始进入下半赛程，至今为止OEM刚从电动化的赛跑中抽离精力，但是紧接着智能化的下半场的号角就缓缓响起（普遍认为L2本身只是智能化的一个赛前热身，更多是电气化的延伸，智能化应当从L2+~L3开始算起）。

L2时代的功能和场景一对一解决

在L2的时代过程中，我们可以发现我们每一个大的使用场景就会催生出一个功能点，当我们在泊车过程中发现车位紧凑、停车后无法下车的时候我们开发了手机遥控泊车（RPA）来实现车辆的遥控泊入泊出；当我们面对一些车位手动泊入难度高的时候我们开发了自动泊车系统（APA）来实现车辆识别车位自动泊入；当我们在远途驾驶过程高速上行驶过程中长时间需要控制油门增加了驾车的疲惫的时候我们开发了自适应巡航（ACC）来实现车辆在高速上的自动控制车辆速度；当我们在停车下车的过程会遇到后向移动障碍物出现意外碰撞的时候我们开发了后盲区检测（BSD）来实现盲区的检测和预警。面对浩如烟海的使用场景，各家主机厂和Tier1 都对应的开发出了大量的辅助驾驶功能，让这些功能成为人类的“好帮手”，让车辆变得更加智能化，如下归纳了我们现在上市车辆中搭载的智能辅助系统：

缩写词	英文全拼	中文注释	类型
ACC	Adaptive Cruise Control	自适应巡航控制	行车辅助
LCA	Lane Changing Assist	变道辅助	行车辅助
ALCA	Autonomous Lane Changing Assist	自动变道辅助	行车辅助
LCW	Lane Changing Warning	变道碰撞预警	行车辅助
LKA	Lane Keeping Assist	车道保持	行车辅助
LDW	Lane Departure Warning	车道偏离报警	行车辅助
LDP	Lane Departture Prevention	车道偏离预警	行车辅助
LKS/LCC	Lane Keeping System Lane Centering Control	车道中心保持	行车辅助
ALKS	Automated Lane Keeping System	紧急车道保持	行车辅助
AVM	Around View Monitoring	全景影像	盲区主动安全
APA	Automatic Parking Assist	自动泊车辅助	泊车辅助
FAPA	Fusion Autonomous Parking Assistance	融合泊车	泊车辅助
AVP	Automated Valet Parking	自主代客泊车	泊车辅助
RPA	Remote Parking Assistant	遥控泊车	泊车辅助
HPA	Homezone Autonomous Valet Parking	记忆泊车	泊车辅助
IMU	Internal Measurement Unit	组合惯导	相关传感器附件
HD-MAP	High Definition MAP	高精度地图	相关传感器附件
USS	UltraSonic Sensor	超声波传感器	相关传感器附件
BSD	Blind Spot Detection	盲区监测系统	盲区主动安全
BSM	Blind spot monitoring system	盲区监测系统	盲区主动安全
BLIS	Blind Spot Information System	盲点信息系统/并线辅助系统	盲区主动安全
FCA	Forward Collision Assist	前方防撞辅助	防撞系统主动安全
FCM	Forward Collision Mitigation	前方碰撞缓解/前方碰撞预防辅助	防撞系统主动安全
FCW	Forward Collision Warning	前车防撞预警	防撞系统主动安全
RCW	Rear Collision Warning	后向碰撞预警	防撞系统主动安全
PCS	Pre-Collision System	预碰撞安全系统	防撞系统主动安全
CDW	Collision Detection Warning	碰撞警告	防撞系统主动安全
RCTA	Rear Cross-Traffic Alert	倒车预警系统	防撞系统主动安全
DOW	Door Open Warning	开门预警	防撞系统主动安全
PDS	Pedestrian Detection System	行人检测系统	防撞系统主动安全
PCW	Pedestrian Collision Warning	行人安全辅助	防撞系统主动安全
PPS	Pedestrian Protection System	行人保护系统	防撞系统主动安全
DAW	Driver Attention Warning	驾驶员注意力警示系统	车内驾驶检测类DMS（Driver Monitoring System）
DAM	Driver Attention Monitoring	驾驶员注意力监测	车内驾驶检测类DMS（Driver Monitoring System）
DMS	Driver Monitoring System	驾驶员监测系统	车内驾驶检测类DMS（Driver Monitoring System）
DDW	Drowsy Driver Warning	司机疲劳驾驶警告	车内驾驶检测类DMS（Driver Monitoring System）
DFW	Driver Fatigue Warning	司机疲劳警告	车内驾驶检测类DMS（Driver Monitoring System）
DDD	Driver Drowsiness Detection	驾驶员睡意检测	车内驾驶检测类DMS（Driver Monitoring System）
DFMS	Driver Fatigue Monitoring System	疲劳检测系统	车内驾驶检测类DMS（Driver Monitoring System）
HAC	High Hill Assist Control	上坡/陡坡起步辅助控制系统	上下坡辅助功能
HDC	Hill Descent Control	下坡控制系统/陡坡缓降控制	上下坡辅助功能
DAC	Down Hill Assist Control	下坡行车辅助控制系统	上下坡辅助功能
HLA	Hill Launch Assist	坡道起步辅助	上下坡辅助功能

面对这庞杂而琐碎的软件功能注定是以Tier1的为开发主力，Tier1为OEM提供单一功能的软硬件方案，主机厂的主要精力放在了若干个辅助功能放进车辆系统的集成和适配工作，这就意味着L2功能的移植性和平台化做到了足够柔韧性，在这个阶段本身并不算是车辆智能化赛道的起端，更多的是完成初期的市场培育和产品定义，也让大众对智能化有了初期的认识。

我们就可以看到在L2时代依然是传统Tier1，类似大陆、安波福、博世以及采埃孚等传统供应商，国内OEM在研发自动驾驶功能的过程中，与国际Tier1的合作灵活性差，后期功能升级或定制需求难以得到满足，且在高级自动驾驶领域，传统Tier1也不占优势，尤其是在丰富的功能应用层面。



L3的功能看起来是诸多L2功能的组合和集成，单纯的一个积木的拼装的方式是快速达到一个复杂集成功能的首选，多个独立功能的自动驾驶控制器 + 域控制器“ 的方案多用于 Level2 和 Level2.5 的开发。但是L3的功能本身是需要推倒重塑软件架构，本身L2、L3、L4三者的软件框架和算法模型都是存在本质的差异，这也就会造成每一次的转换都需要重塑软件。我们谈高速领航功能，有些人会理解：高速领航=车道居中保持+智能巡航+变道辅助+变道碰撞预警+车道偏离预警，这几个功能可以由不同的供应商单独提供软件，上层利用顶层决策机制来做功能的切换和调用，这个过程中看似是实现了L3的功能，但是这里面存在若干个问题：

臃肿的功能软件系统：机械式的加法，本身软件将根据功能的增加而不断的集成进去，这就会造成软件包的体量将会不断的增加，软件包冗杂不稳定、实时性差、硬件需求高、集成难度大；庞杂的软件结构就会增加数据通信的压力和数据转发粘贴的次数，数据的搬运次数越多CPU的压力就会越大，当将多个功能软件同时运行下对资源的消耗将会是巨大的；辅助驾驶功能没有一致性的架构设计，只能通过信号进行数据通讯，通过域控制器进行协调，当堆叠更多功能后，复杂度难以维护；基于功能(ACC,LKA,TJP,APA等等)的设计方式，难于应对 Level3 以上需要的基于场景调度，实现功能越多，功能的边界越难定义，没有一致的架构设计，并行运行的功能会造成复杂度指数上升;各独立功能之间无法有效的进行通用组件的共享，各自重复造轮子；

多家功能软件不同算法框架的适配性不足：针对不同的应用场景的功能软件会有各自的感知决策模型，感知模型的不同就会造成标定需求的不同，不同的感知模型同时对应用场景中障碍物识别和融合的结果依然存在着一定的精度上的差异，于是运行的功能软件的差异性将会造成软件的性能和效率进一步的降低，各功能实现无法利用其它功能计算的感知结果，造成资源的浪费；

L3对于软硬件的冗余要求，对于失效问题的处理策略和方案提出了要求，这也就要求每一个功能软件的安全等级比L2做了更高的要求；

以上的问题的总结本身都可以通过一定方式来解决，这些问题都不是卡脖子的大问题，但是这些小问题要想从根本上解决最佳的方案就是推倒原有的分散的功能软件体系转而重塑软件框架。这也就意味着无论我们L2或者L2.5上是否有先发的优势，在L3的赛道上大家都将重新起航，L4科技公司在多功能杂合的集成能力上本身有得天独厚的优势，也就是L3的领跑理论上L4科技公司暂时领跑，因此我们可以看到小鹏（OEM+科技公司）正在L3的赛道上一路疾驰。



NGP是L3下半场的开局
城市NGP落地标志着智能辅助驾驶下半场开局，L2的格局已经初定，主机厂和传统Tier1将会从L2开始逼近L3，L4的独角兽们在经济下行和落地场景不足的窘境下，深陷泥潭的L4也开始依靠自身的技术优势开始向L3发起冲击，因此对于“行泊一体”点到点的深度辅助驾驶系统将会成为“兵家必争之地”，2021年也就成为了NOA/NDA的兴起之年。


NGP（Navigation Guided Pilot）自动导航辅助驾驶，本身又分为高速领航系统和城市领航系统：

1、高速领航是指车辆可以在高精度地图所覆盖的高速公路上，实现从A点到B点的自动导航辅助驾驶，高速NGP功能在开启之后，不仅能实现原来的ACC自适应巡航、LCC车道居中辅助、ALC自动变道辅助等功能，还拥有了自动选择最优车道、自动超越慢车、自动限速调节、自动进出匝道切换高速、交通锥桶和故障车辆避让、夜间超车提醒等功能。相比于我们日常所认知的辅助驾驶系统，NGP有了更多的“自主能力”，也更加向自动驾驶靠近。

自动限速调节和选择最优车道:在NGP开启后，车辆会自动根据路段限速进行车速调节,它会自动检测并识别为最优/最快车道，随后NGP会提示变道信息并自动变道到左侧;

自动变道超越慢车:当规划路线上发现有车辆慢速行驶，系统会开启转向灯，并通过HMI或者发出语音提示即将向左/向右变道超车，开启转向灯片刻后，车辆才会缓缓变道，随后提速超车；

合入主路和进出匝道：在接近匝道出口2km的时候，NGP就开始控制车辆缓缓向右变道，在识别到后方无来车时，车辆逐条从左边车道变到最右车道，进入匝道后系统会语音提示NGP即将退出请接管车辆，紧接着NGP会自动进入500米退出倒计时；

2、城市领航系统系统可以根据各种不同的技术方案重感知、轻地图的感知定位方案或者重地图、轻感知的高精地图方案来实现城市道路的辅助驾驶技术，城市NGP开启之后可以实现市区跟车（走走停停跟车行进）、红绿灯感知识别和车道语义识别（自主红灯停车绿灯启动、左右转向及U型掉头）、主路与辅路之间的汇入汇出、对于动态障碍物（车辆加塞、两轮车占道以及行人穿行）的稳定安全的处理，对于道路中的静态障碍物（施工、临时封路-锥桶、水马和警示带等、静态交通肇事车辆）的稳定安全处理，可以在处理复杂道路的情况下实现点对点的辅助驾驶功能。城市辅助领航系统也将辅助驾驶的应用场景从封闭道路进入到开放道路的复杂场景中了。
总结：L3的推进将会将软件价值推向一个新的高峰，我们将会慢慢意识到软件对于车辆的赋能将会不仅仅局限在付费开通上，汽车智能化的时代将会向我们走来，“行泊一体”的智能辅助驾驶吹响L3的号角，我们拭目以待这个全新的时代吧！

自动驾驶系统学习——操作系统；

智能驾驶系统学习——基础概念篇笔记；

智能驾驶系统学习——基础模块概述；

引用 Refreences
本文由不架构的汽车电子电气原创，作者：Feynman-Yang。文中部分图片、封面图片来自网络截图，如因版权等有疑问，请于本文刊发30日内联系。©不架构的汽车电子电气微信公众账号 保留所有权利作者：92年，一个北方的汉子，汽车电子电气系统的工程师，一个带有三分浪漫主义，七分实用主义的90后，希望在这结识更多的朋友和伙伴，在这个领域遇到更多的高手和专家。




•电话：暂不公布                       •邮箱：yjfeynman@outlook.com•知乎：小佛爷修罗道                            •领英：feynman,yang•微信：暂不公布•Twitter：feynman,yang

xiaocheng

作为一名汽车工程师，我对自动驾驶技术的演进一直保持关注。针对您提到的两大流派，我更倾向于特斯拉的渐进式路线。当前，量产车的安全性和技术成熟度是实现高级自动驾驶的核心问题，特别是当前实现高级别的L3驾驶仍处于摸索阶段。“行泊一体”的智能辅助驾驶技术是一个重要的里程碑，但还需要在实际应用中不断验证和完善。真正的挑战在于如何确保在各种复杂情况下都能安全有效地驾驶。因此，我们必须保持冷静和耐心，稳步前行，确保每一步都扎实可靠。同时，注重数据收集和分析，为未来的技术升级提供坚实基础。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

suzuki

作为一名汽车工程师，针对上述帖子，我的学习笔记如下：

“行泊一体”的智能辅助驾驶标志着自动驾驶技术迈入L3阶段的重要里程碑。在自动驾驶的演进过程中，存在两大流派：一派主张直接实现L4/L5级自动驾驶的跃进式策略，另一派则选择渐进式路线，优先在量产车上搭载L2/L3级辅助驾驶，逐步积累数据并优化技术。目前许多企业仍在努力提升L2及L2+的技术水平。我们应保持行业内的冷静与专业，在研发过程中保持足够的韧性和决心，以推动自动驾驶技术的持续发展和进步。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

随风1

作为一名汽车工程师，针对您提到的关于自动驾驶的两大流派，我深知这两种策略各有优劣。对于特斯拉为代表的渐进式路线，其优势在于能够在量产车上快速部署L2/L3级辅助驾驶，通过收集数据逐步优化算法，为更高层次的自动驾驶打下坚实基础。而针对仍在L2及L2+挣扎的OEM，我认为关键在于扎实推进技术迭代，结合实际情况制定合理的发展规划。同时，保持内心的沉静和行动的韧性是成长过程中不可或缺的素质。对于未来的自动驾驶技术演进，我将持续关注并学习最新进展，以专业视角给出分析和建议。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

lichengwan

作为一名汽车工程师，对于上述关于自动驾驶的讨论深有体会。对于L3自动驾驶系统的“行泊一体”智能辅助驾驶系统来说，这是一个非常重要的技术革新。行业内关于自动驾驶的发展路线有多种观点，既有直接追求高级别的“跃进式”策略，也有如特斯拉般先在量产车上实现L2/L3级辅助驾驶的“渐进式”策略。对于仍在L2及L2+阶段的我们来说，虽然当前的技术和市场环境可能尚未成熟，但技术的积累和改进不容忽视。随着自动驾驶技术的持续演进和市场的逐渐成熟，我们期待L3系统的全面到来，并将不断探索和学习前沿技术，以推动汽车技术的进步和发展。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

baoshijie

作为一名汽车工程师，对于上述关于自动驾驶的讨论，我认为这是一个专业领域的技术竞赛和成长过程。关于“行泊一体”的智能辅助驾驶，是近期自动驾驶技术发展的一个热点趋势，代表着逐步向更高级别自动驾驶演进的策略。关于L3自动驾驶系统的发展，也需要结合不同厂商的技术积累和市场定位选择相应的路线。在自动驾驶的发展过程中，“渐进式”和“跃进式”两种策略都有其优势与挑战。针对当前还在L2及L2+挣扎的厂商，应着重在技术研发和市场应用方面加强投入和创新，以期在未来的竞争中占据有利地位。总体而言，自动驾驶的发展前景广阔，但需不断积累技术和经验，确保安全稳定地推进。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

lidenghui

作为一名汽车工程师，针对上述帖子，我的学习笔记如下：

关于自动驾驶的演进路径，目前存在两大策略流派。“跃进式”代表如Waymo和小马智行，力求直接实现L4/L5级自动驾驶。而特斯拉则采用“渐进式”路线，先在量产车上搭载L2/L3级辅助驾驶，逐步积累数据后再向更高级别进发。针对当前仍处在L2及L2+阶段的行业现状，我们应当聚焦于提升现有辅助驾驶系统的稳定性和安全性，同时积极探索高级辅助驾驶技术如“行泊一体”的智能辅助驾驶系统。注重在生长过程中内心的沉静和行动的韧性，稳步推动自动驾驶技术的成熟与发展。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

lidenghui

作为一名汽车工程师，针对您提到的关于自动驾驶的不同发展路径，我深表赞同。对于特斯拉为代表的渐进式路线与Waymo和小马智行等公司的跃进式路线，两者各有优势。渐进式路线通过逐步升级辅助驾驶系统，确保在收集大量实际驾驶数据的同时，保障行车安全。而跃进式路线则力求直接实现高级别自动驾驶，这需要强大的技术实力和长期积累。对于仍在L2及L2+阶段的汽车制造商而言，稳固基础，逐步演进是关键。同时，无论哪种路径，安全始终是第一位的。期待未来自动驾驶技术能够不断取得新的突破，更好地服务于人类社会的出行需求。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

mqh0386

作为一名汽车工程师，针对您提到的关于自动驾驶的两大流派及其策略，我深知随着技术的不断进步，自动驾驶的演进正日益成为行业关注的焦点。针对特斯拉为代表的渐进式路线与Waymo等公司的跃进式路线，两者各有优势。渐进式路线更注重在现有量产车上的升级和数据收集，对现实场景的适应性和稳定性有较高的保证。而跃进式路线则追求直接实现高级别的自动驾驶技术突破，具有长远的发展潜力。目前尚在L2及L2+阶段的汽车制造商，也应根据自身情况选择合适的路线，逐步推进自动驾驶技术的研发和应用。同时作为专业人士更关注的是安全性和实际可行性分析而不是表面的追求突破激进更新提升高度。因此，在自动驾驶的演进过程中，保持内心的沉静和行动的韧性至关重要。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]