--關注回複“40429”--
--領取《汽車駕駛自動化分級》（GB/T 40429-2021）--
目前，智能駕駛的開發，是基于功能來展開的，如大家耳熟能詳的自适應巡航ACC、交通擁堵輔助TJA、高速領航駕駛輔助NOA等。通常，開發者對于自家的智能駕駛産品，都會有清晰的功能開發規劃。這裡的開發者，包括造車新勢力、傳統主機廠、傳統Tier 1、科技公司、網際網路巨頭等等，幾乎無一例外。
與此同時，行業内逐漸達成了共識：智能駕駛的測評和體驗，需要基于使用者場景來展開。使用者作為智駕産品的使用者，不可能像開發者一樣，去深入而詳細地研究各類功能和名額；使用者更關心的，是一款産品的使用體驗。
圖1 智能駕駛功能與場景圖示
（圖檔來源：人工智能在自動駕駛技術中的應用_搜狐汽車_搜狐網 (sohu.com)）
我們可以這麼了解：功能，屬于開發側的研究内容，形成自己獨特的功能規劃和功能體系，是開發者需要重點關注的主題；場景，屬于使用者側的研究内容，形成系統化和規範化的使用者場景體系，是測評機構和使用者體驗研究需要關注的主題。
那麼，目前智能駕駛的通用功能體系是什麼？應該如何建構使用者場景體系？如何打通功能與場景體系，實作使用者體驗與功能開發同步？本文将詳細解讀這些内容。
功能體系
在開發過程中，由于高速行駛和低速泊車時研究的對象屬性、應用的算法尤其是決策算法都完全不同，是以通常會将智能駕駛的功能，分為行車和泊車兩大類功能。
行車功能
我們彙總了目前主流的行車功能，以及其對應的智能化等級、功能實作效果等内容，如表1所示。其中功能分級參考SAE最新的标準，詳見圖2。
表1 智能行車功能彙總
圖2 SAE的智能駕駛分級标準
ACC，全稱Adaptive Cruise Control，即自适應巡航控制。作為智能駕駛的基本功能，ACC是大家都耳熟能詳的一項功能，也已經發展地比較成熟。通過對道路環境和障礙物的感覺，自動控制油門和制動系統，實作車輛在本車道内的自動加減速，以及起步、停車等動作，ACC可以幫助駕駛員解放雙腳，緩解直線行駛的疲勞。
LCC，全稱Lane Centering Control，即車道居中控制。LCC是一項純橫向控制功能，通過對車道線的識别和對轉向系統的自動控制，解放駕駛員的雙手，讓車輛自動保持在本車道内居中行駛。
ALC，全稱Auto Lane Change，即自動變道輔助。雖然字面名稱叫做“自動變道”，但其實目前主流做法是“指令式變道”，一般是通過轉向撥杆，控制車輛的轉向系統，實作自動變道。ALC可以有效輔助駕駛員實作變道，解放雙手。
TJA，全稱Traffic Jam Assistant，即交通擁堵輔助。TJA可以了解為ACC和LCC功能的疊加，屬于L2級功能。該功能在堵車時，通過自動控制車輛的啟停和加減速，以及微調行駛方向，實作車輛自動保持在本車道居中跟車，或巡航行駛的功能。
NOA，全稱Navigate On Autopilot，即領航輔助駕駛。基于導航地圖，NOA可以讓車輛自動按導航的路徑實作點到點行駛，長時間解放駕駛員的手和腳。NOA屬于L3級的智能駕駛功能，是低級别智能駕駛功能如ACC、LCC、ALC等的疊加。
按可用區域的不同，NOA主要分為高速領航駕駛輔助和城區領航駕駛輔助。受技術條件的限制，目前已量産的NOA都是高速領航輔助駕駛；造車新勢力如特斯拉和蔚小理等，已經在探索城區道路的領航輔助駕駛功能，并且即将量産。
目前，ACC、LCC、TJA等不涉及變道的智能駕駛功能，基本上已經普及，各家幾乎都推出了相關的功能。ALC功能由于涉及到變道，對硬體和算法有更高的要求，目前隻有部分玩家實作了量産。NOA功能是目前已經量産的最進階别的别智能駕駛行車功能，目前僅有頭部造車新勢力和頭部科技公司實作了高速區域的領航駕駛輔助，城區領航輔助駕駛是下一步的趨勢。
圖3 智能行車功能的關系圖
泊車功能
表2彙總了目前主流的泊車功能，以及其對應的智能化等級、功能實作效果等。
表2 智能泊車功能彙總
APA，全稱Auto Parking Assist，即自動泊車輔助功能。功能開啟後，APA識别出車輛周圍可用的車位，并且在駕駛員標明車位後，控制車輛的橫縱向運動，實作自動泊入和泊出車位。APA功能需要保持駕駛員在車上，随時接管。目前APA功能已經發展成熟，日漸成為車輛的标準化配置。
RPA，全稱Remote Parking Assist，即遙控泊車輔助。駕駛員下車後，通過手機APP等遙控方式，控制車輛自動泊入和泊出車位。
SS，全稱Smart Summon，即智能召喚功能。智能召喚功能最早由特斯拉推出，可以讓車主在車外通過手機APP的方式，發出召喚指令，進而控制車輛自動行駛，到達指定的位置。
HPA，全稱Home-zone Parking Assist，即記憶泊車功能。通過系統自學習，記住車輛在特定區域（家庭或公司停車場）的特定車位，以及行駛軌迹，HPA可以控制車輛從停車場入口開始，自動完成尋找車位和泊車的所有動作。目前小鵬已經實作了量産的HPA功能，由于可用區域限定在停車場内，且需要駕駛員在車上随時接管，是以HPA屬于L3級的智能駕駛。
AVP，全稱Automated Valet Parking，即自主代客泊車。AVP是真正意義上的全自動駕駛，車輛可以自行進入完全陌生的停車場，不需要先行學習，就能完成所有的泊車動作，并且不需要駕駛員在車上。作為L4級别的智能駕駛，目前對軟硬體，尤其是算法和安全性要求很高，目前還沒有量産的産品。
圖4 智能泊車功能關系圖
安全功能
除了智能行車和泊車兩大類功能外，智能駕駛還包含基本的主動安全功能，如表3所示。
表3 主動安全功能彙總
從表3可以看出，各類主動安全功能與危險源相對自車的位置強相關，而與場景沒有直接依賴關系，是以不作為本文的研究重點。另外，安全類功能也已經發展地比較成熟，逐漸成為法規要求的必須項，本文也不再一一展開。
場景體系
從完全的使用者體驗角度，常見的出行場景包括高速、城區和停車場三大區域，其中高速和城區都屬于行車場景，而停車場則屬于泊車場景。
圖5 點到點出行全場景示意圖
（圖檔來源：阿拉善英雄會自動駕駛“人機大戰” 毫末智行展露冠軍相_搜狐汽車_搜狐網 (sohu.com)）
行車場景
在道路上行駛的場景稱為行車場景。從智能駕駛的級别和應用場景來看，有如下幾類基本的行車場景：
（1）本車道内行駛；
（2）變道；
（3）十字路口；
（4）匝道。
在不同場景下，影響使用者體驗的因素各不相同。如本車道内行駛時，車輛的加減速響應和舒适度會顯著影響駕駛員的體驗；而變道時，變道成功率和變道時機則更為重要；匝道場景下，進出政策和匝道行駛穩定性的影響程度更高。
是以，我們需要基于不同的場景，分析在不同場景下，對使用者體驗影響顯著的各項因素，并在開發過程中，重點考慮這些因素，并轉化成智駕系統的性能名額。
本車道内行駛
車輛在本車道内行駛，且不涉及變道，是最基本的行車場景。根據在本車道内行駛可能遇到的情況，可以再細分為4個子場景：直道行駛；彎道行駛；跟車行駛；以及前方有車切入和切出，即Cut-In/Out。
下面我們具體分析在不同的子場景下，對使用者體驗影響顯著的因素，以及對應的智駕性能名額，彙總後的内容見表4。
通常情況下，使用者會在直道上開啟智能駕駛功能，是以直道行駛時的智駕功能開啟條件是影響使用者體驗的一項因素。需要有明确、易記、友善的開啟條件，使用者才會樂于使用。
對應的性能名額主要是車速，如ACC功能開啟時，需要有合理的初始車速要求和車速範圍限定，過高或過低的車速限制都會影響使用體驗。目前主流的做法是将開啟車速限定在30kph以上，但随着算法的進步和對自家技術的自信，蔚小理等新勢力也在逐漸降低車速要求，10kph甚至更低都可能實作。
在任何場景下，舒适性都是影響使用者體驗的直接因素。在直道行駛時，舒适性主要展現在車速增加時的加速度，以及車速降低時的減速度；過大的加減速度會讓使用者感覺到危險，過小的加減速度則顯得系統反應遲鈍，引起抱怨。
此外，直道行駛時，車道保持的效果也很重要，平穩地保持在本車道内行駛，是駕駛員和乘客的基本需求。車道保持效果可以通過車輛居中度展現，即車輛距離兩側車道線的距離。
彎道行駛時，智駕系統的自動過彎能力是首先要考察的因素。可以通過的彎道半徑，直接反映出系統的過彎能力。彎道半徑越小，可以通過的彎道越急，系統的過彎能力越強，那麼使用者對系統的信賴度也會更高。
彎道場景與直道場景有着共同的影響因素：舒适性和車道保持效果。
彎道行駛時的舒适性，主要通過車輛的橫向狀态參數展現，如橫擺角、側傾角及側向加速度等。當然，使用者的主觀感受也是舒适性的重要名額。
跟車場景下，由于涉及到外部車輛，是以安全感非常重要，此時的跟車時距與安全感緊密相關。适當的跟車時距，可以讓駕駛員感覺不到碰撞風險，沒有壓抑感，同時也能避免被頻繁加塞。
另外，舒适性和響應情況也是需要考慮的因素。前車車速發生變化時，自車的響應時間、加減速度等，都會影響功能使用體驗。
Cut-In/Out場景是本車道内行駛的一種緊急場景，是以智駕系統的識别能力尤為重要。能夠提前識别的距離越遠、時機越早，就越能避免危險，保證安全。
另外，與跟車場景一樣，Cut-In/Out場景下的舒适性和響應度也直接影響使用者體驗。
表4 本車道行駛場景的使用者體驗影響因素
除了直道、彎道、跟車、Cut-In/Out這4種基本和典型的子場景外，還有其他場景也屬于本車道内行駛的情況，包括一些特殊場景。如車道線合并、分叉、消失，車道内有障礙物，施工引導變道等等，也是我們需要考慮的。
另外，系統對交通标志和周圍障礙物如行人等的識别能力，也影響智駕系統的性能，進而影響到使用者體驗。
變道
變道是出行場景中，出現頻率極高的場景。在超車、地形變化、車道封閉等狀況時，都會發生變道動作。
變道能力展現了智駕系統在變道場景下的邊界能力。變道成功率、變道的車速範圍要求、道路曲率範圍、車道寬度範圍以及極限的變道距離等，都是系統變道能力的名額。其中變道成功率是一個統計資料，需要基于大量的測試結果，才能得出相對準确的結論。
目前量産的智駕功能，對于變道時的車速範圍，都有一定要求，常見如最低45kph、最低60kph等。随着算法能力的提升，對于車速和道路曲率、寬度等條件的要求，正在逐漸放寬。
危險預判能力是使用者安全感和信賴感的保證，隻有系統能夠及時預判出風險并提示使用者，使用者才會對系統逐漸産生信任和安全感。試想，如果使用者自己能夠發現相鄰車道有車輛快速接近，不能變道，但系統卻沒有識别出來，使用者怎麼可能信任這套智駕系統呢?
變道時的危險預判能力主要展現在系統對危險源的識别率，以及危險源的判定條件如距離、相對速度等方面。識别率越高，提前識别的距離越遠，則危險預判能力越強。
合規、合法也是不可或缺的因素，尤其在變道場景時，更容易出現違規操作。是以，能否準确識别虛、實線，能否正确地按車道線變道，是考量變道合規性的重要因素。
舒适性是永恒的主題。在變道場景中，系統的決策時間和完成時間會影響使用者對系統能力的評價，而變道時的車速變化政策、加減速度、橫擺角速度、側向加速度等車輛狀态參數，則直接影響使用者的舒适體驗。
可控感是人機共駕的重要因素，無論任何功能，隻要不是完全的自動駕駛，就要保證駕駛員對車輛的可控感。在變道場景中，駕駛員如轉動方向盤或反向撥轉向燈，車輛對駕駛員操作的響應情況，是評估可控感的主要名額。
表5 變道場景的使用者體驗的影響因素
十字路口
十字路口是城區行駛的常見場景，也是較為複雜的場景。車道線、斑馬線、箭頭、引導線等多種交通靜态要素，以及車輛、行人、兩輪車、動物等多種交通動态參與者，再加上實時變化的紅綠燈，共同組成了十字路口這一經典的城區場景。
車輛在十字路口的行為主要有停車、直行、轉彎、掉頭等，是以我們需要考慮的使用者體驗影響因素，可以部分借鑒前文提到的直行、彎道和跟車行駛場景的各項因素。此外，車輛識别紅綠燈，以及自動按紅綠燈行駛的能力，是在十字路口場景需要重點考慮的因素。
圖6 典型十字路口
匝道
匝道是高速公路和城市立交所特有的場景。作為不同主幹道之間的連接配接部分，在匝道場景下的體驗，是評估智駕系統的重要内容。
匝道場景具體可以細分為匝道内行駛、進入匝道和駛出匝道等3個子場景。
由于目前匝道基本上都是彎道，是以在匝道行駛的使用者體驗影響因素和名額，可以參考前文彎道場景的内容。
而在進入匝道和駛出匝道的場景中，重點需要考慮進、出匝道的政策和車速變化。例如，進入匝道時，需要提前向右側車道變道，并提前減速，那麼提前變道和減速的時機就很重要；駛出匝道時，車速如何變化，是否能否自動加速到道路限速等，都是影響使用體驗的因素。
此外，進入匝道和駛出匝道進入主路的成功率，也是評價系統性能和使用者體驗的重要名額。
泊車場景
泊車場景主要發生在停車場，是以與行車場景相比，較為簡單。
按泊車的完整流程，泊車場景包括停車場内自動行駛、搜尋車位、泊入和泊出車位等。
停車場内行駛
目前的停車場類型主要可以分為以下4種：地下停車庫、停車樓、露天停車場和路邊臨時停車位。不同類型停車場的基礎設施、路面狀況、光照條件等都各不相同，是以車輛在不同停車場内行駛的表現也會有差異。
總體來說，在停車場内行駛，主要考察車輛的軌迹規劃能力和感覺定位能力，以及對障礙物的識别能力。
表6彙總了停車場内常見的靜态特征和動态障礙物，智駕系統需要準确識别這些特征和障礙，才能做到安全高效地在停車場内行駛。
在停車場内自動行駛與低速的行車場景類似，使用者體驗的影響因素和名額項可以參考低速的行車場景。
表6 停車場内常見的動、靜态物體
搜尋車位
搜尋車位的使用者體驗，主要考察車輛對車位的識别能力。車位識别的準确率越高，說明車位識别能力越強，使用者的體驗也會越好。
停車位的類型多種多樣，按車位線情況可分為标線車位與非标線車位，按車位方向可分為垂直車位、水準車位與斜列車位等。表7彙總了常見的車位分類依據和具體類型。
需要說明的是，車位搜尋能力也應該基于多次測試的統計資料來評價，樣本量太小，沒有普遍意義。
表7 常見車位分類依據和具體類型
圖7 車位标線示意圖
圖8 部分空間車位示意圖
泊入和泊出車位
泊入車位是泊車過程的最後一步，也是智能泊車的最初應用場景。
當搜尋到适合的車位時，智駕系統便控制車輛自動泊入車位，期間的橫縱向控制和擋位切換等操作，都由系統自動完成。
泊入能力是影響泊入體驗的首要因素，展現了系統的泊車能力。泊入能力的名額包括成功率、可泊入的車位尺寸範圍、車速範圍等，需要綜合考慮車輛狀态參數和車位參數等。
舒适性同樣是重要的影響因素。對于駕駛員在車上的智能泊車系統，舒适性直接影響了使用者的體驗。車輛在泊車過程中的加減速度和系統完成泊車的時間等名額，可以展現舒适性。
泊車的規範性是另一項影響因素，停放規範整齊的車輛，會增加使用者的好感和信任。是否停放端正、位置是否居中、與車位線或相鄰車輛的距離如何，都反映了系統泊車的規範性。
表8 泊入車位的使用者體驗影響因素
泊出車位是泊入車位的相反過程，其影響因素與泊入場景基本一緻。
功能與場景的關聯
前文我們詳細解讀了智能駕駛的功能體系和場景體系，而這兩種體系也分别代表了開發側和使用者側。是以，分析不同功能與場景之間的關聯，找出其内在聯系，是打通開發側與使用者側的重要途徑。
行車功能與場景
根據前文對智能駕駛功能體系的解讀，行車功能主要有L1級别的ACC、LCC、ALC，L2級别的TJA,L3級别的NOA，其中NOA又分為高速公路區域的NOA和城區的NOA。
從功能描述中不難看出，ACC的主要作用是自動控制車輛縱向行駛，LCC主要用于保持車輛在車道内居中，是以ACC和LCC主要應用于本車道内行駛的場景。在這2項功能開發過程中，需要重點考察在前文提到的在本車道内行駛場景中，涉及的性能名額項。其中ACC需要考慮所有的名額，而LCC則重點考慮車道保持效果和舒适性。
ALC的作用就是變道，是以應用于變道場景。在開發ALC的過程中，開發者要重點關注的是變道場景下的使用者體驗影響因素，如變道能力、舒适性、合規性等，及其對應的性能名額。
TJA功能是ACC+LCC+ALC的疊加效果，是以需要包括這3種功能所包含的場景，即本車道内行駛+變道場景。相應的，需要考慮的使用者體驗影響因素和性能名額，也應該是這些場景的内容。
NOA功能分為高速NOA和城區NOA。高速NOA對應的場景除了TJA功能涉及的場景外，還需要加入匝道場景；城區NOA場景則是TJA場景加上十字路口。可以看出，NOA涉及了最多、最全面的場景，開發過程種需要考慮大量的使用者體驗和性能名額項，是以想要做好NOA功能，是具有一定難度的。
當然，NOA功能涉及的場景很複雜，我們在此隻列舉了典型的基本場景，還有其他一些場景也是開發者需要不斷發掘和補充的，如橋梁、隧道、非結構化道路、學校等等，都有其獨有的特點。基于基本場景，不斷擴充，豐富場景庫，是智駕開發的一項長期而有意義的工作，對于功能開發和提升使用者體驗，非常有幫助。
圖9 行車功能與場景的關系圖
泊車功能與場景
泊車功能包括L2級别的APA、RPA，L3級别的SS、HPA，L4級别的AVP。
APA和RPA的作用區域是在停車位附近，将車自動泊入泊出，不同之處在于APA是駕駛員在車上監控并随時接管，RPA是駕駛員在車外監控并通過遙控裝置随時接管。
是以，APA和RPA的應用場景是泊入和泊出車位，在功能開發的同時，需要全面考慮泊車能力、舒适性和規範性等影響使用者體驗的因素。
SS和HPA的作用區域是停車場内，包括停車位和停車場内的道路。SS負責将車從停車位召喚到指定位置，HPA則負責将車從停車場入口停到特定車位上。
可以看出，SS的應用場景是泊出車位，加停車場内行駛；HPA的應用場景是停車場内行駛，加搜尋車位，再加泊入車位。開發者需要重點關注車輛在停車場内低速行駛的體驗，以及搜尋車位的能力，這對車輛的融合感覺和定位能力有很高的要求。
AVP作為智能泊車的終極解決方案，屬于L4功能，是所有智能泊車功能的集大成者，其作用區域覆寫了從車主下車，到車輛泊入的全過程，以及相反的召喚全過程。AVP的應用場景是前文提到的所有泊車場景的疊加，包括停車場内行駛、搜尋車位、泊入和泊出車位。
此處我們忽略了車輛從車主下車點到停車場的這段距離，由于這段場景在停車場外，并且存在不确定性，在本文中就不展開了。
AVP功能需要全面關注泊車全部場景下的使用者體驗和性能名額。另外，由于AVP功能開啟時，使用者已經離開車輛，是以高安全性和魯棒性，也是至關重要的，需要有足夠的安全備援設計。
圖10 泊車功能與場景的關系圖
本文我們詳細解讀了目前智能駕駛的功能體系和場景體系，并分析了兩者之間的聯系，建立了功能體系與場景體系的關聯架構。
通過全面考慮功能與場景的關聯，基于功能規劃和應用場景，綜合制定智能駕駛的性能名額，有利于在開發早期就打通開發側和使用者側的壁壘，将使用者體驗全程納入開發過程，實作同步開發。
當然，功能是不斷疊代的，場景是不斷完善的，我們在智駕開發過程中，需要基于這些基本功能和基本場景，持續更新拓展，真正地做到産品需求源于使用者，智駕功能服務于使用者，打造出高滿意度的智能駕駛解決方案。
轉載自九章智駕，文中觀點僅供分享交流，不代表本公衆号立場，如涉及版權等問題，請您告知，我們将及時處理。
-- END --