不知道你有沒有過我這種體驗，還差幾分鐘就過9點，我還在公司樓下停車場找車位。
9點過15分，剛剛好，有個空車位出現。順利停完車，上樓、打卡、喜提本月第四次遲到。那是幾年前的事兒了，那會兒就想要是有個人能幫我把車停了，我去樓上打卡，多棒；幾年過去，這個人依舊沒出現，但釘釘遠程打卡暫時解決了我的痛點。
但我的車還得我自己停，不是科技不進步，是我的車沒有"代客泊車"功能。今天聊的話題，隨着越來越多的新車都開始默認"標配"這樣的功能，威馬/WEY等，那什麼是5G-AVP，怎麼實現的？以後前景怎麼樣？
拆開看，5G有什麼用？
這個段落簡單點兒講，4G是移動互聯時代、5G是萬物互聯時代。
比起5G-AVP可能大部分人對於5G-V2X更熟悉點兒，關於這個的報告也更全面。不用去百度，5G還是一種移動通信技術，演變到如今已經是第五代，特點是高數據速率、減少延遲、節省能源、降低成本、提高系統容量和大規模設備連接（重點）。
那麼V2X就是實現車與X（車與車、與人、與路、與服務平台）之間的網絡連接。是5G在車聯網的垂直應用場景。舉例：盤山路，路口轉向會有盲區，通過V2X技術車與車進行通訊，可以知道對面或某個盲區方向是否有車，然後進行決策如減速、剎車等，減少交通事故的發生機率。其中5G的應用在裏面起到了萬物互聯+大規模設備的鏈接+高數據傳輸+減少延遲作用。
於V2X一樣，於AVP也一樣的道理。
AVP是什麼，怎麼實現的？
自動泊車功能不是一蹴而就的，而是慢慢積累演變而來；在AVP之前，你可能更先接觸到了APA和RPA。
APA自動泊車，是生活中最常見的自動泊車輔助功能，汽車低速巡航用超聲波雷達感知周圍環境，幫助駕駛員找到合適的車尾，然後駕駛員發送泊車指令，汽車自動泊車入位。APA這套輔助功能依賴的傳感器不復雜，常見的是8顆UPA超聲波雷達，就是日常頻繁用到的倒車雷達，然後前後各4顆；還有4顆APA超聲波雷達，安裝在車身兩側。
兩種雷達屬性不同，分工也不同。APA超聲波雷達探測範圍遠、窄，最遠測距普遍5米左右；UPA超聲波雷達探測範圍近、寬，普遍最遠3米。
所以，底層邏輯就是用APA雷達完成車輛低速行駛時的車位尋找和校驗，側前方的APA雷達會先探測到車位，距離會由小變大再變小。這個過程被探測到之後，根據車速信息算清楚空車位的尺寸信息；接着，側後方的APA雷達需要完成的工作，是對前方雷達探測到的信息進行二次檢驗，以免出現錯誤信息。但重點是，駕駛員仍然需要在車內完成整個停車過程。
接下來是RPA，遠程遙控泊車。基本邏輯和APA自動泊車相同，傳感器配置也和以上差不多APA雷達+UPA雷達；唯一區別是使用場景，你可以下車並站在5米左右的範圍內，連上藍牙遙控你的車實現"自動泊車"，解決的痛點是狹窄空間內停好車你下不來的尷尬。但這個過程始終你仍然需要在場，不是在車裏而是在車外，你還是不能衝上樓打卡。
最理想的場景，應該是我們把車開到家/公司樓下，我們直接去辦事，找車位和停車的工作交給車輛自己完成，就是代客泊車功能——AVP。
簡單分析一下，首先這是一個特定場景下的L4級別無人駕駛功能，它的傳感器配置就必須要加入攝像頭。跟它相似的是"自學習泊車"功能，簡單易懂就是你教汽車怎麼停、停在哪兒，記住之後就能自動把車給你停好，這種更適用於有固定車位的場景下，沒有的話你還得自己來。
以上"自動學習泊車"功能，配備的傳感器包括了APA、UPA雷達之外，還加入了4顆魚眼攝像頭組成了360度全景影像和停車場高精度圖+SLAM同步定位與建圖技術。相比於以上幾種輔助泊車功能，AVP功能還得解決從駕駛員下車地點低速行駛到車位的問題，必須得保證安全，所以得提升車輛對於遠距離的感知能力，所以也就有了一顆前向攝像頭。
為什麼不用感知力更好的激光雷達？實現單一功能用高成本的激光雷達沒有性價比可言，激光雷達成本降下來之前應該會一直用視覺感知系統。而且，停車場普遍場景單一，沒有那麼多的快速移動物體，對於低速行駛的車輛來説視覺感知可以應對大多數的突發狀況。
底層邏輯上面也分析的差不多了，APA雷達和UPA雷達的使用邏輯剛才已經説了，探測車位信息然後進行二次驗證。360度全景影像+前視覺攝像頭配合SLAM技術+停車場高精地圖，構建場景讓車輛知道自己在那兒然後要去哪兒。最後，根據算法完成"代客泊車"功能和"遠程召喚"功能。
現在已經有很多產品開始使用或準備使用AVP功能，吉利星越L的5G-AVP 1km無人泊車功能、威馬W6無人泊車功能、紅旗E-HS9的AVP等等。
AVP的難點不是硬件，AVP前景如何？
AVP的應用場景在哪兒？在露天停車場或地下停車庫。那AVP拋除感知硬件之外還需要SLAM同步定位與建圖技術，還有更重要的"支持室內導航的自動駕駛高精地圖"。
支持高度自動駕駛的地圖，才是AVP的關鍵瓶頸，尤其是沒有網絡信號的多層停車場；當你在B3層打開地圖導航的時候，你經常能發現，在到路面之前你的路徑可能還要重新計算一次。這於AVP功能一樣，沒有信號致命、沒有高精地圖同樣致命，影響大規模商業化落地。AVP需要在各種條件下的停車場正常工作，尤其是在複雜、多層的停車場。關於停車場製圖的難點，不同停車場結構差異大、場內的標線規劃不統一。
當然現在也有第三方在做停車場精度地圖建設，但後續在車企對於AVP系統推向市場之前，還需要針對不同停車場環境進行充分的測試。
除了給停車場製作精度地圖之外，還有一種車場協同的方法，但成本相對就高了。
一個是改車一個是改停車場，加強車端自身的傳感能力和加強場端通信支持。但成本是一個大問題，博世和戴姆勒曾經展示過用工業級單線激光雷達，平均3個車位就要佈置25個激光雷達，平均成本高，還不適用於現階段的場端AVP。
未來最先可能大規模實現的是車端AVP低成本方案，一方面降低成本一方面又不會限制AVP只在具備"場端"功能的停車場使用。當然，這個方案的前提是，解決好停車場高精地圖。
總結泊車功能逐步發展到現在的AVP，從最初的超聲波雷達到現在的無人自動泊車功能。每一次的迭代都離不開傳感器+融合算法+通信技術的各方面成熟。
而且，在5G傳輸、傳感器硬件、基礎建設越來越成熟完善的未來，汽車肯定會更智能；無論是車端還是場端，在接下來的商業化落地上都會提供出更好的解決方案，這只是時間問題。所以，我下一輛車準備換一台有AVP功能的車，釘釘遠程打卡+AVP，每天能多睡半小時。