詳解智能駕駛的功能與場景體系

備注信息：滑闆底盤/域控制器+真實姓名、公司、崗位

編者按：

1、為便于讀者理解，本文沿用了業界慣用的“L3”概念。但必須要澄清的是，在實際落地的過程中，考慮到法規和責任問題，原本按照“L3”的标準設計的高級别智能駕駛一般都隻敢作為L2來使用——嚴格按照SAE及中國工信部的标準看（從責任主體的角度來看），一些車企口中的“L2.5”或“L2.9”仍然是L2；甚至，隻要隻要車企不敢說“自動駕駛出了事我來擔責”，則哪怕其在市場推廣中命名為“L3.9”,也仍然隻是L2。

2、盡管業界通常認為TJA屬于L2，NOA屬于L3，但嚴格地說，這兩者之間并沒有必然的對應關系，因為TJA、NOA強調的是“應用場景”，說的是“在哪裡跑”的問題，自動駕駛等級說的是“出了事誰來擔責”的問題。

很多人并沒有注意到，歐美及韓國所說的L3,又稱為“單車道自動駕駛”，這實際上是“車道保持”，從“單車道”這個場景來說，也就隻比通常人們理解的L1強一點吧？但奔馳說他們家某款車的自動駕駛等級是L3，也沒毛病啊，因為他們敢說“出了事我來擔責”。

NOA在國内被翻譯為“領航輔助駕駛”，這個翻譯是值得商榷的。因為，車企一方面希望消費者認為“NOA就是L3”人輔助系統），引誘車主“解放雙手”，另一方面，為了避免陷入責任糾紛，又強調這隻是“輔助駕駛”，這又回到了SAE标準下的L2。

實際上，日本此前在制定關于L3的法規時也流露出了這樣一種心理：——既希望本國的制造商們能抓住這個機會，又不想讓他們背負太多壓力；既鼓勵消費者“大膽嘗試”，又害怕他“過分大膽”。

對這些問題，九章智駕在2021年4月份的《“L3級”自動駕駛落地指導思想：高速輔助人，低速替代人》（此處插入超鍊接）一文中已有詳細分析了，有興趣的朋友可點此超鍊接進去看。）

——蘇清濤

引言

當前，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、互聯網巨頭等等，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，需要基于用戶場景來展開。用戶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指标；用戶更關心的，是一款産品的使用體驗。

圖1 智能駕駛功能與場景圖示

（圖片來源：人工智能在自動駕駛技術中的應用_搜狐汽車_搜狐網 (sohu.com)）

我們可以這麼理解：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，屬于用戶側的研究内容，形成系統化和規範化的用戶場景體系，是測評機構和用戶體驗研究需要關注的主題。

那麼，當前智能駕駛的通用功能體系是什麼？應該如何構建用戶場景體系？如何打通功能與場景體系，實現用戶體驗與功能開發同步？本文将詳細解讀這些内容。

Part 1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，因此通常會将智能駕駛的功能，分為行車和泊車兩大類功能。

1.1 行車功能

我們彙總了當前主流的行車功能，以及其對應的智能化等級、功能實現效果等内容，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

序号	功能簡寫	功能全稱	效果	等級
1	ACC	自适應巡航	縱向自動控制，實現加減速	L1
2	LCC	車道居中控制	橫向自動控制，保持居中行駛	L1
3	ALC	自動變道輔助	橫縱向自動控制，實現自動變道	L1
4	TJA	交通擁堵輔助	橫縱向自動控制，交通擁堵時輔助駕駛	L2
5	NOA Highway	高速領航駕駛輔助	高速公路按導航自動駕駛，點到點行駛	L3
6	NOA City	城區領航駕駛輔助	城區按導航自動駕駛，點到點行駛	L3

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知，自動控制油門和制動系統，實現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，實現自動變道。ALC可以有效輔助駕駛員實現變道，解放雙手。

TJA，全稱Traffic Jam Assistant，即交通擁堵輔助。TJA可以理解為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，實現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現點到點行駛，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，當前已量産的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，對硬件和算法有更高的要求，目前隻有部分玩家實現了量産。NOA功能是目前已經量産的最高級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現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

1.2 泊車功能

表2彙總了當前主流的泊車功能，以及其對應的智能化等級、功能實現效果等。

表2 智能泊車功能彙總

序号	功能簡寫	功能全稱	效果	等級
1	APA	自動泊車	自動泊入、泊出選定的車位	L2
2	RPA	遙控泊車	通過遙控裝置，控制車輛自動泊車	L2
3	SS	智能召喚	通過遙控裝置，讓車輛自動到達指定位置	L3
4	HPA	記憶泊車	自動尋找到固定的車位，并自動泊入	L3
5	AVP	自主代客泊車	自動尋找到可用的任意車位，并自動泊入；通過遙控裝置，控制車輛到達指定位置； 駕駛員可以離開車輛	L4

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，并且在駕駛員選定車位後，控制車輛的橫縱向運動，實現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，從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。目前小鵬已經實現了量産的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，因此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，目前對軟硬件，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

1.3 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

序号	功能簡寫	功能全稱	效果	等級
1	FCW	前向碰撞預警	前方有碰撞風險時，發出預警	L0
2	AEB	自動緊急制動	前方有碰撞風險時，自動制動	L1
3	FCTA	前方交叉區域預警	前方交叉區域有碰撞風險，發出預警	L0
4	FCTB	前方交叉區域輔助	前方交叉區域有碰撞風險，自動制動	L1
5	LDW	車道偏離預警	車輛偏離車道時，發出預警	L0
6	LKA	車道保持輔助	車輛偏離車道時，自動橫向控制保持	L1
7	DOW	開車門預警	打開車門有碰撞風險時，發出預警	L0
8	BSD	盲點監測	實時對駕駛員的盲區監測，避免風險	L0
9	RCTA	後方交叉區域預警	後方交叉區域有碰撞風險，發出預警	L0
10	RCTB	後方交叉區域輔助	後方交叉區域有碰撞風險，自動制動	L1
11	RCW	後向碰撞預警	後方有碰撞風險時，發出預警	L0

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，因此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。

Part 2場景體系

從完全的用戶體驗角度，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

（圖片來源：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)）

2.1 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，影響用戶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，進出策略和匝道行駛穩定性的影響程度更高。

因此，我們需要基于不同的場景，分析在不同場景下，對用戶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指标。

2.1.1 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，對用戶體驗影響顯著的因素，以及對應的智駕性能指标，彙總後的内容見表4。

通常情況下，用戶會在直道上開啟智能駕駛功能，因此直道行駛時的智駕功能開啟條件是影響用戶體驗的一項因素。需要有明确、易記、方便的開啟條件，用戶才會樂于使用。

對應的性能指标主要是車速，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。當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甚至更低都可能實現。

在任何場景下，舒适性都是影響用戶體驗的直接因素。在直道行駛時，舒适性主要體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用戶感覺到危險，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體現，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，那麼用戶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體現，如橫擺角、側傾角及側向加速度等。當然，用戶的主觀感受也是舒适性的重要指标。

跟車場景下，由于涉及到外部車輛，因此安全感非常重要，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，因此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用戶體驗。

表4 本車道行駛場景的用戶體驗影響因素

序号	影響因素	性能指标
子場景1	直道行駛
1.1	智駕功能開啟條件	功能開啟時的車速要求 可以設定的車速範圍
1.2	舒适性	車速變化時的加減速度
1.3	車道保持效果	居中性—車輛與兩側車道線的距離
子場景2	彎道行駛
2.1	通過能力	彎道半徑
2.2	舒适性	過彎時的橫擺角、側傾角及其對應的角速度， 側向加速度
2.3	車道保持效果	居中性—車輛與兩側車道線的距離
子場景3	跟車行駛
3.1	安全感	跟車時距
3.2	舒适性	跟車的加減速度
3.3	響應度	前車車速變化時，自車的響應時間
子場景4	Cut-In/Cut-out
4.1	識别能力	可識别的前車Cut-In/Out的距離和時機
4.2	舒适性	前車Cut-In/Out時，自車的加減速度
4.3	響應度	前車Cut-In/Out時，自車的響應時間

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，從而影響到用戶體驗。

2.1.2 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。

變道能力體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指标。其中變道成功率是一個統計數據，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。

危險預判能力是用戶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用戶，用戶才會對系統逐漸産生信任和安全感。試想，如果用戶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，用戶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體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。因此，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用戶對系統能力的評價，而變道時的車速變化策略、加減速度、橫擺角速度、側向加速度等車輛狀态參數，則直接影響用戶的舒适體驗。

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指标。

表5 變道場景的用戶體驗的影響因素

序号	影響因素	性能指标
1	變道能力	變道成功率，車速範圍，道路曲率，車道寬度，極限變道距離
2	危險預判能力	提示相鄰車道危險車輛和障礙物的準确率， 相鄰車道危險源的距離和速度
3	合規性	能否按虛實線正确變道，是否影響相鄰車道通行
4	舒适性	變道決策時間和完成時間， 變道時的車速變化、加減速度、橫擺角速度、側向加速度
5	可控感	變道時駕駛員轉動方向盤或撥轉向燈的影響

2.1.3 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，因此我們需要考慮的用戶體驗影響因素，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

（圖片來源：關于荊州十字路口交通的建議 - e線民生 - 荊州新聞網 (jznews.com.cn)）

2.1.4 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，因此在匝道行駛的用戶體驗影響因素和指标，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、出匝道的策略和車速變化。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用戶體驗的重要指标。

2.2 泊車場景

泊車場景主要發生在停車場，因此與行車場景相比，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、搜索車位、泊入和泊出車位等。

2.2.1 停車場内行駛

當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，因此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知定位能力，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，用戶體驗的影響因素和指标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

序号	類别	内容
1	靜态特征	立柱
2	靜态特征	限位柱
3	靜态特征	輪擋
4	靜态特征	雪糕筒
5	靜态特征	标志牌
6	靜态特征	地鎖
7	靜态特征	路沿石
8	靜态特征	牆體
9	靜态特征	樹木
10	靜态特征	綠化帶
11	動态障礙物	行人
12	動态障礙物	動物
13	動态障礙物	兩輪車
14	動态障礙物	四輪車

2.2.2 搜索車位

搜索車位的用戶體驗，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，用戶的體驗也會越好。

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、水平車位與斜列車位等。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，車位搜索能力也應該基于多次測試的統計數據來評價，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

序号	分類依據	具體類型
1	車位相對自車位置	左、右
2	車位标線	有标線、無标線
2.1	标線層數	單、雙、多
2.2	标線類型	全封閉、半封閉、開口、角點
2.3	标線虛實	虛、實、混合
2.4	标線顔色	白、黃、藍
2.5	空間車位（無标線）的參照物	車-車、車-立柱、車-牆體、車-隔離帶、立柱-立柱、單車
3	車位标識	有标識、無标識
3.1	标識類型	數字、文字、字母、圖案
3.2	标識内容	車位号、定向車位、充電車位、VIP車位、女士車位、出租車位、專用車位
4	車位方向	垂直、水平、斜列

圖7 車位标線示意圖

圖8 部分空間車位示意圖

2.2.3 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。

當搜索到适合的車位時，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，體現了系統的泊車能力。泊入能力的指标包括成功率、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，舒适性直接影響了用戶的體驗。車輛在泊車過程中的加減速度和系統完成泊車的時間等指标，可以體現舒适性。

泊車的規範性是另一項影響因素，停放規範整齊的車輛，會增加用戶的好感和信任。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 泊入車位的用戶體驗影響因素

序号	影響因素	性能指标
1	泊入能力	泊入成功率，車位尺寸，場地空間，車輛初始姿态 車速，擋位調整次數
2	舒适性	加減速度，完成時間
3	規範性	泊車完成後，車輛相對車位的位置和姿态，如與車位線的距離、角度等

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。

Part 3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用戶側。因此，分析不同功能與場景之間的關聯，找出其内在聯系，是打通開發側與用戶側的重要途徑。

3.1 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，因此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，涉及的性能指标項。其中ACC需要考慮所有的指标，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，因此應用于變道場景。在開發ALC的過程中，開發者要重點關注的是變道場景下的用戶體驗影響因素，如變道能力、舒适性、合規性等，及其對應的性能指标。

TJA功能是ACC+LCC+ALC的疊加效果，因此需要包括這3種功能所包含的場景，即本車道内行駛+變道場景。相應的，需要考慮的用戶體驗影響因素和性能指标，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用戶體驗和性能指标項，因此想要做好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，不斷擴展，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用戶體驗，非常有幫助。

圖9 行車功能與場景的關系圖

3.2 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。

因此，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用戶體驗的因素。

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，加搜索車位，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，以及搜索車位的能力，這對車輛的融合感知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，其作用區域覆蓋了從車主下車，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、搜索車位、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用戶體驗和性能指标。另外，由于AVP功能開啟時，用戶已經離開車輛，因此高安全性和魯棒性，也是至關重要的，需要有足夠的安全冗餘設計。

圖10 泊車功能與場景的關系圖

結語

本文我們詳細解讀了當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指标，有利于在開發早期就打通開發側和用戶側的壁壘，将用戶體驗全程納入開發過程，實現同步開發。

當然，功能是不斷叠代的，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，持續升級拓展，真正地做到産品需求源于用戶，智駕功能服務于用戶，打造出高滿意度的智能駕駛解決方案。

寫在最後 關于投稿