自主泊车系统研究综述

石天聪，刘雪，余政涛

（长安大学汽车学院，陕西 西安 710064）

引言

汽车给人们带来便利的同时，也带来了很多安全问题，比如发生严重的交通事故。2006年，密歇根大学交通研究所对一份关于17个州的34个城市及哥伦比亚特别行政区的交通事故调查报告进行了统计，统计结果表明：因泊车操作引起的交通事故，占此次调查全部交通事故的44%[1]。复杂的泊车空间环境、有限的视野范围、要求车辆行驶速度与方向盘转向合理配合等多个因素容易使驾驶员感到紧张，最终导致泊车事故发生。自主泊车系统的出现不仅可以有效地减少交通事故的产生，而且对于很多新手和驾驶技术不娴熟的人来说也是一个福音，可以帮助他们将车辆快速，安全地驶入停车位。

自主泊车系统（Automatic Parking system，APS）也可以被称为自动泊车，是指汽车可以自动识别停车位，从而进行车辆停车过程的路径规划，控制车辆驶入车位的一种辅助驾驶系统，按照停车方式，它可以分为垂直停车和平行停车，垂直停车一般是在停车场中停车时的状态，平行停车一般是在道路两侧停车位停车，也可以称为侧方位停车。随着相关研究的深入，自主泊车系统正在从半自动泊车（仍需要驾驶员进行辅助操作）向全自动泊车发展。

1 研究现状简介

1.1 检测识别

对目标停车位的检测识别是自主泊车系统的一个重要组成部分，市场上大多数（半）自动泊车系统产品都是通过用户界面，以空间的超声传感器（通常安装在车辆的两侧）为基础来指定目标停车位的位置。同时，全景式监控影像系统（Around View Monitor，AVM）已成为停车辅助产品，一些汽车制造商已生产了配备此系统的车辆。AVM系统通过将由三台或四台摄像机采集的大量图像拼接在一起，来生成车辆360°周围环境的鸟瞰图图像。显示AVM图像有助于驾驶员在停车操作期间轻松识别停车位标记和车辆周围的障碍物。

随着智能网联技术的发展，A. Nandugudi等（2014年）分析了一种有趣的方法，该方法利用诸如加速计之类的用户智能手机传感器来检测用户活动，以确定他们是在停车还是要离开。后台应用程序读取传感器数据，并巧妙地使用此信息来确定某个停车场是否有空位[2]。

1.2 路径规划

路径规划是指借助传感器获取的泊车可行驶区域，并结合车辆的几何参数，预先规划出一条理想的泊车轨迹。

平行泊车常用的是确定公法线加相切圆弧的方案规划设计一条可行的期望路径轨迹。泊车时，存在着泊车路径不连贯，需要反复调整的问题，许多研究者通过算法设计优化泊车路径，比如粒子群算法，遗传算法等。李红等（2016年）提出基于B样条理论的平行泊车路径规划方法，该方法综合车辆停放要求，以B样条路径曲线控制点为变量，以泊车终点处车身方位角最小化为目标，建立了含有避障约束等多个约束的泊车路径函数。用该方法对多个泊车工况进行路径规划并仿真，结果表明基于B样条理论的泊车路径规划方法可得到较优的泊车路径[3]。

垂直泊车过程与平行泊车类似，也需要考虑避撞、转向等约束条件，对路径进行平滑，而且垂直泊车存在着泊车空间狭窄的问题，尹刚（2019年）分别对理想条件下的单步垂直泊车和狭窄泊车环境下多步垂直泊车进行路径规划，并采用了粒子群优化算法理论优化路径，对优化前后的路径进行对比，优化后的路径不仅能实现安全无碰撞地进入目标车位，而且缩短了车辆的行驶长度[4]。

1.3 车辆控制

在确定好车辆泊车过程的路径后，下一步的工作是控制车辆跟踪规划好的泊车路径安全行驶进入停车位。目前，基于人工智能的方法如模糊逻辑、遗传算法、神经网络和混合智能技术已经引起了研究者的广泛关注。人工智能被认为是自主停车系统克服传统方法的局限性和问题的关键因素之一。

模糊控制系统是以模糊数学、模糊语言的知识和模糊逻辑的规则为理论基础，采用计算机控制构成的一种具有反馈通道的闭环控制系统。模糊控制无需被控制对象有完备精准的数学模型，故对难以创建模型的控制对象如APS，是一种良好的控制方法，而且它可以弱化参量变化和不可避免的干扰产生的影响，使系统在误操作，异常情况下也具有良好的稳定性。王芳成（2010年）设计了可实现自动泊车的模糊控制器，并通过matlab/simulink进行仿真分析，验证了控制器的可行性[5]。

强化学习属于人工智能的一个领域，是在多次迭代中自主地重新修正算法来进行学习，其完全根据规则自我进化，没有人类主观经验的干预，使得最终系统的性能超越了人类水平。比如，在计算机游戏模拟环境中，利用强化学习训练的智能体可达到经验玩家的水平。张继仁等（2019年）提出了一种基于强化学习的泊车运动规划，基于蒙特卡洛树搜索和初始的神经网络，结合车辆模型，对不同库位、起始位置进行仿真，产生数据；然后建立安全性，舒适性相关指标对数据进行评价，利用筛选后的最优数据来更新网络。该更新的网络又用到下一次迭代产生数据中，从而为蒙特卡洛树搜索提供更强的搜索引导。这样使得产生的泊车数据质量不断提升，学习到的泊车策略不断增强，最终收敛到最优，从而达到自主学习的目的[6]。

1.4 性能评价

国内外学者已经对自动泊车技术进行了大量研究，但关于自动泊车系统评价的相关研究及评价标准较少，周莎等（2020年）提出了一种有价值的评价方法，通过结合定量与定性指标，可以对APS系统进行较为可靠的评价[7]。目前，各大汽车厂商仍将自动泊车技术视为高科技配置，加之消费者对自动泊车系统信任程度不高，使得自动泊车系统技术应用落后于理论研发。因此，随着技术的进步、市场的成熟，结合消费者的认知，有必要出台自动泊车相关的真实有效的评价标准。

2 未来发展方向

通过大量阅读文献，我认为接下来对于自动泊车系统的研究可以从以下几个方面入手：

（1）应用智能网联技术对停车场和车辆信息进行实时通信，综合利用，建立更加智能的停车场系统。

（2）通过人工智能实现自动泊车已被证明是比较有价值的研究方向，考虑建立自动泊车相关的数据集，便于深度学习等的应用。对深度学习，强化学习等进行更深入的研究与试验，建立对不同场景都能实现自动泊车的较为全面地系统。

（3）目前仍是高端车辆应用自动泊车技术，随着技术的进一步发展，可以从经济效益的角度出发，减小成本，使自动泊车能得到更广泛的应用。

（4）对自主泊车系统性能评价还要进行更多的对比研究，加快完善自动泊车系统的评价标准。

3 结语

自主泊车系统是一个集成了许多新科技的系统，有很多地方值得我们进行研究，本文对其研究现状进行了综述，便于研究者来了解自主泊车系统。自主泊车系统降低了泊车的难度，可以安全，准确地完成泊车过程，未来具有广阔的发展前景。