3. 泊车场景与需求分析

APA自动泊车系统的集成设计,第一步不是选传感器,也不是写控制算法,而是把“车要停进什么样的位、用户希望怎么停、法规允许怎么停”这三件事说清楚。场景与需求分析决定了后续感知量程、路径规划曲率、控制精度和交互策略的全部边界。本节围绕四类典型车位形态展开,并给出可落地的需求条目化方法。

一、四类典型泊车场景的几何与操作特征

车位形态直接决定泊车运动学特征。平行泊车需要“先并行、再倒弧、再回正”的多段圆弧组合,对后向感知和最小转弯半径敏感;垂直泊车以约90°倒入为主,通道宽度和车位深度是关键约束;斜列泊车(常见30°、45°、60°)允许更小的转向幅度,但对车位角度识别精度要求高;狭窄车位则是在前三种形态上叠加“余量极小”的极端条件,考验系统的极限控制与安全冗余。

四类泊车场景:几何形态 · 运动特征 · 关键约束 平行泊车 车位长 ≈ 车长 + 0.8~1.2m 车位宽 ≈ 车宽 + 0.6~1.0m 多段圆弧 · 后向感知敏感 垂直泊车 车位深 ≈ 车长 + 0.5~0.8m 通道宽 ≥ 5.5~6.5m 约90°倒入 · 通道宽度敏感 斜列泊车 车位角 30°/45°/60° 转向幅度小 · 一次倒入 角度识别精度要求高 狭窄车位 单侧余量 ≤ 0.3m 需多次揉库 · 极限控制 安全冗余与退出策略关键 场景 → 系统需求映射 感知需求 超声波/环视量程与盲区 规划需求 最小转弯半径与曲率 控制需求 低速精度与揉库次数 交互与安全 提示、接管、退出条件 场景分析输出:车位尺寸阈值、感知量程、路径曲率上限、控制精度、交互与安全策略

二、用户需求:从“能停进去”到“敢用、愿用”

用户对APA的需求可分为三层。第一层是功能可用性:能识别车位、能停进去、不剐蹭。第二层是效率与体验:泊车时间可接受、揉库次数少、方向盘动作平顺、不频繁中断。第三层是信任与可控:系统状态可见、可随时接管、失败时有明确提示和退出策略。工程上常把这三层转化为可测量的指标,例如:

  • 车位识别成功率 ≥ 95%(标准车位、光照良好);
  • 平行泊车平均完成时间 ≤ 45s,垂直泊车 ≤ 35s;
  • 狭窄车位允许揉库次数 ≤ 5 次,且每次动作可解释;
  • 接管请求到用户接管的响应窗口 ≥ 1.5s;
  • 误刹率与漏检率满足整车安全目标(如 ASIL B 相关指标)。
用户需求不是“功能列表”,而是“可验收的指标”。在需求分析阶段就把指标写清楚,后续感知、规划、控制的参数才有对齐依据。

三、法规与标准要求:边界条件不能靠猜

APA涉及车辆运动控制与外部环境交互,必须满足法规与标准约束。国内主要参考GB/T 41630《智能泊车辅助系统性能要求及试验方法》,对车位识别、泊车精度、失败退出等有明确试验条件;功能安全参考ISO 26262,预期功能安全参考ISO 21448;此外还有关于低速提示音、灯光信号、数据记录等要求。集成工程中需要把法规条款拆成设计输入,例如:

法规/标准输入 → 设计约束示例
GB/T 41630      → 试验车位尺寸、光照、地面材质、目标物
ISO 26262       → 危害分析与安全目标、故障响应时间
ISO 21448       → 感知局限场景、误用场景、可控性
低速提示音法规   → 泊车过程中声学提示策略
数据记录要求     → 关键事件日志字段与存储周期

四、场景与需求条目化:一张表把边界说清楚

把场景、用户需求、法规要求合并为需求条目,是本节最核心的工程动作。下表给出一个可复用的条目模板,实际项目中每条都应绑定验证方法。

需求编号 场景 需求描述 关键指标 验证方法
REQ-P-01 平行泊车 识别长度≥车长+0.8m的车位 识别成功率≥95% 实车场地测试
REQ-V-02 垂直泊车 通道宽度≥5.5m时可完成倒入 完成时间≤35s 实车+仿真
REQ-D-03 斜列泊车 支持30°/45°/60°车位角度识别 角度误差≤3° 标定台架+实车
REQ-N-04 狭窄车位 单侧余量≤0.3m时允许揉库 揉库≤5次,无剐蹭 极限场景测试
REQ-S-05 全场景 系统可随时被用户接管 接管响应≤200ms HIL+实车

五、常见误区与复盘要点

误区一:只按标准车位做设计。实际地下车库存在柱边、消防栓、地锁、邻车压线等情况,需求分析必须覆盖“非理想车位”。

误区二:把用户需求等同于功能清单。“支持垂直泊车”不是需求,“通道5.5m、车位深5.3m条件下35s内完成且不中断”才是可验收需求。

误区三:法规要求后置。法规条款若在集成后期才引入,往往导致感知量程、提示策略、日志字段返工,成本极高。

复盘时建议按“场景—需求—指标—验证”四列逐条核对,确保每个场景都有对应的需求条目,每条需求都有可测量的指标和明确的验证方法。只有把场景边界和需求边界同时锁定,后续的传感器选型、路径规划和控制参数才有稳定的设计输入。