隨著自動駕駛技術(shù)向 “低速封閉場景優(yōu)先落地” 的路徑深化，自主代客泊車（AVP）已成為當(dāng)前車企、停車場運(yùn)營商布局的核心場景之一 ——2025 年前后，AVP 系統(tǒng)正逐步從示范項(xiàng)目轉(zhuǎn)向規(guī)模化商用，其安全表現(xiàn)直接決定了用戶接受度與商業(yè)化進(jìn)程的推進(jìn)效率。

與高速自動駕駛不同，AVP 場景雖具備 “低速、半封閉” 的特征，但實(shí)際運(yùn)行中仍面臨環(huán)境動態(tài)性（如臨時障礙物、人員穿行）、設(shè)施兼容性（如不同停車場的標(biāo)識差異）、系統(tǒng)功能預(yù)期偏差（如感知漏檢低矮物體、決策邏輯適配不足）等風(fēng)險；而這類風(fēng)險恰屬于 “預(yù)期功能安全（SOTIF）” 范疇 —— 區(qū)別于傳統(tǒng) “故障導(dǎo)向” 的功能安全，SOTIF 聚焦 “功能設(shè)計預(yù)期之外的安全隱患”，是當(dāng)前 AVP 落地階段的核心安全痛點(diǎn)。

當(dāng)前行業(yè)對 AVP 的預(yù)期功能安全研究已形成初步框架，但測試方法層面仍存在短板：場景覆蓋缺乏體系化庫源、測試環(huán)節(jié)（模擬仿真 / 封閉場地 / 開放停車場）的銜接邏輯不清晰、測試評價標(biāo)準(zhǔn)尚未統(tǒng)一。在此背景下，《2025 自主代客泊車系統(tǒng)預(yù)期功能安全測試方法白皮書》以 AVP 場景的 SOTIF 需求為核心，擬通過梳理研究現(xiàn)狀、明確系統(tǒng)定義與風(fēng)險、構(gòu)建場景庫、設(shè)計全鏈路測試體系、制定評價準(zhǔn)則，填補(bǔ)當(dāng)前 AVP 預(yù)期功能安全測試方法論的空白，為行業(yè)提供可落地的測試參考框架。

一、AVP 預(yù)期功能安全概述

1.1 研究背景及意義

智能網(wǎng)聯(lián)車安全包含功能安全、預(yù)期功能安全（SOTIF）、信息安全，其中 SOTIF 源于系統(tǒng)性能局限、功能不足、人員誤用。近年智駕系統(tǒng)引發(fā)的追尾、泊車事故頻發(fā)，推動了 ISO 21448（SOTIF 標(biāo)準(zhǔn)）的制定 —— 該標(biāo)準(zhǔn)將場景分 “已知安全 / 不安全、未知安全 / 不安全” 四類，目標(biāo)是擴(kuò)大安全場景、縮小不安全場景。

AVP 是商用前景突出的自動駕駛系統(tǒng)，其 SOTIF 研究既補(bǔ)充功能安全，也能完善系統(tǒng)設(shè)計運(yùn)行域（ODD）與功能定義，提升安全性與用戶滿意度。

1.2 研究現(xiàn)狀

1.2.1 AVP 技術(shù)現(xiàn)狀

用戶泊車存在 “難、事故多” 痛點(diǎn)（泊車事故占各類事故 44%），自動泊車分四類：

APA（基礎(chǔ)）：需駕駛員在車操作，L2 級；

RPA：可車外遙控泊車，解決開門難題；

HPA：能記憶常用路線，自主泊入；

AVP：真自動駕駛，可自主進(jìn)入陌生停車場，無需人員在車，L4 級。

相比前三種泊車功能，AVP 是真正意義上的自動駕駛，搭載AVP 系統(tǒng)的車輛可以自行進(jìn)入完全陌生的停車場，不需要先行學(xué)習(xí)，就能完成所有的泊車動作，并且不需要駕駛員在車上，因此AVP 成為解決最后一公里自動駕駛問題的有效手段。該系統(tǒng)在應(yīng)用場景中具備相對較高的安全性，被認(rèn)為是最有商業(yè)應(yīng)用和量產(chǎn)前景的自動駕駛場景之一。

AVP 系統(tǒng)是指用戶在停車場指定下客點(diǎn)下車，通過手機(jī)APP 下達(dá)泊車指令，車輛在接收到指令后可自動行駛到停車場的停車位，不需要用戶操縱與監(jiān)控；用戶通過手機(jī)+APP 下達(dá)取車指令，車輛在接收到指令后可以從停車位自動行駛到指定上客點(diǎn)，圖1.3 所示為AVP 功能全流程，

1.2.2 SOTIF 現(xiàn)狀

傳統(tǒng)功能安全標(biāo)準(zhǔn)（ISO 26262）無法覆蓋 “非故障類風(fēng)險”，ISO 21448 填補(bǔ)此空白。現(xiàn)有研究含 STPA 分析方法、多支柱測試框架等，但 AVP 的 SOTIF 研究多為定性分析，無法量化風(fēng)險。

1.2.3 AVP-SOTIF 標(biāo)準(zhǔn)現(xiàn)狀

國際有 ISO 21448、ISO 23374 等標(biāo)準(zhǔn)，國內(nèi)有團(tuán)標(biāo) T/CSAE 156-2020、地方標(biāo)（如上海、深圳），但這些標(biāo)準(zhǔn)未依 ISO 21448 指導(dǎo) SOTIF 場景設(shè)計與測試，存在研究空白。

1.3 研究內(nèi)容

以 ISO 21448 為指導(dǎo)，研究四部分：

• 風(fēng)險識別與危害分析：理清 AVP 功能、ODD，用 ISO 21448 和 STPA 方法析 SOTIF；

• 場景庫搭建：分析 AVP 場景，建立場景庫并設(shè)計 SOTIF 場景；

• 測試體系：用 “多支柱法”，開展模擬、封閉場地、開放停車場測試；

• 評價體系：制定 SOTIF 接受準(zhǔn)則，建立主客觀結(jié)合的評價體系。

二、AVP 功能定義及風(fēng)險識別與危害分析

2.1 AVP 系統(tǒng)定義

2.1.1 功能定義

自動泊車系統(tǒng)按功能復(fù)雜程度從低階到高一般分為全景影像輔助（Around View Monitor，AVM），自動泊車輔助（Auto Parking Assist，APA），融合泊車輔（ Fusion Parking Assist，F(xiàn)PA），遙控泊車輔助（Remote Parking Assist，RPA），記憶泊車輔助（Home-zone Parking Assist，HPA）和自主代客泊車（Automated Valet Parking，AVP）。

自動泊車按復(fù)雜度分低階（L0-L2）、高階（L3-L4）：

低階：AVM（僅預(yù)警，L0）、APA（輔助泊車，L2）、FPA（融合感知，L2）、RPA（車外遙控）；

高階：HPA（記憶路線，L3）、AVP（L4）—— 用戶離車后，車輛可自主尋位、泊入 / 泊出，還能識別系統(tǒng)狀態(tài)、執(zhí)行風(fēng)險最小化措施（MRM）。

AVP的系統(tǒng)總體工作任務(wù)主要包括停泊點(diǎn)指定 、車輛定位 、環(huán)境感知 、全局路線規(guī)劃、車輛動態(tài)控制、局部路線規(guī)劃、車輛軌跡計算等，工作流程如圖 2.1所示：

AVP 含三子系統(tǒng)：

• 車端：承載車輛，具備 L2 + 控制能力；

• 場端：含停車場設(shè)施，負(fù)責(zé)發(fā)指令、感知等；

• 云端：含用戶 / 車輛 / 場端后臺，負(fù)責(zé)數(shù)據(jù)交互、遠(yuǎn)程控等。
  

綜上，相較于其他泊車輔助系統(tǒng)綜上， 相較于其他泊車輔助系統(tǒng)AVP的功能實(shí)現(xiàn)方式較為多樣，一般可由的功能實(shí)現(xiàn)方式較為多樣，一般可由車端主導(dǎo)、云車端主導(dǎo)、云/場端主導(dǎo)及車-場-云協(xié)同完成，三種子系統(tǒng)在泊車任務(wù)中承擔(dān)的云協(xié)同完成，三種子系統(tǒng)在泊車任務(wù)中承擔(dān)的云協(xié)同完成，三種子系統(tǒng)在泊車任務(wù)中承擔(dān)的角色如表 2.1所示：

將泊車系統(tǒng)功能切分為不同的子系統(tǒng)，AVP各子系統(tǒng)及用戶交互架構(gòu)如圖2.2所示：

2.1.2 AVP 系統(tǒng)設(shè)計運(yùn)行域（ODD）

從靜態(tài)實(shí)體、環(huán)境、動態(tài)實(shí)體、駕駛?cè)藛T、車輛狀態(tài)5 個維度，調(diào)研 9 家 OEM 車輛，用 “AVP 系統(tǒng) ODD 覆蓋度” 統(tǒng)計特征覆蓋情況：覆蓋度 < 50% 為 “ODD 外特征”，反之則為 “ODD 內(nèi)特征”。各維度按一 / 二 / 三層級梳理特征，最終第三層級特征共 147 個（如靜態(tài)實(shí)體第三層級 47 個、環(huán)境 17 個等）。

2.1.3 系統(tǒng)架構(gòu)分析

2.1.3.1 系統(tǒng)傳感器布置方案

針對常見方案展開：包含前向攝像頭（1 個）、毫米波雷達(dá)（前向 1 個 + 角雷達(dá) 4 個）、激光雷達(dá)（1 個）、駕駛員監(jiān)控攝像頭（1 個）、超聲波雷達(dá)（前向 4 個 + 后向 4 個 + 左 / 右向各 2 個）、360 環(huán)視攝像頭（4 個）、慣性導(dǎo)航單元（1 個）、主控制器（1 個），配套布置圖。

表 2.3是針對 AVP系統(tǒng) 的傳感器 、控制器 、執(zhí)行器的數(shù)量以及功能說明。

2.1.3.2 AVP 系統(tǒng)架構(gòu)

AVP 系統(tǒng)（車端智能技術(shù)支撐）集成多傳感器與技術(shù)，實(shí)現(xiàn)自主巡航、車位搜索等功能，架構(gòu)分硬件單元（上述各類傳感器、控制器）與軟件單元（目標(biāo)檢測 / 融合識別、全局路徑規(guī)劃等算法）。不同傳感器分工明確：攝像頭識路況 / 標(biāo)識 / 目標(biāo)，激光雷達(dá)測環(huán)境距離 / 形狀，超聲波雷達(dá)測近距離；系統(tǒng)依賴自動駕駛、路徑規(guī)劃等技術(shù)，接收駕駛員指令后，整合傳感器數(shù)據(jù)做實(shí)時決策，完成車輛控制。

2.2 風(fēng)險識別與危害分析

2.2.1 基于系統(tǒng)理論的過程分析（STPA）概述

STPA 將系統(tǒng)安全視為控制問題：外部干擾、組件失效 / 異常交互未被有效控制，會導(dǎo)致事故。它適用于開發(fā) / 設(shè)計 / 運(yùn)行階段的控制問題，通過 “分層控制結(jié)構(gòu)” 描述系統(tǒng)組件控制關(guān)系，需滿足安全約束才保障安全。實(shí)施步驟為：定義分析目的→構(gòu)建控制結(jié)構(gòu)→識別不安全控制行為→識別致因場景。

2.2.2 定義分析目的

STPA 第一步，含四部分：①定義損失（事故）；②識別系統(tǒng)層級危險；③確定系統(tǒng)層級安全約束；④提煉危險（可選）。損失含生命傷害、財產(chǎn)損失等 7 項(xiàng)；

危險是 “特定不利條件下致事故的系統(tǒng)狀態(tài) / 條件”，定義 5 類并與損失關(guān)聯(lián)。

2.2.3 建立 AVP 系統(tǒng)分層控制結(jié)構(gòu)

這是反饋控制回路的系統(tǒng)模型，結(jié)合 AVP 特點(diǎn)構(gòu)建結(jié)構(gòu)圖，行為執(zhí)行方為駕駛員、用戶端控制平臺、AVP 系統(tǒng)、車輛，對應(yīng)梳理出控制 / 反饋行為：

• 駕駛員：下載停車場高精地圖、在激活區(qū)啟功能選車位；

• AVP 系統(tǒng)：收指令后自檢、控制車輛，故障時提示、執(zhí)行最小風(fēng)險策略（MRM）；

• 車輛：傳感器獲環(huán)境信息，經(jīng)控制器做路徑規(guī)劃 / 控制。同時梳理出 8 類整車級關(guān)鍵控制行為（CA）。

2.2.4 識別不安全控制行為（UCA）

STPA 定義 4 類不當(dāng)控制：

• ①未提供 / 未有效實(shí)施控制行為；

• ②提供錯誤 / 不安全控制行為；

• ③控制行為時機(jī)錯誤；

• ④控制行為停止 / 持續(xù)不當(dāng)。

結(jié)合 CA，共識別 43 項(xiàng) UCA：人機(jī)交互涉及 16 項(xiàng)，減速 / 加速 / 轉(zhuǎn)向涉及 27 項(xiàng)（其中減速類 UCA 占比 42%），還選取了典型 UCA 示例。

分析各類型 UCA數(shù)量分布， 數(shù)量分布， 減速（制動）的 UCA占比最多（ 42%），主要 ），主要 考慮合理的減速（制動）可以避免多數(shù)危害發(fā)生，各類型 UCA分布如分布如 圖 2.7所示，同時選取不類型中典示，同時選取不類型中典UCA作為示例，匯總結(jié)果如 作為示例，匯總結(jié)果如表 2.10所示：

對AVP系統(tǒng)的功能與系統(tǒng)定義以及風(fēng)險識別與危害分析進(jìn)行了梳理，明確了AVP系統(tǒng)的設(shè)計運(yùn)行域及系統(tǒng)架構(gòu)�；赟TPA方法，界定了分析目標(biāo)，構(gòu)建了模型，推導(dǎo)出43類不安全控制行為，同時梳理出107個潛在危險事件。

對這些危險事件進(jìn)行了嚴(yán)重度和可控度評價，識別出92個不可接受的危險事件。

2.2.5 識別致因

基于傳感器性能局限和人為誤用，確定了41項(xiàng)誘因，并結(jié)合它們完成了致因場景的梳理，為測試方法的編寫提供了場景搭建方面的支持。 場景駕駛場景是指駕駛員實(shí)際的駕駛環(huán)境。本次通過實(shí)車公開道路采集的方式，開展了駕駛場景采集工作。

三、AVP預(yù)期功能安全場景搭建研究

本章節(jié)從AVP場景分析著手，依據(jù)預(yù)期功能安全靜態(tài)場景七層架構(gòu)，梳理從駕駛、事故、失效及標(biāo)準(zhǔn)場景獲取的、與AVP系統(tǒng)相關(guān)的全部場景，形成AVP場景庫。

針對場景特征參數(shù)缺失的問題，主要依托對駕駛場景的特征參數(shù)統(tǒng)計結(jié)果或者標(biāo)準(zhǔn)場景參數(shù)進(jìn)行補(bǔ)充。

從已搭建的場景庫中抽取致因場景。對于未覆蓋的致因場景，可從如AEB等場景中借鑒，完成對致因場景的全覆蓋。

3.1 AVP場景分析

3.1.1 場景梳理簡述

根據(jù)預(yù)期功能安全靜態(tài)場景七層架構(gòu)梳理場景特征，依次記錄道路特征、交通基礎(chǔ)設(shè)施、交通參與者、氣候環(huán)境、通信狀態(tài)、自車狀態(tài)及車位狀態(tài)。

參考已發(fā)布的AVP相關(guān)標(biāo)準(zhǔn)，完善了對各層級的特征要素梳理，共44個，層級對應(yīng)的特征要素匯總結(jié)果見表3.1。

考慮到存在重復(fù)場景以及數(shù)據(jù)采集質(zhì)量問題，需要進(jìn)行場景預(yù)處理。此操作通過特征聚類的方法，結(jié)合各階段功能特點(diǎn)有針對性地提取典型特征，將特征一致的場景歸為同類場景。典型特征匯總見表3.2。

3.1.2 駕駛場景梳理

將AVP功能分解為5個階段，分別是入場、巡航、泊入車位、泊出車位以及出場階段，并與場景進(jìn)行匹配。

入場階段從車輛到達(dá)停車場入口處開始，到通過停車場入口通道結(jié)束；巡航階段從車輛通過停車場入口通道開始，到已識別車位或到達(dá)預(yù)定車位結(jié)束；泊入車位階段從車輛已識別車位或到達(dá)預(yù)定車位開始，到泊入完成結(jié)束；泊出車位階段從開啟遠(yuǎn)程召喚或車輛開始泊出開始，到駛離車位進(jìn)入停車場內(nèi)通道結(jié)束；出場階段從車輛駛離車位進(jìn)入停車場內(nèi)通道開始，到到達(dá)召喚點(diǎn)或駛出停車場出口結(jié)束。

通過場景采集征集，共獲得2816個駕駛場景，五個階段的占比較為均衡。

考慮到存在重復(fù)場景以及數(shù)據(jù)采集質(zhì)量問題，需要進(jìn)行場景預(yù)處理。此操作通過特征聚類的方法，結(jié)合各階段功能特點(diǎn)有針對性地提取典型特征，將特征一致的場景歸為同類場景。典型特征匯總見表3.2。

基于覆蓋原則，將254個駕駛場景縮減為64個，即64類場景。

3.1.3 事故場景梳理

通過全網(wǎng)檢索泊車相關(guān)事故的圖片和視頻，鑒于目前各單位AVP產(chǎn)品的開發(fā)及測試評價進(jìn)度，AVP功能的真實(shí)事故場景較少，因此本次檢索包含了人為駕駛和輔助駕駛下與泊車功能相關(guān)的事故場景。

結(jié)合功能與事故場景特點(diǎn)，按階段分為入場階段、循線搜索車位階段、泊入車位階段、泊出車位階段和出場階段，部分事故圖片見圖3.4。

本次共收集事故場景71例，涵蓋入場、循線、泊入車位、泊出車位以及出場階段，各階段的占比如圖3.5所示。

從圖3.5中可知，事故場景在循線和泊入車位階段占比最高，均達(dá)到了42%；其次是泊出車位階段，占比為11%；出場和入場階段較少，合計占比為5%。

在入場階段中，存在直道巡航過道閘和彎道巡航過道閘兩類事故，均與道閘發(fā)生碰撞。

在巡線階段，存在直道巡航事故、彎道巡航事故、坡道巡航事故及路口巡航事故，碰撞目標(biāo)包括乘用車、兒童、成年人、二輪車。在巡線階段中，直道巡航時目標(biāo)車輛泊出車位引發(fā)的事故居多，然而直道巡航時與橫穿兒童發(fā)生碰撞的事故尤其需要關(guān)注。具體事故場景、目標(biāo)類型及行為分布見表3.4。

? 如欲獲取完整版PDF文件，可以關(guān)注鈦祺汽車官網(wǎng)—>智庫，也可以添加鈦祺小助理微信，回復(fù)“報告名稱：2025自主代客泊車系統(tǒng)預(yù)期功能安全測試方法白皮書 ”。

點(diǎn)擊下方，查看近期熱門行業(yè)研究報告