![](data:image/svg+xml;utf-8,<svg width="24" height="24" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
今年年初搜狐E电园第一季智能车评测中，我们拉来了几台当时炙手可热的车型一起比倒车。虽然当时测试条件还都比较简单，但已经能看出不同品牌与方案下的车辆能力差异。然而过去的9个月，各种OTA、二代车、新硬件层出不穷，所以在第二季，我们决定进一步提升自动泊车环节的难度，在真实停车场中模拟日常场景，看看这些增强版车型的表现怎么样。
[ ·1· 科目简介]
既然提升了难度，自然要先来介绍一下此轮的考试场地与科目。此轮年考场地选在了北京某商场地下停车场之中，相比白天室外，光照明亮程度仍有很大差距，这也让视觉方案的各位还没开始就先叠了一层debuff。
考试科目设置上，此轮分为了车位识别、行人穿行、窄位泊车和侧方入库4个科目。第一科识别中又分为考察盲区识别效率的墙后车位识别、模拟VIP车位的桩桶占位识别与单侧车辆贴线停车的狭窄车位识别三种情况。同时我们还将根据车辆中控可视化界面，对自动泊车UI逻辑进行评价。
第二科行人穿行模拟小区和停车场中经常碰到的场景，车辆泊入垂直车位，途中路人从车尾横穿打断泊车。该项目主要考察车辆对于突然出现的行人的识别与刹车逻辑，同时也检测车辆受打断后的恢复泊车能力。虽然大家都是满身雷达，但实际体验下来可是参差不齐。
第三科窄位泊车，副驾驶侧道具车压线停车，侵占目标车位空间，模拟停车场中常见的乱停车行为。这种情况平时我们碰到了肯定是躲开不停，但万一这是停车场最后的空位呢，这时候自动泊车能给出多大的辅助就至关重要了。
最后一科是看起来最为普通的侧方入库，但其实这里面也是藏有玄机。首先此次的侧库位于左侧而非路边停车常见的右侧，如果厂商只对右侧做了优化，那在这里一定会栽跟头。其次这个车位尾部有一个车轮限位器，此类低矮障碍经常位于车辆的识别盲区，如果没有识别到一定会撞到这个位置，造成不佳的车内体验。
[ ·2· 车位识别]
第一科模拟找车位的考试中，处于第一梯队的分别是问界M5与极狐阿尔法S HI版，两者对于三个考察项目均可以做到快速准确地识别，同时驾驶员也能快速将UI界面中显示的场景与实景环境相对应，从而选择出自己想泊入的车位。非要两者争个高下，我认为还是问界M5在此项目中更胜一筹，AR实景的车位显示还是会给驾驶者更强的直观感。
紧随其后的分别是smart #1、KiWi EV大疆版、理想L9和蔚来ET5。蔚来与KiWi的丢分项主要源自桩桶占位识别的失利，ET5将其识别为可泊入车位，在障碍物探测范围还有优化空间。KiWi则是在桩桶车位显得有些犹豫，并不能每一次都准确识别出桩桶占位的情况。理想L9则是在狭窄车位识别处吃了亏。虽然该车位宽度足够理想L9顺利泊入，但是在系统识别中则显示该车位处于不能泊入的灰色状态。
smart的丢分项则是交互层面上，虽然与问界相似的AR实景显示对于周边环境表现得十分清晰，但出现了一次开始泊车立刻自动弹出程序的现象，让人有些摸不到头脑。L9在驾驶者点选不能泊入车位时，会给出不能泊入的理由，反馈互动感更强。KiWi和ET5做到了场景对应的准确性，但在不可泊入车位提示层面上仍可以做些优化。
最后一个梯队基本符合我们的预期，特斯拉Model Y(图片|配置|询价)、宝马i3与恒驰5的表现可以说是卧龙凤雏。Model Y虽然对于桩桶与两侧有车的狭窄车位均能成功识别，但是这套系统交互非常不友好，没有专门的自动泊车识别页面，停哪个车位，车往哪倒完全不能自己点选。特斯拉想去哪，你得听他的。
宝马i3虽然有专门的自动泊车页面，但整体上也属于停哪全靠猜的阶段。他觉得能停，给你个提示，你点一下，就由他去了。每次停车都跟猜谜一样，换我是不愿意去日常使用的。同时这台车只能识别两侧有车情况下的车位，对于两侧没车情况完全没有任何泊车响应。
最后是恒驰5，虽然做了车位点选菜单，但是可选车位并不会根据车辆的移动而在画面上有所调整，所以驾驶员根本也不知道自己选的车位是不是自己想停的车位。整体的体验就是你选你的，我停我的，咱俩各论各的。车位识别方面，这台车的表现倒是还可以，除了桩桶，其余车位均能正确识别（吧）。
[ ·3· 行人穿行]
行人穿行项目反而出乎了我们的意料，所有参赛选手都可以做到对于行人有躲避动作，不过在躲避逻辑、提示信息、以及最后泊车车位剧中这些细节的处理上，还是能看出各家厂商逻辑的调控。
这项考试最优秀的无疑是极狐阿尔法S HI版，它似乎可以预测行人的穿行动作，所以会提前减速轻踩刹车，给行人留有充足的行走空间。被打断后，这台车也能自动继续泊车动作，并将车辆停靠在车位剧中的位置，而整体1分04秒的用时在所有参赛选手中也算较快完成。唯一的瑕疵是行人穿行过程中，这台车并没有给到驾驶员相应的提示信息，可能是对自己的实力十分自信吧。
理想L9的刹车逻辑与阿尔法S类似，对于行人极为敏感，刹车点十分靠前，并且对于驾驶员有着充足的提示，车内车外都十分有安全感。但是这台车在被打断后无法自行重启泊车，需要人工介入后才能继续之前的进程，在这点上理想做的相对比较保守。不过泊入后居中表现优秀还是让理想扳回一城，最终以1分32秒的成绩完成此轮考试。
蔚来ET5、KiWi EV大疆版、smart #1与问界M5紧随其后，他们均能做到被打断后自动继续泊车，停车也基本处在剧中的范畴之中。但在刹车逻辑上，除KiWi外其他三台车面对行人时刹车时间点都比较晚，导致整体制动非常生猛，车内乘坐会有明显的突兀感。此外，问界M5似乎在左后方有一片雷达识别盲区，车辆对于此处行人毫无反馈，只有当行人走到车辆正后时才紧急制动，这种情况相比其他几位还是更加危险。
KiWi面对穿行行人只有减速，没有刹车动作。虽然体感上十分顺滑，但如果场景再极限一些，恐怕也会出现比较危险的场景。只不过凭借着小巧的车身，拿下了48秒入库的成绩，稍微挽回一些分数。
最后又是吊车尾三人组，话虽如此，但是恒驰5在这个测试中比i3与Model Y还是要好那么一点点的，好歹可以不用人工接管的完成停车入库动作，而且1分11秒的用时还算合理。反观Model Y，躲避完行人后就显得有些不太正常，本来一把能进的库他又多揉了一圈。最后停的不仅贴着右线，半个车头还露在外面，想完成停车还得靠驾驶员最后调整一把。
i3则是完全不识别目标车位，所以在这个项目中，我们采用了人工入库的方式考察车辆对于穿行行人的识别能力。单看躲避逻辑，i3也采用了一脚跺死的制动法则，确实安全，但在车里也确实不舒服。
[ ·4· 窄位泊车]
第三科窄位泊车就像我在前面说的，一般用不着，但如果说最后一个可用车位，那一套能顺利泊入的可靠系统会对用车便利性有着很大提升。然而在面对这种特殊车位时，大家的表现则是参差不齐。
第一名还是极狐阿尔法S HI版，整体表现十分流畅柔和，即使拥有接近2m的车宽都仅用时39秒入库，印证了其能力的强大。同时该车对于两侧距离的把控也十分到位，两侧车门开启都毫无压力，整体表现对得起大家的期待。
KiWi大疆版、smart #1与蔚来ET5则是稍逊一筹。smart和蔚来泊入后分别在车位中偏左偏右，让车内乘员下车开门时不得不小心翼翼挤着出门，不过时间方面，1分25秒与1分06秒的项目用时倒是还算快速。KiWi EV与他们二位正好相反，车停的挺居中，但整体前后挪车更谨慎，1分49秒的总用时丝毫没有体现出小车身带来的泊车优势，有些反直觉。
下一梯队是问界M5与恒驰5这两台SUV。之前表现良好的问界在这个项目中有些失误，1分27秒的时间不算长，但多次前后挪动让人觉得不太放心。最终的泊入位置也非常偏右，副驾驶侧基本开不开门，如果副驾有乘客，肯定需要驾驶员再稍微调整下位置。
恒驰5则是开启了它的节目效果。在面对狭窄车位，恒驰5直接不走寻常路，车头入库完成泊车。“倒车入库这么难，那我车头塞进去不就完了。”虽然恒驰5停的挺居中，但这无疑给驾驶员出库带来了不小的困扰。值得注意的是，在尝试功能期间，我们发现恒驰5的车头泊入是随机出现的，这种开盲盒的体验，我在停车时不想体验。
宝马i3则是复刻了Model Y在科目2时的表现，程序停止时，还留了半个车头在车位之外，需要人工调整才能真正入库。特斯拉Model Y和理想L9虽然结果上都是不能泊入，但有明确车位较窄提示的L9明显是对于车位进行了识别与判断，比完全不识别车位的Model Y能力上要高出一头。
[ ·5· 侧方入库]
侧方入库虽然终于把表现稳定第一的极狐阿尔法S HI版击落马下，然而拿到该项目冠军的还是华为系选手——问界M5。在本科最难的限位杆考察中，问界是场上唯二没有撞到车轮限位杆的选手，说明该车对于车辆正后方障碍物的识别比较有心得。同时，车辆泊入后的位置也比较居中，把控比较到位。唯一的小弱点是时间，相较对手们动辄50秒的时间，M5 1分09秒的总用时明显是面对识别准确率做了取舍。
KiWi则是另外一台没有撞到限位杆的车型，但是我们判断这样的结果是与其小巧的车身尺寸还是脱不开干系。相较于问界，KiWi的丢分项还是时间，前后挪动次数比M5多了一倍有余，这也让KiWi的总用时多出了近30s，过于保守的逻辑有些浪费了这台车便于停车的车身尺寸。
smart #1与宝马i3的表现基本属于同一水平线，两车后轮都撞到了限位杆，用时都在50秒左右，车身位置都有些偏右。两者面对这样的侧方停车，都属于可以用，但优化一点体验会更好的感觉。
蔚来 ET5、理想 L9与特斯拉 Model Y则是不能泊入车位。ET5与L9情况类似，均将车位内的限位杆识别成障碍物，所以无法泊入车位。至于Model Y，还是老样子，路过车位却就不显示那个诱人的字母P，最终以失败告终。
最后再来说说极狐阿尔法S HI版与恒驰5的表现。这两台车在泊入这个车位时，可以用“危险“二字形容。两者在后轮撞到限位杆时的反应不是停车，而是将其看作挑战，反而加电要翻过这根杆子。“我今天必将跨过这座小山。”好在极狐阿尔法S爬山爬到一半，突然意识到问题的严重性，自己踩住了刹车，但随后也迎来了大脑的宕机，程序完全卡死，前后动弹不得，等待驾驶员介入解救。
恒驰5则是誓死翻过障碍，看他没有刹车意图，我便紧急人工介入给了一脚制动。我本以为这样他能意识到问题，冷静下来重新思考当前状况。然而并没有，松了刹车之后他反而变本加厉，给了脚大电门，差点撞到我们摄像马老师。如果说撞一下限位杆只是给车内行人带来不好的乘坐体验，那攀爬限位杆则是十足的危险动作。对于这样的逻辑，我们强烈建议两个厂商立刻对系统逻辑进行修复升级，以防发生事故。
[ ·6· 特色功能]
除此之外，问界M5、smart #1与极狐阿尔法S HI版还都有各自的特色功能。问界M5与smart #1均可支持自定义泊车功能，面对画线不清晰的停车场或者未标线停车场都可以根据环境情况，自行确定停车位置。问界可以随意旋转车辆，相对自由度更高；而smart #1则提供了三种预设角度供大家选择，并支持角度微调，满足用户需求。
极狐阿尔法S HI版则可以代客泊出车位。即使泊入时是人工操作入位，它也可以在驾驶员选择泊出方向后自行泊车出位。在狭窄停车场中，这样的功能还是比较好用的。同时该车还支持记忆停车功能，但该功能只支持部分收录停车场，极狐也正在积极扩大数据库，争取让更多停车场支持这项功能。
[ ·7· 总结]
在面对更加贴近用车环境，更困难的项目时，各位的表现区分度还是比较明显的。第一梯队的极狐阿尔法S HI版与问界M5大多数项目表现均是优秀水平，同时还拥有比较强势的特色功能，属于目前比较强大的自动泊车系统。smart #1与KiWi EV大疆版构成的第二梯队虽然在能力上有所欠缺，但是考虑到他们的价格区间，立刻便有了合理性。
第三梯队的蔚来ET5和理想L9其实能力都不差，但是在算法优化上还有这各自精进的空间。而吊车尾的宝马i3、特斯拉Model Y和恒驰5，则是功能上聊胜于无，用来偶尔做个演示还可以，日常使用恐怕还需要更全面的进化升级。以上就是本季智能车自动泊车篇的全部内容，对比不易，求求大家这次一定，你的三连就是我们最大的动力。
![](data:image/svg+xml;utf-8,<svg width="40" height="40" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
渝公网安备50010502503425号
评论·0