真实体验理想城市NOA的优点于不足

#提车日记 #用车心得 #保养攻略

在一年前我的认知里无高精地图的辅助驾驶只有特斯拉 fsd 一家独领风骚，看过很多美版 fsd 上路视频，拟人化操作体验实震撼，没想到短短的一年后，国内车企的城市辅助驾驶如雨后春笋般的冒出，具有代表性的有华为ADS、小鹏XNGP、理想城市NOA。这次在北京体验的是无高精地图辅助驾驶系统-理想城市 NOA。体验路段：北京望京区体验车型：理想 L9现阶段版本体验下来，给我的惊喜是大于不足的，在望京复杂的路况下，大部分的驾驶都无需接管，总体给到我比较安稳有信心的体验，但是在比较复杂路面情况下还是需要接管。下面我会分析以下十六个典型案例。

一、直行通过红绿灯🚥在望京我们经历了非常多的路口，当在路口遇到红灯，车辆会精准的识别，并准确停止路况，当绿灯亮起，车辆会迅速的起步。

二、对面车道内突然出现的行人刚进入望望京，马上给 noa 来了一个下马威，车辆右侧突然出现一个行走在车道线的大哥，车辆左手边有车，无法绕行，此时车辆选择了最安全的策略，刹停让人。

三、面对突然的贴身加塞望京独有的欢迎方式，贴身加塞，车辆应对从容不迫，系统识别到加塞车辆速度比我们车辆快很多，和我们车辆速度差比较大，并没有采取非常保守的减速制动行为，依旧按照自己的节奏驾驶。

四、通过路况非常复杂的路口绿灯亮起，我们的车辆在左边第二个车道，系统规划的路线是通过路口缓慢汇入最左侧车道，但是我们和左后方驶来的车辆有一个博弈，导致车速很慢，右侧的宝马也因为车道被挤压，距离我们非常近，此时我进行了接管，有优化提升的空间。

五、遇到车流量巨大的左转这是一个同时可以直行和左转的路口，我们需要左转，对象直行车流量非常大，车辆选择原地等待，待对象直行车辆离开系统规划的左转路线，车辆顺利的完成左转。

六、经过乱停乱放路段此路段原本是三车道，因为乱停乱放的车辆太多，已经变成了一车道，系统会识别出右边停放车辆是熄火停车状态，规划好避让路线，顺利通过。

七、左转遇到电摩托noa 识别出横穿系统规划路线的电摩托，此时电摩托速度较快，并不会和我们规划路线发生干涉，车辆没有进行过于保守的减速刹停策略，很流畅的通过这个左转路口。

八、散落地面的异物系统没有识别出散落地面不规则的装桶，此刻我进行了接管。基于 occupancy 模型的算法，这是一个不太应该出现的情况，对于道路上的异物检测，这点还有很大的优化提升空间。

九、遇到临时的施工改道因为施工的原因，车辆被迫走到对象车道，不符合原本学习规划的路线，所以系统一直要求车辆往右边变道进入原本的左转车道。也因为有装桶的原因，并没有变道成功，导致车辆原地刹停，此时我进行了接管。对于突然的施工改道，车辆路线规划能力需要进一步优化，使得更加适应实际道路变化。

十、无保护右转车辆进行一个无保护右转，在车辆工程模式界面可以看出，系统已经规划好路线，道路上的电摩托和社会车辆并不会干涉到规划好的路线，所以我们很顺利的完成这个无保护右转。在车流量不大的路况下，理想城市 noa 表显得非常稳定。

十一、遇到横穿车头的电摩托车辆在进行一个右转，突然出现的电摩托与车辆规划的路线发生干涉，系统快速的标记出来，我们的车辆进行了一个柔和的制动，并原地等待电摩托的通过。当电摩托通过，车辆迅速的起步。从这里可以看出城市 noa 对于横穿车辆的电摩托采取的策略是非常安全的。

十二、干涉车辆右转路线的静态摩托车我们车辆在进行右转，车头右前方有辆静止的电摩托，车辆在短暂停车思考后，果断绕行，表显不错。

十三、右转遇到掉头车辆我们准备完成右转进入直行车道，突然遇到对象车辆快速掉头，车辆识别制动反应有些偏慢，让驾驶员感到有一丝不安全感，但是全程都没有接管，属于有惊无险。

十四、大车流量下避让占道车辆系统识别当前车道有车辆占道，发起向左变道，但是左边车道的车流量非常大，此时车辆原地等待车流通过，然后完成变道。

十五、直行遇到突然横穿的车辆我们的车辆正常直行，系统检测到前方黑车有横穿路面的意图，车辆进行减速判断，确认黑车横穿路面，车辆进行刹停处理，等待黑车完成横穿立刻启动。

十六、对车道判断不准确此时我们车辆需要右转，这几条车道都可以右转、右边两条车道都是空的，后方也没有来车，但是系统选择跟在一辆等待绿灯的特斯拉后面，待特斯拉走后，我们才顺利右转，这里稍微显得有些不够机智。

以上十六的案例，虽然不包括所有场景，但是也基本代表了现阶段城市 noa 的基本实力。

优点方面：可以看出，绝大部分的场景，车辆无需接管，对行人非机动车的意图判断相对准确，会采取比较安全的操作策略。对于加塞车辆、横穿道路的车辆，系统也有很好的识别，在算法上也比较拟人化，车辆的制动和起步没有太多违和感。无保护的转弯的情况，车辆周边的摄像头对有威胁的车辆也会进行一个快速识别处理，车辆能流程的通过拐弯。对于路口红绿灯的识别非常准确、停车等待的位置也很准确，绿灯亮了，起步很迅速。在工程界面上，我们可以看到车辆实时生成的路面实况，对于一些有交汇可能，或者对于驾驶有风险物体的移动轨迹会做出预测和标记，另外也能看到车辆实时生成的占用网络图像，对于有激光雷达的理想L9车型，制作2D变3D的占用网络图像是有一定优势的。

不足方面：主要是在一些特别复杂的路口需要接管，比如在出现双车或者多车博弈的场景中。当有车辆跨线行驶，并且还有其他车辆干扰的时候，理想这套系统目前还不能设计出完美的应对方案，需要人为来进行接管。对于突然的施工改道，车辆会按照之前学习的车道线开，算法上不够灵活机动，也需要人为进行接管。变道时机把握不够准确，经常错过最好的变道时机。对于路面上一些非常规的物体检测还存在不足，对于最优路线的判断还存在不灵活的情况。

总的来讲，今年下半年的城市辅助驾驶的战况会异常激烈，蔚小理和供应商们已经憋了这么多年，就在等这么一个时机，理想的城市NOA功能从目前来看已经符合一个中等偏上的水平。根据我不严谨的判断，理想NOA从技术架构，到感知、决策、规划，理想的城市NOA整体都会很类似特斯拉FSD，如今的理想AD Max已经发展到了3.0阶段，整体已经切换到了BEV架构，城区的NOA功能将不再需要依靠高精地图，同时还加入了占用网络技术。在接下来也会面对更多对手的挑战，究竟理想NOA摘掉测试版的帽子后实用性如何，就要等城市NOA完全落地以后再来看了。