城區NOA 9車大考，居然沒有車全身而退？

相信大家看過很多城市NOA的橫評，但是有個問題一直沒有解法，那就是部分極端場景難以復現。

我們在做城市領航的評測時，也關注到了這個問題。于是，除了真實的道路測試和主動安全橫評，我們還比別人多一項測試，那就是城市NOA的場景化還原測試。

這一期內容，我們把城市NOA搬進了我們的測試場，設置了一系列場景，看看這9臺車的具體表現如何。

一共8個項目，分為兩類，分別是涉及行車安全的場景和影響通行效率的場景，先看安全場景。

安全篇

行車安全是我們使用輔助駕駛最擔心的問題，面對那些突發或者可能造成危險的場景，輔助駕駛到底能不能應對？

我們用9輛車在5個場景測試下的成績給大家參考，速度統一以65km/h的限速為標準。

靜止非機動車突然斜穿

首先是難度最高的“靜止非機動車突然斜穿”。顧名思義，這個項目測試的就是路邊靜止的非機動車突然啟動，穿插到車前，這種情況在十字路口是高頻觸發的。

這個項目的難度也很大，30° 的斜切角度刁鉆，系統反應時間短，而且很容易被車身盲區或者感知算法 “漏檢”。
這里的9臺車有4臺成功通過。

智界 R7 觸發AEB ，結果剎車時壓到皮帶，導致假人直接卡住，經我們仔細核對素材和后臺數據后認定，智界R7可以避免碰撞的，成績有效，極氪007（參數丨圖片）GT同樣也出現類似情況，后續我們也會升級一下設備，來規避這類情況。

小米YU7幾乎是在假人開始斜穿啟動的同時，系統就發出提示，最終也成功避免了碰撞。

嵐圖FREE+直接觸發AEB，成功避險之后 NOA 功能甚至功能都沒退出。

其余沒通過的車型是各有各的原因，有的車根本沒觸發AEB，有些車則是制動晚了距離不夠，導致碰撞。

前車拋物（紙箱）

“前車掉落紙箱”這個項目有點小眾，但在高速上也并非完全遇不到。

紙箱沒有金屬反光，突然掉落加上滾動狀態下壓根沒有規則輪廓，對各家的系統提出很大考驗。
測試結果是：全軍覆沒！

這里聲明：各車型方案不同，與前車安全距離、行駛速度有差異，僅以 “是否能規避碰撞” 的核心結果。

小米YU7、極氪007GT嘗試應對，但可惜失敗。

可見目前的輔助駕駛對這種突發性的動態非常規障礙仍然存在短板。但我們并非故意設置一個大家都不能做到的場景，特斯拉此前就有成功案例。

夜間狗橫穿

“夜間狗橫穿”這項測試，雖然道具狗的運動軌跡是固定的，但“狗”并不屬于所謂的常規障礙物，況且在夜間暗光條件下，能通過的車型也僅僅只有三輛！

智界R7、小米YU7和極氪 007GT通過了這個項目。

和斜穿非機動車一樣，這里其他車的表現，要么是沒有反應直接撞，要么是制動太晚導致碰撞。

但是表現有些莫名其妙的是比亞迪漢L，系統先是有小幅度的減速，但沒想到的是，橫穿狗出現后系統居然開始加速。

藍山因為未開啟遠光燈的緣故，測試不符合規范，成績取消。

夜間倒地假人

動態不行咱們試試靜態！這次換假人這種系統專門訓練過的目標物，但常規靜止假人沒啥難度，咱們直接難度升級，場景換成“暗光條件下的倒地假人”！

這次，通過測試的車型居然過半了。

通過的車型基本都能提前識別并發起繞行。

我們重點看下沒通過的3臺車：

樂道L60，因為場地限速，速度只能維持在 50 km/h，不過這一點不影響最終結果——沒減速、沒預警，完全沒把倒地假人當回事。

智己和比亞迪漢L同樣沒有預警，而比亞迪有輕微減速，智己則是完全沒反應。

夜間倒地錐桶

錐桶同樣是系統專門訓練過的常規障礙物，但 “夜間 + 倒地” 的組合，就成了新的考驗 ，看似簡單，但倒地后錐桶高度降低，夜間反光效果減弱，對感知系統的精準度要求更高。
在這里，僅有三輛車未通過考驗。

智己LS6有減速動作，但路徑規劃居然朝著最右側的豎立錐桶繞過去。

比亞迪漢L則和樂道L60的表現相似，對倒地錐桶毫無識別，既不減速也不預警。

通過測試的車型都能夠及時地繞行。
比如小鵬G7早早就開始規劃繞行，并伴隨著減速，盡管沒有渲染出具體的模型，但就場景應對來說挑不出毛病。

效率篇

看完“安全”考核，再來看考驗各系統效率的場景。

效率是決定輔助駕駛使用率、接管率很重要的因素之一。

我們設置的場景是模擬施工的斜列錐桶、模擬限位墩的水馬和事故車的侵占繞行。

我們把效率表現分成三個S、A、B三個檔位，標準簡單粗暴：

S：及時繞行或變道，高效自主通過該場景

A：減速后停頓時間5秒內，自主繞行通過該場景

B：減速后停頓時間超過5秒，或在該場景卡死或無法處理
結果如下：

引導錐桶

引導錐桶常見于施工路段，比較考驗各家輔助駕駛的基本功，能做到 “絲滑繞行”，才是最優解。

樂道 L60，因為限速原因，速度只能保持在 50km/h，表現的太過猶豫，直接卡死在原地，也是9輛車中唯一沒有達到S的車型。

比亞迪漢L，雖然觸發繞行，但變道竟然不打轉向燈，但從結果看屬于高效通過，表現結果為S。

斜列施工錐桶已經是最為常見的場景了，從結果來看，大家也基本都不會出現什么問題。如果在這里還不能做到穩定的S級表現，那就得優化優化自家的系統了。

限位水馬

我們通過水馬和錐桶侵占所有車道，只留下了寬2.5米的過道距離，來模擬道路限位墩。

這種窄通道場景非常考驗輔助駕駛對周圍空間環境的識別與判斷，輔助駕駛碰到這類場景，正常來說是要先減速再緩慢通過，9輛車的成績如下：

能夠做到先減速，再以約20 km/h的速度緩慢通過的，只有采用華為ADS的智界R7和嵐圖FREE+。這種表現才是“模版級”的，值得其他方案學習。

剩下的幾臺車，不是被卡住，就是猛猛沖。
魏牌藍山直直往前沖，車身擦碰到障礙物之后，才提示接管，表現結果為B。

智己LS6和比亞迪漢L直接卡死在障礙物面前，表現結果為B。
小米YU7和極氪007GT都降速為0 km/h，但是都在5秒內通過，因此表現為A。

事故車100%侵占車道

前方車輛直接停在車道中央，把通行空間全占了怎么辦？

其實這個場景在很多路口會比較常見，系統得判斷到底是死車還是在等待右轉，還是很有難度的。

在這種情況下，繞行才是最優解。

6臺得到S評分的車型，都是不停車直接繞行的車輛。

3臺沒通過的車，就各有各的問題了。

智己LS6遠遠識別障礙車開始減速，隨后方向盤向左輕轉，剛開始還以為要觸發繞行，沒想到卡死在障礙車后面。

樂道L60因為場地限速，速度只保持在50km/h以下，但最終表現和智己LS6的類似，卡死在障礙車后。

魏牌藍山在識別到障礙車之后就開始持續減速，直到停在障礙車之后。
看完這三個效率場景的實測，大家應該能發現一個共性：對于錐桶、水馬、車輛這類常規障礙物，9款車型基本都能識別到，也都會做出減速動作。但真正拉開差距的，是后續的路徑規劃和應對策略。

從實測結果能清晰看到，不管是華為ADS方案還是Momenta方案，抑或是廠商自研，沒有任何一款車能應對所有場景。

最終車輛的表現和硬件也不是強相關的，并不說是車有激光雷達就一定強，硬件簡單就肯定弱，最終決定表現的原因很多元。

現階段的輔助駕駛，核心定位永遠是“輔助”，不能讓你徹底當甩手掌柜。雙手可以放松，但眼睛必須緊盯著路況——馬路上的危險，從來不會按照我們的“測試大綱”出牌。