北京
分享至
近年来，随着智能驾驶技术的快速普及，以城市NOA（导航辅助驾驶）为代表的高阶智驾功能成为车企竞争的核心卖点。然而，小鹏XNGP（全场景智能导航辅助驾驶）系统在多个事故案例中暴露出的路口场景失效问题，引发了公众对技术安全性的担忧。本文结合多起事故案例与行业分析，探讨城市NOA技术为何在路口频频失手。
一、事故案例：从失控到碰撞的典型场景
- 掉头变右转：路径规划逻辑混乱
2024年12月，杭州一辆小鹏G9在NGP模式下准备左转掉头时，系统突然右转并撞向相邻车道车辆。后台数据显示，系统因“判断掉头半径不足”而向右借道，但未识别到旁车存在，最终导致碰撞。
类似案例中，车辆对空间检测的盲区和算法决策的保守性存在明显冲突，尤其在复杂路口场景下，系统难以平衡安全性与通行效率。 - 高速切换ACC：系统降级风险
小鹏X9在启用NGP时，曾因系统突然降级至ACC（自适应巡航），导致车辆未减速撞击护栏。事故原因指向感知硬件对车道线的误判，以及系统降级后驾驶员接管不及时。 - 静止目标识别失效：感知冗余不足
2022年小鹏P7在高速LCC模式下，以80km/h撞向静止故障车辆，造成致命事故。尽管车辆配备多摄像头与毫米波雷达，但视觉与雷达数据融合失效，未触发AEB（自动紧急制动）。类似问题也出现在其他品牌车型中，暴露了纯视觉或融合感知方案的局限性。
二、技术挑战：城市NOA的“阿克琉斯之踵”
- 感知硬件的局限性
- 静态障碍物检测难题：摄像头依赖算法识别物体类别，对异形障碍物（如未放置警示牌的故障车）易漏检；毫米波雷达对静止目标过滤过多，导致误判。
- 复杂路口的多目标干扰：路口场景中，信号灯、行人、车辆并线等动态目标交织，传感器数据融合难度陡增。例如，小鹏G9事故中，激光雷达因旁车未完全并入车道而未能触发预警。
- 算法策略的激进与保守矛盾
车企为提升用户体验，往往在算法中优先通行效率。例如，某品牌测试版NOA在黄灯时选择加速通过，而非减速等待。然而，过于激进的策略可能引发碰撞风险；过于保守则导致频繁降级，增加驾驶员接管负担。 - 高精地图依赖与实时性不足
城市NOA高度依赖高精地图的车道级数据，但道路施工、临时标线变化等场景中，地图更新滞后可能导致路径规划错误。例如，小鹏P7+在Y字路口误判行驶方向，与护栏碰撞。
三、责任界定：技术与人性的博弈
- 车企责任边界
尽管小鹏在用户协议中明确“辅助驾驶需驾驶员接管”，但事故中系统未能提供有效预警或冗余措施，仍引发对技术成熟度的质疑。例如，DMS（驾驶员监控系统）被曝仅依赖方向盘握力检测，而非实时视线追踪，降低了安全冗余。 - 用户过度依赖的心理预期
部分车主因长期使用智驾功能形成信任惯性，忽视系统提示的接管要求。例如，浙江朱先生在事故中虽手握方向盘，但反应延迟仍导致碰撞。 - 保险与法规的滞后性
传统车险难以覆盖智驾场景责任划分，小鹏虽尝试推出“智驾保险”，但保费计算、事故定责等环节仍需行业标准支撑1。
四、解决路径：从技术迭代到生态共建
- 硬件升级与多模态融合
增加激光雷达等冗余传感器，提升静态障碍物识别能力；优化数据融合算法，减少误检漏检。例如，华为、蔚来通过多雷达方案改善目标检测精度。 - 算法优化与场景库完善
针对路口、施工区等高风险场景，扩大路测数据规模，迭代决策模型。小鹏近期升级的“无限XNGP”强调无图能力，通过端到端大模型减少对高精地图依赖。 - 用户教育与责任共担
强化智驾安全培训（如小鹏的“智驾考试”），明确功能边界；推动保险产品创新，将智驾里程、用户行为纳入风险评估。
五、未来展望：安全与便利的平衡点
城市NOA的普及是智能驾驶的必经之路，但其安全性需通过技术、法规、用户教育的多维协同才能实现。短期内，车企需正视技术局限性，避免过度营销“全场景能力”；长期来看，随着端到端自动驾驶架构的成熟，以及V2X（车路协同）技术的落地，路口场景的失效问题有望得到系统性解决。
智能驾驶的终极目标并非“零事故”，而是通过技术迭代将事故率降至人类驾驶水平之下。在此过程中，每一场事故都应成为技术进化的催化剂，而非阻挡行业前行的绊脚石。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
