城区NOA 9车大考，居然没有车全身而退？

相信大家看过很多城市NOA的横评，但是有个问题一直没有解法，那就是部分极端场景难以复现。

我们在做城市领航的评测时，也关注到了这个问题。于是，除了真实的道路测试和主动安全横评，我们还比别人多一项测试，那就是城市NOA的场景化还原测试。

这一期内容，我们把城市NOA搬进了我们的测试场，设置了一系列场景，看看这9台车的具体表现如何。

一共8个项目，分为两类，分别是涉及行车安全的场景和影响通行效率的场景，先看安全场景。

安全篇

行车安全是我们使用辅助驾驶最担心的问题，面对那些突发或者可能造成危险的场景，辅助驾驶到底能不能应对？

我们用9辆车在5个场景测试下的成绩给大家参考，速度统一以65km/h的限速为标准。

静止非机动车突然斜穿

首先是难度最高的“静止非机动车突然斜穿”。顾名思义，这个项目测试的就是路边静止的非机动车突然启动，穿插到车前，这种情况在十字路口是高频触发的。

这个项目的难度也很大，30° 的斜切角度刁钻，系统反应时间短，而且很容易被车身盲区或者感知算法 “漏检”。
这里的9台车有4台成功通过。

智界 R7 触发AEB ，结果刹车时压到皮带，导致假人直接卡住，经我们仔细核对素材和后台数据后认定，智界R7可以避免碰撞的，成绩有效，极氪007（参数丨图片）GT同样也出现类似情况，后续我们也会升级一下设备，来规避这类情况。

小米YU7几乎是在假人开始斜穿启动的同时，系统就发出提示，最终也成功避免了碰撞。

岚图FREE+直接触发AEB，成功避险之后 NOA 功能甚至功能都没退出。

其余没通过的车型是各有各的原因，有的车根本没触发AEB，有些车则是制动晚了距离不够，导致碰撞。

前车抛物（纸箱）

“前车掉落纸箱”这个项目有点小众，但在高速上也并非完全遇不到。

纸箱没有金属反光，突然掉落加上滚动状态下压根没有规则轮廓，对各家的系统提出很大考验。
测试结果是：全军覆没！

这里声明：各车型方案不同，与前车安全距离、行驶速度有差异，仅以 “是否能规避碰撞” 的核心结果。

小米YU7、极氪007GT尝试应对，但可惜失败。

可见目前的辅助驾驶对这种突发性的动态非常规障碍仍然存在短板。但我们并非故意设置一个大家都不能做到的场景，特斯拉此前就有成功案例。

夜间狗横穿

“夜间狗横穿”这项测试，虽然道具狗的运动轨迹是固定的，但“狗”并不属于所谓的常规障碍物，况且在夜间暗光条件下，能通过的车型也仅仅只有三辆！

智界R7、小米YU7和极氪 007GT通过了这个项目。

和斜穿非机动车一样，这里其他车的表现，要么是没有反应直接撞，要么是制动太晚导致碰撞。

但是表现有些莫名其妙的是比亚迪汉L，系统先是有小幅度的减速，但没想到的是，横穿狗出现后系统居然开始加速。

蓝山因为未开启远光灯的缘故，测试不符合规范，成绩取消。

夜间倒地假人

动态不行咱们试试静态！这次换假人这种系统专门训练过的目标物，但常规静止假人没啥难度，咱们直接难度升级，场景换成“暗光条件下的倒地假人”！

这次，通过测试的车型居然过半了。

通过的车型基本都能提前识别并发起绕行。

我们重点看下没通过的3台车：

乐道L60，因为场地限速，速度只能维持在 50 km/h，不过这一点不影响最终结果——没减速、没预警，完全没把倒地假人当回事。

智己和比亚迪汉L同样没有预警，而比亚迪有轻微减速，智己则是完全没反应。

夜间倒地锥桶

锥桶同样是系统专门训练过的常规障碍物，但 “夜间 + 倒地” 的组合，就成了新的考验 ，看似简单，但倒地后锥桶高度降低，夜间反光效果减弱，对感知系统的精准度要求更高。
在这里，仅有三辆车未通过考验。

智己LS6有减速动作，但路径规划居然朝着最右侧的竖立锥桶绕过去。

比亚迪汉L则和乐道L60的表现相似，对倒地锥桶毫无识别，既不减速也不预警。

通过测试的车型都能够及时地绕行。
比如小鹏G7早早就开始规划绕行，并伴随着减速，尽管没有渲染出具体的模型，但就场景应对来说挑不出毛病。

效率篇

看完“安全”考核，再来看考验各系统效率的场景。

效率是决定辅助驾驶使用率、接管率很重要的因素之一。

我们设置的场景是模拟施工的斜列锥桶、模拟限位墩的水马和事故车的侵占绕行。

我们把效率表现分成三个S、A、B三个档位，标准简单粗暴：

S：及时绕行或变道，高效自主通过该场景

A：减速后停顿时间5秒内，自主绕行通过该场景

B：减速后停顿时间超过5秒，或在该场景卡死或无法处理
结果如下：

引导锥桶

引导锥桶常见于施工路段，比较考验各家辅助驾驶的基本功，能做到 “丝滑绕行”，才是最优解。

乐道 L60，因为限速原因，速度只能保持在 50km/h，表现的太过犹豫，直接卡死在原地，也是9辆车中唯一没有达到S的车型。

比亚迪汉L，虽然触发绕行，但变道竟然不打转向灯，但从结果看属于高效通过，表现结果为S。

斜列施工锥桶已经是最为常见的场景了，从结果来看，大家也基本都不会出现什么问题。如果在这里还不能做到稳定的S级表现，那就得优化优化自家的系统了。

限位水马

我们通过水马和锥桶侵占所有车道，只留下了宽2.5米的过道距离，来模拟道路限位墩。

这种窄通道场景非常考验辅助驾驶对周围空间环境的识别与判断，辅助驾驶碰到这类场景，正常来说是要先减速再缓慢通过，9辆车的成绩如下：

能够做到先减速，再以约20 km/h的速度缓慢通过的，只有采用华为ADS的智界R7和岚图FREE+。这种表现才是“模版级”的，值得其他方案学习。

剩下的几台车，不是被卡住，就是猛猛冲。
魏牌蓝山直直往前冲，车身擦碰到障碍物之后，才提示接管，表现结果为B。

智己LS6和比亚迪汉L直接卡死在障碍物面前，表现结果为B。
小米YU7和极氪007GT都降速为0 km/h，但是都在5秒内通过，因此表现为A。

事故车100%侵占车道

前方车辆直接停在车道中央，把通行空间全占了怎么办？

其实这个场景在很多路口会比较常见，系统得判断到底是死车还是在等待右转，还是很有难度的。

在这种情况下，绕行才是最优解。

6台得到S评分的车型，都是不停车直接绕行的车辆。

3台没通过的车，就各有各的问题了。

智己LS6远远识别障碍车开始减速，随后方向盘向左轻转，刚开始还以为要触发绕行，没想到卡死在障碍车后面。

乐道L60因为场地限速，速度只保持在50km/h以下，但最终表现和智己LS6的类似，卡死在障碍车后。

魏牌蓝山在识别到障碍车之后就开始持续减速，直到停在障碍车之后。
看完这三个效率场景的实测，大家应该能发现一个共性：对于锥桶、水马、车辆这类常规障碍物，9款车型基本都能识别到，也都会做出减速动作。但真正拉开差距的，是后续的路径规划和应对策略。

从实测结果能清晰看到，不管是华为ADS方案还是Momenta方案，抑或是厂商自研，没有任何一款车能应对所有场景。

最终车辆的表现和硬件也不是强相关的，并不说是车有激光雷达就一定强，硬件简单就肯定弱，最终决定表现的原因很多元。

现阶段的辅助驾驶，核心定位永远是“辅助”，不能让你彻底当甩手掌柜。双手可以放松，但眼睛必须紧盯着路况——马路上的危险，从来不会按照我们的“测试大纲”出牌。