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。於是，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台車的具體表現如何。
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° 的斜切角度刁鑽，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”。
這裡的9台車有4台成功通過。
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後台數據後認定，智界r7可以避免碰撞的，成績有效，極氪007gt同樣也出現類似情況，後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，成功避險之後 noa 功能甚至功能都沒退出。
其餘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，但在高速上也並非完全遇不到。
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！
這裡聲明：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。但我們並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”並不屬於所謂的常規障礙物，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，這裡其他車的表現，要麼是沒有反應直接撞，要麼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，橫穿狗出現後系統居然開始加速。
藍山因為未開啟遠光燈的緣故，測試不符合規範，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並發起繞行。
我們重點看下沒通過的3台車：
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。
友美和比亞迪漢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，但倒地後錐桶高度降低，夜間反光效果減弱，對感知系統的精準度要求更高。
在這裡，僅有三輛車未通過考驗。
智己ls6有減速動作，但路徑規劃居然朝着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，並伴隨着減速，儘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佔繞行。
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：減速後停頓時間5秒內，自主繞行通過該場景
b：減速後停頓時間超過5秒，或在該場景卡死或無法處理
結果如下：
引導錐桶
引導錐桶常見於施工路段，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，但從結果看屬於高效通過，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麼問題。如果在這裡還不能做到穩定的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佔所有車道，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，只有採用華為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。
剩下的幾台車，不是被卡住，就是猛猛衝。
魏牌藍山直直往前沖，車身擦碰到障礙物之後，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%侵佔車道
前方車輛直接停在車道中央，把通行空間全佔了怎麼辦？
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台得到s評分的車型，都是不停車直接繞行的車輛。
3台沒通過的車，就各有各的問題了。
智己ls6遠遠識別障礙車開始減速，隨後方向盤向左輕轉，剛開始還以為要觸發繞行，沒想到卡死在障礙車後面。
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，卡死在障礙車後。
魏牌藍山在識別到障礙車之後就開始持續減速，直到停在障礙車之後。
看完這三個效率場景的實測，大家應該能發現一個共性：對於錐桶、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，是後續的路徑規劃和應對策略。
寫在最後
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，並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。雙手可以放鬆，但眼睛必須緊盯着路況——馬路上的危險，從來不會按照我們的“測試大綱”出牌。