2024年12月20日，由科技出行产业智库与创新服务平台亿欧汽车主办的GTM2024第七届科技出行大会暨科技出行产业创新榜发布会在上海漕河泾万丽酒店成功举办。
本次活动主题为“开启AIEV元年”，由亿欧汽车倾力打造，意在产业创新的坐标系中，积极推动以AI数字智能为代表的新质生产力与汽⻋工业与出行产业加速融合，促进深度融合人工智能技术的新一代AI出行终端AI EV加速到来。
基于亿欧汽车对智能电动汽车与科技出行产业的长期洞察与研判，此次大会将围绕AI与EV两大产业生态，聚焦具身智能、大模型、端到端自动驾驶、固态电池、车规级芯片、新能源商用车、超级补能、车路云一体化等细分话题，并携手汽车出行产业上下游代表企业、机构、跨界科技公司等共话行业发展图景，见证即将到来的AI应用的群星闪耀时刻。
在本届大会上，亿欧汽车分析师奚少华发表了题为《2024中国智能驾驶城区NOA功能测评报告》的主题演讲，他认为由于城区NOA使用场景涉及众多复杂场景，如U-turn、路口多车博弈、路口多车道合并、非机动车和行人横穿等，这些场景在短期内无法快速解决，需待端到端、世界大模型等新技术的应用来解决，因此城区NOA功能将成为主机厂智驾能力的“分水岭”。
附嘉宾金句海报
以下为亿欧汽车整理的分享实录，供行业人士参考：
尊敬的各位，非常荣幸在今天下午向大家做这个报告，报告的主题是《2024中国智能驾驶城区NOA功能测评报告》。我们以往的测评主要以视频为主，此次我们带来了一个全新的创新报告，结合我们亿欧汽车在汽车产业研究领域的经验积累，此次发布这份报告旨在能够更深入地了解智驾产品和功能的表现。
首先，让我们看一下全球NOA功能的发展情况。目前，仅搭载L2以下的功能品牌车型较少，多数处于这一阶段的主要是传统主机厂。然而高速NOA功能已成为大部分新车型的标配，不再是下一阶段竞争的主要焦点。目前，越来越多的主机厂将研发投入在全城区NOA功能上。我们将其分为两个梯队：头部企业如小鹏、理想、华为，他们已布局一年多，积累了丰富的数据经验；第二梯队的主机厂布局在一年之内，主要在部分核心城市进行公测评的阶段。我们预测，到2030年，中国全城区NOA的市场规模将达到1500亿，而今年为25亿，渗透率为0.5%，针对新能源汽车而言。
我们从9月份开始测试第一辆车，到最后一辆车刚刚完成测试，整个过程历时3个月。测试地点选择在上海进行测试，作为一个一线城市，车流量复杂程度可以完全体现了车辆功能的价值。在车型选择上，我们主要选择了国内主流主机厂的车型，如蔚来、小鹏、理想，以及供应商模式下的阿维塔12，还有智己LS6，这些车型都配备了激光雷达多传感器系统。
在测评时，我们遵循了三个原则性要求：第一是全面性原则，首先是测试地点的全面性，我们测试的路段非常长，从虹桥到浦东的张江高科，全程50公里，涵盖了许多典型场景，如窄路、环路、隧道等；其次是场景全面性，我们梳理了20个场景；最后是测试指标全面性，我们罗列了许多维度；第二是安全性原则，我们从普通用户的角度出发，考虑安全容忍性，进行监管动作。如果监管后需要重启NOA功能，我们会先看场景是否已经跳出危险案例，然后判断危险情况再重启，以保证数据的安全有效；第三是公允性原则，我们确保所有车型由同一个驾驶员驾驶，以保持安全评判的一致性。我们还确保数据真实性，所有测评车型都进行了录音录像，并请了外部专家对我们的测试进行保驾护航。需要说明的是，由于时间原因，有些车型的智驾版本并不是最新的。此外，周一到周五与周末的测试情况也是不同的。
测评肯定需要有一套方法论。在外部专家的指导下，我们联合推出了亿欧汽车研究院测评体系框架。我们的方法论是从上至下的逻辑，首先定义整个用户场景，包括基础场景和特定场景。基础场景包括城市路段、变道等，特殊路径以及恶劣天气场景。我们列出了五个维度，这五个维度涵盖了评价车型性能表现的优劣，包括安全性、舒适性、可靠性、人机交互性。
五台车型智驾方案的对比，整个芯片层面，除了华为使用自己的芯片外，其他车型在开发功能时更多依赖英伟达芯片。传感器方面，大家基本上配备了1~3颗激光雷达，摄像头数量超过10个。
在评价指标分析上，我们采取定量和定性相结合的方式。定量部分，我们采用了MOS方法对定性指标进行量化。定性指标上，我们从用户层面的角度评判整个场景的事实情况。这是我们做出的一些测评数据，由于底层数据不便在此呈现，我们欢迎大家会后进行交流。大家可以看到，我们共有33个评价指标，每个指标对应一些定性定量方法，右边的评价维度也对应得很好。
从五台车性能的综合性表现来看，我们认为，安全性和可靠性这两个维度是决定城区功能是否可用的重要因素。小鹏G6和理想L9性能表现非常好。阿维塔在测试当天下午有一段中雨恶劣天气，两个激光雷达对其侧面避障的成功率和感知能力有很大提升，安全性得到了显著提高。在可靠性维度上，我们想提两点：一是五台车对红绿灯识别准确率达到了100%，尽管在某些情况下，如大车遮挡红绿灯，可能会出现误退，但大部分情况下都能识别红绿灯；二是误退率和接管率的指标，这两个指标与安全性有关联。阿维塔的表现非常出色，50公里内没有出现误退。接管率方面，我们定义了一个接管率，行业内都在讨论百公里接管率，但我们认为，在城区场景中，大家平时上下班也就20-30公里，甚至10公里以内，无法用百公里来衡量城区场景。因此，我们认为城区接管率应以10公里为主，看有多少接管。
舒适性和通行效率两个指标是基于安全角度下一个维度，决定了全城区功能体验的流畅性。从舒适性维度来看，我们更关注测评后的居中度，即车道保持居中。这是一个非常基础的事项，但在城区测试中，五台车都出现了偏右的现象。小鹏相对偏右的误差较低，其他车辆偏右较多。效率上，我们衡量了两个点：功能开启和结束的时间，以及行驶过程中是否有导航偏离的动作。测试结果显示，蔚来和智己的两辆车在导航偏移率方面表现相对较好。
综合分析后，我们列举了两个典型场景，即车机跳出系统后接管失败的情况。第一个是避障失败的情况，我们不仅记录了避障的时间和次数，还对具体情况的类型进行了梳理。最左边是避障类型，五台车都遇到了三种情况。从这里可以看到，有两个场景是五台车都碰到的：前方有车Cui-in和路口会车。前方有车Cui-in是当你开车时，临车道的逼近或Cut-in会给驾驶员带来心理压力，驾驶员可能不得不做出动作。我们认为，车辆在规控策略上需要做一些调整，有时在行驶时并没有采取减速或避障策略。路口会车更多出现在三车道变两车道或多车道变三车道的情况，车辆在路口时不知道如何操作，导致驾驶感非常差，这时驾驶员需要接管。
第二个典型失败情况是过路口失败，我们细分了直行、左转、右转、掉头等多种情况。直行时，不跟车的情况下失败类型相对较高，主要是由于临车道的逼近或Cut-in导致。左转和右转中，左转的退出或接管概率高于右转。左转时，尽管车辆有自己的导航路径，但临车道的车辆有时会迫使系统退出。当然，我们也测试了U-turn场景，小鹏和华为的表现还是可以的。
我们认为，在相对简单的场景中，五台车在车速控制和启停方面都做得很好，甚至达到了一些人类司机的驾驶水平。但也存在一些共性问题，例如转弯时不打灯，特别是在大曲率左转时，车辆通常会开到相对偏左的车道，但有些车可能一下子开到最右侧车道，而且变道时不打灯。还有一点是连续变道，有时我们发现一些车型在行车算法上没有做到更优化，导致在某些路段出现画龙或连续变道的场景。左转成功率相对较低，某些车型的成功率甚至不到一半，U-turn也没有达到相应水平。我们通过判断和数据为基础，对五台车型在四个维度下进行打星和打分，也对它们一些综合性的表现进行了分析。
最后，我们对整个城区NOA的洞察是，中国智能驾驶的下一阶段一定是城区NOA，我们认为城区NOA功能必将成为主机厂在智能驾驶能力上的分水岭。我们从用户层面和场景层面画了一张图，从上面也是用了某家厂商公布的产品体验的划分，我们认为这是非常正确的。从用户需求层面来看，首先功能要可用，满足物理安全；其次是好用；最后是爱用。从这个角度看，高速NOA功能已经达到了好用的程度，在解放双手和减轻疲劳度上得到了很多提升。但我们认为城区NOA目前只是部分头部厂商达到了可用的及格线，还没有到完全可用的地步。
城区NOA非常复杂，开发时必须有一些先决条件来满足。我们从三个维度看如何更好地优化城区NOA功能。第一是软件能力，我们所测试的5台车，部分车型搭载了端到端软件能力，这对感知和规控是有帮助的。第二点是硬件，刚才也提到阿维塔12的两颗激光雷达确实对两侧的避障能力得到了提升，再者是目前城区NOA功能在数据处理上面临一些非常大的挑战，因此芯片的冗余还是需要的。最后是工程化能力，城区NOA从系统设计、测试整个流程非常长，我们认为软硬件适配能力还是需要的，特别是供应商和主机厂的协作层面。
热门跟贴