2. 城市NOA系统概览
城市NOA（Navigate on Autopilot，领航辅助驾驶）是智能驾驶从高速场景走向城市复杂道路的关键形态。它并非单一功能，而是一套在导航路径约束下，由感知、定位、预测、决策、规划与控制共同协作，完成城市道路点到点辅助驾驶的系统能力。理解城市NOA，需要先厘清它的定义边界、能力分级、系统组成、传感器与计算平台配置，以及典型功能场景。
一、NOA的定义与能力边界
NOA通常指车辆在设定导航目的地后，能够在符合设计运行域（ODD）的道路上，自主完成跟车、变道、超车、进出匝道、通过路口、避让障碍物等动作，并由驾驶员保持监督的辅助驾驶功能。其核心特征有三点：导航路径驱动、多任务连续执行、驾驶员仍是责任主体。
需要区分NOA与完全自动驾驶：NOA属于L2+或L3级辅助驾驶范畴，系统负责动态驾驶任务的部分或全部，但驾驶员必须随时准备接管。城市NOA的难点在于城市道路参与者多、规则复杂、遮挡频繁、博弈密集，远高于高速NOA的确定性。
二、NOA的分级理解
行业对NOA的分级没有统一标准，但可从“场景覆盖”和“驾驶员介入程度”两个维度理解。常见划分如下：
| 层级 | 典型能力 | 驾驶员角色 | 代表场景 |
|---|---|---|---|
| 高速NOA | 匝道进出、自动变道、跟车巡航 | 监督，偶尔接管 | 封闭高速、城市快速路 |
| 城市NOA（基础） | 红绿灯启停、直行通过路口、跟车 | 持续监督，频繁接管 | 主干道、简单十字路口 |
| 城市NOA（进阶） | 无保护左转、绕行、博弈通行 | 监督，低接管率 | 复杂路口、人车混行 |
| 城市NOA（全域） | 点到点、全场景连续通行 | 极少接管 | 城区全域道路 |
从工程视角看，分级本质是ODD的扩张与接管率的下降。城市NOA的进阶过程，就是不断把“需要接管的场景”转化为“系统可处理场景”的过程。
三、系统组成：从感知到执行的闭环
城市NOA系统通常由五大模块构成，形成从环境输入到车辆执行的闭环。下图展示了典型城市NOA系统的组成与数据流关系：
从图中可见，城市NOA不是单点算法，而是“传感器—感知定位—预测决策—控制执行”的链式系统，计算平台贯穿其中，导航地图提供先验约束，驾驶员监督构成安全兜底。
四、传感器配置与计算平台
城市NOA的传感器配置通常分为两类：视觉主导方案与多传感器融合方案。视觉主导以摄像头为核心，配合毫米波雷达和超声波，成本较低，依赖算法能力；多传感器融合则加入激光雷达，提升三维感知与冗余度，但成本更高。
典型城市NOA传感器配置示例：
- 前视摄像头：800万像素，120°视场角，负责红绿灯、车道线、远距目标
- 环视摄像头：4路，190°鱼眼，负责近距离盲区与泊车
- 毫米波雷达：前向1个长距 + 4个角雷达，负责测距测速
- 激光雷达：1-3个，覆盖前向与侧向，提供高精度点云
- GNSS+IMU：组合定位，配合高精地图实现车道级定位
- 超声波雷达：12个，负责低速近距离探测计算平台方面，城市NOA对算力需求通常在100～500 TOPS之间，具体取决于是否使用激光雷达、模型规模与冗余设计。主流方案采用英伟达Orin、地平线征程、华为MDC等SoC，配合功能安全岛与实时操作系统，确保关键链路满足ASIL-D等级要求。
五、典型功能场景与工程要点
城市NOA的典型功能场景包括：红绿灯识别与启停、无保护左转、环岛通行、人车混行避让、施工区域绕行、非机动车穿行应对、路口博弈通行等。这些场景的共同特点是参与者意图不确定、规则边界模糊、遮挡导致信息不完整。
以无保护左转为例，系统需要同时处理对向直行车辆、行人、非机动车和自身转弯轨迹，决策模块必须在“等待”与“通行”之间做出安全且高效的判断。工程上通常采用“规则约束+学习预测+博弈决策”的混合架构：规则保证安全底线，学习模型预测他车意图，博弈算法选择最优通行时机。
总结来看，城市NOA是导航驱动、多模块协同、驾驶员监督的辅助驾驶系统。它的分级体现为场景覆盖与接管率的演进，系统组成围绕感知—决策—控制闭环展开，传感器与计算平台决定能力上限，典型功能场景则检验系统的工程成熟度。理解这些基础，是后续深入复杂路口决策工程的前提。