3. 高速NOA系统总体架构
高速NOA（Navigate on Autopilot）不是单一算法，而是一套横跨车端实时计算与云端离线服务的系统工程。理解其总体架构，关键在于看清两条主线：一条是车端实时闭环——从传感器到执行器，必须在毫秒级完成；另一条是云端协同闭环——从数据回传到模型迭代，以天/周为周期运转。两条闭环通过“数据上行、模型下行”耦合在一起，构成高速NOA持续进化的能力底座。
核心判断：高速NOA的架构设计，本质是在“实时性、安全性、可迭代性”三者之间做分层解耦。车端负责确定性实时控制，云端负责非确定性的大规模学习与验证。
一、车端六层架构：从物理信号到车辆动作
车端架构可按信息流向划分为六个层次，每一层都有明确的输入、输出与实时性约束。
- 感知层：由摄像头、毫米波雷达、激光雷达（部分车型）和超声波组成。输出目标列表、车道线、可行驶区域、交通标志等结构化信息。高速场景下，前向800万像素摄像头与77GHz毫米波雷达是主传感器，重点解决远距小目标与雨雾鲁棒性。
- 定位层：融合GNSS、IMU、轮速计与高精地图/视觉特征，输出厘米级位姿。高速NOA对定位的核心要求不是绝对精度，而是车道级横向一致性与隧道/遮挡下的连续性。
- 规划层：分为全局路由规划与局部行为/轨迹规划。全局层决定“从A到B走哪条高速、哪个出口”；局部层在动态交通中生成安全、舒适、可执行的轨迹。
- 控制层：将轨迹转化为横向转角/扭矩与纵向加速度/制动请求，通过CAN或以太网发送给EPS、ESP、VCU等执行器。
- 人机交互层：负责NOA状态显示、接管请求、变道确认、风险提示，是“系统可被信任”的关键界面。
- 车端数据与安全层：包括时间同步、功能安全监控、数据记录（DSSAD/EDR）与OTA客户端。
二、云端协同：数据闭环与模型迭代
云端不是“可选项”，而是高速NOA从“能用”到“好用”的加速器。其核心职责包括：
- 数据回传与挖掘：车端按触发策略上传corner case片段，云端进行自动标注、场景聚类与难例挖掘。
- 模型训练与仿真：利用大规模GPU集群训练感知/预测模型，并在仿真环境中进行回归测试与危险场景注入。
- 地图与策略更新：高精地图增量更新、NOA可用路段扩展、变道策略参数调优。
- OTA发布与灰度：通过车端OTA客户端分批次推送，结合影子模式验证后再全量。
车端与云端的接口应保持“松耦合”：车端只依赖标准化的数据上传协议与模型/地图版本号，避免云端迭代导致车端频繁改动。
三、整体架构图
下图展示了高速NOA从传感器到执行器、从车端到云端的完整信号链与数据流关系。实线表示实时控制流，虚线表示数据/模型协同流。
四、典型场景：高速自动变道超车
以“高速NOA自动变道超车”为例，可清晰看到各层协作：
- 感知层识别前方慢车与本车道/相邻车道车道线，输出目标距离、相对速度。
- 定位层确认自车处于高精地图中的可变道路段，且不在匝道口、隧道口等禁止区域。
- 规划层判断超车收益与风险，生成变道轨迹，并检查相邻车道后方来车TTC。
- 人机交互层根据策略决定“自动变道”或“请求驾驶员确认”。
- 控制层执行横向与纵向协调控制，完成变道后回到车道居中。
- 安全与数据层记录本次变道的关键参数，若触发接管则上传云端。
五、关键接口与参数清单
| 接口/参数 | 方向 | 典型值/说明 |
|---|---|---|
| 感知目标输出周期 | 感知 → 规划 | 50～100 ms |
| 定位输出频率 | 定位 → 规划/控制 | 100 Hz（IMU融合后） |
| 轨迹规划周期 | 规划 → 控制 | 50～100 ms |
| 控制指令周期 | 控制 → 执行器 | 10～20 ms |
| 变道最小TTC阈值 | 规划内部 | ≥ 3.5 s（可标定） |
| 数据上传触发 | 车端 → 云端 | 接管/急刹/变道失败等事件 |
| OTA灰度批次 | 云端 → 车端 | 1% → 10% → 50% → 100% |
六、常见误区与复盘
误区一：把高速NOA当成“感知+控制”的简单串联。实际上，规划层的博弈决策与定位层的连续性才是高速场景下体验差异的最大来源。
误区二：忽视云端闭环的工程成本。数据回传带宽、标注质量、仿真覆盖率、OTA回滚机制，任何一环缺失都会让“数据驱动”变成口号。
误区三：人机交互只做“显示”。NOA的接管请求时机、变道确认交互、风险提示分级，直接决定用户是否敢用、会用。
误区二：忽视云端闭环的工程成本。数据回传带宽、标注质量、仿真覆盖率、OTA回滚机制，任何一环缺失都会让“数据驱动”变成口号。
误区三：人机交互只做“显示”。NOA的接管请求时机、变道确认交互、风险提示分级，直接决定用户是否敢用、会用。
复盘一个真实工程案例：某车型高速NOA在隧道出口频繁退出，根因并非感知失效，而是定位层在GNSS失锁后视觉特征与地图匹配置信度下降，规划层因定位跳变触发降级。最终通过“隧道内IMU航位推算+出口视觉重定位”的融合策略解决。这说明架构分层虽清晰，但跨层的时间同步与置信度传递才是系统稳定性的隐形骨架。
综上，高速NOA总体架构可概括为：车端六层实时闭环保安全，云端四步数据闭环保进化，人机交互保信任，安全与数据层保合规。理解这一架构，是后续深入感知、规划、控制各专项模块的前提。