1. 课程导入

在智能驾驶从高速巡航走向城市道路的过程中，路口始终是最复杂、最危险、也最能体现系统能力的场景。NOA（Navigate on Autopilot，领航辅助驾驶）在高速上可以依赖车道线和前车轨迹完成相对稳定的纵向与横向控制，但一旦进入城市路口，车辆面对的是红绿灯、停止线、待转区、行人、非机动车、对向车流以及复杂的交通规则。交通灯识别与路口通行工程，正是把“看得见灯”变成“读得懂规则、做得出决策、控得住车辆”的系统工程。

本课程的目标不是单独讲解某个感知模型，也不是孤立介绍某条控制算法，而是围绕“交通灯—路口—通行”这条主线，建立从传感器输入到车辆执行的完整工程认知。学完本课程，你应当能够理解交通灯识别链路的关键环节，掌握路口通行的状态机设计方法，能够分析典型失败案例，并具备将感知、定位、地图、规控和测试串联起来的基本能力。

核心概念：从“灯”到“通行”的四层抽象

交通灯与路口通行工程可以抽象为四个层次。第一层是物理层，包括红绿灯灯组、倒计时屏、箭头灯、人行横道信号灯以及路口几何结构。第二层是感知层，通过摄像头、激光雷达、毫米波雷达等传感器获取灯色、灯位、停止线、车道线和交通参与者信息。第三层是决策层，结合高精地图、定位和交通规则，判断当前是否允许通行、是否需要等待、是否进入待转区。第四层是执行层，将决策转化为纵向加速度、制动压力和横向转向指令，并保证舒适性与安全性。

这四个层次不是简单的串行关系，而是存在大量反馈与耦合。例如，感知置信度不足时，决策层需要降级处理；执行层制动过晚时，会影响后续路口的通行效率。理解这种耦合关系，是做好路口通行工程的前提。

整体框架：交通灯与路口通行系统架构

下图展示了 NOA 交通灯与路口通行工程的整体框架。左侧是传感器与输入层，中间是感知与融合层，右侧是决策、规划与控制层，底部是地图、定位与测试验证的支撑体系。图中同时标注了关键数据流和典型接口，便于建立系统级视角。

方法流程：路口通行的典型处理链路

从工程实现角度看，NOA 通过一个路口通常经历以下步骤。第一步是远距离预判，在距离路口 150～200 米时，系统结合地图和视觉开始搜索交通灯，并判断当前车道对应的灯组。第二步是灯态确认，通过多帧跟踪和灯组匹配，确认红灯、绿灯、黄灯或箭头灯，并输出置信度。第三步是停止线定位，确定本车需要停车的精确位置。第四步是通行决策，根据灯态、倒计时、前车状态和冲突目标，决定减速、停车、等待或起步。第五步是轨迹规划与控制，生成平滑的减速或起步轨迹，并交由执行器完成。

这一链路中，最容易被低估的是“灯组匹配”。一个路口可能有多个方向、多个相位、多个箭头灯，如果系统把对向绿灯误认为本方向绿灯，后果非常严重。因此，工程上通常需要结合车道拓扑、灯组安装位置、车辆航向角和地图先验进行联合判断。

案例与场景：城市十字路口的典型挑战

以城市十字路口为例，本车在直行车道等待红灯。此时系统需要同时处理以下信息：本方向红灯剩余 12 秒，右侧有行人正在通过人行横道，前方有电动车越线等待，对向有左转车辆。绿灯亮起后，系统不能立即全速起步，而应先确认行人是否完全通过、前车是否启动、对向是否有抢行车辆。这个场景说明，路口通行不是简单的“红灯停、绿灯行”，而是多目标、多约束的实时决策问题。

误区与复盘：常见工程陷阱

第一个误区是“只关注灯色，不关注灯组归属”。很多失败案例并非没有识别到绿灯，而是把相邻车道或对向车道的绿灯错误绑定到本车。第二个误区是“忽视定位误差”。在路口内，GNSS 信号容易受遮挡，如果定位漂移，停止线位置和灯组匹配都会出错。第三个误区是“决策过于激进”。绿灯亮起后立即起步，未充分确认行人、非机动车和抢行车辆，容易造成危险。第四个误区是“测试覆盖不足”。路口场景长尾效应明显，仅靠常规路测难以覆盖所有边界情况，必须结合仿真和场景库进行系统验证。

行业应用场景与能力要求

NOA 交通灯与路口通行工程已广泛应用于城市领航辅助驾驶、Robotaxi、无人配送和智能网联示范区。不同场景对能力要求不同：乘用车更关注舒适性和通行效率，Robotaxi 更关注安全冗余和规则合规，无人配送更关注低速场景下的行人交互。无论哪种应用，核心能力都包括：稳定的交通灯感知、准确的地图与定位、可靠的决策状态机、平滑的控制执行，以及完善的测试验证体系。

典型路口通行状态机片段：
IDLE        → 未进入路口关注区
APPROACH    → 已识别路口，开始减速准备
STOP_WAIT   → 红灯或不可通行，保持停车
READY       → 绿灯亮起，确认冲突目标
GO          → 安全起步并通过路口
DEGRADED    → 感知或定位异常，请求接管