3. 场景认知

在NOA匝道与高速场景规划工程中，场景认知是后续路径规划、行为决策与控制执行的前提。高速场景并非单一道路形态，而是由主线、匝道、汇入汇出区、收费站、隧道、桥梁等多种典型场景组合而成的连续空间。不同场景在几何线形、交通流组织、限速约束、感知条件上差异显著，若不能准确识别场景类型及其边界，规划模块极易在场景切换处产生误判。本节从几何与交通两个维度，系统梳理六类典型场景的核心特征，并给出场景识别与参数提取的工程方法。

一、核心原理：场景认知的双维度模型

场景认知的本质，是把连续的道路环境离散化为可被规划算法消费的结构化描述。工程上通常从两个维度刻画：几何维度描述道路的物理形态，包括曲率、坡度、车道数、车道宽度、横坡、视距等；交通维度描述道路的使用规则与动态特征，包括限速、车流密度、车型构成、汇入冲突、排队状态等。二者共同决定NOA系统在该场景下的可行驶域、速度剖面与风险等级。

二、六类典型场景的几何与交通特征

下面用一张关系图展示六类场景在高速路网中的空间位置与连接关系，随后逐类说明其关键特征。

高速主线是NOA运行的主通道，几何上以平直或大半径曲线为主，设计速度100~120 km/h，车道数通常为双向四至八车道，横坡2%左右用于排水。交通特征表现为车流速度高、车型混合、换道频繁，规划时需重点关注车道保持、自适应巡航与换道决策的平顺性。

匝道是连接主线与地方道路的过渡段，几何上最显著的特征是小半径曲线与大纵坡，常见半径50~150 m，纵坡可达4%~6%，限速40~60 km/h。匝道分为入口匝道与出口匝道，入口匝道末端与主线形成合流，出口匝道起始端与主线形成分流。规划时需提前降速，并处理曲率与坡度的耦合影响。

汇入汇出区是冲突最集中的区域。汇入区包含加速车道，车辆需在有限长度内完成从匝道速度到主线速度的匹配；汇出区包含减速车道，车辆需在分流点前完成减速与车道选择。该区域的几何特征是车道数渐变、标线复杂，交通特征是间隙接受行为频繁、冲突点多。NOA系统在此处必须进行交互式规划，而非单纯轨迹跟踪。

收费站是强制减速与停车场景，几何上表现为车道数收窄、收费岛分隔、广场区域开阔。交通特征为排队、停车、起步、加塞，车辆纵向速度可降至0。规划时需识别收费车道类型（ETC/MTC），并生成平滑的减速—停车—起步剖面。

隧道的核心挑战在感知与定位。几何上隧道内无自然光，洞门处存在明暗突变，横断面受限，无应急车道或宽度收窄。交通特征为限速降低、禁止变道、车距保持要求高。GNSS信号在隧道内失效，需依赖IMU、轮速与视觉/激光里程计进行航位推算。

桥梁的几何特征包括桥面横坡、伸缩缝、护栏形式，交通特征包括横风、侧向加速度敏感、冬季桥面先结冰导致附着系数下降。规划时需降低横向加速度阈值，并关注横风对车辆稳定性的影响。

三、场景参数提取与识别流程

工程实现中，场景认知通常遵循“感知—匹配—参数化”的流程。首先通过高精地图与实时感知获取道路几何与交通要素，然后与场景模板匹配，最后输出结构化参数集。

场景识别伪代码：
1. 读取高精地图：车道拓扑、曲率、坡度、限速
2. 读取感知结果：车道线、车辆、锥桶、收费岛
3. 计算局部几何特征：
   curvature = 1 / R
   slope = dh / ds
   lane_width = 横向车道线间距
4. 匹配场景模板：
   if curvature > 0.02 and slope > 0.03: 判定为匝道
   if 车道数递减 and 存在加速车道: 判定为汇入区
   if 存在收费岛 and 限速 < 30: 判定为收费站
   if GNSS 置信度 < 阈值 and 光照突变: 判定为隧道
5. 输出参数集：{场景类型, 曲率, 坡度, 限速, 冲突点, 可通行宽度}

四、场景特征对比清单

五、常见误区与复盘

综上，高速主线、匝道、汇入汇出区、收费站、隧道、桥梁六类场景在几何与交通特征上各有侧重。场景认知的关键在于把几何参数与交通规则转化为规划模块可消费的结构化输入，并在场景切换处做好平滑过渡。只有建立完整的场景参数体系，NOA系统才能在复杂高速环境中实现安全、舒适、高效的规划与控制。