2. NOA基础认知
NOA（Navigate on Autopilot，领航辅助驾驶）是智能驾驶从“单点功能”走向“连续场景服务”的关键形态。它并不是一个单一功能，而是一套在特定运行设计域（ODD）内，把感知、定位、规划、决策、控制与人机交互串联起来的系统级能力。理解 NOA，必须同时看清四件事：它是什么、分几级、由哪些部分组成、在哪里能用、在哪里不能用。
一、NOA的定义与本质
NOA指车辆在满足条件的道路上，能够依据导航路径，自主完成跟车、变道、超车、进出匝道、通过路口等连续驾驶任务，并由驾驶员承担最终监督责任。其本质是“导航路径 + 实时环境 + 车辆控制”的闭环：导航给出宏观意图，感知与定位提供微观环境，规划决策生成行为，控制执行车辆动作，人机交互负责状态告知与接管提醒。
二、NOA分级：从L2到L3的边界
行业通常按SAE分级理解NOA。当前量产NOA多处于L2级（部分为L2+），即系统同时控制横向和纵向运动，但驾驶员必须持续监控并随时接管。L3级则允许在特定条件下脱眼，但系统需在请求接管时给出足够提前量，并承担相应责任。两者的核心差异不在“能不能变道”，而在“责任主体与监控义务”。
| 等级 | 横向/纵向控制 | 驾驶员监控义务 | 典型NOA表现 |
|---|---|---|---|
| L2 | 系统同时控制 | 持续监控，随时接管 | 高速NOA、城市NOA（需手握方向盘） |
| L2+ | 系统同时控制，增强变道 | 持续监控，接管频率降低 | 自动超车、自动上下匝道 |
| L3 | 系统全权控制 | 特定条件下可脱眼 | 拥堵领航、高速脱眼NOA |
三、系统组成：五层架构
NOA系统可拆为五层：感知层、定位层、规划决策层、控制执行层、人机交互层。感知层通过摄像头、毫米波雷达、激光雷达等识别车道线、车辆、行人、锥桶等；定位层融合GNSS、IMU、高精地图与视觉定位，确定车辆在车道内的精确位置；规划决策层负责路径规划、行为决策与轨迹生成；控制执行层把轨迹转化为转向、驱动、制动指令；人机交互层通过仪表、HUD、语音提示驾驶员系统状态与接管请求。
四、功能边界：能做什么，不能做什么
NOA的功能边界由ODD定义。典型可用场景包括：高速公路与城市快速路、结构化城市道路、清晰车道线、良好天气与光照。典型不可用或需降级场景包括：施工区、无车道线道路、极端天气、隧道出入口强光、人车混行复杂路口、临时交通管制等。
- 可用：高速巡航、自动跟车、自动变道超车、自动上下匝道、城市主干道跟停走。
- 受限：大雨大雪、夜间无照明、车道线模糊、锥桶密集施工区。
- 不可用：无地图覆盖区域、非结构化道路、驾驶员未接管状态下的紧急避险。
五、典型应用场景与案例
场景一：高速NOA。车辆从匝道汇入主路，自动加速至限速，遇慢车自动变道超车，接近出口时自动减速并驶出匝道。场景二：城市NOA。车辆在主干道跟停走，识别红绿灯，完成无保护左转，避让行人与非机动车。场景三：拥堵领航。低速跟车，减少驾驶员频繁操作，但需注意加塞与鬼探头。
典型NOA状态机片段：
INIT → READY → ACTIVE → DEGRADED → TAKEOVER → EXIT
条件示例：
- READY：ODD满足，导航路径有效
- ACTIVE：系统控制横向与纵向
- DEGRADED：感知置信度下降或地图缺失
- TAKEOVER：请求驾驶员接管，倒计时3秒
- EXIT：驾驶员接管或系统退出六、复盘与工程要点
在NOA场景测试与量产验证中，必须围绕“定义—分级—组成—边界—场景”建立测试矩阵。测试用例要覆盖正常场景、边界场景与故障场景；验证指标包括接管率、误触发率、漏检率、舒适性与响应时延。只有把功能边界讲清楚，才能让测试有依据、让量产有底线。