今天小編分享的汽車經驗：挑戰望京地獄級路段！不依賴高精地圖 理想這功能真的牛！，歡迎閱讀。
基于當前智能輔助駕駛發展越來越成熟，智能輔助駕駛已經不只适用于有标識線的路段，甚至很多時候智能輔助駕駛有了 " 人的意識 "，而這一切也源于 Ai 大數據支持。
近日，教授有幸在北京體驗了理想 L9 城市 NOA 功能，此次試乘從理想北京順義研發總部出發，前往望京昆泰酒店，途中經過 77 個路口，包括 11 個右轉路口，10 個左轉路口，5 個無保護左轉。
原本教授，并不知道北京望京路段是有多復雜，而通過此次試駕則真正體會到理想為什麼會選擇這條線路，因為有這麼一句話 " 搞定望京就等于搞定北京 "，畢竟望京又是北京路況最復雜的街道路段之一，而此次試駕共計分為兩個階段，第一段是模拟理想員工回家路線；第二段是挑戰地獄級路段（望京）。
要了解理想 NOA 的強大之處，想必是要先了解這套技術的邏輯。據理想汽車介紹，城市 NOA 功能主要基于 NPN 神經先驗網絡，借助雲端大模型對復雜的路口特征的提取，來強化車端對物體的識别，所以車輛可以做到不依賴高精地圖實現智能領航輔助，簡單來說，就是車輛不斷通過實時地圖模型更新，滿足車型提前預判。
其次，理想 NOA 還能不斷通過學習駕駛者的駕駛習慣，模拟出車輛遇到不同情況，駕駛者将會做出怎樣的應對方式，讓城市 NOA 在保證安全、符合交規的前提下實現更像人類駕駛員的決策和規劃。當然，Ai 的邏輯就是通過數據的疊加，以及算法讓其做出更多可能性操作。
所以當車輛面對路口信号燈變化下，理想 NOA 也能通過大數據算法進行判定，面對不同信号燈時車輛應該提前走哪條路并且看哪個信号燈，例如直行為紅燈，左轉為綠燈時，車輛也能提前借助駕駛者習慣或者導航路線，搭配各路段信号燈可通行的數值，選擇最高數值的路段與行為進行操作，包括無保護轉彎下。
最讓教授印象深刻的一個就是，當駕駛者行駛在一個非常多車的路段停車時，即便主駕駛還沒有看到很多車輛前方有人進行穿插時，城市 NOA 的模型已經提前通過 " 腦補 " 進行感應，包括在一個準備通過信号燈路段時，因前車遮擋 " 鬼探頭（外賣員）" 迅速穿插出現時，城市 NOA 也是比駕駛者更早地進行預判與操作。
由于第一段（模拟理想員工回家路徑）主要是在郊區路段，整體狀況并不復雜，所以車輛在開啟理想 NOA 功能下，面對鄉間小路會車、城鎮道路跟車與行駛下，車輛都基本做到準确無誤的行駛與通過。
不過在這一路段，車輛行駛于雙車道時，對向車輛仍要強行超車時，理想 NOA 功能是沒有做出避讓的，為了防止車輛在最緊急情況下出現急刹，駕駛者選擇接管避讓，對此，理想工作人員也做出解釋，當理想 NOA 面對它人違規駕駛下，車輛預判還是會有些遲緩，但其實在往後比較緩慢的雙車交匯時又或者左右側車輛加塞時，理想 NOA 還是會做出避讓行為的。
不可否認，除了上述情況，理想 L9 在開啟理想 NOA 功能後，基本能夠準确、安全地按照路線行駛到目的地。據悉，這只是理想通過兩周的 " 訓練 " 完成的模型大數據。
所以在進行更困難的 " 望京路段 " 下，理想 NOA 表現還是相對從容的，不管是面對無實線路段下的變道、意圖超車、無保護路況轉彎、公交駛離下的避讓，以及随時停下的車輛等等，理想 NOA 都有着很多與人相似的駕駛邏輯以及操作。
有利也有弊，因為理想汽車的 NOA 系統在面對各種復雜情況下，是更傾向作出較為保守的通行策略，如等待其他車輛或行人先行通過、再向前行駛，這也讓車輛在過十字路口時較為緩慢，以至于對向車輛需要等待，還有就是每次車輛過彎都會選擇中間車道以保證安全性，并沒有選擇最貼近路肩的道路。
除了上述提到的 " 狹路相逢 " 進行一次接管，此次駕駛者還進行了一次接管，那就是當車輛即将進入右轉專用道時，此時又有公交進行阻擋，而理想 NOA 系統本能反應是進行等待，但又基于後車擁堵，駕駛者本想通過踩下油門踏板進行超車下，理想 NOA 卻選擇執行進入右轉車道的指令，因此需要進行接管。
還有一個相對驚心動魄的情況，就是當右側有車輛遮擋時，左後方又有大車正在行駛，理想 NOA 居然選擇左轉加速超車，并且能迅速完成動作，不得不說，這保持了通行效率，并且顯得非常 " 老司機 "，看來這套 NOA 在軟體調校下還是比較 " 進攻 " 的。
借理想方面介紹，目前理想 NOA 系統只能算一個 " 嬰兒期 "，所以還需要繼續成長，但也明顯比此前的 " 出生期 " 要優化了不少。通過此次試駕來看，可以感受到理想 NOA 系統提升确實很明顯，基本可以做到老司機般的操作，而這城市領航功能也是當下智駕的最高要求，理想乃至于其他品牌都有着很長的路要走，但無可否認理想在努力将其完善。
