2024年可謂是城市NOA的爆發年，小鵬汽車和華為在2023年底前逐步完成了多個城市的功能開發，其他車企也躍躍欲試2024年，戰鬥並不激烈。
24年1月，智己汽車也正式啟動了全球首個城市NOA試驗，使用者已經在上海的“花路”上深度體驗了城市NOA的驚人效能。 我們來看看，有哪些實施難點？ 還有什麼黑科技可以解決這些問題。
站在2024年的這個關頭，高速NOA不再是競爭的熱點與結構平穩、結構單一的高速工況相比，城市NOA面臨的複雜程度相差乙個數量級，您可能需要處理：
1.不同城市不同規格的訊號燈，時不時還有幾分“文藝氣息”
2.路上無視所有法律的叔叔阿姨
3.過於奇怪的城市交叉口設計
等一會。
雖然從功能效能來看，NOA在城市工況下只是對高速NOA功能範圍的簡單擴充套件，但實際上，從技術角度來看，這事實上，這是乙個量變導致質變的過程，是對當前智慧型駕駛技術棧的一次全新公升級
高速服務。 
城市條件。 
過去，智慧型駕駛系統的開發大多採用規則演算法，但隨著場景複雜度的增加，需要面對的開發和測試量也與日俱增。 工程師在身體和心理上都有自己的侷限性這個限制主要在高速NOA和城市NOA之間。
因此，在從高速向城市擴張的過程中，我們需要一種新的正規化，利用人工智慧模型和資料驅動的發展方式，進一步應對更複雜的外部環境。 因此，城市NOA競賽的重點之一，其實就是AI模型在整個功能中的佔比。 比例越高，越容易應對城市複雜的工作條件或擴大城市服務範圍。
城市NOA首先要面對的是大量的近距離異形障礙物，這些障礙物曾經在高速條件下使用3D矩形框表徵周圍障礙物，結構簡單，訓練方便，可靠性高。 然而，在擁擠的城市狀態下，這種表達方式存在許多缺點，無法有效描述異形障礙物，近距離可能存在碰撞風險。
於是，大量開始被引入行業用於“占領網路”的AI模型感知演算法。輸入周圍位置的雷射和相機資料後，可以用類似於“我的世界”的光柵對周圍物體進行描述，從而增強對周圍環境的精細化描述。 由 Zhiji 推出DDOD障礙物感知方案，旨在同時輸出 3D 矩形框和柵格描述，以便對環境進行更層次化和更詳細的描述。
過去，高精度地圖方案一般用於解決城市NOA中的道路法規資訊，但該方案的工程維護和更新成本極高，不利於功能擴充套件。
因此，現在該行業正在啟動更多內容追求沒有地圖的城市NOA解決方案，用視覺場景**代替地圖的作用。與老司機的駕駛方式類似，路口等盲點的位置是場景**，以取代原地圖的作用，保證行車安全。 智基還為實現這一目標推出了DDLD的AI模型解決方案，並以此為基礎，將於6月推出無地圖城市NOA的更新，加快城市NOA的步伐。
NOA城市要解決的最後一件事是：複雜的決策問題過去，工程師一般使用規則演算法來應對不同的駕駛環境，但城市工況過於複雜，如果在開發結束時使用規則演算法，往往是乙隻死羊，因此很難在城市NOA中發揮可持續的作用。
因此，智己推出了一種資料驅動的規劃方法（Dl.p.），學習駕駛員的駕駛行為，並利用AI模型生成決策軌跡，從而更好地應對特殊的決策場景。
ddod+ddld+d.l.p.“是的利用資料驅動的方法，而不是基於規則的演算法實現與更複雜的城市條件的相容性。 更重要的是，它可以使智慧型駕駛系統不再被大量長尾場景適配拖累，充分發揮AI模型泛化的優勢，讓更多的城市使用者以更低更快的釋放速度體驗到城市NOA功能。
當然，使用者在使用城市NOA功能的過程中還是需要足夠謹慎的。 任何智慧型駕駛系統都有自己產品的智慧型駕駛水平，目前所有的智慧型駕駛產品，包括城市NOA功能，都是L2級的5 級產品，使用者仍然需要監控環境並準備立即接管。
但好訊息是，智己也開始全面布局L3智慧型駕駛產品。
2023年12月，智己汽車搭載L3級自動駕駛功能的車輛在上海正式獲得高速自動駕駛測試牌照。 同時，也在積極申請工信部L3級公告進行接入試點，有望成為首批進入L3級自動駕駛接入試點的車型。 L3相關產品也在緊鑼密鼓的研發中。 當產品等級達到L3級時，使用者可以進一步節省監控駕駛環境過程中消耗的能源，使用者將獲得更好的智慧型駕駛體驗。
相信這一天不會太遙遠！