芝能科技出品
城区 NOA
（Navigate on Autopilot）
即城市导航辅助驾驶，是智能驾驶技术在城市道路环境中的应用，能够依据导航路线，在城市道路中实现自动变道、跟车、通过路口等功能，为用户提供更便捷的驾驶体验。
围绕城区 NOA 功能的用户使用场景，如何搭建了一套全面的测评体系是一个非常重要的探讨点。
从场景维度方面，可以分为基础场景和特定场景两大类别。
● 基础场景
包含单车道场景
（如直道巡航、直道跟车、弯道行驶等）
、变道场景
（指令变道、超车变道、导航变道等）
以及路口场景
（红绿灯识别、跟车过路口、直行过路口等）
● 特定场景
则有左转
（包括无待转和有待转情况）
、右转、调头、城区避障、Cut - in、车道中 VRU 横穿、绕行障碍物、路口 VRU 横穿，还涵盖人流密集场景、窄路场景、拥堵场景以及不同天气条件等。
如何评价这些，就需要很完整的体系和思考过程，我们尝试来构建一些参考。
● 单车道场景：
依据道路形态和交通参与者状况，可细分为直道巡航、直道跟车、弯道巡航、弯道跟车 4 类。车辆在单车道内沿车道线行驶，这是最基本且普遍的场景：
◎
直道巡航
：道路近乎无弯曲，车道通畅且前方无车，可直线行驶，车速通常在 40 - 80km/h。
◎
直道跟车
：道路近乎无弯曲，车辆跟随前车行驶，保持特定车距，车速随前车变化。
◎
弯道巡航
：道路有弯曲，车道通畅且前方无车，需依道路结构调整车速与方向。
◎
弯道跟车
：道路有弯曲，车辆跟随前车行驶，车速和方向受前车及道路曲率影响。
● 变道场景：
因外部环境或导航路线等因素，自车需变换车道行驶。依触发变道原因，分为指令变道和自主变道，自主变道指系统发出变道指令，包含超车变道、地形变道、导航变道等：
◎
指令变道
：变道指令源于驾驶员意图，是驾驶员通过转向拨杆主动控制的变道。
◎
超车变道
：前车速度太慢或前方有大型车辆，长时间跟车影响通行效率或存在安全风险。
◎
地形变道
：道路地形变化
（如车道分流或合流）
导致自车需变道。
◎
导航变道
：常见于路口和道路分岔路段，因导航规划路线使自车需变道。
● 城区 NOA 的特定场景：
路口场景是城区的典型场景，车速一般不超过 40km/h，车辆需严格遵循路口各类交通设施的引导与约束。
路口道路形态丰富，常见的有十字路口、T 形路口、错位路口、环形路口
（环岛）
、Y 形路口、X 形路口等。在此场景下，城市 NOA 功能需完成红绿灯识别、跟车过路口、直行、左转、右转、调头 等行驶任务。
● 不同形态的路口
◎
Y 型路口
：形状呈 Y 字的路口。
◎
T 型路口
：形状为 T 字的路口。
◎
十字路口
：横竖两条道路交叉形成的路口。
◎
X 型路口
：两条道路斜向交叉呈 X 形的路口。
◎
错位路口
：道路错位相交的路口。
◎
环形路口
：以环岛为中心的环形路口。
● 路口的行驶任务
◎
直行
：沿当前道路方向径直通过路口。
◎
右转
：向右转弯通过路口。
◎
左转
：向左转弯通过路口。
◎
调头
：在路口处完成车辆掉头操作。
● 避障场景：
城区路况复杂，无序穿行的行人、非机动车等不确定因素多，常出现障碍物，需避免碰撞。
依据障碍物移动轨迹，避障场景分为前方纵向侵占车道场景和前方横穿场景。城区 NOA 功能应通过横、纵向联动控制策略避障，保障功能的安全性、流畅性与体验连续性。
● 前方纵向侵占车道：
前方出现障碍物占据本车道，使自车无法按原轨迹通行。常见侵占物体有行人、非机动车、机动车、施工区域锥桶、围墙、栏杆等。
根据侵占车道程度，有不同应对方案：
◎
侵占程度 0
（压线）
：轻微影响，可车道内绕行。
◎
侵占程度 50%
（占据 50% 道路宽度）
：影响较大，可借道避障。
● 前方横穿：
非机动车与行人无序突然穿行，或机动车 Cut - in。横穿场景可能发生在车道、路口、环岛等路段。横穿物体危险度高，应及时减速避让，必要时停车等待。
● 人流密集场景：
行人数量多且密集，移动轨迹难测，易突然出现，严重干扰车辆行驶，不确定性高。
主要包括公交站台、学校门口、园区门口等场景，是城区 NOA 的重点测评场景，极大考验系统的环境感知与决策规划能力。
◎
公交站台
：易现行人横穿和“鬼探头”，公交车随时起步并左转变道。
◎
园区门口
：办公园区、居民社区、商业区等出入口，行人及非机动车穿行普遍。
◎
学校门口
：未成年人交通安全意识淡薄，移动轨迹多变，儿童身高低，识别难度大于成人。
● 交通拥堵场景：
因车流量大、人车混行、红绿灯时间长等致拥堵，车速受限，只能低速缓行。需保持低速跟车，留意行人、非机动车风险及红绿灯状态。
● 窄路场景：
城区狭窄巷道、小路等，通常仅允许一车单向通行。路边有临时停放的两轮车、大石块等障碍物，还有非机动车和行人穿行，通行困难。城区 NOA 车辆需低速缓行，常转动方向盘调整车身姿态。
智能驾驶系统评价体系
可分为五大核心维度，
具体指标分布如下：
● 安全性评估
