廣告
國內外主流車型智能駕駛測試評價體驗
在換道場景方面，更為強調路徑規(guī)劃。問界與小鵬均存在道路上無明顯障礙物且用戶覺得沒有必要時，進行多次變道的場景。在上海測試中，小鵬偏好變道靠左行駛，而問界左轉靠左、右轉靠右車道的邏輯明顯，且偏好連續(xù)變道（必要性不強）；問界會在很遠的距離就開始提前變道，但在當時的路況中有時并非最優(yōu)策略。阿維塔同樣存在車道選擇猶豫的場景，雖未導致接管，但影響駕駛體驗。
在匯流分流場景中，預測模塊準確度與切入車流時機較為重要。匯流分流場景又包含上下匝道、車道線合并、主輔路合并分流等場景，要求車輛對車道車流有精準的感知預測，測試場景中特斯拉表現均較為優(yōu)秀。但從特斯拉的一個測試場景中注意到，后方消防車輛以鳴笛的方式傳遞需要讓道的信號，特斯拉 FSD 暫時不具備聽力和分辨消防車的能力，按照美國的交規(guī)只能采取人工接管。
除以上場景之外，目前無論是特斯拉還是國內車企在加塞場景方面仍有較大進步空間。在加塞時，自動駕駛系統(tǒng)一方面要保持安全距離，另一方面要擇時匯入車流，但中間涉及到博弈等復雜問題，特別是在堵車時變道加塞場景，當前自動駕駛系統(tǒng)基本都是完成加塞預備動作后卡在中間動彈不得，需要人為接管推進。
3.3.5、 復雜道路場景：環(huán)島場景僅特斯拉能處理，國內暫未覆蓋
復雜道路場景基本是自動駕駛系統(tǒng)很難處理的道路場景，在我們的測試中，這類場景較少，但是接管率較高。其中環(huán)島場景一直以來都是處理難題，在環(huán)島場景中，自動駕駛車輛需要完成駛入、換道、駛出等操作，再加上常見的不遵守交通規(guī)則的非機動車，更增加了復雜性。自動駕駛車輛需要根據駛出環(huán)島的路口選擇合適的內側、中間、外側車道，駛出環(huán)島時需要提前變換到中間車道后再變換到外側車道，最后駛出環(huán)島。內側車道行駛干擾少，但是駛出時需要變換兩條車道，對感知、規(guī)劃增加了更多挑戰(zhàn)；外側車道行駛，駛出環(huán)島成本最低，但是需要面對的無序的干擾較多。在如此復雜的規(guī)則下，目前國內車企在面對環(huán)島場景時會提前提示接管，并自動退出自動駕駛功能。而特斯拉 FSD 表現出眾，能夠應對測試場景中出現的環(huán)島場景。
掉頭場景方面，問界 M9 在廣州實現了一次掉頭操作，在重慶與北京均未成功；智己 L6 在上海也實現了一次自主掉頭；小鵬在掉頭場景之前會判斷能否一把方向盤掉頭，否則會提示接管。修路場景方面，道路正在進行維修或施工，多異形障礙物，對感知能力要求較高的同時，也需要車輛及時重新規(guī)劃路徑，在我們的測試中僅有特斯拉、問界、小鵬遇到該類場景，但除特斯拉外的國內車企對修路場景的通過率均較低。
3.4、 城市分析：不同城市中，不同的規(guī)控策略帶來的體驗差異較大
前文提到國內車企對于城市 NOA 功能采取的開城策略，同時不同城市的駕駛風格、駕駛習慣存在差異，道路工況也存在較大差異，相比較下能夠更好發(fā)現車企自動駕駛的能力。為了比較自動駕駛系統(tǒng)在不同城市之間的表現，我們選取問界與小鵬在北京、上海、廣州、重慶四地進行了測試。從場景數量的分布上看，問界在重慶、北京的場景樣本數量最多；小鵬在上海、北京的場景樣本最多，但是在廣州限于測試時間與路況，僅有 11 個場景樣本。
在道路工況方面，上海所測試道路車道線較為清晰，且車道較為寬敞，紅綠燈并不復雜，相比之下，北京所測試某些道路的車道線較為模糊復雜，某些非機動車道比機動車道還要寬，為自動駕駛系統(tǒng)的運行造成了較大的挑戰(zhàn)；重慶方面，不僅車道多為窄路，且交通信號燈較為復雜，盡管車道線狀況良好但也會有信號燈識別錯誤的情況出現；廣州測試道路也相對寬敞，具有清晰的車道線與紅綠燈提示。在交通參與主體方面，相較重慶、廣州而言，北京、上海測試路段遇到的司機顯得較為文明禮讓，而重慶測試路段遇到的司機相比則更為激進，重慶路況復雜的另一因素在于由于多為窄路，路邊停車以及非機動車停放較多，部分場景下車輛規(guī)劃路線上會遇到長時間的停泊車輛，對自動駕駛系統(tǒng)造成較大的考驗。
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標準立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
