高速NOA术语小词典：从传感器到人机共驾一次讲清

高速NOA越来越普及，但厂家宣传中那些术语你真的懂吗？这篇小词典帮你一次性搞明白。

硬件感知层的那些关键器件

激光雷达

激光雷达通过发射激光束并测量反射时间，构建周围环境的三维点云。它不受光线影响，能精确识别200米外的小物体。在高速NOA中，激光雷达帮助系统在夜间或雨天仍能可靠检测到前方静止障碍物、施工路障等。常见类型包括机械式、半固态和固态，2026年越来越多量产车采用固态激光雷达，成本更低、体积更小。

毫米波雷达

毫米波雷达发射毫米级电磁波，擅长测量远距离目标的速度和距离，但角度分辨率偏低。高速场景下，它主要用于自适应巡航的跟车距离保持、前向碰撞预警。主流采用77GHz频段，探测距离可达250米以上。缺点是难以区分静止物体（如路牌）与实际障碍物，因此常需与摄像头或激光雷达融合。

摄像头

摄像头提供最丰富的视觉信息，包括车道线、交通标志、行人等。高速NOA通常需要前视三目（广角、长焦、中距）、环视鱼眼以及后视摄像头。2026年的趋势是800万像素高分辨率，配合神经网络可以更远距离识别小目标。但摄像头易受逆光、大雾影响，需要其他传感器互补。

超声波雷达

超声波雷达探测距离短（数米内），但在泊车场景中必不可少。高速NOA中它的作用有限，不过在拥堵低速跟车时，可用于近距防碰撞。

高精地图与定位技术

高精地图

高精地图相比普通导航地图，包含车道级曲率、坡度、限速、匝道连接关系等厘米级信息。高速NOA依赖它提前知道前方路形，从而规划变道和上下匝道时机。但高精地图更新频率慢，遇到施工改道需要云端实时推送。2026年，一些系统尝试“众包更新”，由车队实时上传变化点。

定位系统

定位融合了GNSS卫星定位、惯性测量单元（IMU）、轮速计和视觉匹配。在隧道或高楼密集区，GNSS信号弱，系统需靠IMU推算位置，并用地标匹配辅助。视觉定位通过比对齐车道线、杆状物特征，实现厘米级横向定位。

场景语义理解

系统不仅知道位置，还得理解路况语义，比如“前方施工区域”、“临时限速”。这需要高精地图的图层标注或实时识别，部分新方案用端到端模型直接从视觉输出语义地图。

算法决策与执行控制

感知算法

感知负责识别车辆、行人、车道线、交通标志等。主流用卷积神经网络做目标检测，加上多任务头输出深度、速度、属性。2026年，越来越多的模型采用Transformer架构，可以通过注意力机制融合多模态特征，提升对异形车的检出率。

预测模块

预测周围运动体的未来轨迹，比如前车是直行还是变道。常用轨迹预测方法包括LSTM、图神经网络，以及基于场景的候选轨迹打分。准确预测是安全变道的前提。

规划与控制

规划包括行为决策（是否变道、何时超车）和运动规划（生成平滑的路径与速度曲线）。控制则执行方向盘转角、加减速指令。典型的规划算法有A*、DWA，控制常用PID或模型预测控制。

决策博弈

高速NOA需要与其他车辆博弈，例如并线时对方是否让行。先进系统会模拟其他驾驶员的意图，做出更自然的决策。

功能特征与评价指标

自动变道（ALC）

系统主动判断旁边车道更通畅或更安全时，自行完成变道。条件包括：当前车速低于设定巡航速度、目标车道有足够空隙。2026年一些系统引入“变道意图可视化”，提前在仪表显示计划。

自动进出匝道

NOA核心功能之一：根据导航路线从主路驶入匝道或从匝道汇入主路。难点在于匝道曲率大、多段分流，系统需提前降至安全车速，并准确选择正确出口。

接管率

接管率用“每多少英里需要一次人工接管”来衡量。常见优秀系统从100英里到几百英里不等。接管率高不代表系统不好，还需看接管场景是复杂还是简单。

运行设计域（ODD）

ODD规定了系统能安全运行的条件：天气、光照、道路类型、速度范围等。高速NOA通常限晴好天气、封闭高速公路、无施工路段。超出ODD系统会要求接管。

脱手时间

允许驾驶员双手离开方向盘的时间上限。L2级别法规要求驾驶员必须随时准备接管，因此脱手时间通常只有几秒到几十秒。部分品牌通过红外摄像头监控驾驶员状态，允许更长脱手。

人机交互与信任

系统通过仪表盘或语音播报当前计划，比如“准备变道，请确认”。好的交互设计能降低驾驶员焦虑，提升使用意愿。

常见问题