2024年可谓是城市NOA的爆发年，小鹏汽车和华为在2023年底前逐步完成了多个城市的功能开发，其他车企也跃跃欲试2024年，战斗并不激烈。
24年1月，智己汽车也正式启动了全球首个城市NOA试验，用户已经在上海的“花路”上深度体验了城市NOA的惊人性能。 我们来看看，有哪些实施难点？ 还有什么黑科技可以解决这些问题。
站在2024年的这个关头，高速NOA不再是竞争的热点与结构平稳、结构单一的高速工况相比，城市NOA面临的复杂程度相差一个数量级，您可能需要处理：
1.不同城市不同规格的信号灯，时不时还有几分“文艺气息”
2.路上无视所有法律的叔叔阿姨
3.过于奇怪的城市交叉口设计
等一会。
虽然从功能性能来看，NOA在城市工况下只是对高速NOA功能范围的简单扩展，但实际上，从技术角度来看，这事实上，这是一个量变导致质变的过程，是对当前智能驾驶技术栈的一次全新升级
高速服务。 
城市条件。 
过去，智能驾驶系统的开发大多采用规则算法，但随着场景复杂度的增加，需要面对的开发和测试量也与日俱增。 工程师在身体和心理上都有自己的局限性这个限制主要在高速NOA和城市NOA之间。
因此，在从高速向城市扩张的过程中，我们需要一种新的范式，利用人工智能模型和数据驱动的发展方式，进一步应对更复杂的外部环境。 因此，城市NOA竞赛的重点之一，其实就是AI模型在整个功能中的占比。 比例越高，越容易应对城市复杂的工作条件或扩大城市服务范围。
城市NOA首先要面对的是大量的近距离异形障碍物，这些障碍物曾经在高速条件下使用3D矩形框表征周围障碍物，结构简单，训练方便，可靠性高。 然而，在拥挤的城市状态下，这种表达方式存在许多缺点，无法有效描述异形障碍物，近距离可能存在碰撞风险。
于是，大量开始被引入行业用于“占领网络”的AI模型感知算法。输入周围位置的激光和相机数据后，可以用类似于“我的世界”的光栅对周围物体进行描述，从而增强对周围环境的精细化描述。 由 Zhiji 推出DDOD障碍物感知方案，旨在同时输出 3D 矩形框和栅格描述，以便对环境进行更层次化和更详细的描述。
过去，高精度地图方案一般用于解决城市NOA中的道路法规信息，但该方案的工程维护和更新成本极高，不利于功能扩展。
因此，现在该行业正在启动更多内容追求没有地图的城市NOA解决方案，用视觉场景**代替地图的作用。与老司机的驾驶方式类似，路口等盲点的位置是场景**，以取代原地图的作用，保证行车安全。 智基还为实现这一目标推出了DDLD的AI模型解决方案，并以此为基础，将于6月推出无地图城市NOA的更新，加快城市NOA的步伐。
NOA城市要解决的最后一件事是：复杂的决策问题过去，工程师一般使用规则算法来应对不同的驾驶环境，但城市工况过于复杂，如果在开发结束时使用规则算法，往往是一只死羊，因此很难在城市NOA中发挥可持续的作用。
因此，智己推出了一种数据驱动的规划方法（Dl.p.），学习驾驶员的驾驶行为，并利用AI模型生成决策轨迹，从而更好地应对特殊的决策场景。
ddod+ddld+d.l.p.“是的利用数据驱动的方法，而不是基于规则的算法实现与更复杂的城市条件的兼容性。 更重要的是，它可以使智能驾驶系统不再被大量长尾场景适配拖累，充分发挥AI模型泛化的优势，让更多的城市用户以更低更快的释放速度体验到城市NOA功能。
当然，用户在使用城市NOA功能的过程中还是需要足够谨慎的。 任何智能驾驶系统都有自己产品的智能驾驶水平，目前所有的智能驾驶产品，包括城市NOA功能，都是L2级的5 级产品，用户仍然需要监控环境并准备立即接管。
但好消息是，智己也开始全面布局L3智能驾驶产品。
2023年12月，智己汽车搭载L3级自动驾驶功能的车辆在上海正式获得高速自动驾驶测试牌照。 同时，也在积极申请工信部L3级公告进行接入试点，有望成为首批进入L3级自动驾驶接入试点的车型。 L3相关产品也在紧锣密鼓的研发中。 当产品等级达到L3级时，用户可以进一步节省监控驾驶环境过程中消耗的能源，用户将获得更好的智能驾驶体验。
相信这一天不会太遥远！