汽车智能化时代，智能驾驶永远是一个绕不开的话题。我国城市道路路口多、车流乱、拥堵多，交通网络错综复杂，在这样的城市道路上实际落地辅助驾驶，一直是汽车智能化这条未来科技赛道上最大一个坎。但不久前长城汽车已成功迈过这道坎，其搭载了旗下毫末智行完全自主研发的“城市智能辅助驾驶系统”（城市NOH）的魏牌摩卡DHT-PHEV激光雷达版在成都车展上大放异彩，长城汽车也成为中国首个量产落地应用城市智能辅助驾驶系统的企业，在日益激烈的智能驾驶科技竞争中占得先机。
长城汽车城市NOH有何不同？
当前智能辅助驾驶技术路线大致可分为三大流派，以高清摄像头和机械波雷达为核心的“纯视觉”少数派，以 “多传感器+高精地图”为核心的大众派，还有长城汽车的城市NOH的“重感知、轻地图”技术路线自成一派。
其中，“纯视觉”的感知系统主要依赖于高清摄像头和毫米波雷达，其中摄像头的视觉信号权重更大，这套方案的弊端在于，高清摄像头极易受到光线环境影响，对于一些静止物体的识别很容易出现偏差。而“多传感器+高精地图”方案对高精地图的依赖性很强，但高精地图目前还面临着严格的监管和限制，而且其制作成本很高，地图“鲜度”难以保证，一旦地图更新不及时，就容易出现车辆莫名减速等“突发状况”，很影响用户对智能辅助驾驶的使用体验。而城市NOH“重感知、轻地图”技术路线，采用多种软硬件融合方案，受环境影响小，不过度依赖高精地图，量产后短时间内即可覆盖大量城市，因此能够做到后来居上，抢先实现大规模量产应用。
此外，毫末城市NOH的“重感知”技术路线，是基于中国复杂的城市通行场景，让车辆依靠自身视觉、毫米波、激光等传感器融合感知，完成高阶智能辅助驾驶，并在底层算法中融合视觉和激光雷达数据，进而实现空间、时间、传感器三位一体的深层次感知，使认知决策更像人类，反应更准确、更高效，整个系统更安全、更稳定、更可靠。
长城汽车城市NOH有多厉害？
城市 NOH 是毫末智行打造的中国重感知的城市辅助驾驶产品，也拥有全面的场景覆盖、领先的产品力等多项优势，助力用户轻松驾驭各种城市复杂路况。
在场景覆盖层面，城市 NOH 将包括城市开放道路、城市快速道路、停车场、高速公路在内的所有资源做了一个完整的打通，并可根据导航提供的行驶路线，在城市环境中自如应对包括红绿灯控车、路口转向、路口博弈、环岛通行、导航变道、切入避让、借道绕障、拥堵变道、非机混行在内的众多城市交通场景。比如针对常见的借道绕障场景，城市NOH具备智能识别异形车辆、施工路障、道路锥桶的能力，可根据障碍物类别、位置、速度、阻塞空间等环境要素快速做出响应，自动减速、果断变道，实现智能躲避障碍物，让用户一路从容前行，有效避免剐蹭碰撞事故发生。
在产品力层面，目前城市NOH智能辅助驾驶系统对核心城市的场景覆盖率已超过90%，也就是说，除了一些小路、胡同等部分行车难度较高场景，在多数城市道路都能够开启领航辅助驾驶功能。另据毫末智行实测数据，搭载城市 NOH 的乘用车路口通过率超过70%、变道成功率超过90%、交通流处理能力高达4级，路口通过率等方面的表现领先特斯拉在中国的表现，强劲的产品力表现必将为用户带来一流的体验。
长城汽车城市NOH为啥能这么牛？
城市NOH之所以能够实现如此复杂的城市辅助驾驶并有出色表现，首先要得益于其丰富的感知元器件。据了解，搭载这套城市NOH智能驾驶系统的魏牌摩卡DHT-PHEV激光雷达版，配备有2颗125线激光雷达、5颗毫米波雷达、12颗超声波雷达、4颗百万级像素环视摄像头、4颗百万级像素侧视摄像头以及4颗800万像素感知摄像头，共计31个感知组件，形成了“激光雷达+毫米波雷达+超声波雷达+摄像头”的四位一体感知体系，硬件水平已经达到了行业领先水平。这些感知元器件各司其职，好比有多双“眼睛”和“耳朵”同时工作，让车像老司机一样可以眼观六路耳听八方，能够更加从容地应对雨雪雾强光下的突发状况。
但大家都知道，感知元器件只是智能驾驶系统的基础，对海量视觉数据的准确高效处理更为关键。对此，长城汽车基于Snapdragon Ride平台，打造了可量产的高性能自动驾驶计算平台——IDC 3.0，它是由5nm高通骁龙8540和7nm高通骁龙9000芯片组成的运算中枢，单板算力达到360TOPS，可叠加4板达到1440Tops，是目前全球算力最高的可量产自动驾驶计算平台，可以支撑大量的感知推理计算，以及车端感知数据的筛选、清洗、脱敏和回流。。
不仅如此，长城汽车毫末智行开创的中国首个数据智能体系 MANA 更是城市NOH研发及落地的最强护航利器。它是智能辅助驾驶功能的超强大脑，具备持续进化的感知智能、认知智能、标注、仿真、计算等五大能力，能够让城市NOH的决策更贴近人类大脑。比如对摄像头和激光雷达等核心感知硬件所产生的数据，MANA能进行多模态时空融合，更准确刻画现实世界，大幅提升车辆的感知能力；并可通过对覆盖全国的海量人类驾驶数据进行深度理解，学习常识和动作拟人化，使得系统决策更像人类实际驾驶行为，目前MNNA已完成超过30万小时的学习时长，虚拟驾龄相当于人类司机4万年。同时，MANA构建了闭环自动标注系统，运用无监督自动标注算法，通过使用大规模量产车无标注数据的自监督学习方法打造模型效果，可以更好适应自动驾驶各种感知任务需求。
面对汽车智能化趋势，长城汽车城市NOH以独有的“重感知、全场景、大算力”技术路径，打造更智能的全场景出行体验，为用户提供更智能的出行新方式。相信长城汽车未来在其森林式生态体系加持下，将探索不止，持续创新，让毫末城市NOH继续保持中国量产自动驾驶第一的领先态势，为中国汽车智能化发展提供强大的驱动力。
