小鹏 P7

　　“把车子开上高速，它竟然自己动起来了，不但会根据限速加减速，还会自动变道。“

　　如果你是第一次体验小鹏 P7 的 NGP 智能辅助驾驶系统，它给你的直观感受就是这样的。虽然它与 ACC 智能自适应巡航、车道偏离预警、LCC 碰撞辅助一样，同属于车辆的“辅助驾驶”系统，但是它给你的感觉是车子已经从被动的“机器”成为了开始有思考能力移动出行工具。

　　前不久，钛媒体在广州对小鹏 P7 上工程版的 NGP 驾驶辅助系统进行了体验，车辆在该系统的辅助下行驶了超过 30 公里的高速路段。下面就分别从驾乘感受、变道决策、以及一些对功能未来发展的思考，与大家分享小鹏 P7 的这项功能有何不同。

　　自动介入、驾驶逻辑非常自然

高速上体验 NGP 功能

　　现在智能驾驶辅助已经成为了新车的标配了，用户对于 ACC 自适应巡航、车道偏离辅助等系统也开始不断了解。但是这些技术的体验，还是非常的”机械化“，很多需要手动开启、甚至做一些基础的设定，而且其针对的场景局限性也非常大，比如车道保持功能只针对清晰车道的高速路段。

　　而所谓”自动驾驶“的实现则是通过几个系统的协同来实现，就好像做饭的时候需要通过层层食材的堆积实现最好的味道一样。那么在实现了各项单独驾驶辅助功能的落地后，下一个发展方向在哪里呢？小鹏汽车的 NGP、特斯拉的 NOA、蔚来的 NOP 就是这个问题的答案，将自动驾驶从单独的功能变成场景解决方案。

　　NGP 高速自主导航驾驶作为 XPILOT3.0 上的新功能，它在驾驶中带来的第一个改变是“自然介入”不同于需要单独开启的其他驾驶辅助系统，在开启 NGP 后，系统会自动根据高精度地图的位置信息以及目前所处的环境，判断是否符合开启条件。

　　当车辆驶入支持该功能的路段后，系统会通过语音提示：“已进入自主导航驾驶路段”，此时系统就已经实现了对于车辆控制的介入。除了语音提示之外，没有任何的多余操作，车辆就实现了对于驾驶的“接管”。此时驾驶着就不需要去控制车速以及车辆行进方向了。

　　小鹏 P7 在试驾中，对于这个衔接过程的控制也非常自然，其感觉真的如同一位“隐形司机”坐到了驾驶座上，而且它会沿着当前的驾驶有一定的“延伸”，不会出现系统介入突然出现打方向、加油门、刹车减速等突兀的衔接。

NGP 显示界面，可以看到周围车辆

　　在 NGP 系统中，小鹏 P7 在道路上行驶的决策主要来源于高精度地图和实时道路环境，与特斯拉的 NOA 相比，高精度的地图作为数据辅佐的加入可以针对标线不清、限速不明确的路段提供更好的支持，同时也使得系统获得了对于下一个路段的规划能力，比如路段限速从 120Km/h变为 80Km/h。

　　另外就是让车辆获得了对高速匝道行驶的增强，如今 NGP 已经可以实现连续的高速行驶，即不同高速间的自主切换，在规划完目的地后，即将到达匝道时，车辆会减速并向外侧车道并线，而在高速路段的行驶中，则可以自主进行变线、超车。

　　实际体验中，在最初 NGP 接管的几分钟内，无论你是驾驶着还是车上的乘坐者，都还是有些紧张的，因为从主观视角来看，这辆车真的“自己开起来了”，它下一步的加速、减速以及行驶方向，都不再是司机的手脚来控制的。

　　但当它逐步实现车速平稳控制、开始自己打开转向灯、变道之后，车上人员的心理就会慢慢放松，因为整个超车、变道的过程表现的真的很像一个老司机。实际驾驶中经常遇到的一个场景是：最左侧的快车道有慢车行驶，而中间的行车道则是空闲的状态，此时 NGP 会自动像中间车道并线，完成超车后再回归最左侧的车道。

　　高精地图+实时监测，一条通向自动驾驶的捷径

匝道行驶

　　据现场的工程师介绍，小鹏的 NGP 系统将在明年年初实现向车主进行推送，并且后续将会进行一轮从广州-北京的高速长测，按照预定的目标，小鹏 P7 将在高速自主领航驾驶系统的辅助下，完成这段长途旅程的“自动驾驶”，过程中人为介入系统的次数有望控制在 3 次以内。

　　整套 NGP 系统 30 公里的高速路段体验下来，在路况良好、车辆密度较低的情况下，实际的驾驶感受其实和走上轨道的高铁差别已经不大了。只不过按照目前的法律法规仍然需要驾驶者观察道路情况、坐在驾驶位、系好安全带并手握方向盘。

　　体验中，钛媒体也发现，这套系统目前也有几个比较容易出现人为干预的场景，比如驶入曲率较大的匝道、并入车辆密集的主路，一方面是驾驶者对于系统的信赖程度会下降，另一方面是系统也有一定几率触发手动驾驶接管。

　　另外，对于复杂路况与超车时机的判断，也仍然是整车厂商要长期面对的问题，无论是特斯拉的 NOA、小鹏的 NGP 还是蔚来的 NOP 都无法对这个问题给出完美的解决方案。可以说在真正的拟人化神经计算网络出现之前，这个问题都是“无解”的，因为对于机器而言，它始终只有“执行权”而非“判断权”。

自动变道

　　要知道现有的车辆操作无论多么的“拟人化”，但是其背后都是基于固定的算法逻辑来实现的。也就是说对于特殊情况的判断只能通过预设方案来解决，在这种情况下，车辆能够获取的周围环境信息越多，也就意味着其在应对措施的选用上越精准，对于人类自身而言，思维具备“应变能力”，但对于车辆而言，需要的是数据与匹配方案的支撑。

　　以此为前提推断下去，在同一场景能够提供给主机的数据量，就成为了整个自动驾驶环节中最关键的一环。这也是为什么主机厂在各类传感器、车载芯片上不断做加法的原因。前面也提到，小鹏开发的这套 NGP 系统，核心的数据来源有两个：高精度地图与实时的车辆感知数据。

　　目前行业内当然也有其他的解决方案，比如特斯拉的 NOA 就是以车辆感知数据为主的，以生活中的实际路况来看，NOA 在遇到雨雪、路面标识不清的情况下，更容易出现判断失误，而小鹏的 NGP 与蔚来的 NOP 从当下的发展来看，更加迅速也更加符合实际的道路状况，可以有更多的本地数据作为车辆判断的依据。

　　但也不能因此得出高精地图+实时监测的方案一定是未来自动驾驶的最终道路，因为它也有着自身的局限性。比如高精度地图的覆盖范围与更新速度能够完全符合实际环境，另外一点是长期依赖高精度地图，势必会导致地图信息与实际监控数据间出现出入，此时还需要系统快速做出取舍。

　　总的来说，小鹏 P7 目前展示出的这套 NGP 工程版系统，将自动机驾驶的落地场景又向前推进了很大的一步。今后在高速路段需要高度集中精神驾驶的时间会进一步缩短，对于长时间的高速行驶的安全性，有了多一重的保障。

　　也许机器把人解放的那一天，就要来了。

　　（本文首发钛媒体 APP，作者/邓剑云、编辑/项欧）