一、接管率与场景差距：实测视频揭示的“数据真相”
多位博主及媒体的实测视频显示，当前城市NOA虽已初步可用，但距离“自动驾驶”仍有显著距离。- 接管频率数据：根据对2026年多款主流车型的实测，城市NOA的平均接管间隔约为8-15次/百公里，换算下来每开7-12公里司机就需要介入一次。在更复杂的混合路况测试中，接管间隔进一步缩短至约8.7公里甚至更低。- 场景覆盖缩水：宣传中的“全场景覆盖”在实际中仍集中于标线清晰的主干道。遇到施工路段、临时红绿灯、无保护左转、复杂立交桥等场景，系统往往会直接退出或提示接管。例如，行业测试显示无保护左转成功率仅为54%，路口右转成功率为67%，远低于人类司机。
二、传感器与决策的“软肋”：雨天与博弈场景成高频“翻车点”
实测视频暴露了城市NOA在特定条件下的决策短板，这些短板直接影响了用户的信任度与使用率。- 恶劣天气性能骤降：小雨天气下，部分城市NOA的误判率可达37%（主要因积水反光被误判为障碍物，导致频繁急刹）。雨天高速NOA的成功率也会从92-97%降至78%。- “博弈”决策能力不足：在与人类驾驶员的博弈中（如双向车道会车、拥堵加塞），NOA系统往往表现得过于保守或突兀。例如，在会车时系统常直接停在路中间等待接管，缺乏人类司机“稍微靠边让行”的常识性判断。这种不确定的驾驶体验也是导致“买了智驾却很少用”的核心原因之一。
三、智驾素养提升：从“驾驶员警惕”到“驾驶习惯记录”
面对技术的阶段性局限，车企与驾驶员正在共同探索更安全、更人性化的使用方式。- 注意力监测与实时记录：部分品牌（如理想汽车）引入了基于摄像头的“注意力检测系统”，允许驾驶员在目视前方且时速低于90km/h时短暂脱手，减少了不必要的方向盘纠正。同时，系统会实时记录并展示每一次接管，形成驾驶报告，以帮助驾驶员复盘接管时机。- 驾驶风格个性化学习趋势：未来城市NOA不再仅仅依赖通用的端到端模型，而是开始尝试学习并记录用户的驾驶习惯。例如，针对高频通勤路线，系统能识别用户偏好的车道选择（如长期走最左侧车道），从而在特定路段模仿车主的驾驶逻辑，减少变道带来的“违和感”与频繁接管。这一趋势被视为提升用户信任度的关键改进方向。
