主流智能驾驶产品测评-特斯拉、蔚来、小鹏

Engineer X
2021-10-31
来源:

汽车智能化浪潮已经来临,智能驾驶的竞争也日趋激烈,传统主机厂与Tier1供应商、造车新势力、互联网巨头、创新科技公司都想要从智能化的进程中分一杯羹。


那么,揭开表面的营销,过滤掉资本的泡沫,单从产品表现和技术能力上来评判,当前的智能驾驶水平到底怎么样?主流产品都有什么样的特点?我们近期专门选取了市场上已经量产的主流智能驾驶产品,进行对标测评。

本次我们测评的对象是特斯拉Model3,蔚来ES8和小鹏P7,软件均已升级到2021年5月以后的版本。


我们的测评从三个维度展开:(1)配置与技术演化路线;(2)细分场景下的功能表现;(3)人机交互效果。

一:配置与技术演化路线
1.1 配置
表1展示的是特斯拉、蔚来、小鹏的智能驾驶硬件配置情况。
从传感器来看,Model 3和P7的传感器配置明显高于ES8,P7更是采用了13颗摄像头来做感知融合,在目前的量产产品中,可以说是做到了极致。
至于融合定位,蔚来和小鹏都搭载了主流图商的高精地图,与感知结果融合,基于当前的感知技术,效果自然是优于特斯拉的纯视觉方案(特斯拉的毫米波雷达只是辅助)。
从计算平台来看,Model 3采用了2块特斯拉自研的FSD芯片,算力达到144TOPS,算力远高于ES8和P7,计算速度和效率自然也领先,这也是特斯拉的智能驾驶算法运行的保障。同时,自研的芯片,在开发的灵活性和适配效果上,也必然优于采用供应商芯片的方案。
三者在国内的量产时间接近,特斯拉的价格相对昂贵,这也是部分特斯拉车主没有安装FSD功能包的原因吧。
另外,前不久小鹏P5上市,蔚来也在年初发布了ET7,ET7不仅视觉传感器的数量和性能(前视800万像素)都大幅提升,加入了激光雷达,芯片的算力也达到了奢侈的程度,相信感知效果会有明显的提升。
表1 硬件配置

序号

对标项

TESLA

Model 3

NIO

ES8

XPENG

P7

XPENG

P5

NIO

ET7

1

传感器配置

前视摄像头

3

3

4

3

2

侧视摄像头

4

0

4

4

4

后视摄像头

1

0

1

1

1

环视摄像头

0

4

4

4

4

毫米波雷达

1

5

5

5

5

超声波雷达

12

12

12

12

12

激光雷达

0

0

0

2

1

2

高精地图

百度

高德

高德

百度

3

计算平台

FSD

HW3.0 * 2

144TOPS

Mobieye

EyeQ4

2.5TOPS

NVIDIA

Xavier

30TOPS

NVIDIA

Xavier

30TOPS

NVIDIA

Orin * 4

30TOPS

4

量产时间

2019

2019

2020

2021

2022

5

价格(¥)

6.4W

3.9W

3.6W

/

/


图1~图6可以看出Model 3/ES8/P7的传感器具体布置方案以及探测范围,表2对这三款产品的传感器探测距离作了定量的说明。

图1 Model 3的传感器



图2 Model 3的探测范围


图3 ES8的传感器


图4 ES8的探测范围


图5 P7的传感器



图6 P7的探测范围


表2 三款产品的传感器具体情况

TESLA Model3

序号

传感器

数量

探测距离

1

前视摄像头

3

(1个三目)

长焦250m,中焦150m,广角60m

2

前侧摄像头

2

80m

3

后侧摄像头

2

100m

4

后视摄像头

1

50m

5

前毫米波雷达

1

170m

6

超声波雷达

12

8m

NIO ES8

序号

传感器

数量

探测距离

1

前视摄像头

3

(1个三目)

长焦200m,中焦150m,广角30m

2

环视摄像头

4

10m

3

前毫米波雷达

1

160m

4

角毫米波雷达

4

80m

5

超声波雷达

12

6.5

XPENG P7

序号

传感器

数量

探测距离

1

前视摄像头

4

(1个三目 + 1个单目)

长焦180m,中焦80m,广角30m

2

侧视摄像头

4

40m

3

后视摄像头

1

80m

4

环视摄像头

4

5m

5

前毫米波雷达

1

160m

6

角毫米波雷达

4

80m

7

超声波雷达

12

4m


1.2 技术演化路线


从三家公司产品的技术演化路线来看,特斯拉起步早,2016年就已经有了NOA功能,后续从细节上优化升级;蔚来则逐步叠加功能,更像传统主机厂的风格;小鹏则是后来居上,第二代产品P7的NGP功能,就已经达到了领先水平。
如果说10分是智能驾驶的满分表现,那么特斯拉就是从0到5,再到6/7/8/9/10;蔚来是从0到1,再到2/3/4…10;小鹏则是从0到8,再到9/9.5/10。



图7 特斯拉的技术演化路线



图8 蔚来的技术演化路线


图9 小鹏的技术演化路线


二:细分场景下的功能表现


本次测评,我们直接对标了3款车型的最高阶智能驾驶功能:高速领航辅助驾驶,即Model 3的NOA功能,ES8的NOP功能,以及P7的NGP功能。

2.1 场景范围与分类

从场景来看,主要有车辆在本车道巡航和自动变道两大类场景,这两大类场景则可细化到表3和图10~图16中的各类细分场景。


表3 高速领航辅助驾驶的场景

序号

一级场景

二级场景

场景说明

1

本车道巡航

定速巡航

无前车,按设定的车速行驶

2

本车道巡航

跟车巡航

有前车,按设定的跟车时距行驶

3

本车道巡航

跟停与起步

随前车的停止与起步而动作

4

自动变道

超车变道

前车速度低,变道超车

5

自动变道

导航变道

为实现导航的路径规划而变道,典型如进出匝道

6

自动变道

避障变道

为躲避道路障碍物而变道

7

自动变道

地形变道

因车道线改变而变道,如车道线合并、分叉等







2.2 巡航场景下的功能表现

从表4可以看出,在巡航场景下,3款产品的策略与功能表现类似,都会自动按道路限速行驶;前方有车时,按设定的跟车时距行驶;旁车侵入时,减速但不让道等。

但部分场景下仍有所区别。如可设定的车速范围,Model 3较为激进,150kph内都可以激活NOA功能,ES8和P7则更符合国内法规的要求。

在车道线消失的情况下,Model 3和P7可以凭借更优的算法,拟合一段车道线保证功能正常,而ES8则没有能力。

针对相邻车道有大型车辆的场景,P7实现了智慧躲闪功能,让车内人员更有安全感;跟停后重新起步的时间阈值也有所不同,Model 3更为激进,ES8和P7则相对保守。


表4巡航场景的功能表现

定速巡航
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
按道路限速行驶
自动按道路限速行驶
自动按道路限速行驶
自动按道路限速行驶
2
可设定的车速范围
0-150kph
0-130kph
0-120kph
3
针对大车的智慧躲闪功能
4
旁车压线时的处理方式
减速跟车行驶
减速跟车行驶
减速跟车行驶
5
旁车Cut-In
减速,让速不让道
减速,让速不让道
减速,让速不让道
6
部分车道线消失
拟合虚拟车道线
一侧消失,按另一侧行驶;
双侧消失,退出功能,提示接管
拟合虚拟车道线
7
默认巡航车道
无前车时的本车道
最左侧车道
无前车时的本车道
跟车巡航
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
前方有车,跟车行驶
按设定的跟车时距行驶
按设定的跟车时距行驶
按设定的跟车时距行驶
2
前方车速低,邻道有低速车
按设定的跟车时距行驶
按设定的跟车时距行驶
按设定的跟车时距行驶
3
跟车时距分级
7档
5档
5档
跟停、起步
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
前车停车,邻道有车
按设定的跟车时距停车,必要时激活紧急制动,提示接管
按设定的跟车时距停车,必要时激活紧急制动,提示接管
按设定的跟车时距停车,必要时激活紧急制动,提示接管
2
跟停后重起步
自动跟随起步的时间阈值为5Min,超过5Min需踩油门起步
自动跟随起步的时间阈值为1Min,超过1Min需踩油门起步
自动跟随起步的时间阈值为1Min,超过1Min需踩油门起步


2.3 变道场景下的功能表现

在自动变道场景中,3款产品的功能表现有较大差别,体现出不同的性能差异和驾驶风格。

超车变道时,Model3只要被压速,就会寻找时机变道超车,而ES8和P7则会耐心等待,只有速度被压制到一定程度时,才会主动变道。

在车道选取的策略上,三者都符合常理地选择车流量小的车道,但Model3对于左右车道没有优先级,而ES8和P7则符合中国的驾驶规则,优先向左变道。

Model3对于自己的变道决策结果非常自信,只要决定变道,就一定会找机会完成,ES8和P7则会在多次失败后,终止变道决策。

导航变道时,Model3汇入主路后不能自动调节车速,需要驾驶员手动调节,这一项体验很差。

汇入主路后,Model3不向左侧车道变道,ES8和P7自动变道至最左侧车道,这都不是最优策略,我们认为,四车道自动选择左侧第二车道,双车道和三车道自动选择最左侧车道,更加符合国情。

由于Model3没有融合高精地图,因此汇入主路的成功率较低,而ES8的感知能力偏弱,需要有过渡路段才能提高汇入主路的成功率,P7则凭借良好的感知能力与高精地图,达到了80%的汇入主路成功率。

在驶出主路进入匝道时,Model3和P7都表现出较高的成功率,而ES8由于感知能力不强,成功率偏低。

进入匝道前,3款产品都有提前变道和减速的动作,但是提前的时机和减速时机各不相同,并且与当时的交通车流量也有关系。

驶出ODD进入收费站时,ES8不减速,这一点体验感差。

对于路面有障碍物的场景,3款产品都是优先减速,但Model3直接减速至停车,而ES8和P7会同时做出适当的转向避让动作,体验感较好。

车道线合并的情况下,三者成功率都不高,猜测是受当前感知能力的限制,期待后需的提升。

变道过程中如有驾驶员干预,三者的处理方式大同小异,除了驾驶员踩油门的操作外,系统都会退出或暂停功能。不同之处在于退出的时机,以及系统是否自动恢复接管。


表5变道场景的功能表现

超车变道

序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
变道速度差的阈值
大于0即寻找变道时机
超过一定阈值(20kph)才寻找变道时机
超过一定阈值(15kph)才寻找变道时机
2
优先车道
车流量小优先,左右车道无优先顺序
车流量小优先,向左优先
车流量小优先,向左优先
3
变道前的决策时间
约30s
约20s
约20s
4
变道时的车速变化
默认加速变道;如目标车道前方有其他车侵入,减速变道
默认匀速变道;如目标车道前方有其他车侵入,减速变道
默认加速变道;如目标车道前方有其他车侵入,减速变道
5
变道被中断后的表现
继续寻找变道时机,直至变道成功
多次(3-4次)尝试失败后,终止本次变道决策
多次(3-4次)尝试失败后,终止本次变道决策
6
变道用时
5s
5s
5s
7
实线是否变道
8
变道速度限制
大于45kph
大于45kph
9
道路曲率限制
弯道过大,不执行变道
导航变道
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
匝道入主干道后的设定车速
保持为匝道车速,需手动调节
自动调节为主干道限速
自动调节为主干道限速
2
匝道入主干道成功率
50%
有过渡路段,90%以上;
无过渡路段,10%以下
80%
3
进入主干道后是否主动向左变道
是,直至最左侧车道
是,直至最左侧车道
4
入匝道前,提前向最右侧变道的时机
四车道提前3km,两车道提前1km
提前2-2.5km
提前2km
5
入匝道前,提前减速的时机
从进入减速车道开始减速
提前500m
提前650m
6
入匝道成功率
90%
70%
90%
7
匝道入收费站的表现
驶出ODD,减速,提示接管
驶出ODD,不减速,提示接管
驶出ODD,减速,提示接管
避障、地形变道
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
前方有障碍物
减速停车
减速,适当转向避让
减速,适当转向避让
2
前方车道线合并
变道成功率约50%
变道时机晚,成功率低,需过渡路段才能成功
变道成功率约50%
退出变道
序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
变道过程中取消转向灯
以车轮是否压线,来决策继续变道或取消变道
以是否有一个车轮完全过线,来决策继续变道或取消变道
以是否有一个车轮完全过线,来决策继续变道或取消变道
2
变道过程驾驶员脱手
以是否开始预警,来决策继续变道或取消变道
以是否开始预警,来决策继续变道或取消变道
以是否开始预警,来决策继续变道或取消变道
3
变道过程驾驶员转动方向盘
功能退出,驾驶员接管,后需手动激活功能
功能退出,驾驶员接管,变道完成后,自动重新激活功能
功能退出,驾驶员接管,变道完成后,自动重新激活功能
4
变道过程驾驶员踩制动
功能完全退出,驾驶员接管
功能完全退出,驾驶员接管
功能完全退出,驾驶员接管
5
变道过程驾驶员踩油门
Override,功能不退,加速变道
Override,功能不退,加速变道
Override,功能不退,加速变道
6
巡航时驾驶员开启转向灯
命令式变道
命令式变道
命令式变道


2.4 功能表现总结

Model 3的感知功能强大,风格激进,安全性偏低,测评时多次出现危险状况,需人工接管的次数多。同时特斯拉过于依赖视觉感知的结果,与导航和地图的融合度低,会出现走错路的情况。

ES8受限于硬件,感知功能弱,风格偏保守,安全性相对高,但牺牲了通行效率。蔚来的场景感知与导航信息融合度高,不会错过匝道口等涉及全局路径规划的场景。

P7的感知功能达到特斯拉水平,同时风格偏保守,更符合中国道路场景,兼顾了通行效率和安全性。小鹏的场景感知融合了高精地图,感知效果更准确。

当前主流的产品仍有改进空间,如收费站场景,目前还不能自动驶出;如可以考虑设置不同的自动驾驶模式,满足不同驾驶风格消费者的用户体验等。

三:人机交互效果

对于三款产品的人机交互效果,我们同样根据不同的应用场景进行测评。


表6 人机交互的场景

序号
一级场景
场景说明
1
功能开启与激活
开启、激活智能驾驶功能时的操作方式
2
功能退出与预警
功能退出的方式,对驾驶员的预警效果
3
本车道巡航
车辆在本车道内巡航时,HMI的显示效果
4
自动变道
自动变道时,HMI的显示效果


3.1 功能开启与激活的操作方式

三款产品的功能开启方式相同,都通过车机里的软开关控制,但激活方式各不相同。

Model3完全颠覆了传统汽车的操作方式,采用拨杆操作;ES8完全保留了传统的操作方式,采用按键操作;P7则采取折中方案,同时采用拨杆和按键,控制不同的模块。


表7 功能开启与激活方式

序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
功能开启
HU软开关
HU软开关
HU软开关
2
功能激活
方向盘右侧拨杆
方向盘左侧按键
方向盘右侧拨杆
3
车速与跟车距离设定
方向盘右侧滚轮
方向盘左侧按键
方向盘左侧按键


图17 Model3 NOA的开关方式


图18 ES8 NOP的开关方式


图19 P7 NGP的开关方式


3.2 功能退出与预警的表现

三款产品的正常功能退出方式,与功能开启激活方式相同。

在驾驶员干预的情况下,对于驾驶员踩制动的处理方式相同,功能退出,车辆交给驾驶员接管;对于驾驶员转动方向盘的处理方式中,ES8只是暂停功能,根据驾驶员的转动时间,决定是否自行恢复功能,Model3和P7都是直接退出功能。

三款产品都采用方向盘力矩检测的方式来判断脱手,其中Model3的阈值设定较大,很容易误报,ES8和P7则表现正常。

Model3由于没有启用DMS(驾驶员监测系统),因此不能判断驾驶员是否存在疲劳和分心的情况,ES8和P7则会实时监测驾驶员状态,并分级预警,保证安全。

总体来说,ES8对驾驶员干预的退出机制相对保守,部分条件下可以自动恢复功能,而Model3和P7则直接退出,交由驾驶员接管。


表8 功能退出与预警

序号

对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
正常关闭方式
关闭HU软开关
关闭HU软开关
关闭HU软开关
2
正常退出方式
方向盘右侧拨杆
方向盘左侧按键
方向盘右侧拨杆
3
驾驶员踩制动
完全退出,不可自动激活
完全退出,不可自动激活
完全退出,不可自动激活
4
驾驶员转方向盘
完全退出,不可自动激活,降级ACC
短暂退出,驾驶员松手后自动恢复功能
完全退出,不可自动激活,降级ACC
5
驾驶员开转向灯
不退出,命令式变道
不退出,命令式变道
不退出,命令式变道
6
驾驶员开双闪
退出
临时退出,取消双闪后自动恢复功能
退出
7
主驾解开安全带
退出
不退出
退出
8
驾驶员脱手
三级预警,滑行,最终停车;
方向盘力矩检测,阈值大,易误报
三级预警,最终怠速行驶;
方向盘力矩检测,阈值小,误报率低
三级预警,滑行,最终停车;
方向盘力矩检测,阈值小,误报率低
9
驾驶员疲劳分心
分级预警,最终怠速行驶
分级预警,滑行,最终停车


3.3 巡航场景的显示效果
三款产品的巡航显示的信息量相似,但效果和风格都不相同。
Model3只在HU显示NOA的巡航效果,ES8和P7则同时采用仪表和HU分别显示感知和导航信息,ES8更是把简化的导航信息放在HUD中显示,提升了用户体验。
Model3的显示风格简洁,ES8和P7则给人复杂的感觉,稍微有点眼花缭乱,但ES8和P7都有语音提示,驾驶员可以通过语音了解车辆当前状态,不需要过多关注屏幕的显示内容。
ES8在导航中加入了NOP功能的地理围栏范围,让驾驶员更有控制感,这一点值得推荐。

表9 巡航场景的显示效果

序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
显示方式
仅HU,左侧区域显示环境感知信息,右侧区域显示导航信息
仪表显示环境感知信息,HU显示导航信息,HUD显示简化的车速与导航信息
仪表显示环境感知信息,HU显示导航信息
2
显示内容
当前车速
设定车速
功能状态灯
激活-蓝色图标
开启,未激活-灰色图标
激活-蓝色图标
开启,未激活-灰色图标
激活-蓝色图标
开启,未激活-灰色图标
道路限速
功能开启效果
车道中央宽的蓝色引导线
车道中央宽的蓝色引导线
车道中央宽的蓝色引导线
车道线信息
分虚实
不分虚实
分虚实
周边车辆
障碍物
导航信息
仅文字,无直观图像,导航与视觉感知无融合
文字和直观图像,可显示自车在当前位置的导航信息
文字和直观图像,可显示自车在当前位置的导航信息
DMS状态
3
显示风格
简洁
复杂
偏复杂
4
亮点
场景还原的真实度高
地图中显示地理围栏
HUD显示加分
语音提示的效果好
场景还原的真实度高
5
不足
导航信息少,体验差,缺HUD
分屏显示分散注意力
场景还原真实度低
分屏显示分散注意力
缺HUD



图20 Model3 NOA的巡航显示效果


图21 ES8 NOP的巡航显示效果


图22 P7 NGP的巡航显示效果


3.4 变道场景的显示效果

变道场景中,三款产品的显示内容相似,都会显示目标车道、目标车位、危险车辆等信息,但风格和效果不相同。

Model3通过方向盘振动提醒驾驶员车辆即将变道,提高了安全性,但显示效果中缺少变道过程的动态实时显示,并且看不出导航变道时匝道的效果。

ES8会通过引导线的方向和弯曲程度,实时显示变道过程,但是对目标车道的提示不够明显,并且缺少振动提醒,好在有语音提示,也能达到提示的效果。

P7对目标车道和变道全过程的显示效果都不错,美中不足的是缺少振动提醒,不过语音提示效果也不错。

表10 变道场景的显示效果

序号
对标项
TESLA Model 3 NOA
NIO ES8 NOP
XPENG P7 NGP
1
文字提示
“正在进入快车道”
“即将向左/右变道进入推荐车道”
“即将向左/右变道”
2
声音提示
NOMI语音提示变道
小P语音提示变道
3
振动提示
开始变道时,方向盘振动
4
本车道的显示效果
蓝色引导线消失
蓝色引导线向目标车道弯曲
蓝色引导线向目标车道弯曲
5
目标车道的显示效果
目标车道整体用蓝色渲染,一直显示变道后的目标车位
蓝色引导线向目标车道弯曲,
CLC可显示变道后的目标车位
目标车道整体用蓝色渲染,一直显示变道后的目标车位
6
危险车辆的显示效果
红色高亮,相应车道线变红
红色高亮,相应车道线变红
红色高亮,相应车道线变红
7
转向灯开关效果
变道完成后转向灯自动关闭
NOP判断的变道,完成后转向灯自动关闭;CLC控制的变道,完成后需驾驶员手动关闭
NGP判断的变道,完成后转向灯自动关闭;CLC控制的变道,完成后需驾驶员手动关闭
8
进出匝道的显示效果
不显示匝道效果
实时显示匝道效果
实时显示匝道效果
9
亮点
实时显示变道后的车位
实时通过引导线显示变道全过程
实时显示变道后的车位,且实时通过引导线显示变道全过程
10
不足
缺少语音交互;引导线不显示,缺少动态过程
缺少振动提醒;对目标车道的提示不明显
缺少振动提醒


图23 Model3 NOA的变道显示效果


图24 ES8 NOP的变道显示效果


图25 P7 NGP的变道显示效果


3.5 人机交互总结

Model3人机交互风格简洁,显示的信息量少;缺失语音交互,体验感不好。

ES8人机交互风格相对复杂,显示的信息量大ES8的操作以按键为主,偏传统ES8有语音交互HUD显示,提升了用户体验。

P7人机交互风格偏复杂,显示信息量大;P7的功能操作方式结合了拨杆和传统按键的方式;P7的显示风格与ES8接近;P7的语音交互体验感好。

目前主流产品的人机交互显示效果已经能显示主要的道路和障碍物信息,但还不够完整和真实,相信随着感知性能和车机性能的提升,显示效果会逐步提升,达到真正的场景重构效果。

以上,就是我们本次对三款产品的全部测评内容,受道路环境、法规和主观因素的影响,内容准确度难以达到100%,但在一定程度上可以为产品开发和验证提供参考。

随着特斯拉、蔚来、小鹏不断地推陈出新,以及其他厂家的新产品不断亮相,相信高级智能驾驶功能会越来越完善,越来越安全。


注:文章属于作者个人,仅代表个人观点,不代表平台立场,如有侵权,请联系平台进行修改或者删除;



写在最后



行业转型交流群
交流转型遇到的困难、分享转型过程中的心得,可扫描右方二维码添加工作人员微信,并提供一下名片和个人简历,然后拉您入群。

注:加微信时务必备注您的真实姓名、公司、现岗位

以及意向岗位等信息,谢谢!


关于投稿
如果您有兴趣给《九章智驾》投稿(“转型经历总结”及“知识积累整理”两个方向),请扫描右方二维码,添加工作人员微信。

注:加微信时务必备注您的真实姓名、公司、现岗位

以及意向岗位等信息,谢谢!




推荐阅读:

转型经验分享|我为什么放弃做VC投资,去做自媒体?


“好工作”的最关键指标:场景足够复杂、数据量足够大、杠杆率足够高


我们的个人命运,三分靠打拼,七分靠产业红利——《九章智驾》创刊词


FMCW激光雷达科普(上):基本概念、技术路线、优势及争议和误解


FMCW激光雷达科普(中):激光器、探测器与扫描


FMCW激光雷达科普(下):主要挑战、前景及市场格局


什么是激光雷达的“发动机技术”?一文讲透行业技术壁垒

一文带你了解800万像素车载摄像头

一文读懂自动驾驶仿真测试场景与场景库



分享
下一篇:这是最后一篇
上一篇:这是第一篇