买车送“老司机”？ 小鹏城市NGP体验

　　· 城市NGP智能导航辅助驾驶

　　数据表明，在用户的总用车里程中，城市道路占比高达71%，此外，每天仅有25%的用户出行会通过高速，而城市道路则是100%。这说明了城市场景才是用户真正的刚需，也是让小鹏汽车催生城市NGP智能导航辅助驾驶（下文统称城市NGP）的决心所在。

　　简单来说，城市NGP是用户在可用的城市道路实现A到B点的智能导航辅助驾驶。开启城市NGP后，车辆能够完成本车道巡航跟车、导航变道、超车变道、汇入/汇出道路、绕行静止车辆或物体、规划合适车速等动态驾驶任务，并能够实现红绿灯识别起停、自主打灯变道、路口左/右转、环岛通行、高架和隧道通行、避让道路施工、避让其他交通参与者（行人、骑行者）等典型城市路况交通行为。

　　由于城市场景中道路错综复杂、交通行为不规范、改道施工频繁等因素，导致了城市NGP要想真正落地，面临的困难是非常艰巨的。所以，它需要更强大的软件能力。相比高速NGP，城市NGP的代码量提升至6倍，感知模型数量提升至4倍，预测/规划/控制相关代码量提升至88倍。

　　9月17日起，城市NGP陆续推送给在广州（试点）的P5用户。截至目前收集到的数据显示，城市NGP周用户渗透率达到84%，里程渗透率达到63%，通行效率可接近人类司机的90%，每百公里被动接管仅0.6次。这些数据背后，无不在说明着城市NGP的出色能力，以及用户的肯定。

　　城市NGP的成功，除了自身硬件的高水准外，还得益于全新一代感知架构——XNet，以及全闭环、自成长的AI和数据体系。

　　XNet通过多个摄像头采集的数据，以及多帧时序前融合，从而生成了超强环境感知能力，输出动态目标物的4D信息和静态目标物的3D信息，更精准的360度感知，造就了车辆在城市NGP功能下的博弈能力，以及变道成功率，从而带来更高的通行效率与安全性能。

　　此外，数据闭环的基础能力由采集、标注、训练、部署四大核心能力组成，效率是AI体系的重要KPI之一。因此，小鹏汽车通过定向采集的方式，将收集到大量的训练数据，在自动标注体系和扶摇的帮助下，快速进行修正。而较为少见的极端场景则通过仿真系统，生成大量的同类型数据，进行快速迭代训练。值得一提的是，通过定向采集和仿真结合，一年内累计解决1000个以上Corner case（极限场景），高速NGP事故率降低95%。