所以当车辆面对路口信号灯变化下，理想NOA也能通过大数据算法进行判定，面对不同信号灯时车辆应该提前走哪条路并且看哪个信号灯，例如直行为红灯，左转为绿灯时，车辆也能提前借助驾驶者习惯或者导航路线，搭配各路段信号灯可通行的数值，选择最高数值的路段与行为进行操作，包括无保护转弯下。
最让教授印象深刻的一个就是，当驾驶者行驶在一个非常多车的路段停车时，即便主驾驶还没有看到很多车辆前方有人进行穿插时，城市NOA的模型已经提前通过“脑补”进行感应，包括在一个准备通过信号灯路段时，因前车遮挡“鬼探头（外卖员）”迅速穿插出现时，城市NOA也是比驾驶者更早地进行预判与操作。
由于第一段（模拟理想员工回家路径）主要是在郊区路段，整体状况并不复杂，所以车辆在开启理想NOA功能下，面对乡间小路会车、城镇道路跟车与行驶下，车辆都基本做到准确无误的行驶与通过。
不过在这一路段，车辆行驶于双车道时，对向车辆仍要强行超车时，理想NOA功能是没有做出避让的，为了防止车辆在最紧急情况下出现急刹，驾驶者选择接管避让，对此，理想工作人员也做出解释，当理想NOA面对它人违规驾驶下，车辆预判还是会有些迟缓，但其实在往后比较缓慢的双车交汇时又或者左右侧车辆加塞时，理想NOA还是会做出避让行为的。
不可否认，除了上述情况，理想L9在开启理想NOA功能后，基本能够准确、安全地按照路线行驶到目的地。据悉，这只是理想通过两周的“训练”完成的模型大数据。
所以在进行更困难的“望京路段”下，理想NOA表现还是相对从容的，不管是面对无实线路段下的变道、意图超车、无保护路况转弯、公交驶离下的避让，以及随时停下的车辆等等，理想NOA都有着很多与人相似的驾驶逻辑以及操作。
有利也有弊，因为理想汽车的NOA系统在面对各种复杂情况下，是更倾向作出较为保守的通行策略，如等待其他车辆或行人先行通过、再向前行驶，这也让车辆在过十字路口时较为缓慢，以至于对向车辆需要等待，还有就是每次车辆过弯都会选择中间车道以保证安全性，并没有选择最贴近路肩的道路。