汽车自动紧急制动系统（AEB）通过融合雷达、摄像头等传感器实时感知环境，结合算法计算碰撞风险，并在驾驶员未能及时反应时自动执行分级制动直至全力刹停。
一、感知层：AEB的“眼睛”
AEB系统依赖多种传感器协同工作，以识别前方障碍物。
1. 主要传感器类型
摄像头：用于识别车辆、行人、自行车、交通标志等视觉特征，但受光线和天气影响较大。
毫米波雷达：通过发射电磁波探测物体的距离、速度和相对运动，抗恶劣天气能力强。
激光雷达：提供高精度的三维点云数据，能更准确地识别异形障碍物和低矮物体，是高端方案的常用配置。
2. 传感器组合与方案
- 方案类型
- 典型配置
- 优势
- 局限
- 单目视觉方案仅靠摄像头成本低、普及率高测距精度有限，易受光照干扰
- 雷达+视觉融合毫米波雷达+单目/双目摄像头综合性能均衡，多数主流车型采用静态物体识别仍需优化
- 多传感器融合摄像头+毫米波雷达+激光雷达识别精度高，支持全天候、全场景成本较高
二、决策层：AEB的“大脑”
系统获取传感器数据后，通过算法快速计算并判断是否触发制动。
1. 核心计算指标
碰撞时间（TTC）：系统基于本车与障碍物的相对速度、距离、运动轨迹，实时计算预计碰撞时间。
风险等级划分：当TTC小于前方碰撞预警阈值时，系统发出声光或触觉警报；当TTC小于AEB触发阈值时，系统自动介入制动。
2. 分级制动策略
大多数AEB系统采用分阶段干预策略：
预警阶段：通过仪表盘闪烁、蜂鸣声或座椅震动提醒驾驶员。
预制动阶段：短促制动以唤醒驾驶员注意力，同时预紧安全带，施加约30%的制动力。
部分制动阶段：使用50%制动力减速，自动关闭车窗天窗并开启双闪。
全力制动阶段：若驾驶员仍无反应，系统实施最大制动力紧急制动，力求完全刹停或最大化减轻碰撞力度。
3. 算法的权衡难题
AEB系统面临的一大挑战是“误触发”与“漏触发”之间的平衡：
灵敏度过高：可能因路牌、飞溅的塑料袋等非危险目标触发急刹车，导致后方追尾风险。
灵敏度过低：可能在真正需要时未能及时刹停，导致碰撞事故发生。
车企的保守策略：为避免因误触发引发争议或法律责任，多数车企在算法标定时更倾向于“宁可漏判，不可误判”的保守策略。
三、执行层：AEB的“手脚”
当决策系统判定需要制动时，指令被发送至车辆制动系统。
1. 制动响应过程
系统向制动控制单元（如IPB、ESP）发出请求，施加目标减速度。
制动系统需在毫秒级时间内建立压力，实现快速响应。
部分系统支持制动预充压，提前将刹车油泵压力建立好，缩短后续制动响应时间。
2. 高速场景的挑战
物理定律限制：车速越高，相同的距离对应的制动时间越短，对AEB的响应速度要求越高。
性能上限差异：传统AEB的触发上限通常在70km/h左右，但通过提升感知和算法能力，部分车企已实现120km/h甚至130km/h时速下的刹停。
车身姿态干扰：紧急制动时车辆前部下沉，可能导致前方传感器（如雷达）的探测方向偏移，影响对前方危险车辆的持续追踪。高水平车企会通过传感器模块的自动调节来抵消这一干扰。
四、技术边界与现实局限
AEB并非万能，其效果受到多种因素制约。
- 制约因素
- 具体表现
- 恶劣天气暴雨、浓雾、大雪会削弱传感器性能，降低识别准确率
- 异形障碍物低矮物体、不规则形状的障碍物（如掉落轮胎、石块）可能无法被有效识别
- 静止物体识别算法为过滤路牌、桥梁等静止误报，有时会降低对静止车辆或路障的识别优先级
- 儿童与行人身高过低、目标特征不完整，尤其在“鬼探头”场景下容易失效
- 高速极限虽然高速刹停能力在提升，但受限于制动距离和反应时间，无法保证在所有高速场景下避免碰撞
五、从AEB到AES：主动安全的技术演进
AEB侧重于自动刹车减速，通过降低碰撞力度来保护乘员。
AES（自动紧急避让） 是AEB的增强版本，当制动无法避免碰撞时，系统可主动转向避让，需要更强的感知能力和底盘操控极限。
端到端模型化AEB，如乐道、蔚来等品牌采用的新技术，能更精准地把握最佳介入时机，并覆盖更广的碰撞角度范围，提升斜穿、转弯等场景的应对能力。
