自動駕駛事故已經屢見不鮮，但令人費解的是，為什麼被視為安全防線的AEB功能，在事故發生的關鍵時刻，往往沒能發揮作用、力挽狂瀾？

AEB是ADAS的核心功能之一，如果連AEB功能都無法保證，是不是意味着，所謂自動駕駛，還遠遠沒有邁過L2這一關。

即便是宣稱已經成熟量産的「高階輔助駕駛」，也隻是在無數限定條件下才能實現的半成品？

01

為什麼AEB頻頻罷工？

在今年3月舉辦的2022百人會論壇上，理想汽車創始人李想提出了一個非常有建設性的話題，他說應該把AEB主動刹車系統做成乘用車的标配，還表示，理想願意開源自己的AEB算法。

一般來講，能夠做開源的，一定是比較牛的技術，例如谷歌、微軟、亞馬遜都是開源大戶。這番話，體現李想對自家AEB算法的自信。

然而，打臉來的太快，号稱要開源AEB的理想，幾個月之後就翻了車。7月26日，理想L9甯波試駕車雨天夜間以86km/h的速度撞擊金屬護欄。

理想L9甯波試駕車事故行車記錄儀視頻

而在懂車帝AEB主動刹車測試中，拿到過第一名的理想ONE，近期也發生了事故。8月8日，一輛理想ONE在高速路段，以77km/h的速度撞上一輛停在路邊的工程車輛，事故發生時，車輛處于NOA開啟狀态。

這種在消費者眼中看似愚蠢的事故，小鵬也發生過。

今年3月，一位湖南嶽陽的小鵬P7車主，在開啟輔助駕駛功能的狀态下，撞上一輛前方橫停的側翻車輛，事發時車輛時速在80km/h左右。

8月10日，又是小鵬P7，在高架橋行駛過程中，追尾撞上了一輛停靠在路上的故障車，站在前車車尾的人被撞身亡。根據肇事車主的聊天記錄，事發時車輛時速在80km/h左右，且開啟了LCC功能。

被認為是自動駕駛标杆的特斯拉，涉及的Autopilot自動駕駛事故更是數以百計。

看見這些事故的時候，大家都想不通一個問題，那些被冠以智能電動車之名的産品，為什麼連最基本的AEB都翻車？

有趣的是，如果把這個問題抛給汽車工程師，他們很可能會說，AEB本來就不是萬全的功能，出事故屬于正常現象。

為什麼公衆認知與專業人士認知有如此大的偏差？AEB在什麼情況下會失效？又有哪些提升的空間？

02

AEB的技術瓶頸在哪？

吐槽之後，我們就先來解決一下認知問題，什麼是AEB？

AEB全稱Autonomous Emergency Braking，自動緊急制動，是一種汽車主動安全技術。

AEB系統通過毫米波雷達、攝像頭、激光雷達等感知系統測量出車輛與前方障礙物距離，然後利用數據分析模塊将測出的距離與警報距離、安全距離進行比較，小于警報距離時就進行警報提示，小于安全距離則會啟動制動功能，從而保證車輛安全。

早在2002年、2003年，奔馳、本田、豐田等車企就已經開始嘗試落地AEB功能。目前來看，AEB已經成為ADAS功能體系裡最基礎、最核心的功能之一，被消費者認為是主動安全的一道防線。

而遺憾的是，被認為是安全底線的AEB，并不是在所有情況下都能發揮作用。

AEB的工作機制和智能駕駛的其他功能一樣，都要經曆感知、決策、執行三個關鍵步驟。

目前，業内将限制AEB能力提升的第一阻力指向了感知層面。具體來看，系統識别障礙物的豐富度、準确率，以及探測距離，都是影響AEB功能的核心要素。

自動駕駛感知方案示例

提到感知能力，就不得不展開介紹一下，智能駕駛涉及的三種主要傳感器：攝像頭、毫米波雷達和激光雷達。

不知道從什麼時候開始，好像一有智能駕駛車輛發生事故，大家總愛把責任推到毫米波雷達上，其實這是有些片面的。

三種核心傳感器各有優缺點。簡單來說，攝像頭的優勢是能夠識别出物體的類别、顔色，這應用在交通場景中，就能夠比較好地識别出各類交通要素：車輛、行人、交通燈、路牌等，但它的缺點是和人眼一樣，在遇到一些光線較暗的場景，或炫光、強光的時候，就容易看不清晰。

毫米波雷達的優勢就是不受光線、雨雪的影響，在惡劣環境下也可以較好的工作，但它的問題在于僅能提供平面化的掃描，沒有垂直的視場角，也就是說，它隻能知道範圍内有東西，但不知道是個什麼東西。

另外，它還對金屬比較敏感，在道路交通環境中，掃描到一些金屬物體，就會報警，比較容易引起誤報。

因此，在感知方案中，系統往往會把毫米波雷達的置信度降低，而是以攝像頭的判斷為主。這也比較好理解，車輛行駛時，識别不到危險物體有安全隐患，而誤報刹車同樣存在安全隐患。

所以，在一些事故發生時，并不一定是毫米波雷達沒有檢測到物體，也可能是系統沒有給予采信。

激光雷達的優勢在于看的遠、精度高且能夠三維成像。它可以得到目标的距離、方位、高度、速度、姿态、形狀等參數，從而構建3D環境點雲圖。

同時還能獲取目标表面反射特性、運動速度等豐富的特征信息，為目标探測、識别、跟蹤等數據處理提供充分的信息支持、降低算法難度。而它的缺點在于雨雪、塵土等惡劣環境的抗幹擾性較差。

所以，除了特斯拉以外，幾乎所有車企和自動駕駛公司，走的都是融合感知的技術路線，這正是為了各傳感器短闆的互相彌補。

那麼，感知會如何影響AEB能力？主要體現在兩個方面：識别精準度及探測距離。

• 感知準确度、信息豐富度待提升

在一些事故場景，AEB功能沒有啟動的原因，要麼是傳感器沒有識别檢測出障礙物，要麼是沒有識别出障礙物是什麼，前者的原因在于傳感器精密度不夠，後者則在于場景采集的豐富度不足。

AI算法的學習和人的學習相似，首先要解決認知的問題，這在算法裡對應的就是标定，隻有标定過的物體，算法才有可能識别出來，否則就很難進行識别判斷。

在最初簡單的AEB方案中，系統主要标定的障礙物就是車輛和行人，至于兒童、寵物、雪糕筒，以及一些異形檢測物都無法識别。

随着傳感器産品的成熟，智能駕駛方案也正在變得越來越複雜，從單V到1R1V配置，再到5R10V，甚至是引入激光雷達的、更複雜的感知方案，例如沙龍機甲龍搭載了33個感知硬件，包括4L5R12V。

傳感器硬件的不斷疊加，正是為了彌補感知能力的短闆，随着更多高精度傳感器的上車，相信感知準确度上已經有了很大提升。

因此，對于具有「高階輔助駕駛」能力的車型來說，在感知精準度上已經問題不大。更大的短闆在于，感知場景标定的豐富度和算法訓練。簡單理解就是，AEB也要解決CornerCase。

例如，理想L9試駕車撞在圍欄上，如果在激光雷達開啟的情況下，大概率不是沒有檢測到前方有物體，而應該是算法不知道這是什麼東西，該做出什麼樣的決策。

• 感知距離限制AEB适用速度

感知能力強弱影響的另外一個方面是響應距離。傳感器的感知距離，和系統響應的時間以及制動系統的刹車距離，決定了AEB可以工作的最大速度。

去年3月，國家标準化管理委員會批準發布了《乘用車自動緊急制動系統（AEBS）性能要求及試驗方法》，标準号為GB/T 39901-2021。

這份推薦性國标來看，對于靜止的物體，要求車輛以30km/h的速度行駛，不發生碰撞即為合格，移動目标則要求車輛在50km/h的速度行駛時，不發生碰撞即為合格。

我們知道，城市普通道路通常限速30-60km/h，高速場景的最低限速是60km/h。如果按照這個要求，AEB似乎隻能在城市場景發揮作用，而在高速場景就是完全失效的狀态。

事實上，企業的“自我要求”往往會高于國标要求。目前市場上銷售的絕大部分車型，都宣稱能夠做到80km/h以下AEB避撞，與E-NCP、C-NCAP的要求保持了一緻。而車企自身，以及各測試标準，均未對80km/h以上AEB做出要求。

上文提到的幾起事故，發生事故時，車輛速度正是在80km/h左右的AEB極限值。

也有觀點認為，一些事故的發生，表面上看似乎是AEB沒有開啟，實際上可能是已經開啟，但決策、執行時間不足以避免事故的發生。

因此，除了感知因素以外，響應效率和制動能力，也是影響AEB功能實現的關鍵因素。

城市場景有鬼探頭、異形車輛等挑戰，高速場景則面臨着AEB速度失效邊界。那麼如此挑剔的AEB，是不是有些雞肋了？

03

我們要如何理解AEB？

在消費者的眼中，AEB就應該是為了避免事故而存在的，根據上面的分析，大家應該清醒了，AEB的工作條件是非常限定的。

那麼，現階段，作為消費者，我們應該如何理解AEB？

首先，一般市場上宣傳的配備AEB功能的車企，功能有是有，但性能并不能保證。不同車企、不同車型采用的方案往往不同，實現的能力水平也各不相同。

AEB是智能駕駛的子功能項，如果AEB都無法絕對安全，那麼所謂的輔助駕駛和高階輔助駕駛，也一定過不了安全的關。建議駕駛員還是就當沒這個功能，該怎麼開怎麼開，或許哪天AEB能在不經意間幫你制止了事故，還能給你一個驚喜。

第二，「高階領航輔助駕駛」比普通ADAS多出一個橫向移動的能力——自主變道，這是不是就意味着有AEB和自主變道兩項安全保障？

其實自主變道的邏輯和AEB一樣，如果解決不了場景豐富度的問題，系統不知道遇到的是什麼，同樣也不可能做出正确決策。另外，自主變道還要評估周圍環境，做出決策，對于算法的考驗隻會更高，實現難度也會更大。

第三，是不是感知部件越多越安全？我們認為不是的，一套智能駕駛方案下，往往可支持多種能力，具體哪些傳感器支持着AEB功能，取決于傳感器的分配和調用。因此，并不是硬件配置越高，AEB功能就一定越完善。

第四，有激光雷達會更安全嗎？對比主流傳感器來看，激光雷達無疑是性能最佳的傳感器，但在實際落地中，激光雷達的功能開發程度如何？究竟能夠發揮出多大作用？目前還是一個未知數。

即便是一些已經量産銷售的激光雷達車型，激光雷達到底開沒開啟，哪些場景和功能中啟動了，車企自己也沒說明白。

同自動駕駛一樣，AEB功能本身還有很大的進步空間，将AEB功能開發繼續優化任重而道遠。

一方面，随着激光雷達的引入，以及高算力平台的應用，車企已經開始學習訓練更豐富的場景。同時，計算能力的加強，也将大大縮短決策、執行的響應時間，這将是AEB能力提升的一個思路。

另一方面，此前很多AEB方案由國際供應商開發，甚至是在國外測試、國内直接落地。這些産品并沒有完全考慮到國内路況條件和交通場景，以及司機駕駛習慣。這也将成為優化AEB功能的另一個思路，随着國内車企和供應商更多地參與AEB自主開發，AEB有望獲得更快進步。

AEB應該是一道安全防線，是智能駕駛的核心。底線思維來看，如果連AEB功能都不能完全實現，目前自動駕駛的水平，也就還是一個不那麼完備的L2能力，而車企為了體現、強調差異化，還是不顧現實，在宣傳中故意擡高了智能化能力。

這幾年一直在讨論的一個問題是，車企到底有沒有過度宣傳自動駕駛，有沒有誤導消費者？

我們認為，這種揚長避短的宣傳，也是一種不負責任。或許在企業的角度來看，任何創新創造的初期，都會有一些試錯成本，都要付出一定代價。

但行業媒體站在第三方視角，需要給出自己的觀察和判斷：我們認為，自動駕駛正處于一個不斷試錯和糾錯的階段，且消費者正在為此買單。

因此，我們希望，企業在産品功能闡述上，能夠更加謹慎、具體，盡量減少信息的不對稱性，讓消費者駕駛車輛時，有更高的警惕性。

除此之外，車企也不應該讓消費者為事故買單，而應該為新技術試驗提供相應的保障機制，例如通過保險手段，降低消費者所承擔的事故風險。

以上觀點，結合了行業人士的交流，和《賽博汽車》作為行業觀察者的思考，有不盡之處，歡迎指正。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!