自动驾驶AEB为何不能只盯最短制动距离？

自动驾驶做AEB时最危险的简化，就是把问题压缩成“还能不能在最短距离内刹住”。真正决定能否避险的，不只有制动极限，还包括风险评估抖动和制动链路自身的响应迟滞。

TTC并不是一个天然稳定的量。前车切入、目标横向偏移、雷达测距噪声和相机框抖动都会让相对速度与相对距离在短窗口内来回波动。若系统把每一帧算出的瞬时TTC直接拿来触发，AEB就会在临界场景里频繁试探，表现成一会儿预警、一会儿撤销，最后真正该介入时反而被自己的去抖逻辑拖慢。

问题在于，目标危险性并不只由当前闭合速度决定。前车若正向本车道缓慢切入，横向轨迹的不确定性比纵向相对速度更关键；行人若处在遮挡边缘，检测框稳定性又比单帧距离更重要。只盯最短制动距离，系统会偏爱那些几何上容易算、但场景上未必最危险的目标。

即便风险判断完全正确，制动链路也不是零时延。液压建压、真空助力响应、制动间隙消除以及轮端附着建立，都需要时间。部分线控制动还能通过预充或预夹紧缩短首段时延，但如果这些动作没有和风险分级联动，控制器就会在逻辑上“已经刹车”，车辆却还处在真实减速度尚未建立的空窗。

这段迟滞在高附路上可能只损失几米，在湿滑或下坡场景里却会直接改写可避碰边界。更棘手的是，建压迟滞还会随温度、制动片磨损和真空源状态变化。台架标定出的固定延迟，在长下坡热衰减或寒冷晨起时并不成立。如果策略层还把它当成常数，触发门限就会在最差工况下系统性偏晚。

因此AEB不应只优化一个极限刹停点，而应让风险评估和执行迟滞共同进入决策。对TTC，应该使用带场景语义的稳定化评估，把持续逼近、切入完成度和目标可信度都纳入触发；对制动链路，则要维护在线响应估计，把当前车速、坡度、温度和建压历史映射成可用减速度的起效时间。

验证时也不能只看Euro NCAP式的标准目标。切入两轮车、静止车辆后方突然显露的行人、长下坡上的慢车排队，这些场景更容易暴露TTC抖动和执行迟滞的耦合。只有把两者一起压住，AEB才不会要么过早惊扰驾驶人，要么过晚错过窗口。

另一个容易被忽略的量，是纵向控制与乘员姿态准备之间的配合。若预警阶段没有通过轻微预充、主动束紧或姿态管理给系统争取稳定建压条件，真正触发全制动时前排乘员和车身载荷会同时前移，轮胎附着利用率与踏板等效感觉都会变化。把这些前置动作纳入链路，才能让触发阈值和真实刹停能力保持一致。否则同一套AEB策略在空载和满员状态下，起效窗口会出现肉眼可见的偏移，标定出的安全余量也会被乘员工况悄悄吃掉，仿真里留出的几米缓冲会在真实车内被提前消耗。

所以，自动驾驶的AEB不能只算“最短能否刹住”，还要算“多快能真正开始刹”。风险判断稳定且执行迟滞被计入后，制动距离这个指标才有真实意义。