自动紧急制动功能受限,绝大多数情况不是硬件坏了,而是AEB标定策略在做主动取舍——系统在“该不该刹”之间反复权衡,宁可保守也不愿误刹。这涉及从感知硬件到责任归属的一整条链路。下面从三个维度逐一拆解,帮你彻底搞懂AEB为什么“该刹不刹”。
AEB全称自动紧急制动,核心难点在于它是一把典型的“双刃剑”。设计AEB时,工程师始终在两类错误之间徘徊:第一类错误是该生效时不生效,可能撞上去;第二类错误是不该生效时生效了,可能造成后车追尾等新事故。两种代价都很高,但方向完全相反。
为降低误判突然刹停带来的追尾风险,系统对静止物体等目标的识别阈值会设得偏高——看不准时,宁可先不动作。这种“没动作”更多来自标定策略的取舍,而非零件故障。只有把误判概率降下来,车企才更有信心让AEB积极介入。
AEB的生效设计本身偏保守,部分场景下会先警示、后判断,用户容易觉得它“反应不够快”。但换个角度看,这种保守恰恰是在为你的行车安全兜底,而不是拖后腿。
💡 核心结论:AEB功能受限不等于系统损坏。绝大多数“该刹不刹”的场景,是标定策略在误触发和漏触发之间做了取舍——不是不能刹,而是不敢随便刹。
目前市面上大量在售车型的AEB,采用的是毫米波雷达加单目摄像头组成的基础感知方案。这套方案成本可控、成熟度高,但先天感知力有限——好比一个司机先天视力就一般,看到的东西和信息量必然是有限的,遇到复杂场景反应自然会慢半拍。
其中最突出的难题是静止物体识别。毫米波雷达探测到静止物体后,回波组成的画面几乎无法快速精准判断到底是路牌、路灯还是行进中的其他车。如果阈值设置太低,系统就会一惊一乍地不断刹车;大部分情况下,系统会选择过滤掉或不当做危险信息,此时AEB就不采取任何措施。
| 感知方案 | 典型硬件 | 静止物体识别 | 复杂场景反应 | 成本 |
|---|---|---|---|---|
| 基础方案 | 毫米波雷达+单目摄像头 | 较难,易过滤 | 慢半拍 | 低 |
| 高阶视觉方案 | 多目高分辨率摄像头+高算力芯片 | 需大量模型训练 | 依赖数据积累 | 高 |
表格说明:基础感知方案与高阶视觉方案在静止物体识别上的能力差异,综合引用物料总结。
高阶方案是否就靠谱?即便是花够钱上高算力芯片加多目高分辨率摄像头的视觉路线ADAS,同样需要大量模型采集和训练,系统“见过、认识”才会做出制动判断。感知硬件的天花板,直接决定了AEB功能的能力边界。
除了技术限制,责任归属也是关键变量。AEB该生效时不生效,车企不负责任;不该生效时生效了,车企可能承担舆论和法律责任。在辅助驾驶场景下,人始终是驾驶责任主体,AEB是辅助而非自动驾驶。这种责任分界天然让车企在标定上偏保守。好在随着误判概率下降,车企正逐步让AEB更积极地介入,功能受限的体验也会逐步改善。
AEB功能受限是不是说明我的车有故障?
不一定。多数情况是标定策略的保守取舍,而非零件故障。如果仪表持续提示受限,先清洁传感器区域,仍未恢复再进店检测。
为什么AEB对静止车辆经常不刹车?
静止物体识别是行业公认难题。雷达回波难以快速区分路牌、路灯和静止车辆,阈值设太低又会导致幽灵刹车,所以系统常选择过滤。
高阶智驾方案的AEB会更好用吗?
硬件更强、识别能力上限更高,但仍依赖大量模型训练和数据积累。硬件是基础,算法和数据决定实际表现。
更新日期:2026年11月18日