一、法律法规
2025 年发布的 **《轻型汽车自动紧急制动系统技术要求及试验方法》**（以下简称 “新国标”）是中国汽车主动安全领域的里程碑式政策，标志着 AEB（自动紧急制动系统）从 “选配” 走向 “强制标配” 的新时代。以下从核心内容、实施路径、技术升级和行业影响四方面详细解读：
一、新国标核心内容：从 “车对车” 到 “全场景防护”
1. 强制性与覆盖范围全面升级
- 法规性质：从推荐性标准（GB/T 39901-2021）转为强制性国家标准，所有 M1 类乘用车（轿车、SUV 等）和 N1 类轻型货车（总质量≤3.5 吨）必须标配 AEB。
- 覆盖车型：新增 N1 类轻型货车，覆盖范围扩大 30%，预计每年近 2500 万辆新车需安装 AEB。
2. 测试场景与性能指标大幅提升
- 新增弱势交通参与者识别：
要求 AEB 系统在 20-60km/h 速度区间内识别行人横穿、自行车横穿、踏板式两轮摩托车横穿等场景，并通过夜间、雨雾天、交叉路口右转跟车等复杂环境测试。 - 制动性能要求加严：
- 制动减速度从 4.0m/s² 提升至5.0m/s²（约 0.5g），40km/h 时速下需完全避免碰撞；
- 乘用车测试速度区间扩展至10-80km/h（N1 类货车为 10-60km/h），静止前车测试速度从 30km/h 提升至 80km/h。
- 试验通过率与误触发率严控：
- 车对车试验通过率≥90%，车对行人 / 自行车试验通过率≥80%；
- 误触发率≤0.1%（旧版为 1%），杜绝 “幽灵刹车”。
3. 技术验证与功能安全强化
- 引入仿真测试：允许部分测试通过仿真完成（如附录 B 规定的极端场景），但需与实车测试结果一致。
- 功能安全附录：要求 AEB 系统在故障情况下（如传感器失效）仍能保持安全状态，通过冗余设计和降级模式保障可靠性工业和信息化部。
二、实施路径：分阶段推进，平衡产业过渡与安全需求
1. 分阶段合规时间表
- 2026 年底前：营运客车、载货汽车等需完成 AEB 改造；
- 2027 年 1 月 1 日起：所有新申请型式批准的 M1 和 N1 类车辆必须满足新标准；
- 2028 年 1 月 1 日：在产车型全面达标，存量车型完成适配。
2. 成本与保险联动机制
- 硬件成本增加：AEB 硬件（传感器、控制模块）使单车成本增加1800-2500 元，软件标定费用约 500-800 元，10 万元级车型终端售价可能上调 2%-3%。
- 保险费率调整：未搭载 AEB 的车辆商业险费率上浮 15%，二手车交易中 AEB 车型残值率预计高 8%-12%。
三、技术路线与行业应对：从 “高端专属” 到 “安全平权”
1. 技术路线多元化
- 多传感器融合成主流：激光雷达、毫米波雷达（如大陆集团 ARS620）与摄像头融合方案成为高端车型首选，可覆盖夜间、逆光等复杂场景。
- 低成本方案突围：纯视觉方案（成本约 800 元）适配低价车型，但需通过算法优化弥补雨天、低光照下的识别短板。
2. 车企与供应链协同升级
- 头部车企加速布局：比亚迪、吉利等通过 OTA 升级将 AEB 与车道保持、自适应巡航深度协同，实现 “预防 - 干预 - 规避” 全流程安全闭环。
- 本土供应商崛起：森思泰克 77GHz 雷达年出货破 200 万颗，地平线芯片市场份额达 28%，国产方案成本较外资低 20%-30%。
四、社会价值与国际对标：安全与产业双赢
1. 交通事故减少预期
- 参考欧盟数据，AEB 普及可减少 38% 追尾事故、20%-25% 致命碰撞，预计中国每年可避免数十万起事故。
- 针对中国两轮车事故占比高的特点，新国标重点强化相关场景测试，有望降低对应事故率。
2. 国际接轨与出口优势
- 技术指标全面对标欧盟 UN-R152 法规，为中国车企突破 “出海” 技术壁垒铺路。
- 功能安全要求与 ISO 21448（预期功能安全）接轨，提升国际市场认可度工业和信息化部。
五、用户关注：AEB 的 “能力边界” 与使用建议
- AEB 并非万能：
需注意其局限性，例如对锥桶、动物等目标可能失效，驾驶员仍需保持专注。 - 购车与用车提示：
- 2025 年后购车时，优先选择符合新国标的车型；
- 定期更新 AEB 系统软件，确保算法迭代优化。
总结：2025 年 AEB 新国标的实施，标志着中国汽车安全从 “被动合规” 向 “主动安全” 跨越。通过强制普及、场景扩展和性能提升，这一政策将显著降低交通事故率，同时推动产业链技术升级。未来，随着 AEB 与高阶智驾的深度融合，中国汽车产业有望在安全与智能化领域实现全球引领。
二、技术实现
1.环境感知→风险决策→制动执行。
1. 环境感知层：
“眼睛和耳朵”—— 数据采集 | 负责实时探测车辆周围的障碍物（车辆、行人、自行车等）、距离、相对速度等信息，核心硬件包括： - 毫米波雷达：
主流为 77GHz 频段（部分低价车型用 24GHz），优势是抗干扰能力强（不受雨、雾、夜间低光照影响），可精准测量障碍物的距离（最远 200-300 米）、相对速度和角度，是 AEB 的 “核心感知源”。但对障碍物的类别识别能力弱（比如分不清行人还是护栏）。 - 视觉摄像头：
多为单目或双目摄像头，安装在挡风玻璃后视镜处，通过图像识别技术（如深度学习）判断障碍物类别（行人、自行车、车道线等），补充雷达的 “类别盲区”。但受光照（逆光、夜间）、天气（暴雨、大雾）影响较大，纯视觉方案在复杂环境下可靠性较低。 - 激光雷达（LiDAR）：
高端车型的 “增强配置”，通过发射激光点云构建三维环境模型，精度极高（距离误差≤5cm），可识别低矮障碍物（如井盖、锥桶）和复杂场景（如横穿马路的行人肢体动作）。但成本高（单车成本 1000-5000 元），且在暴雨、大雪天激光易被散射，需与其他传感器融合。 - 超声波雷达：
主要用于低速场景（≤15km/h），如倒车时探测近距离障碍物，辅助 AEB 在低速泊车场景触发制动。
| 核心技术 - 传感器硬件技术
- 毫米波雷达：77GHz 频段信号调制（FMCW 调频连续波）、多通道 MIMO（多输入多输出）技术（提升角度分辨率至 ±0.5°）、杂波抑制算法（过滤地面 / 护栏等静态干扰）。
- 视觉摄像头：高动态范围（HDR）成像（抑制逆光 / 强光过曝）、红外补光（夜间行人识别）、畸变矫正（广角镜头边缘误差修正）。
- 激光雷达（可选）：点云密度优化（128 线激光雷达达 200 万点 / 秒）、雨雾穿透算法（剔除雨滴 / 雪花的点云噪声）。
- 传感器同步技术：时间戳对齐（误差≤1ms）、空间坐标标定（雷达 / 摄像头 / 激光雷达的坐标系统一，误差≤5cm）。
- 目标解析算法
- 雷达目标检测：恒虚警率（CFAR）算法（区分真实目标与噪声）、聚类算法（将离散点云聚合为完整目标，如区分并排行驶的两辆车）。
- 视觉目标识别：深度学习模型（如 YOLOv8、Transformer）用于分类（行人 / 车辆 / 自行车）、分割（区分目标轮廓与背景）、关键点检测（如行人肢体动作预判）。
- 多传感器融合：前融合（原始点云 / 像素级融合，保留细节）或后融合（目标级融合，降低计算量），通过卡尔曼滤波 / 粒子滤波消除单一传感器误差（如摄像头误判阴影为行人时，雷达通过距离验证排除）。
| 接口边界（输出至决策控制层） 核心逻辑 “从原始信号中提取‘可信的目标状态’”： - 各传感器独立采集原始数据（雷达回波、摄像头图像、激光点云）；
- 通过硬件滤波（如雷达杂波抑制）和算法解析（如视觉目标识别），初步生成目标信息；
- 多传感器融合消除矛盾数据（如雷达检测到 “移动物体”，视觉确认为 “行人”，则融合为 “行人目标”）；
- 输出 “高置信度目标列表”，过滤低可信度目标（如置信度＜50% 的噪点），确保决策层基于有效信息判断。
- 传输协议：车载以太网（SOME/IP 协议，传输速率 100Mbps+）或 CAN FD（高优先级帧，周期≤10ms）。
- 异常反馈：传感器故障码（如 “雷达信号丢失”“摄像头遮挡”），供决策层降级处理。
- 数据格式：标准化目标列表（每个目标包含以下参数）：
目标ID：唯一标识（如“Ped_001”“Veh_003”）
类别：行人/车辆/自行车/静态障碍物（枚举值）
相对位置：距离（m）、横向偏移（m，自车中心线为基准）、角度（°）
相对速度：纵向速度（m/s，接近为正）、横向速度（m/s，横穿为正）
尺寸：长/宽/高（m，用于判断目标类型，如行人高1.5-1.8m）
置信度：0-100%（传感器对目标识别的可信度，低于50%可能被过滤）
时间戳：数据采集时刻（ms，用于决策层时序分析）
| 质量标准： |
2. 决策控制层： “大脑”—— 风险计算与判断 | 核心是AEB 控制器（ECU），通过芯片（如英伟达 Orin、地平线征程 5）运行算法，对感知层数据进行融合、分析，最终判断是否需要制动。 - 数据融合：将雷达的 “距离 / 速度”、摄像头的 “类别 / 形态”、激光雷达的 “三维轮廓” 数据融合，消除单一传感器的误差（比如摄像头误判阴影为行人，雷达可通过距离验证排除）。
- 风险评估：基于融合后的数据，计算 “碰撞时间（TTC，Time to Collision）” 和 “碰撞概率”。例如：当与前车的 TTC≤2 秒，且驾驶员未踩刹车时，判定为高风险。
- 决策输出：根据风险等级输出指令 —— 低风险时仅预警（声光提醒），中高风险时触发部分制动（减速度 3-5m/s²），极高风险时触发最大制动（减速度≥5m/s²，新国标要求）。
| 核心技术 - 风险评估模型
- 碰撞时间（TTC）计算：基于目标相对距离（d）和相对速度（v），TTC = d /v（需排除自车减速的影响，动态修正）。
- 碰撞概率预测：结合目标轨迹（如行人是否向车道内移动）、自车状态（速度、转向角）、道路结构（如路口 / 斑马线），通过贝叶斯网络预测未来 2 秒内的碰撞概率（0-100%）。
- 驾驶员行为判断：通过方向盘转角、油门 / 制动踏板信号，判断驾驶员是否已介入（如驾驶员踩刹车则降低 AEB 干预优先级）。
- 决策逻辑算法
- 分级响应策略：
- 低风险（TTC＞3s 或碰撞概率＜20%）：仅触发声光预警（如仪表盘闪烁 + 蜂鸣）；
- 中风险（2s＜TTC≤3s 或 20%≤碰撞概率＜50%）：轻度制动（减速度 2-3m/s²）+ 预警；
- 高风险（1s＜TTC≤2s 或 50%≤碰撞概率＜80%）：中度制动（减速度 3-5m/s²）；
- 极高风险（TTC≤1s 或碰撞概率≥80%）：最大制动（减速度≥5m/s²，新国标要求）。
- 误制动抑制：通过历史数据学习（如频繁经过的静态路牌）、目标稳定性判断（连续 3 帧以上稳定识别的目标才纳入决策），降低误触发率（新国标要求≤0.1%）。
- 功能安全机制
- 数据有效性校验：检查感知层数据的时间戳连续性（如间隔超过 20ms 则判定为异常）、目标参数合理性（如行人速度＞20m/s 则视为无效）。
- 冗余决策：双 ECU（电子控制单元）并行计算，结果一致才输出指令；单 ECU 故障时，另一 ECU 接管（符合 ISO 26262 ASIL B/D 要求）。
| 接口边界 - 输入（来自环境感知层）：
- 目标列表（格式同上）、传感器状态（正常 / 故障）、自车状态（速度、加速度、转向角，来自 CAN 总线）。
- 输出（至执行层）：
- 制动指令：
制动模式：预警/轻度制动/中度制动/最大制动（枚举值）
目标减速度：0-8m/s²（精确至0.1m/s²）
持续时间：0-2s（制动指令有效时长，超时自动解除）
优先级：最高级（确保执行层优先响应） - 诊断信号：决策逻辑状态（正常 / 降级 / 故障），供整车诊断系统记录。
核心逻辑 “基于目标风险和驾驶员状态，输出‘必要且不过度’的制动指令”： - 接收感知层目标数据和自车状态，校验数据有效性（剔除异常值）；
- 计算每个目标的 TTC 和碰撞概率，结合道路场景（如路口需更敏感）评估风险等级；
- 判断驾驶员是否已干预（如踩刹车则不触发或减弱制动）；
- 根据风险等级输出对应制动指令（确保在碰撞前 0.5-1s 触发有效制动）；
- 实时监控执行层反馈，若制动效果未达预期（如实际减速度＜目标值），动态上调指令（如增加目标减速度）。
| |
3. 执行层： “手脚”—— 制动动作落地 | - EHB：通过电机驱动液压泵，快速建立制动压力（响应时间≤150ms），比传统真空助力器制动更快，可精准控制制动力大小（比如分阶段制动，避免急刹导致的失控）。
- BBW：完全取消液压管路，通过电机直接驱动制动卡钳，响应速度更快（≤100ms），且制动力控制精度更高，是未来主流方向，但成本较高（比 EHB 高 30%）。
| 核心技术 - 制动执行硬件技术
- 电子液压制动（EHB）：电机驱动液压泵（响应时间≤150ms）、压力传感器（精度 ±1bar）、比例阀（精确控制轮缸压力）。
- 线控制动（BBW）：无液压管路，电机直接驱动制动卡钳（响应时间≤100ms）、冗余电机设计（主电机故障时备用电机接管）。
- 压力控制算法
- 动态压力调节：基于目标减速度计算所需总制动力（F = m×a，m 为整车质量），再分配至各车轮（考虑载荷转移，如制动时前轮载荷增加，分配更多制动力）。
- 防抱死协同：与 ABS（防抱死制动系统）联动，当轮速传感器检测到车轮抱死趋势时，降低对应轮缸压力，避免侧滑（确保制动时车辆稳定性）。
- 响应速度优化：预充压策略（低风险时提前建立低压，缩短高风险时的制动延迟）、补偿算法（修正温度 / 磨损导致的压力偏差）。
| 接口边界 - 输入（来自决策控制层）：
- 制动指令（目标减速度、持续时间等）、整车状态（电池电压、轮速，来自 CAN 总线）。
- 输出（反馈至决策控制层）：
- 执行状态：
实际减速度：0-8m/s²（由加速度传感器采集，精确至0.1m/s²）
制动压力：0-200bar（总泵压力，反映制动强度）
执行结果：成功/失败（如“压力建立超时”视为失败）
故障码：如“电机故障”“压力传感器失效”
核心逻辑 “将电信号转化为‘精准且安全’的制动力，确保符合决策预期”： - 接收决策层的制动指令，解析目标减速度对应的所需制动力；
- 驱动 EHB/BBW 硬件建立制动压力（如目标减速度 5m/s² 对应总泵压力 120bar）；
- 实时监测实际减速度和轮速，通过压力调节算法修正偏差（如实际减速度低于目标值，增加压力）；
- 若检测到故障（如压力无法建立），立即反馈至决策层，触发降级（如切换至备用制动回路）；
- 制动指令超时或风险解除后，释放压力，恢复正常行驶状态。
| |
二、工作流程：从 “发现风险” 到 “制动生效” 的毫秒级响应
AEB 的工作流程需在极短时间内完成（通常从感知到制动生效≤500ms），具体分为 4 个步骤：
1. 环境感知 （0-100ms） | 传感器实时扫描前方环境：雷达每秒发射数万次电磁波，计算障碍物的距离和速度；摄像头每帧（30fps）输出图像，识别障碍物类别；激光雷达生成点云，构建三维环境模型。数据同步传输至 ECU。 |
2. 数据融合与目标追踪（100-200ms） | ECU 对多传感器数据进行 “去噪、校准、融合”：例如，雷达发现 “前方 50 米有移动物体，速度 30km/h”，摄像头识别为 “行人”，激光雷达确认 “高度 1.7 米，横向移动速度 5km/h”，融合后判定为 “横穿马路的行人，碰撞风险高”。同时通过算法追踪目标运动轨迹，预测未来 2 秒内的位置。 |
3. 风险决策与指令输出（200-300ms） | 基于目标轨迹和自车速度（如自车当前速度 60km/h），计算 TTC（例如当前 TTC=3 秒，若不减速，2 秒后将碰撞）。若驾驶员未踩刹车或转向，ECU 判定 “需紧急制动”，向执行层输出制动指令（如 “目标减速度 6m/s²，持续 0.8 秒”）。 |
4. 制动执行与反馈（300-500ms） | 执行层接收指令后，EHB/BBW 快速建立制动压力，刹车片夹紧制动盘，车辆开始减速。同时系统实时反馈制动效果（如实际减速度是否达标），若未达到预期，动态调整制动力（例如增加液压压力），直至风险解除或车辆停止。 |
