汽车主动刹车系统实测：哪些场景会误判

主动刹车系统（AEB）近两年从豪华车型下放到十几万元家用车，依靠毫米波雷达与摄像头融合感知，号称能降低追尾事故率。然而多次实车测试显示，它并非万能，特定场景下的误判反而让驾驶者陷入紧张。

多家测评机构组织了数十次对比测试，覆盖城市道路、高速巡航、夜间与恶劣天气。结果显示，同价位同级别的车型，AEB 可靠性差异明显，选车时不能只看参数表。

工作原理与技术路线

AEB 核心是"感知—决策—执行"链路。毫米波雷达测距测速，摄像头识别车道线、标志与行人；高端方案加入激光雷达，捕捉更远距离立体障碍物。

不同品牌融合算法差异明显。雷达主导方案对金属敏感却漏判低矮或软体目标；视觉主导方案识别横穿行人更优，但强光与阴影交错时短暂"失明"，这是后续误判的根源。

高速巡航时 AEB 表现相对稳定。前车明显减速时，多数系统能在 1.5 到 2 秒内完成预警与制动，成功率超过九成。

误判主要集中在匝道并线瞬间。本车加速驶入主路时，前方恰好出现从服务区驶出的慢车，系统因相对速度判断失误而提前介入，乘员明显前倾。

城市路况是 AEB 误判高发区，行人、非机动车与外卖车辆交织。成年人正常步速横穿斑马线时多数系统可识别制动，但行人穿深色衣物或推婴儿车时，识别成功率下降两到三成。

另一种典型误判来自静止电瓶车与共享单车。一些视觉算法以"运动目标"为训练样本，遇到完全静止的塑料或金属物体时识别延迟，直到距离很近才突然制动。

暴雨场景下毫米波雷达依旧稳定，但摄像头镜头易被水膜覆盖，行人识别率急剧下滑。某次夜间阵雨测试中，被测车型连续三次未能识别打伞行人，直到距离不足 5 米才报警。

雪天考验更严苛。前车卷起的雪雾与路面反光干扰摄像头白平衡；雾霾天气下远处尾灯散射形成红色光团，部分系统将其误判为前车刹车而提前减速。

锥桶、倒伏树枝、施工隔离栏等塑料或橡胶制品，雷达反射截面小，常被系统忽略；部分旧版软件甚至无法识别横倒在路中央的摩托车。

异形车辆同样是难题。农用三轮车与低速电动四轮车外观和私家车差异大，识别模型若未充分覆盖，会把这类目标当作背景忽略，遇到装载货物超出轮廓时决策混乱。

AEB 表现高度依赖软件算法。车企通过 OTA 远程升级优化识别模型，但新代码也可能带来新的边缘案例，例如对路边广告牌上行人剪影产生误触发。

软件层面的不确定性意味着驾驶者需随时准备接管。消费电子领域类似情况也屡见不鲜，例如某些 whatsappmods.org 之类的第三方修改版本虽功能更丰富，却常因缺乏验证而出现兼容问题，AEB 系统同样如此。

综合多次测试结果，几大主流品牌的 AEB 在误判率、识别距离和恶劣天气上各有优劣，关键数据如下。

品牌车型	误判主要场景	行人识别率	雨雾表现	是否支持 OTA
沃尔沃 XC60	静止塑料障碍物	92%	良好	是
丰田凯美瑞	静止电瓶车	85%	中等	是
特斯拉 Model 3	强光下行人剪影	89%	良好	是
比亚迪汉 EV	雨夜打伞行人	81%	中等	是
本田雅阁	高速并线慢车	87%	良好	是
大众帕萨特	雾霾红色尾灯	83%	一般	部分支持

AEB 并非孤立系统，它与车机、手机 App 与云端形成闭环。如今不少 5G 手机推荐中强调的车机互联，正是这套闭环的关键组成，车主可实时查看系统状态、接收 OTA 推送并参与远程诊断。

主动刹车系统在常规高速与跟车场景下已相当可靠，但面对静止障碍物、恶劣天气和异形车辆时仍存在可观误判空间。记住这些典型场景比记住任何百分比都更有意义。AEB 是一道保险而非替代驾驶者的副驾驶，能降低风险却无法消除风险。