随着汽车智能化技术发展日臻成熟，主动安全系统如自动紧急制动系统（AEB）、车道保持辅助（LKA）、紧急车道保持（ELK）等装配率逐年提升，这对提升道路交通安全具有重要意义。但随着技术发展和安全要求持续提升，汽车主动安全系统在极端环境下的可靠性，已成为行业聚焦的核心问题。本期专栏邀请中汽研科技广州基地测试平台总监周建华，重点研讨极端环境下汽车主动安全技术应用存在的挑战和技术突破思路，为行业、企业提升主动安全系统在实际应用中的可靠性提供参考。
专家简介：
周建华，中汽研科技智能网联汽车研究部广州基地测试平台总监，主要负责汽车主动安全、辅助驾驶及自动驾驶测试评价业务工作。带领团队深耕复杂气象环境下的汽车辅助驾驶功能测试评价技术研究工作，支撑华诚认证推出《复杂气象条件下汽车辅助驾驶功能认证实施细则》，对推动极限环境下汽车主动安全及辅助驾驶功能的可靠性提升具有重要意义。牵头/参与科研项目及课题12项（其中国家/省部级科研项目3项），发表论文8篇，授权发明专利8项，团队成果“复杂气象条件下自动驾驶汽车性能测试技术及应用”荣获2021年度生产力促进奖（创新发展）一等奖。
谈及当前汽车主动安全系统实际测试及应用效果如何，是否能够可靠应对日常使用场景时，周建华认为，随着汽车智能化技术发展日益成熟，主动安全系统如自动紧急制动系统（AEB）、车道保持辅助（LKA）、紧急车道保持（ELK）等装配率逐年提升，在封闭场地内模拟的典型或标准工况下事故预防效果普遍较好，在实际道路交通中应对典型事故场景也能够起到主动预防作用，显著降低了交通事故率，但根据团队内部实车测试经验，大部分主动安全系统在极限环境（如混合交通流、非结构化道路、极端天气）等非典型工况下仍存在较高的功能失效或误作用等风险，主动安全系统在极限环境下的可靠性还有待持续提升。
关于汽车主动安全系统在实际极限场景下表现不佳的原因，周建华举例说明。
在极端工况下，汽车主动安全系统性能可能显著弱化甚至失效，这主要源于环境复杂性、传感器局限性、算法适应性不足、标准法规不完善等多方面因素：
传感器性能受极端环境干扰
主动安全系统依赖摄像头、毫米波雷达、激光雷达等传感器感知环境，但极端工况会直接影响传感器的探测能力。例如雨雪、沙尘、大雾等恶劣天气会降低光学摄像头和激光雷达的可见度，在强逆光或隧道明暗交替时摄像头易出现图像过曝或欠曝，导致车道线及目标物识别失效；毫米波雷达在暴雨中可能因水膜干扰信号衰减，降低探测距离和精度。道路积雪、泥浆覆盖传感器表面，或沙尘暴环境下悬浮颗粒反射雷达波，可能引发误判。
环境感知算法的局限性
主动安全系统的决策基于算法对传感器数据的实时处理，但在极端工况下，算法可能无法有效应对复杂场景。例如系统对突然切入的车辆、行人或非机动车（如两轮车）等动态障碍物识别困难的预测能力不足。在冰雪覆盖的车道线、夜间低照度道路、施工区域临时标志等道路特征模糊或异常场景下，车道辅助系统（LKA）可能因无法准确提取道路几何信息而失效。在交通拥堵或复杂交叉路口等多目标冲突场景，系统可能因优先级判断错误导致误操作。
车辆动力学与系统设计的边界条件限制
①制动与操控极限
湿滑路面制动距离延长可能导致AEB系统即使触发也无法避免碰撞。例如，AEB刹停距离随车速提升而增加，在冰雪或积水路面上可能因路面附着系数降低制动距离超出系统预设的安全阈值。
②系统功能覆盖范围不足
湿滑路面制动距离延长可能导致AEB系统即使触发也无法避免碰撞。例如，AEB刹停距离随车速提升而增加，在冰雪或积水路面上可能因路面附着系数降低制动距离超出系统预设的安全阈值。
③电子系统冗余度不足
极端工况下，车辆供电波动或ECU过载可能导致系统响应延迟。例如，同时运行多个辅助功能（如ACC+车道保持）时，计算资源分配不当可能引发决策冲突。
当然，周建华说：“当前行业测试标准虽逐步纳入低照度、多目标、多角度冲突等极端工况，但仍存在局限，尤其是测试场景单一化，环境理想化（如干燥路面、标准光照），缺乏对沙尘暴、强逆光、路面结冰等极端条件的覆盖，且对中国道路存在的突发性极端事件覆盖度验证不足。”
当被问及行业、企业应当如何突破提升汽车主动安全系统在极端场景下的可靠性，周建华表示：“提升汽车主动安全系统的可靠性，需从传感器技术、算法优化、系统冗余、测试验证体系及法规标准等多维度综合施策。”如，传感器融合与抗干扰技术升级。通过硬件创新与数据融合解决极端环境对传感器性能的挑战，采取毫米波雷达、激光雷达、高动态范围摄像头、高精度地图等的多模态感知协同方案，在平衡成本基础上实现全天候全场景感知数据互补；针对极端天气（暴雨、沙尘）开展抗干扰算法设计，提升极端天气下的识别准确率；集成自清洁传感器（如加热/喷淋除雪）、实时校准模块（振动补偿）及故障诊断等动态维护系统，确保传感器在实际道路交通场景下的可靠感知。环境感知与决策算法优化，提升复杂场景下的感知和决策算法鲁棒性，利用仿真测试技术进行极端工况数据集训练，覆盖冰雪覆盖车道线、强逆光“鬼探头”等长尾场景，提升场景覆盖度，重点解决交叉路口多车冲突决策问题。极端工况测试验证体系构建，利用好虚拟仿真-封闭场地测试-开发道路测试三支柱法构建覆盖全场景的测试验证体系，通过虚拟仿真场景泛化、封闭场地边界测试、开放道路高里程路试及场景采集构建闭环测试验证，在标准法规场景以外，场景库方面需重点覆盖复杂交通流、极端环境、系统失效等极限场景。
同时，周建华进一步说明，中汽研科技依托中汽中心C-NCAP主动安全测评试验室，积极开展汽车主动安全测试评价技术研究，拥有行业领先的专用封闭试验场及测试设备资源。依托广州增城300亩封闭试验场和深圳坪山645亩湾区智联试验场，集成了国内外领先的高精度定位定姿系统、自动驾驶机器人系统、高仿真（假人假车）软目标物、软目标移动运载平台、公开道路测评系统及车队远程管控平台、ADAS硬件在环仿真测试工具链等测试平台及系统，搭建了面向智能网联汽车的仿真测试、封闭场地测试及公开道路测试研发验证体系。
在极端环境下主动安全测试评价方面，中汽研科技联合中汽研汽车检验中心(广州)有限公司重点突破雨雾极端气象条件高逼真模拟技术瓶颈，投资建设极端环境下主动安全实车测试验证平台，建设完成国内首个同时具备复杂光照、雨、雾定量、组合模拟的智能驾驶封闭测试平台，全长200米，内宽10米，最高通行车速100km/h，可实现0.1lux-2500lux光照强度、5mm/h-100mm/h降雨强度、15-100m造雾能见度的单独模拟及排列组合模拟，可定量还原光线明暗切换、白天降雨、夜间降雨、白天团雾、夜间团雾等典型气象场景，配合使用可导航软目标物、自动驾驶机器人、厘米级室内外定位系统等先进测试装备，精准还原复杂气象环境下的车对车、车对两轮车、车对行人、车对交通标识标线等交通场景，可为主动安全系统感知、决策、控制等环节的软、硬件研发提供实地实车验证基础条件，可作为企业虚拟仿真测试、开放道路测试的有力补充，助力企业提升主动安全系统在实际应用中的可靠性。
此外，保证主动安全系统在极端环境下的可靠性，既是智能驾驶落地的“最后一公里”，也是行业竞争的技术制高点。通过技术创新、极限测试、标准法规完善等协同突破，才能实现从“考试场景”到“真实场景”的跨越，切实提升用户信心和体验，助力主动安全系统在道路交通安全中发挥更大作用。未来，中汽研科技将紧密贴合行业与企业的验证需求，持续完善极端环境下主动安全系统测试能力，加速构建更为完善的测评体系，助力企业持续提升主动安全系统效能，为汽车产业安全发展注入强劲动力。
