Category: 专业术语

专业术语

什么是Pareto最优？

Pareto最优（Pareto Optimality）是经济学和工程优化中的重要概念，指在资源分配或系统设计中达到的一种状态：在不损害其他任何目标的前提下，已无法进一步改善任一目标。这一概念源自意大利经济学家维尔弗雷多·帕累托（Vilfredo Pareto）的福利经济学理论，现被广泛应用于多目标优化问题。在自动驾驶领域，Pareto最优常出现在同时优化安全性、舒适性、能耗和通行效率等相互制约的指标时，帮助开发者权衡不同目标之间的关系。 在自动驾驶系统开发中，工程师常使用Pareto前沿（Pareto Frontier）分析方法来可视化不同优化目标之间的权衡关系。例如，在路径规划算法设计中，更短的行驶距离往往意味着更激进的控制策略，而更平稳的乘坐体验则可能增加行驶时间。通过构建Pareto前沿，团队能够清晰地评估各种设计方案的优劣，从而选择最适合特定场景的折中方案。理解Pareto最优有助于产品经理在需求优先级排序时做出更科学的决策。

专业术语

什么是效用函数？

效用函数（Utility Function）是自动驾驶决策系统中的核心数学工具，用于量化不同驾驶行为带来的综合收益。它将复杂的驾驶场景转化为可计算的数值指标，通常由安全性、舒适性、效率等多维度参数加权构成。在数学形式上表现为U(x)=w₁f₁(x)+w₂f₂(x)+…+wₙfₙ(x)，其中fₙ代表具体评估维度（如跟车距离、加速度变化率），wₙ则对应各维度的权重系数。 在实际应用中，自动驾驶系统会实时计算不同决策路径的效用值，例如变道超车方案的效用值可能包含到达时间收益、碰撞风险成本、能耗损耗等子项。2023年Waymo在其决策引擎升级中，就采用了动态权重调整的效用函数，使得车辆在雨雪天气能自动提高安全维度的权重系数。值得注意的是，效用函数的参数设置需要与人类驾驶行为数据持续对齐，这也是当前自动驾驶产品经理需要重点参与的跨学科工作。

专业术语

什么是碰撞概率？

碰撞概率在自动驾驶系统中指车辆在特定场景下与障碍物发生碰撞的可能性量化评估，通常以0到1之间的数值表示。这个核心安全指标通过感知系统输入的障碍物状态信息（如位置、速度、轨迹）、自车运动学参数以及环境动态特征，结合概率论与统计学方法计算得出。其本质是对多源不确定性的数学建模，既包含传感器测量误差、预测偏差等技术不确定性，也涵盖交通参与者意图模糊等行为不确定性。 在产品落地层面，碰撞概率计算模块深度集成于风险预警与决策规划系统。当概率值超过预设阈值时，系统会触发分级响应机制——从预警提示到紧急制动。值得注意的是，业界常采用ISO 26262标准推荐的1e-8/h作为最高安全等级（ASIL D）的可接受风险基准，这对算法设计提出了严苛的可靠性要求。当前前沿研究集中在基于贝叶斯网络的概率推理框架优化，以及利用深度学习提升长尾场景的预测准确度。

专业术语

什么是时间到碰撞？

时间到碰撞（Time To Collision，TTC）是自动驾驶领域衡量潜在碰撞风险的核心指标，指在当前运动状态下，自车与前方障碍物预计发生碰撞所需的时间。其计算通常基于相对速度与相对距离的比值，物理意义明确且计算高效，能够直观反映紧急程度。例如当两车以恒定速度接近时，TTC=10秒意味着若无干预措施，碰撞将在10秒后发生。值得注意的是，TTC假设运动轨迹保持线性，实际应用中需结合道路曲率、加速度等因素进行修正。 作为风险评估的基础参数，TTC被广泛应用于自动驾驶的决策规划模块。在自适应巡航控制系统中，系统会根据TTC值动态调整跟车距离；在紧急制动场景下，不同TTC阈值会触发分级预警（如3秒触发预警，1.5秒触发制动）。现代系统常将TTC与碰撞概率（Probability of Collision）结合使用，通过贝叶斯网络构建更全面的风险评估模型。随着多传感器融合技术的发展，基于毫米波雷达与视觉的TTC计算精度已达到±0.3秒水平，为功能安全提供了可靠保障。

专业术语

什么是后碰撞速度？

后碰撞速度（Post-Impact Velocity）是指车辆在发生碰撞后瞬间的运动速度向量，通常包含速度大小和方向两个维度。在事故重建和自动驾驶安全系统中，该参数用于量化碰撞能量传递效果，是判断事故严重程度和设计碰撞后控制策略的关键指标。从物理学视角看，它反映了碰撞过程中动量守恒定律作用下的最终动能分布状态，其数值可通过车载惯性测量单元（IMU）或事后视频分析获取。 对于自动驾驶产品开发而言，后碰撞速度的实时测算直接影响着事故后的车辆控制决策。例如当系统检测到非零后碰撞速度时，可能触发二次防撞算法，通过调整剩余可操纵轮的角度来修正车辆轨迹。当前前沿研究正尝试将后碰撞速度预测模块前置到碰撞规避系统中，利用强化学习模型预判不同避撞策略可能产生的后碰撞速度分布，从而在事故发生前就选择最优规避方案。这种技术路径在沃尔沃2023年公布的第三代碰撞预防系统中已有初步应用。

专业术语

什么是能量吸收？

能量吸收在自动驾驶汽车安全设计中，指车辆结构通过可控变形方式耗散碰撞能量的能力。当车辆发生碰撞时，前舱或后舱的吸能结构会通过塑性变形将部分动能转化为内能，从而降低乘员舱所受冲击。这种被动安全技术的关键在于精确控制变形过程，使碰撞力峰值不超过人体耐受极限，同时确保变形区域不侵入生存空间。现代车辆通常采用蜂窝铝、高强度钢等材料构建渐进式吸能结构，并通过计算机仿真优化其变形模式。 在自动驾驶汽车开发中，能量吸收设计面临新的挑战。由于取消了传统驾驶位，乘员舱布局可能采用对坐或旋转座椅等创新形式，这要求重新评估碰撞力传递路径。AI产品经理需要理解，优秀的吸能设计不仅能提升NCAP安全评级，更能为自动驾驶系统争取宝贵的反应时间——当传感器检测到不可避免的碰撞时，车辆可通过调整姿态使特定吸能区域优先接触碰撞物。特斯拉的专利US10384623B2就披露了利用前备箱空间优化吸能结构的方案，这种系统思维值得借鉴。

专业术语

什么是被动安全？

被动安全（Passive Safety）是指当交通事故不可避免发生时，通过车辆设计和技术手段减轻事故后果、保护乘员安全的系统性措施。与主动安全技术不同，被动安全并非用于预防事故发生，而是专注于在碰撞过程中最大限度地减少人员伤害，其核心在于通过物理结构的能量吸收、约束系统的及时触发以及乘员舱的完整性保持来实现保护效果。典型的被动安全系统包括安全气囊、预紧式安全带、可溃缩转向柱以及经过优化的车身吸能结构等。 在自动驾驶汽车的研发中，被动安全系统需要与主动安全系统形成协同效应。例如，当自动驾驶系统预判碰撞无法避免时，可以通过调整车辆姿态（如让主要碰撞部位对准防撞性能最佳的区域）来优化被动安全系统的保护效果。同时，随着自动驾驶等级的提高，车辆内饰设计也需要重新考量——在取消方向盘或改变座椅布局的情况下，传统安全气囊的布置方案可能需要进行革命性创新。这些变化要求AI产品经理在系统设计阶段就充分考虑被动安全与整车架构的深度整合。

专业术语

什么是主动安全？

主动安全（Active Safety）是车辆安全系统中能够在事故发生前主动预防或减轻事故严重程度的技术总称。与被动安全系统（如安全气囊）不同，主动安全系统通过实时监测车辆状态和周围环境，在潜在危险发生前就采取干预措施，如自动紧急制动、车道保持辅助、电子稳定控制等。这些系统依托于先进的传感器网络、实时数据处理算法和执行机构，构成了现代智能汽车安全防护的第一道防线。 对于自动驾驶产品经理而言，理解主动安全系统的技术边界尤为重要。当前主流方案通常采用毫米波雷达与视觉融合感知架构，在100ms级别的延迟内完成从环境感知到制动响应的闭环。值得注意的是，随着AI技术的演进，基于深度学习的端到端预警系统正在突破传统规则算法的局限性，比如通过时空序列建模预测行人轨迹。这类技术的商业化落地需要特别关注功能安全（ISO 26262）与预期功能安全（SOTIF）的合规性要求。

专业术语

什么是预防安全？

预防安全（Preventive Safety）是自动驾驶系统设计中的核心概念，指通过前瞻性技术手段主动识别潜在风险并采取干预措施，以避免事故发生或减轻事故伤害的安全策略。与传统被动安全系统不同，预防安全强调在危险发生前进行预判和防范，其技术实现通常依赖于多传感器融合、环境建模、风险预测算法以及车辆动力学控制等模块的协同工作。典型应用场景包括碰撞预警、自动紧急制动、车道偏离纠正等主动安全功能。 在自动驾驶产品开发中，预防安全系统的设计需要平衡安全性与舒适性，既要确保系统对危险场景的敏感度，又要避免过度干预导致用户体验下降。当前技术趋势正从规则驱动型预防向数据驱动型演进，通过海量真实驾驶数据训练的深度学习模型，能够更精准地识别复杂场景下的潜在风险。值得关注的是，ISO 26262功能安全标准和SOTIF（预期功能安全）标准为预防安全系统的开发提供了重要框架。

专业术语

什么是碰撞缓解？

碰撞缓解（Collision Mitigation）是自动驾驶系统中一项关键的安全功能，旨在通过感知、决策和控制技术降低车辆与其他物体发生碰撞的风险或减轻碰撞后果。该系统通过车载传感器（如摄像头、雷达、激光雷达等）持续监测车辆周围环境，当检测到潜在的碰撞风险时，会采取预警、自动制动或转向干预等措施。与传统的碰撞避免系统不同，碰撞缓解系统更强调在不可避免的碰撞场景下，通过降低车速或调整碰撞角度等方式减轻事故严重程度。 在实际产品开发中，碰撞缓解系统的设计需要平衡安全性与舒适性。过于敏感的干预可能导致误触发，影响用户体验；而过于保守则可能无法有效降低事故风险。现代自动驾驶系统通常采用多级预警策略，例如先通过视觉或听觉警告提示驾驶员，若未获响应则逐步升级为部分制动或完全制动。此外，系统还需考虑不同道路条件、天气状况以及目标物体类型（如行人、车辆、障碍物等）的特异性，这对传感器融合算法和决策逻辑的鲁棒性提出了较高要求。