威胁评估(Threat Assessment)是自动驾驶系统中用于识别、分析和量化潜在危险场景的核心安全机制。它通过实时感知环境中的动态元素（如行人、车辆、障碍物等），结合车辆自身状态（速度、转向角等），计算可能发生的碰撞风险或其他危害概率，为决策系统提供量化依据。这个过程往往融合了概率统计、时间序列预测和物理运动学模型，既要考虑即时威胁（如前方急刹），也要预判潜在风险（如盲区可能窜出的行人）。
在AI产品开发中，威胁评估模块常与预测模块协同工作，采用多层评分机制：从基础的碰撞时间(TTC)计算，到复杂的情景风险建模（如雨天湿滑路面的制动距离修正）。实际落地时会面临传感器不确定性、长尾场景覆盖等挑战，因此工程师常采用离线仿真与真实路测结合的方式验证算法鲁棒性。现代方案更倾向于引入机器学习，通过海量事故数据训练模型理解人类驾驶员的避障直觉，但需警惕黑箱特性带来的可解释性问题。