近日，小米SU7发生事故后造成3人身亡，引发舆论高度关注。三条生命的逝去令人痛心，与此同时还有诸多疑问待解。事故发生的原因究竟是什么？智能驾驶的能力边界在哪里？4月2日，大众新闻记者专访山东交通学院汽车工程学院学术副教授张洪加。
提前预警的时间应不低于7秒
问题一：根据小米汽车公布的4秒预警，驾驶员在高速状态下完成识别、决策、操作的全流程是否合理？行业、学界对L2级辅助驾驶的预警时间标准是否有界定？
张洪加：在驾驶人没有脱离驾驶任务，也即驾驶人正常驾驶时，提前4秒预警可能能够满足部分场景的需求。但对于驾驶人脱离驾驶任务后又重新接管的情况，提前4秒预警是不够的。相关研究表明，当长时间脱离驾驶任务后，驾驶人在接管时需要进行情景意识找回，提前预警时间应不低于7秒。提前预警时间和车辆的感知设备有较强的关联性，感知距离越长以及感知精度越高，则提前预警时间越长。
“L2+/L3级”等标签缺乏统一标准
问题二：标准版SU7没有配备激光雷达，纯视觉方案在夜间施工路段的障碍物识别是否存在技术局限性？高成本方案（如激光雷达和高精地图）可以克服这一难题吗？纯视觉方案与高成本方案的安全差距是否过大？行业是否应该出现“智驾安全分级认证”？
张洪加：缺少激光雷达确实会影响车辆的感知能力，特别是在夜间或复杂环境下，单纯依靠视觉解决方案可靠性相对较低，长尾场景则相对多，例如特斯拉Model Y在一个T字路口正面撞上了一辆白色大型卡车。
高成本方案，如搭载视觉+毫米波雷达+激光雷达的方案，在一定程度上能够改善上述问题，特别是在复杂场景中，多传感器融合（激光雷达+视觉+高精地图+毫米波）仍将是安全性的最优解。
纯视觉方案（如特斯拉纯视觉FSD）与多传感器融合方案（如华为ADS 2.0）的安全差距在复杂场景中存在差距。纯视觉依赖摄像头与算法，对静态障碍物（如锥桶、护栏）、极端光照条件（强光/逆光）及遮挡场景的识别能力存在局限，而高成本方案通过激光雷达、4D毫米波雷达等多传感器融合，能提供更精准的三维环境感知和冗余验证，显著提升安全性。
建立“智驾安全分级认证”体系是必要的。当前自动驾驶功能良莠不齐，消费者难以判断不同方案的安全性，而车企宣传的“L2+/L3级”等标签缺乏统一标准。引入分级认证（如按传感器配置、场景覆盖范围、测试通过率划分等级），可规范市场、保护消费者权益，并推动企业技术升级。
AEB检测静态障碍物存在普遍性局限
问题三：AEB（自动紧急刹车系统）未触发的原因是什么，是否与硬件配置有关？当前AEB系统在静态障碍物方面是否够普遍存在局限？这是技术瓶颈还是成本控制？能否进行优化
张洪加：小米汽车官方明确表示小米SU7标准版有前向防碰撞辅助功能，包括碰撞预警（FCW）和紧急制动（AEB）两个子功能，作用对象是车辆、行人、二轮车三类目标，其中AEB功能工作速度在8-135km/h之间。这个功能和行业同配置的AEB功能类似，目前不支持响应锥桶、水马、石头、动物等障碍物，这可能与自身硬件配置和感知算法模型有关。
当前AEB系统在静态障碍物检测方面确实存在普遍性局限，这主要由技术瓶颈和成本控制共同导致。在成本方面，激光雷达和更高算力的域控制器能提升静态障碍物检测能力，但其成本较高，仅在高价位车型中普及。在技术方面，多传感器数据融合需要高精度算法支持，尤其是在处理静态物体时，需区分威胁性障碍物（如故障车）与非威胁物体（如广告牌）。长尾场景存在挑战，静态障碍物的形态多样（如异形车、施工路障），算法需海量数据训练，但实际道路的极端案例难以穷尽。
通过技术层面优化有望改善这一局限性，如结合毫米波雷达、摄像头与激光雷达的优势，提升静态物体识别精度。通过深度学习优化目标分类能力，例如区分塑料袋与行人，或识别异形障碍物。通过测试与标准的完善，推动更严格的测试场景覆盖（如夜间静态障碍物、交叉路口），倒逼技术升级。
提升用户对智能驾驶系统边界的认知
问题四：施工路段是否属于当前智驾难以克服的长尾场景？面对长尾场景应当如何最大程度保障车内乘客安全？
张洪加：长尾场景指在自动驾驶中发生概率低但复杂度高、难以预测的极端或特殊场景。从概念界定来看，施工路段属于长尾场景。相信随着车辆感知设备与感知技术的增强、车辆决策类人化能力的增强、以及车路协同技术成熟，智驾车辆在面对长尾场景时能够做出更加安全合理的决策，以保障车内乘客安全。
问题五：如何提升用户对系统边界的认知？如何建立智能驾驶状态下对于司乘安全保障的机制体制？
张洪加：提升用户对智能驾驶系统边界认知的方法可能包括：教育与培训、用户界面设计、模拟与实践。
建立智能驾驶状态下保障司乘安全的机制体制可采取以下措施：
首先，技术保障，采用先进的传感器系统、智能决策系统和主动安全技术，确保车辆在不同路况和天气条件下都能正常工作。同时，加强软件安全审计和更新，及时发现和修复潜在的安全漏洞。
其次，建立严格的安全标准和操作规范，对智能驾驶系统进行定期检查和维护，确保系统的稳定性和可靠性。同时，对驾驶人员制定严格的约束机制。制定应急预案，以便在紧急情况下能够迅速采取措施，保障司乘安全。
最后，通过大量的真实数据采集和仿真模拟，积累各种场景数据，用于训练和优化自动驾驶算法，使其能够更好地识别和处理复杂情况，从而提高系统的安全性和可靠性。
（大众新闻记者 王瑛琪 刘玉凡 田汝晔 统筹 王红军）
