来自 科技2026-08-02 05:34:16
很多人以为低速巡航驾驶辅助系统（Low-Speed Cruise Assist, LSCA）仅是传统自适应巡航（ACC）的降维应用，其实不然。其底层逻辑是通过对车辆动力学模型、环境感知数据与交通流特征的深度耦合，实现0-60km/h工况下的纵向-横向协同控制。这一技术路径的突破性在于，它解决了传统ACC在低速场景下因传感器分辨率不足、控制算法延迟导致的‘幽灵刹车’与‘跟车失稳’问题。
技术解构：多模态感知与预测控制融合
LSCA的核心在于多模态感知阵列与模型预测控制（MPC）的融合。以某头部车企最新一代系统为例，其采用前向4D毫米波雷达（覆盖0-150m）与侧向短距激光雷达（覆盖0-30m）的异构组合，通过数据级融合实现目标物的三维定位与微多普勒特征提取。这种配置的底层逻辑是：低速场景下，目标物的横向运动占比显著提升（如行人横穿、非机动车变道），传统单一传感器难以兼顾远距离探测与近距离高精度定位的矛盾。
控制层面，MPC算法通过滚动优化框架，将车辆动力学约束、交通规则约束与乘客舒适性约束统一纳入目标函数。听起来可能反直觉，但在低速工况下，控制器的采样频率需从传统ACC的50Hz提升至200Hz以上——这是因为低速时车辆对转向输入的响应更敏感，微小的控制偏差即可导致轨迹偏移。某测试数据显示，在跟车距离1.5m、前车急刹（减速度-4m/s²）的极端场景下，LSCA系统通过提前0.3s识别前车制动意图，将碰撞风险降低82%。
案例：上海国家会展中心环路场景验证
2023年Q2，某新能源品牌在上海国家会展中心周边环路进行了LSCA系统的实车验证。该路段全长3.2km，包含4个直角弯道、2处公交站台与1处无保护左转路口，日均车流量超1.2万辆。测试团队设计了‘跟车-变道-绕障-停车’的复合场景，模拟早晚高峰通勤工况。
具体赛制逻辑如下：测试车以30km/h匀速跟随前车，当前车因行人横穿突然制动至5km/h时，系统需在1.2s内完成决策——是继续跟车还是启动变道。很多人以为变道是更优解，其实不然：若侧方车道存在社会车辆，变道可能导致二次风险。该系统的解决方案是：通过侧向激光雷达实时监测相邻车道间隙，当间隙≥1.8m时启动变道，否则维持跟车并触发HUD预警。测试结果显示，在100次重复试验中，系统决策与人类驾驶员一致率达97%，且未出现任何因控制延迟导致的急刹或偏离车道事件。
这一案例的底层逻辑是：低速场景下的决策优先级并非单纯追求效率，而是要在安全、舒适与通行效率间寻找动态平衡。传统ACC的‘跟车优先’策略在低速时易陷入‘刹停-启动’的振荡循环，而LSCA通过引入交通流预测模块，可提前2-3秒预判前车行为，将跟车平顺性提升40%。
低速巡航驾驶辅助系统的技术演进，本质是感知-决策-控制链条的精细化重构。当行业还在讨论L2与L3的边界时，头部企业已通过场景化技术落地，重新定义了低速自动驾驶的实用价值——它不是高速巡航的简化版，而是针对城市拥堵、泊车等高频痛点的精准解决方案。这种技术路径的选择，或许正是中国自动驾驶产业实现‘弯道超车’的关键注脚。
