4. 安全距离模型：基于车头时距的安全距离、基于制动过程的安全距离、不同模型对比与适用场景

各位同学，咱们今天聊聊安全距离模型。说实话，这是纵向规划里最基础、也最容易被忽视的一块。我见过不少新手工程师，一上来就搞复杂的MPC、强化学习，结果跟车距离算得乱七八糟——说白了，连安全底线都没守住。

安全距离模型，就是回答一个问题：前车刹车了，我到底该离多远才不撞？ 答案看似简单，但不同场景下，答案完全不同。咱们今天就把两种主流模型掰开揉碎了讲。

4.1 基于车头时距的安全距离模型

这个模型，我个人习惯叫它「时间距离法」。思路很简单：我跟着前车，保持一个固定的时间差。比如前车经过某个点，我2秒后经过同一个点。

公式长这样：

d_safe = v_host * t_headway + d_min

其中：

• v_host：自车速度（m/s）
• t_headway：车头时距（通常0.8s~2.5s）
• d_min：最小停车距离（比如2~5米）

嗯，这里要注意：车头时距不是拍脑袋定的。我在项目中遇到过，某主机厂要求高速场景用1.2s，结果测试时发现，在湿滑路面上根本刹不住。后来我们改成了动态时距——车速越高，时距越大。

这个模型的优点很明显：计算简单，实时性好。你想想看，只需要知道自车速度和前车速度，就能算出安全距离。在ACC（自适应巡航）里，这是最常用的模型。

但缺点也很致命：它假设前车匀速运动。如果前车急刹车，这个模型就失效了。说白了，它只考虑了「跟车」，没考虑「紧急制动」。

4.2 基于制动过程的安全距离模型

这个模型更「物理」一些。它从制动过程出发，算清楚：前车从刹车到停，需要多远？我从前车刹车到我自己停，又需要多远？

公式稍微复杂点：

d_safe = v_host * t_reaction + (v_host² / (2 * a_host)) - (v_front² / (2 * a_front)) + d_min

其中：

• t_reaction：系统反应时间（包括感知、决策、执行延迟，通常0.2s~0.5s）
• a_host：自车最大制动减速度（通常-3m/s² ~ -8m/s²）
• a_front：前车最大制动减速度（通常假设-5m/s² ~ -8m/s²）
• d_min：最小安全余量

这个模型的优势在于：能处理紧急制动场景。它把反应时间、制动能力都考虑进去了。在AEB、FCW（前向碰撞预警）等功能里，这是标配模型。

但缺点也有：参数太多，容易过设计。你想想看，如果每个参数都取最保守值，算出来的安全距离会非常大，导致车辆频繁制动，乘坐体验很差。

4.3 不同模型对比与适用场景

咱们直接上表格，一目了然：

我个人习惯的做法是：两者结合。在正常跟车时，用车头时距模型，保证平顺性；当检测到前车减速度超过阈值（比如-3m/s²），切换到制动过程模型，保证安全性。

// 伪代码示例
if (a_front > -3.0) {
    // 正常跟车，用车头时距模型
    d_safe = v_host * 1.8 + 3.0;
} else {
    // 前车急刹，用制动过程模型
    d_safe = v_host * 0.3 + (v_host² - v_front²) / (2 * 6.0) + 2.0;
}

你想想看，为什么不能只用一种模型？因为没有银弹。车头时距模型在高速跟车时，如果前车突然变道切入，它反应不过来；制动过程模型在低速蠕行时，算出的距离可能比实际需要的大很多，导致车辆频繁被加塞。

我记得有一次做路测，在晚高峰的北京三环上，我们用了纯制动过程模型。结果呢？每当前车减速等红灯，我们的车在50米外就开始减速，后车疯狂按喇叭。后来改成混合模型，低速时用车头时距，高速时用制动过程，问题就解决了。

最后总结一下：

• 车头时距模型：简单、平顺，适合正常跟车场景
• 制动过程模型：安全、保守，适合紧急场景
• 实际工程：混合使用，根据场景动态切换

下一章，咱们聊聊纵向加速度规划——怎么让车既安全又舒适地加减速。到时候我会分享一个我踩过的坑：加速度变化率（jerk）没限制好，乘客直接晕车了。敬请期待。