4. 系统总体架构
FCW（前碰撞预警）系统并不是单一传感器加一个蜂鸣器，而是一个由多类硬件、软件算法和交互接口组成的实时闭环系统。为了让功能边界清晰、接口可验证、故障可定位，工程上通常把系统划分为四个逻辑层：感知层、决策层、执行层、人机交互层。分层不是简单的模块堆叠，而是按“信息从哪里来、在哪里判断、由谁动作、如何告知驾驶员”这条主线组织，使每一层都有明确的输入、输出和性能指标。
一、四层功能划分的核心原理
感知层负责把物理世界转换为可计算的目标信息，典型输入包括毫米波雷达、单目/双目摄像头、激光雷达以及本车 CAN 信号（车速、方向盘转角、横摆角速度）。感知层的输出不是“图像”或“点云”，而是经过时间同步、坐标统一和滤波后的目标列表，例如目标距离、相对速度、方位角、目标类型和置信度。
决策层是 FCW 的“大脑”，它接收感知层目标列表和本车状态，完成目标筛选、碰撞时间 TTC 计算、安全距离判断和预警等级决策。决策层通常运行在域控制器或 ADAS ECU 上，需要满足确定性时延要求，例如从目标更新到预警输出不超过 50 ms。
执行层负责把决策结果转化为可感知的物理动作。FCW 的执行层一般包括仪表报警灯、蜂鸣器、座椅振动器、安全带预紧提示，部分车型还会联动制动系统进行短促点刹提醒。执行层的关键是“动作可确认”，即系统能通过反馈信号判断报警是否真正发出。
人机交互层则面向驾驶员，负责预警信息的呈现方式、优先级和抑制策略。它要解决“什么时候提醒、用什么方式提醒、提醒多久”的问题，避免报警疲劳。HMI 层还承担驾驶员状态监测、报警确认和系统开关状态显示等功能。
分层设计的关键原则：感知层保证“看得准”，决策层保证“判得对”，执行层保证“动得快”，人机交互层保证“说得清”。四层之间通过标准化接口解耦，任何一层升级都不应破坏其他层的既有功能。
二、典型系统框图与数据流
下图给出 FCW 系统的典型四层架构。图中实线表示实时数据流，虚线表示状态反馈或配置信息。可以看到，感知层与决策层之间是高频目标数据流，决策层与执行层之间是预警指令流，执行层与人机交互层之间是报警状态反馈流。
三、各层关键接口与参数
分层架构能否落地，取决于接口定义是否清晰。下表列出 FCW 四层之间的典型接口信号和关键参数，便于在系统设计、联调和测试阶段逐项核对。
| 层级 | 典型输入 | 典型输出 | 关键参数/指标 |
|---|---|---|---|
| 感知层 | 雷达回波、图像、CAN 车速 | 目标列表（距离、速度、方位角） | 测距精度 ±0.1 m，更新周期 50 ms |
| 决策层 | 目标列表、本车状态、驾驶员设置 | 预警等级、触发指令 | TTC 阈值 2.7 s / 1.8 s / 1.2 s |
| 执行层 | 预警指令 | 灯光、声音、振动、点刹 | 响应时延 ≤ 100 ms，动作可反馈 |
| 人机交互层 | 报警状态、驾驶员操作 | 显示、确认、抑制、开关 | 报警确认率、误报抑制率 |
四、典型场景与误区复盘
以高速公路跟车场景为例：本车以 80 km/h 行驶，前车突然减速至 40 km/h。感知层雷达在 50 ms 内更新目标距离和相对速度；决策层计算 TTC 从 3.2 s 快速下降到 1.5 s，触发二级预警；执行层点亮仪表红色报警灯并发出蜂鸣；HMI 层根据驾驶员是否踩下制动踏板决定是否升级为三级预警。整个过程要求在 200 ms 内完成，否则预警就失去了“提前量”的意义。
常见误区一：把感知层输出直接当决策结果。雷达给出的距离和速度只是原始信息，必须经过同车道筛选、静止目标过滤和弯道补偿，否则会把相邻车道车辆或路边护栏误判为碰撞目标。
常见误区二：忽视执行层反馈。如果只发指令不确认执行结果，蜂鸣器故障或仪表通信丢失时，系统会“以为”已经报警，实际驾驶员毫无感知。
常见误区三：HMI 层报警过频。一级预警频繁触发会导致驾驶员麻木，反而降低对真正危险报警的响应速度。必须通过抑制策略和分级阈值控制报警频次。
联调建议：按“感知层单测 → 决策层回放 → 执行层台架 → HMI 实车”的顺序逐层验证。每一层都保留独立日志，记录时间戳、输入参数和输出结果，便于出现误报或漏报时快速定位是感知误差、决策阈值还是执行延迟导致。
FCW 分层联调检查清单（示例）
[感知层] 目标列表更新周期 ≤ 50 ms，时间同步误差 ≤ 5 ms
[决策层] TTC 计算使用统一坐标系，阈值可配置且可回放
[执行层] 报警灯/蜂鸣器/振动器动作反馈在 100 ms 内确认
[HMI层] 报警等级与显示一致，驾驶员确认后 3 s 内不重复报警
[全链路] 从目标出现到报警发出端到端时延 ≤ 200 ms总体来看，FCW 的四层架构把复杂的碰撞预警问题拆解为“感知—决策—执行—交互”四个可独立验证的环节。理解每一层的功能边界、接口信号和关键指标，是后续进行传感器选型、算法标定、系统集成和故障排查的基础。