Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • صفحه اصلی
  • اخبار
    اخبار صنعت خودروسازی ترکیه
    اخبار جهانی صنعت خودرو
    اخبار ورزش‌های موتوری ترکیه
    اخبار جهانی ورزش‌های موتوری
  • خودروها
    خودروهای احتراق داخلی
    • مدل‌های احتراق داخلی
    • فناوری موتورهای احتراق داخلی
    • سوخت و مصرف
    • انتشار و محیط زیست
    • مالکیت موتور احتراق داخلی
    • تاریخ خودروهای احتراق داخلی
    الکتریکی
    • مدل‌های برقی
    • فناوری‌های خودروهای الکتریکی
    • شارژ و زیرساخت
    • فناوری باتری
    • برد و مصرف
    • مالکیت خودروی برقی
    • تاریخ خودروهای برقی
    هیبریدی
    • مدل‌های هیبریدی
    • سیستم‌های هیبریدی
    • باتری و شارژ
    • مصرف و بهره‌وری
    • مالکیت هیبریدی
    • تاریخچه خودروی هیبریدی
    سوپرکار
    هایپرکار
  • فناوری
    سیستم‌های کمک راننده
    فناوری‌های ایمنی
    فناوری‌های روشنایی و دید
    اینفوتینمنت و اتصال
    رانندگی خودران و هوش مصنوعی
    فناوری‌های آینده
  • راهنماها
    راهنماهای خرید
    راهنماهای فروش
    نگهداری و استفاده
    مالکیت و هزینه‌ها
    لاستیک و رینگ
    بیمه و معاینه
  • تاریخ و فرهنگ
    تاریخچه خودرو
    مدل‌های آیکونیک
    کلاسیک‌ها و مجموعه‌ها
    ماجرای خودروی ترکیه
    طراحی خودرو
    خودرو و فرهنگ عامه
  • ورزش‌های موتوری
    فرمول 1
    رالی (WRC)
    رالی‌کراس
    MotoGP
    فرمول 2 و فرمول 3
    کارتینگ
    24 ساعت لمان
    WEC
    NASCAR
    IndyCar
    DTM
    مسابقات GT
    دریفت
    مسابقات درگ
  • با ما آشنا شوید
    درباره ما
    تماس با ما
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. صفحه اصلی
  2. فناوری
  3. سیستم‌های کمک راننده
  4. آیا سیستم ترمز اضطراری خودکار (AEB) میتواند عابر پیاده کودک را تشخیص دهد؟

آیا سیستم ترمز اضطراری خودکار (AEB) میتواند عابر پیاده کودک را تشخیص دهد؟

  • سامانه‌های کمک‌راننده
  • نویسنده: Lütfi Mete Odabaşı
  • ایجاد: 17 نوامبر 2026
کودکی که به دنبال توپ می‌دود، دشوارترین سناریویی است که بیشتر سیستم‌های AEB حتی در میدان آزمایش هم نمی‌توانند حل کنند و آمارها ترسناک است.
کودکی که به دنبال توپ می‌دود، دشوارترین سناریویی است که بیشتر سیستم‌های AEB حتی در میدان آزمایش هم نمی‌توانند حل کنند و آمارها ترسناک است.

خب، فکر کن: دو ماشین پارک شده جلوی خودروی تو هستند و دقیقاً از بین آن‌ها، کودکی در حال دویدن دنبال توپش ظاهر می‌شود. ترمز اضطراری خودکار، یعنی AEB، در این لحظه چه می‌کند؟ آیا آن سیستم مطمئن و بااعتمادی که در تبلیغات می‌بینیم فعال می‌شود، یا اینکه اوضاع آن‌طور که فکر می‌کنیم درخشان نیست؟ در همین صفحه، دقیقاً پاسخ همین سؤال را با داده‌های تست واقعی بررسی خواهیم کرد. و از اول بگویم: اعداد کمی ترسناک‌اند.

مشکل تشخیص کودک عابر پیاده در AEB از کجا می‌آید؟

سیستم‌های ترمز اضطراری خودکار با ترکیب داده رادار و دوربین کار می‌کنند: دوربین شکل را تشخیص می‌دهد و رادار فاصله و سرعت را اندازه می‌گیرد. به نظر کامل می‌آید، نه؟ اما مشکل اینجاست: یک عابر پیاده بزرگسال، هدفی بزرگ و واضح برای حسگرها فراهم می‌کند. بدن کشیده، شانه‌های عریض و ریتم پیاده‌روی منظم. اما کودک هم سطح تماس کوچک‌تری دارد و هم معمولاً ناگهانی، در حال دویدن و از پشت خودروهای پارک شده ظاهر می‌شود. یعنی دشوارترین ترکیب ممکن برای حسگرها را در یک بسته ارائه می‌دهد.

از دید رادار بیندیشیم: رادار با ابرهای نقطه‌ای متشکل از سیگنال‌های بازتابیده از اهداف کار می‌کند و وقتی این ابرها کم‌تراکم باشند، ادغام با داده دوربین نیز دشوار می‌شود. بدن کوچک یعنی تعداد کمی بازتاب راداری. سمت دوربین هم چندان خوب نیست: تشخیص عابران پیاده در شب یا باران شدید به‌طور جدی دشوار می‌شود. امضای دوپلر کودک در حال دویدن در رادار با یک بزرگسال در حال راه رفتن متفاوت است؛ وقتی پروفایل حرکت تغییر کند، الگوریتم تشخیص سیستم با تصویری کاملاً متفاوت روبه‌رو می‌شود.

نکات برجسته

  • در تستی سال 2019، نرخ برخورد با مانکن کودکی که با سرعت 32 km/s از بین دو ماشین در حال دویدن ظاهر می‌شد، 89 درصد بود.
  • در همان تست، نرخ برخورد با مانکن بزرگسال 60 درصد بود؛ سناریوی کودک به‌طور مشخص بدتر بود.
  • در سرعت حدود 50 km/s هیچ خودروی تستی نتوانست مانکن کودک را بدون برخورد متوقف کند.
  • در سناریوی عابر پیاده بزرگسال در شب، هیچ خودروی تستی نتوانست عابر را تشخیص دهد.
  • AEB با قابلیت تشخیص عابر پیاده، در دنیای واقعی تصادفات منجر به جراحت عابران پیاده را حدود 30 درصد کاهش می‌دهد - اما در روز.

داده‌های تست واقعی چه می‌گویند؟

32 km/s hızda otomatik fren sistemleri yetişkinleri bile yüzde 60 oranında ıskalayamıyor, koşan çocuk mankeninde bu oran yüzde 89a çıkıyor.

یک تست جامع روی چهار سدان محبوب مدل سال 2019 (Chevrolet Malibu، Honda Accord، Tesla Model 3 و Toyota Camry)، وضعیت این صنعت را در این زمینه به‌وضوح نشان داد. در روز، خودرویی با سرعت 32 km/s در 60 درصد موارد به مانکن‌های بزرگسال برخورد کرد. بد به نظر می‌رسد، نه؟ وقتی به سناریوی کودک می‌رسیم، وضعیت تاریک‌تر هم می‌شود: مانکن کودکی که از بین دو خودروی پارک شده در حال دویدن ظاهر می‌شد، در همان سرعت در 89 درصد موارد برخورد کرد.

با افزایش سرعت اوضاع بدتر می‌شود: در سرعت حدود 48-50 km/s، سیستم‌ها به‌طور کلی در توقف جلوی عابر پیاده شبیه‌سازی‌شده ناموفق بودند؛ در سرعت 50 km/s هیچ خودروی تستی نتوانست برخورد را پیشگیری کند. اما شب داستان جداگانه‌ای است: در سناریوی عابر پیاده بزرگسال، هیچ خودرویی نتوانست عابر را تشخیص دهد و سیستم‌ها در شرایط شب بی‌اثر ارزیابی شدند. در مواجهه با عابر پیاده پس از گردش به راست، هر چهار خودرو برخورد کردند؛ یک شکست 100 درصدی. هنگام عبور با سرعت 32 کیلومتر بر ساعت از کنار دو بزرگسال که پشت‌رو ایستاده بودند، نرخ برخورد 80 درصد بود.

این test مربوط به سال 2019 است؛ یعنی سیستم‌ها از آن روز تاکنون بهبود یافته‌اند؛ اما داده‌های جدیدتر هم آرامش کامل نمی‌دهند. در سال 2024 وقتی سیستم‌های AEB در حالت دنده عقب آزمایش شدند، در شبیه‌سازی عابر پیاده ثابتِ کودک در پشت خودرو، در 15 مورد از 20 حالت (75 درصد) ترمز خودکار فعال شد و در 10 مورد (50 درصد) برخورد کاملاً پیشگیری شد. در سناریویی متفاوت اما، برخورد تنها در یک مورد از 40 حالت (2.5 درصد) قابل پیشگیری بود. یعنی نباید بدون چون‌وچرا به حسگرهای مانور عقب هم اعتماد کرد.

Euro NCAP و IIHS عابر پیاده کودک را چگونه آزمایش می‌کنند؟

Euro NCAP ve IIHS'nin CPNC-50 senaryosunda, park halindeki iki aracın arkasından saatte 5 kilometre hızla koşarak çıkan çocuk yayayı algılamak AEB için en zor sınavdır.

خبر خوب این است: مؤسسات آزمایش از این مسئله آگاه هستند و سناریوی عابر پیاده کودک بخشی از پروتکل‌های رسمی است. Euro NCAP از سال 2015 تاکنون AEB حساس به عابر پیاده را در سه سناریوی شهری می‌آزماید: بزرگسالی که در مسیر خودرو راه می‌رود، بزرگسالی که می‌دود و کودکی که از پشت خودروی پارک‌شده بیرون می‌آید. دشوارترین سناریو که بدین ترتیب تعریف شده، کودک عابر پیاده‌ای است که از پشت دو خودروی پارک‌شده ظاهر می‌شود و مستقیماً وارد لاین خودرو می‌شود.

CPNC-50: نام رمزی دشوارترین سناریو

هم در پروتکل Euro NCAP و هم IIHS سناریویی به نام CPNC-50 (Car-to-Pedestrian Nearside Child 50%) وجود دارد: خودرو به سمت کودک عابر پیاده‌ای در حرکت است که از پشت یک مانع با دویدن بیرون می‌آید. در پروتکل به‌روز IIHS، هدف کودک با سرعت دویدن 5 کیلومتر بر ساعت حرکت می‌کند، دیده‌شدن آن با یک خودروی کوچک و یک SUV مسدود می‌شود و هم‌پوشانی 50 درصدی با خودرو استفاده می‌شود. در سناریوی بزرگسال، هدف با سرعت راه‌رفتن 5 کیلومتر بر ساعت و هم‌پوشانی 25 درصد آزمایش می‌شود. سرعت‌های آزمایش در سناریوهای عبور عرضی 20 و 40 کیلومتر بر ساعت است. تغییرات پروتکل 2026 Euro NCAP، آزمایش سخت‌گیرانه‌تر سیستم‌های پیشگیری از برخورد از جمله AEB را پیش‌بینی می‌کند؛ محدوده سرعت آزمایش معمول بازه 10-60 کیلومتر بر ساعت را در بر می‌گیرد.

جزئیات جالب: اسناد توسعه Euro NCAP اشاره می‌کند که کودکانی که از پشت خودروهای پارک‌شده عبور می‌کنند، گروهی مهم و به‌نسبت بیش از حد نماینده‌شده در تصادفات هستند. یعنی مؤسسات آزمایش این سناریو را دلخواه انتخاب نکرده‌اند؛ داده‌های واقعی تصادفات به اینجا اشاره می‌کند.

در چه سرعتی چقدر کارآمد است؟

پس اگر حتی در سرعت‌های پایین هم مانکن‌های کودک زیر خودرو می‌روند، آیا این سیستم‌ها هیچ فایده‌ای ندارند؟ قطعاً کارآمد هستند - فقط باید انتظار را درست تنظیم کرد. داده‌های دنیای واقعی امیدوارکننده است: در خودروهای دارای AEB با تشخیص عابر پیاده و دوچرخه‌سوار، خطر کلی تصادف حدود 20 درصد کمتر است. در مناطق سرعتی 50 کیلومتر بر ساعت و کمتر، شاخص خطر جراحت شدید به عابران پیاده در گروهی که به خودروهای دارای AEB با تشخیص عابر پیاده برخورد کرده‌اند، در مقایسه با خودروهای بدون سیستم 44 درصد کمتر بود. یک مطالعه میدانی هم نشان می‌دهد که نرخ تصادفات منجر به جراحت در خودروهای دارای AEB عابر پیاده 30 درصد کاهش یافته است - البته این اثر در تاریکی از بین می‌رود.

شرطنتیجه
تصادفات عابر پیاده با جراحت (داده‌های میدانی)کاهش حدود 30 درصدی
خطر کلی تصادف (AEB عابر پیاده/دوچرخه‌سوار)کاهش حدود 20 درصدی
خطر آسیب جدی، زیر 50 km/s44 درصد کمتر
نرخ تشخیص در روزحدود 98 درصد
تشخیص در شب (چراغ پایین)حدود 87 درصد
تشخیص در شب (چراغ بالا)حدود 93 درصد

همان‌طور که دیده می‌شود، شکاف عملکرد جدی میان روز و شب وجود دارد. زودتر فعال شدن سیستم (آغاز ترمز زودتر از برخورد) می‌تواند تصادفات را تا 34 درصد کاهش دهد؛ یعنی زمان‌بندی همه چیز است. در جبهه آمریکا گام بزرگی برداشته شده است: طبق نهایی‌شده‌شدن قانون NHTSA در آوریل 2024، تا سپتامبر 2029 سیستم AEB در تمام خودروهای جدید الزامی خواهد بود؛ سیستم باید تا 90 mph در برابر خودروی جلویی به‌طور خودکار ترمز کند و تا 45 mph از برخورد با عابر پیاده، از جمله در تاریکی، جلوگیری کند. این هدف برای فناوری امروزی که کودک پیاده در تاریکی را نمی‌بیند، بلندهمت است.

در محیط مدرسه و خیابان‌های باریک چه باید کرد؟

تا اینجا همه چیز روشن است: سیستم‌ها کمک‌کننده‌اند، اما نجات‌دهنده نیستند. پس در دنیای واقعی، به‌ویژه در محیط مدرسه و خیابان‌های باریک چه خواهیم کرد؟ پاسخ در گذشته هم درست بود و هنوز هم درست است: کاهش سرعت. کاهش سرعت خودرو در مناطق مدرسه، به‌عنوان مهم‌ترین عامل منفرد در پیشگیری از جراحات و مرگ عابران پیاده شناخته می‌شود. هیچ سنسوری جایگزین رانندگی‌ای که پایش از روی گاز برداشته است، نمی‌شود.

چند قاعده ماندگار را می‌توان چنین خلاصه کرد:

  • به سیستم تشخیص عابر پیاده به‌عنوان ابزار اصلی پرهیز از برخورد اعتماد نکن؛ این‌ها ضمانت اضافه‌اند، نه بیمه‌نامه.
  • از دفترچه راهنما بیامورید که AEB خودرویتان چه می‌کند و چه نمی‌کند؛ هر سیستمی یکسان نیست.
  • در محیط مدرسه، پارک و خیابان‌های باریک سرعت را نه بر اساس سیستم‌ها، بلکه بر اساس واکنش‌های خودتان تنظیم کنید.
  • در شب و هوای بد انتظارتان را پایین بیاورید؛ بیشتر سیستم‌ها در این شرایط به‌شدت ضعیف می‌شوند.

پس آیا AEB می‌تواند کودک پیاده را تشخیص دهد؟

پاسخ کوتاه و صادقانه: تا حدی و به‌شدت وابسته به شرایط. در روز، سرعت پایین و دید باز، سیستم‌های مدرن می‌توانند کودک پیاده را تشخیص داده و ترمز کنند؛ داده‌های دنیای واقعی کاهش قابل توجهی در تصادفات عابران پیاده نشان می‌دهد. اما اگر کودکی از بین دو خودرو در حال دویدن بیرون بزند، عابری نیمه‌شب به جاده بپرد یا سرعت تقرب بالای 50 km/s در کار باشد، ممکن است سیستم شما را نجات ندهد - داده‌های آزمایشی این را به‌روشنی نشان می‌دهد. پیام مشترک مقامات ایمنی نیز این است: سیستم‌های ADAS برای پشتیبانی از رانندگی طراحی شده‌اند، نه برای جایگزینی راننده. چشم بیدار پشت فرمان همچنان بهترین سنسور است.

یک نکته آخر: AEB با تشخیص عابر پیاده نخستین بار در سال مدل 2011 با Volvo S60 وارد بازار آمریکا شد و تا سال مدل 2021 در 62 درصد از سری‌های خودروهای جدید استاندارد شد. گسترش سریع است و فناوری هر سال پیشرفت می‌کند. اما اولین سنسوری که کودکی را که از بین دو خودروی پارک‌شده بیرون می‌پرد می‌بیند، همچنان چشمان شما خواهد بود - و همین‌طور هم بماند.

منابع

  • پروتکل ارزیابی Euro NCAP - VRU - v10.0.5
  • پروتکل تست P-AEB
  • توسعه یک روش آزمون مصرف‌کننده برای AEB حساس به عابران پیاده
  • Euro NCAP تغییرات پروتکل 2026 را اعلام کرد
  • از منطقه محافظت کنید: راهنمای ایمنی محدوده مدرسه 2026/2027
  • چرا نباید برای اجتناب از عابران پیاده به AEB اعتماد کنید

این صفحه را به اشتراک بگذارید

ویرایشگر دسته

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

یک علاقه‌مند جوان، پویا و مشتاق به تحقیق و یادگیری در حوزه خودرو و ورزش‌های موتوری. مته با نگاه جوانان به پلتفرم خبری، اطلاعاتی و فرهنگی خودروی ما ارزش می‌افزاید. او نوآوری‌های فناوری خودرو و تحولات ورزش‌های موتوری را از نزدیک دنبال می‌کند و آموخته‌هایش را به محتوایی مفید و پرمحتوا برای otomobilgi.com تبدیل می‌کند.

محتوای مرتبط

سامانه ترمز اضطراری خودکار (AEB) گاهی کودکی را که از میان ماشین‌های پارک‌شده بیرون می‌پرد می‌بیند و گاهی نمی‌بیند، و همین تفاوت می‌تواند خط باریک میان زندگی و مرگ باشد.
سامانه‌های کمک‌رانندهآیا AEB عابر پیاده‌ای را که از بین خودروهای پارک‌شده بیرون می‌آید، می‌بیند؟
وقتی به تصادفات واقعی نگاه می‌کنیم، ترمز اضطراری خودکار و هشدار نقطه کور تفاوت ملموسی بسیار فراتر از حرف‌های کاتالوگ ایجاد می‌کنند.
سامانه‌های کمک‌رانندهسیستم‌های ADAS در تصادفات واقعی چقدر تفاوت ایجاد می‌کنند؟
در آمریکا هر سال صدها نفر بر اثر خودروهایی که از جهت مخالف می‌آیند جان خود را از دست می‌دهند، در حالی که رادارها و دوربین‌های مدرن می‌توانند این هیولا را در چند ثانیه تشخیص دهند.
سامانه‌های کمک‌رانندهسیستم ADAS چگونه خودرویی را که از خلاف جهت می‌آید تشخیص می‌دهد؟
AEB قبل از اینکه خودت پایی روی ترمز بگذاری، خودش ترمز می‌گیرد؛ چون هدف سیستم فقط هشدار به تو نیست، بلکه جلوگیری از برخورد تا سرعت 100 کیلومتر بر ساعت است.
سامانه‌های کمک‌رانندهسیستم ترمز اضطراری خودکار چه زمانی فعال می‌شود و چه زمانی دیر می‌شود؟
ترمز خودکار که در جاده صاف بی‌نقص کار می‌کند، آزمون اصلی‌اش را هنگام پیچ در تقاطع، با خودروی روبه‌رو، عابر پیاده و دوچرخه‌سوار می‌دهد.
سامانه‌های کمک‌رانندهسیستم ترمز خودکار در تقاطع‌ها چه چیزی را می‌بیند؟
وقتی ترمز کافی نیست، پشتیبانی اضطراری فرمان که فعال می‌شود، خودرو را برای اجتناب از برخورد به کنار هدایت می‌کند، اما حرف آخر پشت فرمان همچنان با راننده است.
سامانه‌های کمک‌رانندهسیستم‌های مداخله‌گر در فرمان در مواقع اضطراری چه کاری انجام می‌دهند؟
بر اساس حسگرها، موتورسیکلت تنها جسمی تک‌چراغ و با سیلوئت باریک است؛ به همین دلیل سیستمی که گوزن را تشخیص می‌دهد ممکن است آن را نبیند.
سامانه‌های کمک‌رانندهچرا تشخیص موتورسیکلت به اندازه نصف خودرو آسان نیست؟
سیستم‌هایی که در تاریکی ۶۰ درصد از تصادفات را پیشگیری می‌کنند، در روز این میزان را به ۹۰ درصد می‌رسانند؛ مسئولیت راننده در شب کاهش نمی‌یابد.
سامانه‌های کمک‌رانندهسیستم‌های ADAS چگونه عابر پیاده و دوچرخه‌سوار را در شب می‌بینند؟
دستیار پارک به جای تو فرمان را می‌چرخاند اما هرگز مسئولیت را بر عهده نمی‌گیرد؛ کسی که باید هر لحظه در نقطه کور حسگرها مراقب باشد، خود تو هستی.
سامانه‌های کمک‌رانندهدستیارهای پارک چقدر ایمن هستند؟
RCTA با رادار اسکن کردن ترافیکِ در نقاط کور که دوربین عقب به هیچ وجه نمی‌تواند ببیند، می‌تواند در چند ثانیه ترمز خودکار را فعال کند.
سامانه‌های کمک‌رانندهRCTA در دنده عقب کجا را اسکن می‌کند و چه چیزی را نمی‌بیند؟

برچسب‌ها

  • ترمز اضطراری خودکار
  • تشخیص عابر پیاده
  • سیستم‌های کمکی پیشرفته راننده
  • سامانه‌های کمک‌راننده
  • یورو ncap
  • fmvss 127
  • سنسور رادار
  • دوربین خودرو
  • ادغام حسگرها
  • مسئولیت راننده
  • سیستم هشدار برخورد
  • فناوری‌های ایمنی خودرو

ما را در شبکه‌های اجتماعی دنبال کنید

  • درباره ما
  • متن روشنگری KVKK
  • سیاست حریم خصوصی
  • تماس با ما
Otomobilgi.com
پلتفرم مستقل فرهنگ خودرو
قدرت‌گرفته از Virgo CMS