突发事件
当然，可能带来严重后果的交通事故绝不止白天的高发事件，夜间突发的种种状况往往更令人胆战心惊，我们同样针对性的设置了四个项目：夜间高速故障卡车、突然消失的前车、道路遗撒-天降纸箱以及路口逆光三轮车鬼探头。相比日间高发项目，夜晚工况使用了更多测试道具，不仅还原了事故现场，同时也针不同反应时间，进行了测试比对。公平起见，测试前我们会统一将各车的自动远近光功能打开，灯光高度调到中挡。
首先来看夜间高速故障卡车科目，它主要模拟得是夜间行驶在完全没有路灯照明的高速路段，突遇故障大货车斜置停车占道的场景，测试会在ACC相关功能开启下进行，测试车速为120km/h，来看六辆车的表现。果然，纯靠眼神儿的特斯拉没有了白天科目的自信，月黑风高的环境的确是摄像头的软肋，测试中虽有声音和图像警示，也有制动行为，但为时已晚，无法规避事故。当然极氪007，虽然有激光雷达加持，但表现也没实质性改变，或许和不爱切换远光有关，给视觉主导的主动安全系统带来了不小麻烦，不仅识别目标过晚，制动力度也明显不足，尽管驾驶员手动接管，紧急变线，但依旧付出了一个后视镜的代价。
而小鹏P7的主要问题是，测试场地内，ACC工况下，最高车速只能设置到100km/h，虽然成功通过，但也属于自降难度了。因此能顺利过关的，只有小米SU7、蔚来ET5和问界M9，尤其遥遥领先，全程表现可谓标杆操作。发现障碍和提示驾驶员的时机合适，制动过程稳健线性，信心十足。数据方面，蔚来和小米都是在距离大车100米左右开始制动，但刹停距离，小米要明显长于蔚来，而问界M9制动介入时机是三车中最晚的。
继续看突然消失的前车，它主要模拟夜间行驶在有路灯照明的高速路段，跟随前车发现前方故障车停车占道后，突然躲避变道的场景，测试在ACC相关功能开启下进行，测试车速为80km/h。此外，在前车切出时机问题上，我们也通过定位系统做了进一步量化，即前车切出时间分别为1.5s、1s和0.5s，时间越短意味着留给后车反应时间越短。情况越紧急。
6辆车中小米SU7，蔚来ET5，问界M9和特斯拉Model 3都能顶住压力，面对不断缩短的思考时间也能Hold住全场，自动打开双闪警示后车，降低二次碰撞风险。但标杆仍属问界，准确提醒、稳健制动，至于极氪007和小鹏P7，则是声光画警示手段丰富，甚至小鹏还会用语音提醒“请注意前方静止物体”，但都折在了反应时间最短的0.5s考核上，没能避免事故发生。对比数据不难看出，问界M9依旧是刹车最晚的，也是刹得最急的，相比行动最早的Model 3足足晚了15米多。而Model3也确实是最早刹停的，小米SU7则是制动最柔的那位，刹车过程中的最大减速度仅有0.74g。
经常开夜车的老司机都懂，晚上道路的突发情况除了车，还可能是对遗撒掉落杂物的判断不及时，道路遗撒-天降纸箱科目正是模拟这种情况，而为了测试的一致性，我们使用了运载无人机参与测试，测试车会在开启ACC 60km/h的状态下面对“货”从天降，看看他们各自会有什么不同的应对策略。
小米SU7、蔚来ET5和问界M9的表现最好，其中蔚来和问界可以自动转向来避让障碍物，而小米SU7则是先预警再刹停。三车策略虽然不同，但都避免了事故发生。而极氪007的表现就略显委屈了，识别和预警的都有，也提醒了驾驶员要接管，奈何制动力明显不够，撞向了纸箱。同样，小鹏P7也是感知制动都有，但最终没能顶住纸箱的挑战。而最让人出乎意料的还属特斯拉。作为视觉感知的老前辈，理论上静态障碍物识别能力应该很好，但实测表现却没有任何预警和制动，草草收场。
最后来看突发事件中的Hard科目——路口逆光三轮车鬼探头，它主要模拟的是夜间十字路口车辆正常行驶，突遇横穿的快递三轮车，且对向有车辆大灯干扰，左转待转车道还有大车遮挡复杂场景，测试在AEB工况下进行，测试车速为30km/h，而假三轮车速度为15km/h。
六辆车果然全军覆没，首先是特斯拉，无显示、无预警、更无制动的三无表现，离谱但也合理。而拥有激光雷达的小米SU7，处理危机的能力也仅停留在对横穿三轮车的感知层面，同样没警示、没制动。稍好一些的极氪007、蔚来ET5和小鹏P7，能在感知基础上增加预警，甚至施加轻微制动，但都起不到减轻碰撞的作用。只有问界M9系统能很早识别，并进行了预警，但刹车介入太晚，只能减轻，不能避免。数据显示，问界在距离预设碰撞点2.12米时，进行了制动介入，最大减速度达到了1.09g。
