目錄

自動駕駛決策與規劃概述

決策與規劃體系結構

分層遞階式決策規劃

反應式體系結構

混合式體系結構

決策與規劃系統的關鍵環節

路徑規劃

軌跡規劃

行為決策

異常處理

自動駕駛的路徑規劃技術

維諾圖法

柵格法

Dijkstra算法

A*算法

自動駕駛的行為決策方法

基于規則的行為決策方法

基于強化學習的行為決策方法

自動駕駛的運動規劃

局部規劃方法

動態窗口局部運動規劃算法（DWA）

---

自動駕駛決策與規劃概述

決策規劃是自動駕駛的核心技術，確保車輛流暢、準確地執行各種駕駛行為。

融合多傳感信息，根據駕駛需求進行決策，避開障礙物，規劃多條安全路徑，并選擇最優路徑作為行駛軌跡。

決策規劃系統類比于人類大腦，負責處理和分析駕駛過程中的各種信息。

決策規劃系統需要從環境感知模塊獲取實時的環境感知信息，包括道路情況、車輛周圍障礙物信息、交通信號信息等。

根據駕駛需求和環境感知信息，決策規劃系統需要進行任務決策，包括路徑規劃、速度規劃、加速度規劃等。

決策規劃系統需要將任務決策的結果轉化為控制執行信號，提供給車輛控制系統，再由控制系統控制車輛按照規劃軌跡行駛。

作為自動駕駛體系結構的關鍵部分，該模塊利用環境感知、車輛狀態信息和駕駛任務需求來制定決策和規劃。

包含路徑規劃、行為決策和運動規劃三個子模塊。路徑規劃負責全局路徑選擇，行為決策關注局部行為決策，而運動規劃則處理局部軌跡和速度規劃。

這一模塊直接反映了自動駕駛系統的智能水平，其性能對車輛行駛安全性和整車性能具有重要影響。

決策與規劃體系結構

分層遞階式體系結構是一個串聯系統結構，由一系列負責特定任務的模塊組成，這些模塊按特定層次結構排列，形成遞階式系統。

分層遞階式決策規劃

分層遞階式決策規劃結構可以很好地處理復雜的問題。通過將問題分解為多個簡單的問題，它可以逐步精細地解決問題，從而提高系統的準確性和效率。

分層遞階式決策規劃結構可以將智能控制算法應用到系統中，從而實現對車輛行為的智能控制。

由于分層遞階式決策規劃結構具有良好的模塊化特點，因此可以方便地添加或刪除模塊，以滿足系統的不同需求。

需要大量傳感器來感知環境狀態信息，導致成本和技術難度增加。

存在大量計算需求，如傳感器數據處理和信息融合，可能遇到計算瓶頸。為解決此問題，需采用高效算法和并行計算技術。

反應式體系結構

每個控制層可以直接基于傳感器的輸入進行決策，因而它所產生的動作是傳感器數據直接作用的結果，可突出“感知-動作”的特點，易于適應完全陌生的環境。

基于行為的反應式體系結構是反應式體系中最常用的結構，存在著多個并行的控制回路。針對各個局部目標設計對應的基本行為，這些行為通過協調配合后作用于驅動裝置，產生有目的的動作，形成各種不同層次的能力。

反應式體系結構具有實時性和靈活性，能夠快速響應環境變化，適應完全陌生的環境。

基于行為的反應式體系結構強調“感知-動作”，易于適應環境，不易受限于當前狀態。

低層次模塊具有獨立控制系統運動的功能，不必等待高層次處理完畢即可產生有意義動作。

設計成簡單特殊任務的感知、規劃和控制模塊可以緊密集成，占用存儲空間小，響應快速，實時性強。

反應式體系結構中，需要特定的協調機制解決各個控制回路對同一執行機構爭奪控制的沖突。

隨著任務復雜程度以及各種行為之間交互作用的增加，預測一個體系整體行為的難度將會增大。

反應式體系結構缺乏較高等級的智能，需要設計特定的協調機制來解決各個控制回路之間的沖突。

混合式體系結構

混合式體系結構是解決分層遞階式和反應式體系結構問題的一種方案，通過結合兩者的優點，實現行駛環境復雜多變時的使用需求。

在全局規劃層次上，混合式體系結構生成面向目標定義的分層遞階式行為。 在局部規劃層次上，生成面向目標搜索的反應式體系的行為分解。