1 背景

         在Apollo中，有比較多的Decider（決策器），上篇博客《自動駕駛---Motion Planning之Decider》中筆者也大概介紹了每個Deicder的作用。

        本篇博客筆者主要介紹換道的決策內容，因為在自動駕駛中（嚴格意義上來講，目前還屬于輔助駕駛），變道的靈活性是用戶評價該功能是否好用很重要的一部分，變道遲緩或者激進都是不好的體驗，所以本篇博客會結合Apollo中的LaneChangeDecider、MCTS決策器及他們在量產中的使用做些介紹。

2 LaneChange

        在自動駕駛中，變道使用的規劃算法是一個核心組件，它負責確定車輛如何在保持安全和效率的同時，從當前車道轉移到相鄰車道。這些規劃算法通常涉及多個層次和多個階段的決策過程，通過下面四個模塊的說明，讀者可以進一步了解整個變道的過程。

（1）全局路徑規劃（Routing）

• 結合高精地圖信息，全局路徑規劃會生成從當前位置到目的地的全局路徑，考慮到道路網絡、交通規則、交通流量等因素，全局路徑規劃算法會根據車道信息生成一條或者多條行駛路線。

（2）行為決策層（Behavior Planning）

• 在全局路徑規劃的基礎上，行為決策層會結合實時感知數據（如周圍車輛、行人、障礙物等）進行更具體的決策。
• 這一層會評估當前交通狀況，判斷是否適合變道，以及選擇最佳的變道時機和方式。
• 行為決策層可能會使用決策樹、規則基系統、有限狀態機等方法來實現。

（3）運動規劃（Motion Planning）

• 運動規劃層負責生成具體的軌跡，使車輛能夠按照行為決策層的決策進行變道。
• 這一層會考慮車輛的動力學約束（如加速度、減速度、轉向角度等），以及乘客的舒適性、安全性等因素。
• 運動規劃算法可能會使用采樣基方法（Lattice，RRT等）、優化方法（如模型預測控制、軌跡優化等）來生成滿足約束的軌跡。

2.1 Apollo之LaneChange

        Apollo中的Lane Change Decider（換道決策器）是其自動駕駛系統中一個重要的組成部分，主要負責產生是否換道的決策并更新換道狀態。

        換道決策器在LaneFollow場景下被調用，是第一個task。它的作用是對車輛的換道狀態進行管理，包括換道中（IN_CHANGE_LANE&#