歡迎來到《自動駕駛決策規劃框架詳解：從理論到實踐》的第二章。在本章中，我們將深入探討自動駕駛系統中至關重要的“大腦”——決策規劃模塊。我們將從基本概念入手，逐步解析主流的決策規劃框架，包括經典的路徑速度解耦方法、工業界廣泛應用的Apollo Planning框架、應對復雜動態場景的時空聯合規劃方法，以及代表未來趨勢的數據驅動方法。此外，本章還將討論自動駕駛量產落地的框架選型考量，并針對實際應用中的“硬骨頭”場景（Hard Case）提出優化策略。最后，我們會總結決策規劃領域的常見面試重點，幫助讀者鞏固核心知識并為職業發展做好準備。我們的目標是提供一個既有理論深度，又緊密聯系實踐的全面指南，幫助技術讀者系統地掌握自動駕駛決策規劃的核心技術和發展脈絡。

一、決策規劃概述

自動駕駛技術旨在賦予車輛自主導航和駕駛的能力，其中決策規劃模塊扮演著核心角色，如同人類駕駛員的大腦，負責感知環境、分析路況、做出判斷并規劃行動。本節將闡述決策規劃相關的核心概念，明確其在自動駕駛系統中的定位、重要性及面臨的挑戰。

核心概念定義：

• 決策 (Decision Making)：指車輛在特定交通場景下，根據環境信息、交通規則和自身狀態，選擇下一步應執行的宏觀駕駛行為的過程，例如保持車道、換道、超車、跟車、避障、停車等。它回答的是“我該做什么？”的問