一、路径规划概述：自动驾驶中的规划层级
说实话，刚入行那会儿，我对「路径规划」的理解特别简单——不就是找条路走吗？后来真正上手做项目才发现，这里面的门道深着呢。
自动驾驶的规划系统，我习惯把它拆成三个层级来看：
- 任务规划：决定去哪。比如从北京开到上海，走哪条高速。
- 行为决策：决定怎么开。比如前面有车挡着，是超车还是跟着？
- 运动规划：决定具体怎么动。比如超车时方向盘打多少度，油门踩多深。
这三个层级，说白了就是「想什么→做什么→怎么做」的关系。你想想看，如果任务规划说去上海，但行为决策在高速上非要跟车不超车，那运动规划再精细也没用。
核心要点：规划层级不是割裂的，而是层层递进、相互约束的。上层给下层定目标，下层反馈执行结果给上层调整。
1.1 全局规划 vs 局部规划
这两个概念，我经常被新人问混。其实区分起来很简单：
| 对比维度 | 全局规划 | 局部规划 |
|---|---|---|
| 时间尺度 | 分钟~小时级 | 毫秒~秒级 |
| 空间范围 | 公里级（整条路线） | 米级（当前车道+周边） |
| 更新频率 | 低（几秒~几分钟一次） | 高（10~50Hz） |
| 典型算法 | A*、Dijkstra、RRT | DWA、TEB、MPC |
| 输入数据 | 高精地图、路网 | 传感器实时数据 |
我在项目中遇到过最典型的坑：全局规划给了一条「最优路径」，但局部规划发现这条路被临时施工堵死了。嗯，这时候就需要行为决策来协调了。
我的习惯：全局规划我一般用A*做粗搜索，再用Hybrid A*做平滑。局部规划则偏好MPC，因为它能显式处理车辆动力学约束。
1.2 行为决策的角色定位
行为决策这个模块，说白了就是「自动驾驶的脑子」。它不负责具体怎么打方向盘，而是决定「现在该干什么」。
举个例子：你开着车在高速上，前面有辆慢车。行为决策要回答这几个问题：
- 要不要超车？（决策意图）
- 现在超车安全吗？（风险评估）
- 如果超车，走左边还是右边？（行为选择）
- 超车过程中如果后车加速怎么办？（应急策略）
我曾经在一个项目中，行为决策模块写得太死板——只要前车速度低于设定值就超车。结果有一次在隧道里，前车确实慢，但隧道禁止变道。嗯，那次差点出事。从那以后，我坚持行为决策必须融合地图信息。
避坑指南：行为决策不能只看当前帧数据。我建议至少维护一个3~5秒的「决策历史窗口」，用来判断意图的稳定性。比如前车减速了1秒，可能是正常波动；但连续减速3秒，那大概率是要停车了。
1.3 三个层级的协作关系
你想想看，这三个层级是怎么配合的？我画个简单的流程：
任务规划（全局路径）
↓
行为决策（当前意图：跟车/超车/停车）
↓
运动规划（具体轨迹：速度曲线+路径点）
↓
控制执行（油门/刹车/转向）
↑
反馈循环（实际状态 vs 规划状态）这里有个关键点：反馈是双向的。运动规划发现轨迹不可行（比如曲率太大），要告诉行为决策「这个意图执行不了」，行为决策就得换个方案。
我记得有一次调试，运动规划总是报「轨迹跟踪误差过大」。查了半天，原来是行为决策在弯道前才决定减速，但运动规划已经来不及生成平滑的减速曲线了。后来我加了个「意图预判」机制——行为决策提前200ms把意图发给运动规划，问题就解决了。
个人经验：好的规划系统，三个层级之间的接口一定要定义清楚。我习惯用「意图+参数」的结构：行为决策发一个意图（如LANE_CHANGE），附带参数（目标车道、期望速度、安全距离）。运动规划根据这个意图去生成具体轨迹。
1.4 实际项目中的常见问题
做路径规划这些年，我踩过不少坑。挑几个典型的说说：
- 全局规划太理想化：A*找出来的路径，曲率可能突变，车辆根本走不了。解决办法：加平滑后处理，或者直接用Hybrid A*。
- 局部规划视野太短：只看眼前3米，遇到大弯道容易「撞墙」。我建议局部规划的视野至少覆盖未来5~8秒的行驶距离。
- 行为决策反应太慢：决策周期100ms，但紧急情况需要20ms响应。解决方案：加一个「应急决策」模块，优先级最高，绕过正常决策流程。
一个小技巧：调试规划系统时，我习惯把每个层级的输出都可视化出来。全局路径画成粗线，局部轨迹画成细线，行为决策用文字标注在车头上。一眼就能看出问题出在哪一层。
好了，这一章的内容就这些。下一章我们会深入行为决策的具体算法——有限状态机、决策树、还有基于学习的决策方法。到时候我会拿实际项目中的代码来讲解。