什么是自动驾驶的“最强大脑”？我想就是自动驾驶决策算法了吧。自动驾驶决策算法主要解决车辆在复杂交通中“下一步做什么，应该如何做”的核心问题。它就像一个分层递进的大脑，主要分为两层，一层是运动规划层，另外一层是行为决策层。在自动驾驶中，感知系统只是它的眼睛和耳朵——看得见、听得见，但完全不知道下一步该干什么。而决策系统，才是真正的大脑。
本文详解自动驾驶决策的三大核心模块：全局路径规划、行为决策、运动规划。
假设你坐在副驾，打开手机高德，输入“北京天安门 → 上海东方明珠”。地图给你规划了一条沿着京沪高速一路向南的路线——这就是全局路径规划。在自动驾驶里，它的任务非常清晰：从起点到终点，哪条路最合理？
但它的“合理”远比你想象的要复杂。
高精度地图（HD Map）：不是我们手机上的普通导航地图。高精度地图的精度达到厘米级，它记录的信息包括：每条车道的确切边界、路沿石的位置、交通标志的精确三维坐标、坡度和曲率、甚至每个红绿灯的精确经纬度。有了它，车才知道“前方300米，最左侧车道是左转专用道”。
实时交通信息：哪里堵车？哪里封路？哪里事故？全局规划会结合实时路况，动态重规划。比如原本要走二环，但二环堵了3公里，系统会主动切换到三环——就像你在导航上点了“躲避拥堵”。
车辆自身约束：电动车电量不够？货车限高？某个路段禁止自动驾驶车辆通行？这些都会纳入全局路径的约束条件。
一个容易被忽视的真相
全局路径规划并不需要高频运行。它可能每隔几十秒甚至几分钟才更新一次，因为它解决的是“宏观路线”问题。但一旦这条路定下来，它就为下面两个层次画好了“边界”——接下来所有的行为决策和运动规划，都不能跳出这条路。
打个比方：全局路径规划就像你决定从北京开车去上海走京沪高速，那么你后面所有的变道、超车、进服务区，都只能发生在这条高速上。你不会突然想拐到京港澳上去。
从全局路径规划我们知道：车知道“要走京沪高速，从上海嘉定出口下”。但开上高速后，面对密密麻麻的车流，它要怎么决定此时此刻该做什么？
是跟车？是变道？是加速超车？还是在出口前提前减速？
这时候就该行为决策（Behavioral Decision）上场了。它处理的是离散的、高层级的驾驶意图。你可以把它理解为自动驾驶的“战术指挥官”。
常见的驾驶行为有哪些？
车道保持（Lane Keeping）：老老实实待在当前车道，保持速度，保持安全车距。
跟车（Car Following）：前车慢我就慢，前车快我就快（但不超速）。
变道（Lane Change）：向左变还是向右变？是主动变道（为了更快）还是被动变道（因为当前车道要结束）？
超车（Overtaking）：本质上是一次“向左变道+加速+再向右变道”的组合行为。
路口行为：直行、左转、右转、掉头。
停车/起步：等红灯时停车，绿灯亮起后起步。
让行/抢行：无保护左转时，让对向直行车先过；或者合流时，判断是否要插入车流。
行为决策是怎么做出来的？
现代自动驾驶的行为决策，早已不是简单的“if-else”规则。它会根据情况综合考虑：
感知结果：周围有哪些车？它们的速度、加速度、意图（通过转向灯判断）是什么？
交通规则：这段路限速多少？实线能不能变道？这个路口能不能掉头？
驾驶策略：是“激进型”还是“保守型”？比如看到旁边车道有空间，激进的车会立即变道，保守的车会再观察一秒。
预测模块：其他车接下来会怎么走？这个非常关键。行为决策必须“预判别人的预判”。
真实场景：高速出口博弈
如果你的车辆要在前方500米下高速，但当前在最左侧车道，右侧两车道都是密集的卡车流。行为决策会如何进行推理呢？
先判断“是否需要变道”：是的，因为出口在右侧。
再判断“是否可以安全变道”：当前右侧车道有间隙吗？后车速度允许吗？
如果暂时不行，就进入“寻找机会”状态：保持速度，监控右侧车流，同时点亮转向灯，等待一个安全的空档。
一旦出现空档，决策变为“向右变道一次”。
重复这个过程，直到进入最右侧车道，然后决策变为“减速并准备驶出”。
这5条完全实际上就是一个动态的、基于状态的决策过程。我们日常开车的时候，内心活动和考量大概也是如此。
行为决策说：“我要向右变道。”
那怎么变呢？方向盘怎么打？油门踩多深？用3秒钟完成变道还是5秒钟？变道过程中遇到后车突然加速怎么办？
这就是运动规划（Motion Planning）要解决的事。它的输入是一个驾驶行为意图（比如“向右变道”），输出是一条具体、平滑、安全、可执行的轨迹。
一条完整的轨迹，由两部分组成：
路径（Path）：车辆在几何空间上要经过的一系列点（x, y, yaw）。
速度曲线（Speed Profile）：在路径上每个点的时刻和速度（t, v）。
运动规划既要告诉车“走哪条线”，也要告诉车“每时每刻开多快”。
运动规划在进行操作的时候要注意什么？
平滑性：方向盘不能突然打死，否则乘客会吐。轨迹的曲率必须连续变化。
可行性：轨迹必须符合车辆的运动学约束（比如前轮最大转角、最大加/减速度）。
安全性：必须与所有障碍物（其他车、行人、路沿）保持安全距离。
舒适性：横向加速度和纵向加加速度（jerk）要控制在舒适范围内。
实时性：必须在几十毫秒内计算出轨迹，因为车辆在一秒内就能冲出几十米。
主流方法：采样+优化
自动驾驶的运动规划，通常采用“采样-评估-优化”的框架：
先通过随机采样或搜索（比如A*、RRT）生成一批候选路径。
再用代价函数评估每条路径：离障碍物多远？平不平滑？符合行为意图吗？
选出最优的一条，再通过二次规划（QP）进行局部平滑和速度优化。
举个例子：变道的运动规划
行为决策要求“在3秒内向右变道”。运动规划会这样做：
生成一条从当前车道中心线，平滑过渡到目标车道中心线的S形曲线。
在这条曲线上，设计速度曲线：先轻微加速（减少与后车的速度差），变道过程中保持匀速，变道完成后适当调整。
检查轨迹上每个点：会不会与右后方车辆发生碰撞？如果会，就重新规划（比如加快变道速度，或者放弃变道）。
最终输出一串指令：未来3秒内，每20毫秒一个“期望方向盘转角+期望加速度”。
然后，这个指令被发送到执行系统（转向、油门、刹车），车辆就真的动起来了。
如果我要从五道口去北京首都机场T3，那自动驾驶是怎么做的？
场景：自动驾驶车辆从北京五道口出发，去首都机场T3航站楼。
全局路径规划：先走北四环，然后上机场高速，最后从T3出口驶出。这条路定下来后，生成一系列“路点”（waypoints）。
行为决策：车行驶在北四环上，感知系统发现前方500米有出口。行为决策判断：我需要去机场高速，所以必须从这个出口驶出。当前我在第二条车道，出口在最右侧。于是决策进入“向右变道”的意图序列：先变一次到第三条车道，再变一次到最右侧。
运动规划：针对“第一次向右变道”这个意图，生成一条具体的、3秒长的轨迹。过程中，右后方有一辆出租车突然加速冲上来，运动规划检测到碰撞风险，立即重新规划：减速并推迟变道，等出租车过去后再完成变道。
三个层次各有分工，又紧密衔接。没有全局规划，车就不知道大方向；没有行为决策，车就只能傻傻地走直线；没有运动规划，所有的意图都只是空想。
大家在讨论自动驾驶的时候，张口闭口就是“多少个摄像头”“多少线激光雷达”。但真正决定自动驾驶智能程度的，其实是决策系统。
一个感知再强的车，如果决策逻辑愚蠢——比如该让不让、该超不超、变道犹豫不决——它依然是一个让人害怕的“铁皮傻子”。反之，一个决策系统足够优秀的车，哪怕只用摄像头，也能在复杂路况中游刃有余。
10个月宝宝每天需要喝多少奶粉？
