基礎路線二：規劃子系統與框架

規劃子系統分為三層設計：任務規劃（Mission planning），行為規劃（Behavioral planning）和動作規劃（Motion planning）。其中，任務規劃也可稱之為路徑規劃或者路由規劃（Route planning）， 負責全局的路由尋徑，如起點到終點的路徑選擇；行為規劃也可稱之為行為決策（Decision），負責根據結合全局路徑信息、當前交通信息和障礙物等情況，給運動規劃模塊輸入一系列的決策信息，如在十字路口通行優先級、交通堵塞處理、車輛匯流合理判斷問題等；動作規劃接收行為規劃信息，生成一系列的動作以達到某種目的，如安全規避障礙物、準確進入停車位。

2．1 任務規劃

根據道路網絡定義文件（RNDF）中提供的數據來創建道路編碼圖形，對環境中的航路連通性進行描述，主要包括道路與道路之間的連接情況、通行規則以及道路的路寬等信息。任務規劃器根據路網信息，計算每條道路的cost，生成車輛可行駛的路徑。當然，在車輛動態行駛過程中，車輛會檢測道路堵塞（blockage）等情況，添加新的觀測數據進行路網圖更新。任務規劃器也會根據實時的路網信息進行可行駛路徑規劃。主要處理步驟為：

1． 根據路網信息，計算每條道路的cost，以進行任務規劃；

2． 車輛實時檢測阻塞或者根據靜態障礙地圖，進行路網信息更新；

3． 在阻塞前后進行U形轉彎操作，將U形轉彎賦予較低的cost，將通過阻塞賦予較高的cost；

4． 檢測阻塞算法中漏過的一些障礙物，添加虛擬阻塞；

5． 道路信息是變化的，車輛會重新再次訪問（Revisit）原來到過的地方，并通過指數型cost更新函數進行降低通過阻塞的cost。

2．2 行為規劃

行為規劃負責執行任務規劃生成的路線，基于三種主要駕駛環境進行相應駕駛行為。三個環境分別是：道路（road）、交叉路口（intersection）和區域（zone）。

它們的相應駕駛行為分別是進行車道行駛，交叉路口處理和實現區域姿態處理（停車等）。

State estimator：將車輛的位置與世界模型結合起來，使用RNDF生成車輛位置。

Goal selector：使用狀態估算器報告的當前邏輯位置來生成下一系列本地目標，以供運動計劃者執行；這些將是道路目標或區域目標。

Lane selector： 使用周圍的交通狀況來確定最佳車道隨時進入，并在可行時執行合并到該車道的操作。

Merge planner： 確定lane selector建議的車道的可行性。

Current scene reporter：將已知車輛和離散障礙物的列表提煉為幾個離散數據元素，最值得注意的是當前車道中距Boss前方最近車輛的距離和速度。

Distance keeper： 利用周圍的交通狀況來確定必要的車道內車輛安全距離，并據此控制車輛的速度。

Vehicle driver： 將Distance keeper和Lane selector的輸出與其自己的內部規則結合起來，以生成所謂的“運動參數”消息，可控制諸如速度，加速度和所需跟蹤車道之類的細節。

Precedence estimator：使用已知的其他車輛列表及其狀態信息來確定交叉路口的優先級。

Pan－head planner：傳感器獲取相關的信息，以進行交叉路口優先決策。

Transition manager：管理行為規劃和運動規劃之間的離散目標序列，確定何時傳輸到下一個目標序列。

場景：兩車道匯流

主要判斷指標包括：自車車道是否滿足merge過去的空間；目標車道各障礙物前后以及障礙物之間是否滿足自車merge過來后需要的空間；自車與merge目標點前后障礙物車的速度、加速度等指標是否合理。根據以上指標在目標車道挑選最好的merge目標點。