無(wú)人駕駛車輛行為決策系統(tǒng)研究*

熊璐 康宇宸 張培志 朱辰宇 余卓平

（同濟(jì)大學(xué)，上海 201804）

主題詞：無(wú)人駕駛車輛 行為決策算法 有限狀態(tài)機(jī) 學(xué)習(xí)算法

1 無(wú)人車系統(tǒng)架構(gòu)

無(wú)人駕駛車輛是可以自主行駛的車輛，其系統(tǒng)結(jié)構(gòu)核心在于“智能”，不僅具備加減速、轉(zhuǎn)向等常規(guī)的汽車功能，還集成了環(huán)境感知、行為決策、路徑規(guī)劃、車輛控制等系統(tǒng)功能，能夠綜合環(huán)境及自車信息，實(shí)現(xiàn)類似人類駕駛的行為。

典型的無(wú)人駕駛車輛系統(tǒng)架構(gòu)如圖1所示，總體分為環(huán)境感知、決策規(guī)劃和運(yùn)動(dòng)控制三大部分。

環(huán)境感知系統(tǒng)的主要目的是獲取并處理環(huán)境信息，利用多傳感器目標(biāo)檢測(cè)與融合等技術(shù)，獲取周圍環(huán)境態(tài)勢(shì)，為系統(tǒng)其他部分提供周圍環(huán)境的關(guān)鍵信息。感知層將處理后的信息發(fā)送給決策層。

決策規(guī)劃系統(tǒng)綜合環(huán)境及自車信息，使無(wú)人車產(chǎn)生安全、合理的駕駛行為，指導(dǎo)運(yùn)動(dòng)控制系統(tǒng)對(duì)車輛進(jìn)行控制[1]。行為決策系統(tǒng)是狹義的決策系統(tǒng)，其根據(jù)感知層輸出的信息合理決策出當(dāng)前車輛的行為，并根據(jù)不同的行為確定軌跡規(guī)劃的約束條件，指導(dǎo)軌跡規(guī)劃模塊規(guī)劃出合適的路徑、車速等信息，發(fā)送給控制層。

圖1 典型無(wú)人駕駛車輛系統(tǒng)架構(gòu)

運(yùn)動(dòng)控制系統(tǒng)接收決策規(guī)劃層的指令并控制車輛響應(yīng)，保證控制精度，對(duì)目標(biāo)車速、路徑等進(jìn)行跟蹤[2]。

2 無(wú)人車行為決策系統(tǒng)概述

2.1 設(shè)計(jì)準(zhǔn)則

無(wú)人車行為決策系統(tǒng)的目標(biāo)是使無(wú)人車像熟練的駕駛員一樣產(chǎn)生安全、合理的駕駛行為。其設(shè)計(jì)準(zhǔn)則可總結(jié)為：良好的系統(tǒng)實(shí)時(shí)性；安全性最高優(yōu)先級(jí)（車輛具備防碰撞、緊急避障、故障檢測(cè)等功能）；合理的行車效率優(yōu)先級(jí)；結(jié)合用戶需求的決策能力（用戶對(duì)全局路徑變更、安全和效率優(yōu)先級(jí)變更等）；乘員舒適性（車輛轉(zhuǎn)向穩(wěn)定性、平順性等）。

對(duì)于適用于城市道路和高速公路工況的行為決策系統(tǒng)，設(shè)計(jì)準(zhǔn)則還包括[2]：右側(cè)車道通行優(yōu)先；保持車道優(yōu)先；速度限制；交通標(biāo)志及交通信號(hào)燈限制等。

2.2 輸入與輸出

無(wú)人車行為決策系統(tǒng)的上層是感知層，其上層輸入包括：

a.局部環(huán)境信息，其基于相機(jī)、雷達(dá)等車載傳感器，通過(guò)多傳感器目標(biāo)檢測(cè)[3-4]與融合等技術(shù)[5]，融合處理各傳感器數(shù)據(jù)，獲取車輛周邊環(huán)境態(tài)勢(shì)，輸出關(guān)鍵環(huán)境信息，交由決策系統(tǒng)處理。

b.自車定位信息，其基于GPS/慣性導(dǎo)航系統(tǒng)、高精度地圖定位[6]、即時(shí)定位與地圖構(gòu)建（Simultaneous Localization And Mapping，SLAM）[7-8]等方法，主要功能是對(duì)車輛進(jìn)行高精度定位。

c.地理地圖信息和任務(wù)信息，包括先驗(yàn)全局路徑、道路高精地圖、交通標(biāo)志信息等。

廣義的決策系統(tǒng)的輸出是運(yùn)動(dòng)控制信息。本文討論狹義的行為決策系統(tǒng)，其下層是運(yùn)動(dòng)規(guī)劃模塊，行為決策系統(tǒng)的輸出包括當(dāng)前車輛行為、車輛運(yùn)動(dòng)局部目標(biāo)點(diǎn)與目標(biāo)車速等。

2.3 系統(tǒng)分類

無(wú)人車行為決策系統(tǒng)主要有基于規(guī)則和基于學(xué)習(xí)算法兩大類。

基于規(guī)則的行為決策，即將無(wú)人駕駛車輛的行為進(jìn)行劃分，根據(jù)行駛規(guī)則、知識(shí)、經(jīng)驗(yàn)、交通法規(guī)等建立行為規(guī)則庫(kù)，根據(jù)不同的環(huán)境信息劃分車輛狀態(tài)，按照規(guī)則邏輯確定車輛行為的方法。其代表方法為有限狀態(tài)機(jī)法[9-10]，代表應(yīng)用有智能先鋒II[11]、紅旗CA7460、Boss[12]、Junior[13]、Odin[14]、Talos[15]、Bertha[16]等。

基于學(xué)習(xí)算法的行為決策，即通過(guò)對(duì)環(huán)境樣本進(jìn)行自主學(xué)習(xí)，由數(shù)據(jù)驅(qū)動(dòng)建立行為規(guī)則庫(kù)，利用不同的學(xué)習(xí)方法與網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)不同的環(huán)境信息直接進(jìn)行行為匹配，輸出決策行為的方法，以深度學(xué)習(xí)的相關(guān)方法及決策樹等各類機(jī)器學(xué)習(xí)方法[17-18]為代表。代表應(yīng)用有英偉達(dá)（NVIDIA）[19]、Intel[20]、Comma.ai[21]、Mobileye[22]、百度、Waymo、特斯拉等。

3 基于規(guī)則的無(wú)人車行為決策系統(tǒng)

3.1 有限狀態(tài)機(jī)法

基于規(guī)則的行為決策方法中最具代表性的是有限狀態(tài)機(jī)法，其因邏輯清晰、實(shí)用性強(qiáng)等特點(diǎn)得到廣泛應(yīng)用。

有限狀態(tài)機(jī)是一種離散輸入、輸出系統(tǒng)的數(shù)學(xué)模型。它由有限個(gè)狀態(tài)組成，當(dāng)前狀態(tài)接收事件，并產(chǎn)生相應(yīng)的動(dòng)作，引起狀態(tài)的轉(zhuǎn)移。狀態(tài)、事件、轉(zhuǎn)移、動(dòng)作是有限狀態(tài)機(jī)的四大要素[23-24]。

有限狀態(tài)機(jī)的核心在于狀態(tài)分解。根據(jù)狀態(tài)分解的連接邏輯，將其分為串聯(lián)式、并聯(lián)式、混聯(lián)式3種體系架構(gòu)。

串聯(lián)式結(jié)構(gòu)的有限狀態(tài)機(jī)系統(tǒng)，其子狀態(tài)按照串聯(lián)結(jié)構(gòu)連接，狀態(tài)轉(zhuǎn)移大多為單向，不構(gòu)成環(huán)路。并聯(lián)式結(jié)構(gòu)中各子狀態(tài)輸入、輸出呈現(xiàn)多節(jié)點(diǎn)連接結(jié)構(gòu)，根據(jù)不同輸入信息，可直接進(jìn)入不同子狀態(tài)進(jìn)行處理并提供輸出[25]。如果一個(gè)有限狀態(tài)機(jī)系統(tǒng)下的子狀態(tài)中既存在串聯(lián)遞階，又存在并聯(lián)連接，則稱這個(gè)系統(tǒng)具有混聯(lián)結(jié)構(gòu)。

3.2 基于有限狀態(tài)機(jī)的行為決策系統(tǒng)

有限狀態(tài)機(jī)法是經(jīng)典的決策方法，因其實(shí)用性與穩(wěn)定性在無(wú)人車決策系統(tǒng)中廣泛應(yīng)用，目前已比較成熟，美國(guó)國(guó)防高級(jí)研究計(jì)劃局（Defense Advanced Research Projects Agency，DARPA）城市挑戰(zhàn)賽中各隊(duì)使用的決策系統(tǒng)為其典型代表。

3.2.1 串聯(lián)結(jié)構(gòu)

麻省理工大學(xué)的Talos[15]無(wú)人車如圖2所示，其行為決策系統(tǒng)總體采用串聯(lián)結(jié)構(gòu)。該無(wú)人車以越野工況挑戰(zhàn)賽為任務(wù)目標(biāo)，根據(jù)邏輯層級(jí)構(gòu)建決策系統(tǒng)。其系統(tǒng)分為定位與導(dǎo)航、障礙物檢測(cè)、車道線檢測(cè)、路標(biāo)識(shí)別、可行駛區(qū)域地圖構(gòu)建、運(yùn)動(dòng)規(guī)劃、運(yùn)動(dòng)控制等模塊，其中導(dǎo)航模塊負(fù)責(zé)制定決策任務(wù)。

圖2 Talos無(wú)人車及其行為決策系統(tǒng)

串聯(lián)式結(jié)構(gòu)的優(yōu)點(diǎn)是邏輯明確、規(guī)劃推理能力強(qiáng)、問(wèn)題求解精度高。其缺點(diǎn)在于對(duì)復(fù)雜問(wèn)題的適應(yīng)性差，某子狀態(tài)故障時(shí)，會(huì)導(dǎo)致整個(gè)決策鏈的癱瘓。串聯(lián)結(jié)構(gòu)適用于某一工況的具體處理，擅長(zhǎng)任務(wù)的層級(jí)推理與細(xì)分解決。

3.2.2 并聯(lián)結(jié)構(gòu)

斯坦福大學(xué)與大眾公司研發(fā)的Junior無(wú)人車[13]行為決策系統(tǒng)結(jié)構(gòu)如圖3所示，其具備典型的并聯(lián)結(jié)構(gòu)。該系統(tǒng)分為初始化、前向行駛、停止標(biāo)志前等待、路口通過(guò)、U形彎等13個(gè)子狀態(tài)，各個(gè)子狀態(tài)相互獨(dú)立。

圖3 Junior無(wú)人車的行為決策系統(tǒng)

圖4 Bertha無(wú)人車的行為決策系統(tǒng)

Junior決策系統(tǒng)是并聯(lián)劃分子系統(tǒng)最多的系統(tǒng)之一，但在實(shí)際場(chǎng)景測(cè)試中，依然存在其有限狀態(tài)機(jī)沒(méi)有覆蓋的工況，且對(duì)真實(shí)場(chǎng)景的辨識(shí)準(zhǔn)確率較差。這說(shuō)明單純地應(yīng)用并聯(lián)式場(chǎng)景行為細(xì)分并不能提高場(chǎng)景遍歷的深度，相反容易降低場(chǎng)景辨識(shí)準(zhǔn)確率。

梅賽德斯奔馳公司研發(fā)的Bertha無(wú)人車[16]行為決策系統(tǒng)如圖4所示。該系統(tǒng)分為路徑規(guī)劃、目標(biāo)分析、交通信號(hào)燈管理、放棄管理4個(gè)獨(dú)立并行的子狀態(tài)模塊。其中，放棄管理模塊通過(guò)換擋操縱桿信號(hào)進(jìn)行無(wú)人和有人駕駛的切換。

國(guó)防科學(xué)技術(shù)大學(xué)研發(fā)的紅旗CA7460[2]行為決策系統(tǒng)如圖5所示，其具備典型的并聯(lián)結(jié)構(gòu)。該系統(tǒng)適用于高速公路工況，其決策系統(tǒng)劃分為自由追蹤行車道、自由追蹤超車道、由行車道換入超車道、由超車道換入行車道等模式。

圖5 紅旗CA7460的行為決策系統(tǒng)

紅旗CA7460對(duì)車輛行駛的安全性指標(biāo)和效率指標(biāo)進(jìn)行了衡量，根據(jù)交通狀況和安全性指標(biāo)選出滿足條件的候選行為，再根據(jù)效率指標(biāo)決策出最優(yōu)行為。

卡爾斯魯厄工業(yè)大學(xué)的AnnieWAY無(wú)人車團(tuán)隊(duì)[26]建立了并行層次狀態(tài)機(jī)，構(gòu)建決策系統(tǒng)應(yīng)對(duì)環(huán)境中出現(xiàn)的各類情況。布倫瑞克工業(yè)大學(xué)提出的移動(dòng)導(dǎo)航分布式體系結(jié)構(gòu)，包含一系列駕駛行為（跟隨道路點(diǎn)、車道保持、避障、行駛在停車區(qū)等），通過(guò)投票機(jī)制決策駕駛行為并應(yīng)用于Caroline號(hào)無(wú)人車[27-28]上。

并聯(lián)式結(jié)構(gòu)將每一種工況單獨(dú)劃分成模塊進(jìn)行處理，整個(gè)系統(tǒng)可快速、靈活地對(duì)輸入進(jìn)行響應(yīng)。但在復(fù)雜工況下，由于遍歷狀態(tài)較多導(dǎo)致的算法機(jī)構(gòu)龐大，以及狀態(tài)間的劃分與狀態(tài)沖突的解決是難點(diǎn)。并聯(lián)結(jié)構(gòu)適用于場(chǎng)景較復(fù)雜的工況。相較于串聯(lián)結(jié)構(gòu)，并聯(lián)結(jié)構(gòu)的優(yōu)點(diǎn)是具備場(chǎng)景遍歷廣度優(yōu)勢(shì)，易于實(shí)現(xiàn)復(fù)雜的功能組合，具有較好的模塊性與拓展性，缺點(diǎn)是系統(tǒng)不具備時(shí)序性，缺乏場(chǎng)景遍歷的深度，決策易忽略細(xì)微環(huán)境變化，狀態(tài)劃分灰色地帶難以處理，從而導(dǎo)致決策錯(cuò)誤。

3.2.3 混聯(lián)結(jié)構(gòu)

串、并聯(lián)結(jié)構(gòu)具備各自的局限性，混聯(lián)式結(jié)構(gòu)可較好地結(jié)合兩者優(yōu)點(diǎn)，層級(jí)式混聯(lián)結(jié)構(gòu)是比較典型的方法。

卡耐基梅隆大學(xué)與福特公司研發(fā)的Boss無(wú)人車[12]行為決策系統(tǒng)如圖6所示，其具備典型的層級(jí)式混聯(lián)結(jié)構(gòu)。系統(tǒng)頂層基于場(chǎng)景行為劃分，底層基于自車行為劃分。3個(gè)頂層行為及其底層行為分別為：車道保持（車道選擇、場(chǎng)景實(shí)時(shí)報(bào)告、距離保持器、行為發(fā)生器等）、路口處理（優(yōu)先級(jí)估計(jì)、轉(zhuǎn)移管理等）和指定位姿。

圖6 Boss無(wú)人車的行為決策系統(tǒng)

弗吉尼亞理工大學(xué)研發(fā)的Odin無(wú)人車[14]行為決策系統(tǒng)如圖7所示，該系統(tǒng)引入決策仲裁機(jī)制，其決策系統(tǒng)劃分為車道保持、超車、匯入交通流、U型彎、擁堵再規(guī)劃等模塊。每個(gè)子決策模塊輸出的結(jié)果均交由決策融合器進(jìn)行決策仲裁。各模塊具備不同優(yōu)先級(jí)，優(yōu)先級(jí)低的模塊必須讓步于優(yōu)先級(jí)高的模塊。

圖7 Odin無(wú)人車行為決策系統(tǒng)

中國(guó)科學(xué)技術(shù)大學(xué)研發(fā)的智能駕駛Ⅱ號(hào)[11]行為決策系統(tǒng)如圖8所示，其具備典型的混聯(lián)結(jié)構(gòu)。該系統(tǒng)進(jìn)行了專家算法和機(jī)器學(xué)習(xí)算法的融合，頂層決策系統(tǒng)采用并聯(lián)式有限狀態(tài)機(jī)，分為跟車巡航、十字路口、U形彎、自主泊車等模塊。底層采用學(xué)習(xí)算法（ID3決策樹法），用以得出車輛的具體目標(biāo)狀態(tài)及目標(biāo)動(dòng)作。

圖8 智能駕駛Ⅱ號(hào)行為決策系統(tǒng)

這種層級(jí)處理的思想還衍生出各種具體的應(yīng)用方法?？的螤柎髮W(xué)的Skynet號(hào)無(wú)人車[29]通過(guò)結(jié)合交通規(guī)則和周圍環(huán)境，建立了3層規(guī)劃系統(tǒng)，劃分駕駛行為、規(guī)劃策略與底層操作控制，實(shí)現(xiàn)對(duì)車輛行為的決策處理。清華大學(xué)的THMR-V無(wú)人車[30]采用分層式的體系結(jié)構(gòu)，將系統(tǒng)分為協(xié)調(diào)級(jí)和執(zhí)行級(jí)，通過(guò)協(xié)調(diào)級(jí)對(duì)環(huán)境和車輛狀態(tài)進(jìn)行局部規(guī)劃，最高時(shí)速可達(dá)百公里。佛羅里達(dá)大學(xué)的Knight Rider號(hào)無(wú)人車[31]包含人工智能模塊，建立了層次結(jié)構(gòu)駕駛員模型，將駕駛?cè)蝿?wù)分為戰(zhàn)略、戰(zhàn)術(shù)和操作層級(jí)，通過(guò)戰(zhàn)略層設(shè)定次級(jí)目標(biāo)來(lái)生成序列最優(yōu)戰(zhàn)術(shù)，并經(jīng)過(guò)操作層輸出控制信號(hào)。來(lái)自賓州大學(xué)的Little Ben號(hào)無(wú)人車研發(fā)團(tuán)隊(duì)[32]建立了簡(jiǎn)單的規(guī)則對(duì)比賽給定的任務(wù)文件進(jìn)行駕駛行為的劃分，結(jié)合路網(wǎng)信息確定車輛行為，以此作為車輛的上層決策系統(tǒng)。

4 基于學(xué)習(xí)算法的無(wú)人車行為決策系統(tǒng)

近年來(lái)，人工智能技術(shù)迅猛發(fā)展，學(xué)習(xí)算法越來(lái)越多地運(yùn)用于無(wú)人駕駛車輛環(huán)境感知與決策系統(tǒng)[33]?；趯W(xué)習(xí)算法的無(wú)人車行為決策系統(tǒng)研究目前已取得顯著成果，根據(jù)原理不同主要可分為深度學(xué)習(xí)相關(guān)的決策方法[34-35]與基于決策樹等機(jī)器學(xué)習(xí)理論的決策方法。NVIDIA端到端卷積神經(jīng)網(wǎng)絡(luò)決策系統(tǒng)[19]與中國(guó)科學(xué)技術(shù)大學(xué)應(yīng)用的ID3決策樹法[11]是其典型案例。

4.1 深度學(xué)習(xí)方法

深度學(xué)習(xí)方法因其在建?，F(xiàn)實(shí)問(wèn)題上極強(qiáng)的靈活性，近年來(lái)被許多專家、學(xué)者應(yīng)用于無(wú)人車決策系統(tǒng)。NVIDIA研發(fā)的無(wú)人駕駛車輛系統(tǒng)架構(gòu)是一種典型架構(gòu)，其采用端到端卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行決策處理，使決策系統(tǒng)大幅簡(jiǎn)化。系統(tǒng)直接輸入由相機(jī)獲得的各幀圖像，經(jīng)由神經(jīng)網(wǎng)絡(luò)決策后直接輸出車輛目標(biāo)轉(zhuǎn)向盤轉(zhuǎn)角。

該系統(tǒng)使用NVIDIA DevBox作處理器，用Torch 7作為系統(tǒng)框架進(jìn)行訓(xùn)練，工作時(shí)每秒處理30幀數(shù)據(jù)，其訓(xùn)練系統(tǒng)框架如圖9所示。圖像輸入到卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）計(jì)算轉(zhuǎn)向控制命令，將預(yù)測(cè)的轉(zhuǎn)向控制命令與理想的控制命令相比較，然后調(diào)整CNN模型的權(quán)值使得預(yù)測(cè)值盡可能接近理想值。權(quán)值調(diào)整由機(jī)器學(xué)習(xí)庫(kù)Torch 7的反向傳播算法完成。訓(xùn)練完成后，模型可以利用中心的單個(gè)攝像機(jī)數(shù)據(jù)生成轉(zhuǎn)向控制命令。

圖9 NVIDIA無(wú)人車決策系統(tǒng)訓(xùn)練模型

其深度學(xué)習(xí)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)如圖10a所示，共9層，包括1個(gè)歸一化層、5個(gè)卷積層和3個(gè)全連接層。輸入圖像被映射到Y(jié)UV顏色空間，然后傳入網(wǎng)絡(luò)。

仿真結(jié)果表明，其神經(jīng)網(wǎng)絡(luò)能完整地學(xué)習(xí)保持車道駕駛的任務(wù)，而不需要人工將任務(wù)分解為車道檢測(cè)、語(yǔ)義識(shí)別、路徑規(guī)劃和車輛控制等。CNN模型可以從稀疏的訓(xùn)練信號(hào)（只有轉(zhuǎn)向控制命令）中學(xué)到有意義的道路特征，100 h以內(nèi)的少量訓(xùn)練數(shù)據(jù)就足以完成在各種條件下操控車輛的訓(xùn)練。

百度端到端系統(tǒng)實(shí)現(xiàn)了對(duì)車輛的縱向和橫向控制：縱向控制采用堆疊卷積長(zhǎng)短期記憶（Long Short Term Memory，LSTM）深度學(xué)習(xí)模型，提取幀序列圖像中的時(shí)空特征信息，實(shí)現(xiàn)特征到縱向控制指令的映射；橫向控制采用CNN深度學(xué)習(xí)模型，從單幅前視相機(jī)的圖像直接計(jì)算出橫向控制的曲率。模型主要關(guān)注視覺(jué)特征的提取、時(shí)序規(guī)律的發(fā)現(xiàn)、行為的映射等方面。

圖10 NVIDIA與Mobileye決策架構(gòu)

其中，縱向控制被看作時(shí)空序列預(yù)測(cè)問(wèn)題，輸入單元為最近5幀圖像（圖像采集頻率是每秒8幀），每幀圖像均縮放為80像素×80像素的RGB格式。LSTM模型的第1層有64個(gè)通道，其內(nèi)核大小為5像素×5像素，后續(xù)層擁有更多的通道和更小的內(nèi)核，最后一個(gè)卷積層為2個(gè)完全連通的層。輸出單元是線性單元，損失函數(shù)是MSE，優(yōu)化器是rmsprop。橫向控制由1個(gè)預(yù)處理層、5個(gè)卷積層和2個(gè)全連接層組成。輸入為320像素×320像素的RGB格式圖像。

Intel[20]利用已有控制數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，完成端到端的自動(dòng)駕駛，如圖11所示。其在網(wǎng)絡(luò)中考慮了方向性的控制指令（直行、左轉(zhuǎn)、右轉(zhuǎn)），使得網(wǎng)絡(luò)可以在車道保持的同時(shí)完成轉(zhuǎn)彎等操作。圖11為2種不同的結(jié)合控制指令的結(jié)構(gòu)：一種作為網(wǎng)絡(luò)的輸入，另一種將指令分為3個(gè)不同的輸出層，根據(jù)控制指令選擇不同的輸出。

圖11 Intel決策網(wǎng)絡(luò)架構(gòu)

Comma.ai[21]利用CNN，并且?guī)缀踔挥肅NN來(lái)構(gòu)造決策系統(tǒng)。該系統(tǒng)將圖像導(dǎo)入網(wǎng)絡(luò)，通過(guò)網(wǎng)絡(luò)輸出命令調(diào)整轉(zhuǎn)向盤和車速，從而使車輛保持在車道內(nèi)。根據(jù)Comma.ai公布的數(shù)據(jù)，該公司目前已經(jīng)累計(jì)行駛約1.35×106km，累計(jì)行駛時(shí)間為22000h，累計(jì)用戶1909人。

美國(guó)伍斯特理工學(xué)院[36]提出了一種自動(dòng)駕駛汽車的端到端學(xué)習(xí)方法，能夠直接從前視攝像機(jī)拍攝的圖像幀中產(chǎn)生適當(dāng)?shù)霓D(zhuǎn)向盤轉(zhuǎn)角。主要使用卷積神經(jīng)網(wǎng)絡(luò)將特征級(jí)的圖像數(shù)據(jù)作為輸入，駕駛員的轉(zhuǎn)向盤轉(zhuǎn)角作為輸出進(jìn)行訓(xùn)練和學(xué)習(xí)，使用Comma.ai公布的數(shù)據(jù)集進(jìn)行訓(xùn)練和評(píng)估。試驗(yàn)結(jié)果表明，該模型能夠?qū)崿F(xiàn)相對(duì)精確的轉(zhuǎn)向控制，很好地完成了車道保持動(dòng)作。

Mobileye[22]把增強(qiáng)學(xué)習(xí)應(yīng)用在高級(jí)駕駛策略的學(xué)習(xí)上，感知及控制等模塊則被獨(dú)立出來(lái)處理，其系統(tǒng)結(jié)構(gòu)如圖10b所示。相對(duì)于端到端學(xué)習(xí)大大提高了決策過(guò)程的可解釋性和可操作性，很好地適配了傳統(tǒng)機(jī)器人學(xué)中感知-決策-控制的系統(tǒng)架構(gòu)。

Drive.ai獲準(zhǔn)在美國(guó)加州公共道路上測(cè)試無(wú)人駕駛汽車，其在感知和決策上都使用深度學(xué)習(xí)，但避免整體系統(tǒng)的端到端，而是將系統(tǒng)按模塊分解，再分別應(yīng)用深度學(xué)習(xí)，同時(shí)結(jié)合規(guī)則、知識(shí)確保系統(tǒng)的安全性。

Waymo通過(guò)模擬駕駛及道路測(cè)試獲取了大量的數(shù)據(jù)對(duì)其行為決策系統(tǒng)進(jìn)行訓(xùn)練。該系統(tǒng)不僅能對(duì)物體進(jìn)行探測(cè)，還能對(duì)障礙物進(jìn)行語(yǔ)義理解。對(duì)不同道路參與者的行為方式建立準(zhǔn)確的模型，判斷它可能的行為方式以及對(duì)汽車自身的道路行為產(chǎn)生的影響，輸入到?jīng)Q策系統(tǒng)，保證決策行為的安全性。

卡耐基梅隆大學(xué)[37]提出了一種基于預(yù)測(cè)和代價(jià)函數(shù)算法（Prediction and Cost function-Based algorithm，PCB）的離線學(xué)習(xí)機(jī)制，用于模擬人類駕駛員的行為決策。其決策系統(tǒng)針對(duì)交通場(chǎng)景預(yù)測(cè)與評(píng)估問(wèn)題建立模型，使用學(xué)習(xí)算法，利用有限的訓(xùn)練數(shù)據(jù)進(jìn)行優(yōu)化。訓(xùn)練數(shù)據(jù)來(lái)源于人類駕駛員在實(shí)際道路的跟車場(chǎng)景，主要包含自車車速、前車車速以及兩車之間的距離等。在120 km的低速跟車測(cè)試中，PCB和人類跟車的車速差異僅為5%，能夠很好地完成跟車操作。

國(guó)防科技大學(xué)的劉春明教授等人[38]構(gòu)建了14自由度的車輛模型，采用模型控制預(yù)測(cè)理論，利用基于增強(qiáng)學(xué)習(xí)理論的方法，基于仿真數(shù)據(jù)得到了無(wú)人車的決策模型。該方法利用多自由度車輛模型對(duì)車輛的實(shí)際動(dòng)力學(xué)特性進(jìn)行考量，有利于滿足車輛行駛穩(wěn)定與乘員舒適的要求。

麻省理工大學(xué)[39]在仿真器中模擬單向7車道工況，利用定義好的深度強(qiáng)化學(xué)習(xí)（Deep Q-Learning，DQN）模型調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，可在瀏覽器上進(jìn)行訓(xùn)練工作，完善決策系統(tǒng)。

4.2 其他機(jī)器學(xué)習(xí)方法

除基于學(xué)習(xí)的決策方法外，還有很多機(jī)器學(xué)習(xí)方法在決策系統(tǒng)中加以應(yīng)用。決策樹法為機(jī)器學(xué)習(xí)理論中一種具有代表性的方法，中國(guó)科技大學(xué)的智能駕駛Ⅱ號(hào)將其用于決策系統(tǒng)。其應(yīng)用的ID3決策樹法適用于多種具體工況，如路口、U形彎工況等，其先由頂層有限狀態(tài)機(jī)決策出具體場(chǎng)景，再進(jìn)入決策樹進(jìn)行相應(yīng)的計(jì)算。

以十字路口工況為例，首先確定當(dāng)前工況的條件屬性（即系統(tǒng)輸入，如自車車速、干擾車車速等）和決策屬性（即系統(tǒng)輸出，如加速直行、停車讓行等）。選取若干樣本數(shù)據(jù)進(jìn)行基于灰關(guān)聯(lián)熵的條件屬性影響分析，獲得如圖12所示的基于ID3算法的行為決策樹。

圖12 基于ID3算法的行為決策樹

該行為決策樹即機(jī)器通過(guò)學(xué)習(xí)后自主獲得的行為規(guī)則庫(kù)的一種表現(xiàn)形式。無(wú)人車運(yùn)行時(shí)，將駕駛環(huán)境信息轉(zhuǎn)化成條件屬性，交由決策樹進(jìn)行計(jì)算，最終得出決策指令，指導(dǎo)無(wú)人車的行為操作。

ID3決策樹法具有知識(shí)自動(dòng)獲取、準(zhǔn)確表達(dá)、結(jié)構(gòu)清晰簡(jiǎn)明的優(yōu)點(diǎn)，其缺點(diǎn)同樣明顯，即對(duì)于大量數(shù)據(jù)獲取的難度較大，數(shù)據(jù)可靠性不足，數(shù)據(jù)離散化處理后精度不足。

德國(guó)寶馬和慕尼黑工業(yè)大學(xué)[40]提出了一種基于部分可觀測(cè)馬爾科夫決策過(guò)程（Partially Observable Markov Decision Processes，POMDP）的決策模型，主要解決動(dòng)態(tài)和不確定駕駛環(huán)境下的決策問(wèn)題，其不確定性主要來(lái)源于傳感器噪聲和交通參與者行駛意圖的不確定性。

POMDP將其他車輛的駕駛意圖作為隱藏變量，建立貝葉斯概率模型，可求解出自車在規(guī)劃路徑上的最優(yōu)加速度。在復(fù)雜交叉路口的仿真測(cè)試下，能夠較好地根據(jù)其他車輛的駕駛行為調(diào)整自車的最優(yōu)加速度，保證安全性與行車效率。

豐田公司的Urtasun等人[41]提出了一種基于概率的生成式模型，提取室外環(huán)境的語(yǔ)義信息作為輸入，并輸出行為決策。

5 無(wú)人車行為決策系統(tǒng)發(fā)展趨勢(shì)

5.1 現(xiàn)階段研究水平

無(wú)人車行為決策系統(tǒng)研究水平的衡量標(biāo)準(zhǔn)主要體現(xiàn)在實(shí)車應(yīng)用性、實(shí)現(xiàn)功能的復(fù)雜程度、應(yīng)用場(chǎng)景的復(fù)雜程度、決策結(jié)果正確性與系統(tǒng)復(fù)雜性。

實(shí)車應(yīng)用是對(duì)決策系統(tǒng)的基本要求?，F(xiàn)階段，有限狀態(tài)機(jī)法作為基于規(guī)則的代表方法，已經(jīng)較為成熟并廣泛應(yīng)用于國(guó)內(nèi)外諸多無(wú)人車上?；趯W(xué)習(xí)算法的決策算法，如深度學(xué)習(xí)相關(guān)方法、決策樹法、粗糙集理論等學(xué)習(xí)算法近年來(lái)發(fā)展迅速，亦具有很多相關(guān)應(yīng)用實(shí)例并取得很好效果。截至2017年11月，谷歌自動(dòng)駕駛汽車部門Waymo已在美國(guó)6個(gè)州開(kāi)展了自動(dòng)駕駛測(cè)試，宣稱其測(cè)試用無(wú)人車已行駛5.6×106km并完成了4×109km的模擬駕駛。特斯拉的量產(chǎn)車中安裝了Autopilot硬件系統(tǒng)，可通過(guò)空中下載（Over-The-Air，OTA）技術(shù)進(jìn)行從L2到L4的升級(jí)。2017年上半年以來(lái)，陸續(xù)開(kāi)啟了車道偏離警告、自動(dòng)轉(zhuǎn)向（Autosteer）、召喚（Summon）以及自動(dòng)車道變換等功能。

在功能復(fù)雜程度上，現(xiàn)階段的有限狀態(tài)機(jī)決策技術(shù)除實(shí)現(xiàn)簡(jiǎn)單的循線行駛、車道保持、緊急避障等功能外，也可實(shí)現(xiàn)較為復(fù)雜的組合功能[42-43]，如路口處理、自主泊車，乃至一定工況范圍內(nèi)的長(zhǎng)距離自主駕駛。狀態(tài)機(jī)方法可并行遍歷多個(gè)場(chǎng)景，且擅長(zhǎng)在特定場(chǎng)景內(nèi)對(duì)任務(wù)進(jìn)行拆分決策。而現(xiàn)階段學(xué)習(xí)算法的功能應(yīng)用依賴于訓(xùn)練集的豐富程度，一般在指定工況與任務(wù)下效果較好，多場(chǎng)景與多任務(wù)協(xié)調(diào)能力仍相對(duì)較差。如北京理工大學(xué)的BYD-Ray[44]應(yīng)用粗糙集理論主要解決換道決策的功能，智能駕駛Ⅱ號(hào)的1個(gè)決策樹只能解決1個(gè)功能下的決策任務(wù)。以谷歌為代表的端到端相關(guān)方法取得了較好效果，但其對(duì)于訓(xùn)練數(shù)據(jù)較為依賴，決策網(wǎng)絡(luò)可解釋性與可調(diào)整性較差。

在應(yīng)用場(chǎng)景的復(fù)雜程度上，現(xiàn)階段的有限狀態(tài)機(jī)決策技術(shù)可以適應(yīng)復(fù)雜的綜合城市環(huán)境，其優(yōu)勢(shì)在于場(chǎng)景廣度的遍歷。Boss、Junior、Odin等在DARPA無(wú)人車挑戰(zhàn)賽中于6 h內(nèi)完成96 km的路測(cè)，其場(chǎng)景完全還原了真實(shí)城市道路環(huán)境，需要車輛與其他車輛交互、避讓，同時(shí)遵守交通規(guī)則，具有很高的環(huán)境復(fù)雜度。而學(xué)習(xí)算法更加著重于場(chǎng)景深度的遍歷，對(duì)于同一場(chǎng)景下的各種細(xì)微變化更加應(yīng)變自如[45-46]。NVIDIA無(wú)人車?yán)糜?xùn)練后的CNN模型，可以使車輛在同一類場(chǎng)景下在面對(duì)不同道路材質(zhì)、車道線線型、各種天氣狀況等細(xì)微環(huán)境變化時(shí)做出正確反應(yīng)。Drive.ai共有4輛車在舊金山灣區(qū)進(jìn)行路測(cè)，在夜路、雨天、有霧等復(fù)雜情況下也基本可以實(shí)現(xiàn)完全自動(dòng)駕駛。

在決策結(jié)果的正確性上，學(xué)習(xí)算法與規(guī)則算法各有優(yōu)勢(shì)，在實(shí)現(xiàn)較高的功能復(fù)雜度和適應(yīng)較高場(chǎng)景復(fù)雜度的基礎(chǔ)上，兩種算法均能夠保證決策系統(tǒng)的正確性，完成相應(yīng)的行駛?cè)蝿?wù)。但對(duì)于復(fù)雜工況，規(guī)則算法面臨狀態(tài)劃分界限確定問(wèn)題。學(xué)習(xí)算法需要遍歷程度高的數(shù)據(jù)作為支持。

在系統(tǒng)復(fù)雜性上，基于學(xué)習(xí)的算法舍棄了規(guī)則算法的層級(jí)架構(gòu)，更加簡(jiǎn)潔直接，大幅簡(jiǎn)化了決策系統(tǒng)結(jié)構(gòu)[47]。規(guī)則算法面臨復(fù)雜工況，不可避免因遍歷工況、完善邏輯而導(dǎo)致算法規(guī)模龐大冗雜。并且對(duì)于復(fù)雜工況下算法性能的提高問(wèn)題，規(guī)則算法因其邏輯結(jié)構(gòu)問(wèn)題，難以大幅提升，存在瓶頸。

根據(jù)國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)（SAE）的自動(dòng)駕駛分級(jí)，現(xiàn)階段基于專家和學(xué)習(xí)算法的無(wú)人車基本可達(dá)到L3級(jí)有條件自動(dòng)駕駛水平，部分可以達(dá)到L4級(jí)高度自動(dòng)駕駛水平。通用汽車于2018年1月發(fā)布了新一代無(wú)人駕駛汽車——Cruise AV，這是世界首輛無(wú)需駕駛員、轉(zhuǎn)向盤和踏板即可實(shí)現(xiàn)安全駕駛的可量產(chǎn)汽車，可以達(dá)到L4級(jí)別。百度于2015年12月完成了北京中關(guān)村軟件園的百度大廈至奧林匹克森林公園并原路返回的道路測(cè)試，全程均無(wú)人駕駛，最高車速達(dá)100 km/h。2018年2月的春節(jié)聯(lián)歡晚會(huì)中，百度Apollo無(wú)人車隊(duì)在港珠澳大橋上以無(wú)人駕駛模式完成了8字交叉跑等高難度駕駛動(dòng)作，標(biāo)志著我國(guó)無(wú)人駕駛技術(shù)亦取得了長(zhǎng)足進(jìn)步。

5.2 技術(shù)難點(diǎn)

基于規(guī)則和基于學(xué)習(xí)算法的行為決策技術(shù)各自具備較為鮮明的優(yōu)缺點(diǎn)。

基于專家規(guī)則的行為決策系統(tǒng)的優(yōu)點(diǎn)是：算法邏輯清晰，可解釋性強(qiáng)，穩(wěn)定性強(qiáng)，便于建模；系統(tǒng)運(yùn)行對(duì)處理器性能要求不高；模型可調(diào)整性強(qiáng)；可拓展性強(qiáng)，通過(guò)狀態(tài)機(jī)的分層可以實(shí)現(xiàn)較為復(fù)雜的組合功能；在功能場(chǎng)景的廣度遍歷上存在優(yōu)勢(shì)。其缺點(diǎn)是：由于狀態(tài)切割劃分條件導(dǎo)致車輛行為不連貫；行為規(guī)則庫(kù)觸發(fā)條件易重疊從而造成系統(tǒng)失效；有限狀態(tài)機(jī)難以完全覆蓋車輛可能遇到的所有工況，通常會(huì)忽略可能導(dǎo)致決策錯(cuò)誤的環(huán)境細(xì)節(jié)；場(chǎng)景深度遍歷不足導(dǎo)致系統(tǒng)決策正確率難以提升，對(duì)復(fù)雜工況處理及算法性能的提升存在瓶頸。

基于學(xué)習(xí)算法的行為決策系統(tǒng)的優(yōu)點(diǎn)是具備場(chǎng)景遍歷深度的優(yōu)勢(shì)，針對(duì)某一細(xì)分場(chǎng)景，通過(guò)大數(shù)據(jù)系統(tǒng)更容易覆蓋全部工況；利用網(wǎng)絡(luò)結(jié)構(gòu)可簡(jiǎn)化決策算法規(guī)模；部分機(jī)器具備自學(xué)習(xí)性能，機(jī)器能夠自行提煉環(huán)境特征和決策屬性，便于系統(tǒng)優(yōu)化迭代[48-49]；不必遍歷各種工況，通過(guò)數(shù)據(jù)的訓(xùn)練完善模型，模型正確可率隨數(shù)據(jù)的完備得以提升。其缺點(diǎn)是：算法決策結(jié)果可解釋性差，模型修正難度大；學(xué)習(xí)算法不具備場(chǎng)景遍歷廣度優(yōu)勢(shì)，不同場(chǎng)景所需采用的學(xué)習(xí)模型可能完全不同；機(jī)器學(xué)習(xí)需要大量試驗(yàn)數(shù)據(jù)作為學(xué)習(xí)樣本；決策效果依賴數(shù)據(jù)質(zhì)量，樣本不足、數(shù)據(jù)質(zhì)量差、網(wǎng)絡(luò)結(jié)構(gòu)不合理等會(huì)導(dǎo)致過(guò)學(xué)習(xí)、欠學(xué)習(xí)等問(wèn)題。

根據(jù)上述決策系統(tǒng)的優(yōu)缺點(diǎn)，提出現(xiàn)階段決策系統(tǒng)需要解決的具體技術(shù)難點(diǎn)：

a.基于有限狀態(tài)機(jī)決策模型的狀態(tài)劃分問(wèn)題。有限狀態(tài)機(jī)的狀態(tài)劃分需要依據(jù)明確的邊界條件。但實(shí)際駕駛過(guò)程中，駕駛行為間存在某些“灰色地帶”，即同一場(chǎng)景下可能有1個(gè)以上合理的行為選擇，使駕駛狀態(tài)存在沖突。對(duì)于決策系統(tǒng)而言，一方面要避免沖突狀態(tài)強(qiáng)行劃分而造成的無(wú)人車行為不連貫，另一方面也要能夠判斷處于“灰色地帶”的無(wú)人車不同行為的最優(yōu)性。通過(guò)在決策系統(tǒng)中引入其他決策理論，如DS證據(jù)理論（Demp?ster-Shafer Evidence Theory）等、決策仲裁機(jī)制、博弈論法、狀態(tài)機(jī)與學(xué)習(xí)算法結(jié)合等方法可幫助解決該問(wèn)題。

b.基于有限狀態(tài)機(jī)決策模型的復(fù)雜場(chǎng)景遍歷問(wèn)題。有限狀態(tài)機(jī)需要人工設(shè)定規(guī)則庫(kù)以泛化無(wú)人車行駛狀態(tài)，這種模式使得狀態(tài)機(jī)具有廣度遍歷優(yōu)勢(shì)。但隨著環(huán)境場(chǎng)景的增多與復(fù)雜，有限狀態(tài)機(jī)的規(guī)模也不斷龐大，使得算法臃腫；而同一場(chǎng)景的深度遍歷，即由于環(huán)境細(xì)節(jié)變化導(dǎo)致的決策結(jié)果變化，也很難通過(guò)狀態(tài)遍歷。對(duì)于有限狀態(tài)機(jī)決策系統(tǒng)而言，利用學(xué)習(xí)算法的優(yōu)點(diǎn)，采用狀態(tài)機(jī)與學(xué)習(xí)算法結(jié)合的方法，結(jié)合學(xué)習(xí)算法深度遍歷的優(yōu)勢(shì)，有利于有效解決該問(wèn)題。

c.基于學(xué)習(xí)算法決策模型的正確性與穩(wěn)定性問(wèn)題。學(xué)習(xí)算法的訓(xùn)練結(jié)果與樣本數(shù)量、樣本質(zhì)量和網(wǎng)絡(luò)結(jié)構(gòu)有關(guān)。如果學(xué)習(xí)模型過(guò)于復(fù)雜，會(huì)造成無(wú)法區(qū)分?jǐn)?shù)據(jù)本質(zhì)和噪聲的情況，泛化能力減弱；反之，如果學(xué)習(xí)模型過(guò)于簡(jiǎn)單，或者樣本數(shù)量不足、對(duì)場(chǎng)景遍歷不足，則會(huì)導(dǎo)致規(guī)則提煉不精準(zhǔn)，出現(xiàn)欠學(xué)習(xí)問(wèn)題。此外，學(xué)習(xí)算法模型邏輯解釋性較差，實(shí)際應(yīng)用中調(diào)整與修正不很方便。對(duì)于基于學(xué)習(xí)算法的決策系統(tǒng)而言，一方面要收集大量可靠、高質(zhì)量的試驗(yàn)數(shù)據(jù)，另一方面要選擇合理的學(xué)習(xí)算法，配置合理的試驗(yàn)參數(shù)，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，以提高訓(xùn)練結(jié)果的正確性與穩(wěn)定性。

5.3 技術(shù)發(fā)展趨勢(shì)

隨著計(jì)算機(jī)科學(xué)的迅猛發(fā)展，近年來(lái)掀起了機(jī)器學(xué)習(xí)技術(shù)的研究浪潮，學(xué)習(xí)算法越來(lái)越多地運(yùn)用于無(wú)人車行為決策系統(tǒng)，計(jì)算機(jī)硬件平臺(tái)的發(fā)展也為深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練提供了強(qiáng)有力的支持。

基于規(guī)則的決策方法相對(duì)較為成熟，其在場(chǎng)景遍歷廣度上具備優(yōu)勢(shì)，邏輯可解釋性強(qiáng)，易于根據(jù)場(chǎng)景分模塊設(shè)計(jì)，國(guó)內(nèi)外均有很多應(yīng)用有限狀態(tài)機(jī)的決策系統(tǒng)實(shí)例。然而其系統(tǒng)結(jié)構(gòu)決定了其在場(chǎng)景遍歷深度、決策正確率上存在一定的瓶頸，難以處理復(fù)雜工況[50]。

基于學(xué)習(xí)算法的決策系統(tǒng)因具有場(chǎng)景遍歷深度的優(yōu)勢(shì)，將被越來(lái)越多地用作決策系統(tǒng)的底層，即針對(duì)某一細(xì)分場(chǎng)景，采用學(xué)習(xí)算法增強(qiáng)算法的場(chǎng)景遍歷深度，使其能夠在環(huán)境細(xì)微變化中仍然保證較高的決策精度。然而其算法可解釋性差、可調(diào)整性差、場(chǎng)景廣度遍歷不足等劣勢(shì)導(dǎo)致了僅采用學(xué)習(xí)算法的決策系統(tǒng)仍存在應(yīng)用局限，較難處理復(fù)雜的功能組合[51]。

根據(jù)上述基于兩種算法的優(yōu)、劣勢(shì)，現(xiàn)階段無(wú)人車決策系統(tǒng)的發(fā)展趨勢(shì)可歸納為：

a.采用基于規(guī)則算法的行為決策算法仍會(huì)在決策系統(tǒng)中廣泛應(yīng)用，將作為決策系統(tǒng)的頂層架構(gòu)與某些具體問(wèn)題的細(xì)分解決方案，并將更多地采用混聯(lián)結(jié)構(gòu)，發(fā)揮規(guī)則算法基于場(chǎng)景劃分模塊處理及針對(duì)具體問(wèn)題細(xì)分處理時(shí)邏輯清晰、調(diào)整性強(qiáng)的優(yōu)勢(shì)，可同時(shí)兼顧場(chǎng)景遍歷的廣度與深度。采用該方法的研究重點(diǎn)將在于解決狀態(tài)劃分“灰色地帶”的合理決策問(wèn)題，以及行為規(guī)則庫(kù)觸發(fā)條件重疊等問(wèn)題。

b.無(wú)人車決策系統(tǒng)將更多地采用規(guī)則算法與學(xué)習(xí)算法結(jié)合的方式。頂層采用有限狀態(tài)機(jī)，根據(jù)場(chǎng)景進(jìn)行層級(jí)遍歷；底層采用學(xué)習(xí)算法，基于具體場(chǎng)景分模塊應(yīng)用，可發(fā)揮學(xué)習(xí)算法優(yōu)勢(shì)，簡(jiǎn)化算法結(jié)構(gòu)、增強(qiáng)場(chǎng)景遍歷的深度，并可減小數(shù)據(jù)依賴量，保證決策結(jié)果的魯棒性與正確性。采用該方法的研究重點(diǎn)在于如何合理對(duì)接有限狀態(tài)機(jī)與學(xué)習(xí)算法模型，以及學(xué)習(xí)算法的過(guò)學(xué)習(xí)、欠學(xué)習(xí)等問(wèn)題。

c.端到端方法將更多作為決策子模塊的解決方案，而非將決策系統(tǒng)作為一個(gè)整體進(jìn)行端到端處理。通過(guò)這種方式可發(fā)揮學(xué)習(xí)算法的優(yōu)勢(shì)，將決策模塊拆解也可提高系統(tǒng)的可解釋性與可調(diào)節(jié)性。

d.目前行為決策系統(tǒng)的設(shè)計(jì)準(zhǔn)則主要考量安全與效率，對(duì)車輛特性與乘員舒適性考慮較少。在保證安全與效率的基礎(chǔ)上，可通過(guò)加入對(duì)車輛動(dòng)力學(xué)特性的考量，篩取更合理的駕駛數(shù)據(jù)等方式，對(duì)行為決策系統(tǒng)進(jìn)行優(yōu)化。