智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)版課件-項(xiàng)目三-智能網(wǎng)聯(lián)汽車決策規(guī)劃

智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)項(xiàng)目三智能網(wǎng)聯(lián)汽車決策規(guī)劃決策規(guī)劃整體認(rèn)知任務(wù)一任務(wù)二決策規(guī)劃方法認(rèn)知決策規(guī)劃整體認(rèn)知1學(xué)習(xí)目標(biāo)

1.掌握決策規(guī)劃的概念2.掌握決策規(guī)劃的分類和要求3.了解路徑規(guī)劃的一般步驟智能網(wǎng)聯(lián)汽車決策規(guī)劃理論知識(shí)一、決策規(guī)劃的概念二、決策規(guī)劃的分類三、決策規(guī)劃的要求智能網(wǎng)聯(lián)汽車決策規(guī)劃1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃一、決策規(guī)劃的概念決策規(guī)劃是智能網(wǎng)聯(lián)汽車自動(dòng)駕駛的關(guān)鍵部分之一，它首先融合多傳感信息，對(duì)周圍可能存在障礙物的目標(biāo)狀態(tài)進(jìn)行預(yù)測，然后根據(jù)駕駛需求進(jìn)行行為決策，規(guī)劃出兩點(diǎn)間多條可選安全路徑，并在這些路徑中規(guī)劃選取一條最優(yōu)的路徑作為車輛行駛軌跡。1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃決策規(guī)劃的基本效果如圖3-1-1所示。和人類駕駛員一樣，機(jī)器在做駕駛決定時(shí)需要回答幾個(gè)問題。我在哪兒？周圍的環(huán)境怎么樣？接下來會(huì)發(fā)生什么？我該做什么？這是一個(gè)基于信息感知進(jìn)行決策的過程，具體如何決定需要自動(dòng)駕駛的決策層完成。圖3-1-1自動(dòng)駕駛決策規(guī)劃效果圖1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃決策層包括環(huán)境認(rèn)知和決策規(guī)劃兩部分，主要完成工作具體來說可分為兩個(gè)步驟：第一步認(rèn)知理解，即依據(jù)感知層不同傳感器采集的信息，通過高精度地圖對(duì)智能網(wǎng)聯(lián)汽車自身的位置精確定位，同時(shí)對(duì)車輛周圍的環(huán)境信息和目標(biāo)狀態(tài)進(jìn)行精確感知；第二步?jīng)Q策規(guī)劃包含目標(biāo)狀態(tài)預(yù)測、行為決策和路徑規(guī)劃，依據(jù)對(duì)智能網(wǎng)聯(lián)汽車周圍的目標(biāo)狀態(tài)精確感知，準(zhǔn)確預(yù)測未來可能發(fā)生的情況，對(duì)下一步行為進(jìn)行正確判斷和決策，規(guī)劃并選擇適宜的路徑達(dá)到目標(biāo)，如圖3-1-2所示。1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃圖3-1-2決策層實(shí)施步驟1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃二、決策規(guī)劃的分類從軌跡決策的角度考慮，根據(jù)事先對(duì)環(huán)境信息的已知程度，可把路徑規(guī)劃劃分為基于先驗(yàn)完全信息的全局路徑規(guī)劃和基于傳感器信息的局部路徑規(guī)劃。1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃全局路徑規(guī)劃是全局環(huán)境已知，按照一定的算法搜尋一條最優(yōu)或者近似最優(yōu)的無碰撞路徑。例如，從上海到北京有很多條路，規(guī)劃出一條最優(yōu)行駛路線，即為全局規(guī)劃，如圖3-1-3所示。圖3-1-3全局路徑規(guī)劃（1）全局路徑規(guī)劃1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃局部路徑規(guī)劃是對(duì)環(huán)境局部未知或完全未知，隨著自主車輛的運(yùn)動(dòng)，通過傳感器為自主車輛提供有用的信息，從而能夠確定出障礙物和目標(biāo)點(diǎn)的位置，規(guī)劃出一條由起始點(diǎn)到目標(biāo)點(diǎn)的路徑，如圖3-1-4所示。例如，在全局規(guī)劃好的上海到北京的那條路線上會(huì)有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉(zhuǎn)向調(diào)整車道，這就是局部路徑規(guī)劃。圖3-1-4局部路徑規(guī)劃（2）局部路徑規(guī)劃1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃從獲取障礙物信息是靜態(tài)或是動(dòng)態(tài)的角度看，全局路徑規(guī)劃屬于靜態(tài)規(guī)劃（又稱離線規(guī)劃），局部路徑規(guī)劃屬于動(dòng)態(tài)規(guī)劃（又稱在線規(guī)劃）。全局路徑規(guī)劃需要掌握所有的環(huán)境信息，是高精度地圖下的車道級(jí)尋徑問題，解決的是起點(diǎn)到終點(diǎn)的最佳道路行駛序列；局部路徑規(guī)劃只需要由傳感器實(shí)時(shí)采集環(huán)境信息，了解環(huán)境地圖信息，然后確定出所在地圖的位置及其局部的障礙物分布情況，從而可以選出從當(dāng)前結(jié)點(diǎn)到某一子目標(biāo)結(jié)點(diǎn)的最優(yōu)路徑。1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃根據(jù)所研究環(huán)境的信息特點(diǎn)，路徑規(guī)劃還可分為離散域范圍內(nèi)的路徑規(guī)劃問題和連續(xù)域范圍內(nèi)的路徑規(guī)劃問題。離散域范圍內(nèi)的路徑規(guī)劃問題屬于一維靜態(tài)優(yōu)化問題，相當(dāng)于環(huán)境信息簡化后的路線優(yōu)化問題；而連續(xù)域范圍內(nèi)的路徑規(guī)劃問題則是連續(xù)性多維動(dòng)態(tài)環(huán)境下的問題。1、決策規(guī)劃整體認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃三、決策規(guī)劃的要求決策規(guī)劃是自動(dòng)駕駛進(jìn)行行為決策和路徑規(guī)劃過程，該過程要完全符合人類對(duì)于駕駛性的預(yù)期，并且滿足安全、舒適、高效等性能和品質(zhì)的要求。具體表現(xiàn)在以下幾個(gè)方面：（1）車輛應(yīng)該在自動(dòng)避開所有障礙物的前提下，到達(dá)指定的目的地。（2）車輛安全到達(dá)目的地所用的時(shí)間最短，路程最短。（3）采用的路徑簡單可靠，以便簡單實(shí)現(xiàn)對(duì)無人車的控制。（4）車輛行駛的路徑盡量不重復(fù)或者少重復(fù)。（5）車輛選用合適的行駛策略，減少車輛的能量消耗。學(xué)習(xí)小結(jié)1.決策規(guī)劃是智能網(wǎng)聯(lián)汽車自動(dòng)駕駛的關(guān)鍵部分之一，它首先融合多傳感信息，對(duì)周圍可能存在障礙物的目標(biāo)狀態(tài)進(jìn)行預(yù)測，然后根據(jù)駕駛需求進(jìn)行行為決策，規(guī)劃出兩點(diǎn)間多條可選安全路徑，并在這些路徑中規(guī)劃選取一條最優(yōu)的路徑作為車輛行駛軌跡。2.從軌跡決策的角度考慮，根據(jù)事先對(duì)環(huán)境信息的已知程度，可把路徑規(guī)劃劃分為基于先驗(yàn)完全信息的全局路徑規(guī)劃和基于傳感器信息的局部路徑規(guī)劃。3.決策規(guī)劃要完全符合人類對(duì)于駕駛性的預(yù)期，并且滿足安全、舒適、高效等性能和品質(zhì)要求。智能網(wǎng)聯(lián)汽車決策規(guī)劃決策規(guī)劃方法認(rèn)知2學(xué)習(xí)目標(biāo)

1.了解目標(biāo)狀態(tài)預(yù)測的常用方法2.了解行為決策的常用方法3.了解路徑規(guī)劃的常用算法和一般步驟智能網(wǎng)聯(lián)汽車決策規(guī)劃理論知識(shí)一、目標(biāo)狀態(tài)預(yù)測二、行為決策三、路徑規(guī)劃四、路徑規(guī)劃的一般步驟智能網(wǎng)聯(lián)汽車決策規(guī)劃2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃一、目標(biāo)狀態(tài)預(yù)測目標(biāo)狀態(tài)預(yù)測，是對(duì)智能網(wǎng)聯(lián)汽車周邊的目標(biāo)（人、車、物等）進(jìn)行未來比較短時(shí)間內(nèi)的行為和軌跡預(yù)測，該預(yù)測信息可附加在目標(biāo)感知結(jié)果中，與環(huán)境感知信息一并發(fā)送給下層的決策端，為汽車安全決策規(guī)劃提供信息依據(jù)。目標(biāo)狀態(tài)預(yù)測主要解決兩大類問題：一是目標(biāo)的行為預(yù)測（包括靜止、左行、右行或直行等）；二是目標(biāo)的軌跡預(yù)測（包含位置、時(shí)間戳、速度、角度、加速度等信息）。通過辨識(shí)目標(biāo)的行為和擬合運(yùn)動(dòng)軌跡，實(shí)現(xiàn)對(duì)目標(biāo)的狀態(tài)預(yù)測。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃當(dāng)前主流的目標(biāo)狀態(tài)預(yù)測方法主要包括三種：（1）基于運(yùn)動(dòng)模型的卡爾曼濾波方法（2）基于馬爾可夫鏈的預(yù)測方法（3）基于數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)方法2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（1）基于運(yùn)動(dòng)模型的卡爾曼濾波方法基于卡爾曼濾波的目標(biāo)狀態(tài)預(yù)測算法，考慮了目標(biāo)運(yùn)動(dòng)狀態(tài)的不確定性變化，在恒速模型中實(shí)現(xiàn)了目標(biāo)的運(yùn)動(dòng)軌跡預(yù)測。這種預(yù)測方法的優(yōu)點(diǎn)在于計(jì)算速度快，但預(yù)測的前提是假設(shè)目標(biāo)的速度與行駛方向不變，這與實(shí)際的情況并不相符，所以實(shí)際應(yīng)用效果并不理想。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（2）基于馬爾可夫鏈的預(yù)測方法馬爾可夫鏈?zhǔn)侵敢粋€(gè)滿足馬爾可夫性質(zhì)的隨機(jī)過程，馬爾可夫性質(zhì)是指t+k時(shí)刻的狀態(tài)與t時(shí)刻的狀態(tài)有關(guān)而與t時(shí)刻以前的狀態(tài)無關(guān)。該方法實(shí)現(xiàn)了對(duì)目標(biāo)狀態(tài)的高效預(yù)測。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（3）基于數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法主要基于對(duì)大數(shù)據(jù)的收集和分析，根據(jù)道路采集的環(huán)境信息和跟蹤目標(biāo)的運(yùn)動(dòng)信息，預(yù)測周圍人、車以及物的運(yùn)動(dòng)位置。與人的大腦類似，神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)性和記憶性，對(duì)于復(fù)雜的非線性系統(tǒng)具有很強(qiáng)的函數(shù)逼近能力，其特性正好可以解決目標(biāo)狀態(tài)預(yù)測上傳統(tǒng)方法所不能解決的問題。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃二、行為決策智能網(wǎng)聯(lián)汽車行為決策系統(tǒng)指通過傳感器感知得到交通環(huán)境信息，考慮周邊環(huán)境、動(dòng)靜態(tài)障礙物、車輛匯入以及讓行規(guī)則等，與智能駕駛庫中的經(jīng)驗(yàn)知識(shí)等進(jìn)行匹配，進(jìn)而選擇適合當(dāng)前交通環(huán)境下的駕駛策略。這種駕駛策略一般指的是在某個(gè)特定狀態(tài)下，是變道、跟隨還是超車等宏觀意義上的駕駛行為。行為決策的目標(biāo)主要是保證智能網(wǎng)聯(lián)汽車可以像人類一樣產(chǎn)生安全的駕駛行為，滿足車輛安全性能、遵守交通法規(guī)等原則。智能網(wǎng)聯(lián)汽車的行為決策方法包括基于規(guī)則的行為決策方法和基于強(qiáng)化學(xué)習(xí)的行為決策方法。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（1）基于規(guī)則的行為決策方法智能網(wǎng)聯(lián)汽車基于規(guī)則的行為決策方法是最常用的。如圖3-2-1所示，該方法主要是將無人車的運(yùn)動(dòng)行為進(jìn)行劃分，根據(jù)當(dāng)前任務(wù)路線、交通環(huán)境、交通法規(guī)以及駕駛規(guī)則知識(shí)庫等建立行為規(guī)則庫，對(duì)不同的環(huán)境狀態(tài)進(jìn)行行為決策邏輯推理，輸出駕駛行為，同時(shí)接受運(yùn)動(dòng)規(guī)劃層對(duì)當(dāng)前執(zhí)行情況的反饋情況進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃圖3-2-1基于規(guī)則的行為決策方法架構(gòu)2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃有限狀態(tài)機(jī)是一種離散的數(shù)學(xué)模型，用來研究有限個(gè)狀態(tài)以及狀態(tài)之間的轉(zhuǎn)移。其主要包括有限狀態(tài)集合、輸入集合和狀態(tài)轉(zhuǎn)移規(guī)則集合三部分。狀態(tài)、轉(zhuǎn)移、事件和動(dòng)作是有限狀態(tài)機(jī)的四大要素。以基于規(guī)則的超車行為決策為例，主要分為頂層狀態(tài)機(jī)和超車頂層狀態(tài)下的子狀態(tài)機(jī)，如圖3-2-2所示。圖3-2-2基于規(guī)則的超車行為決策2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃在超車頂層狀態(tài)機(jī)下設(shè)置了超車子狀態(tài)機(jī)，對(duì)超車過程中不同駕駛階段下的轉(zhuǎn)換進(jìn)行邏輯建模。超車行為決策與人類駕駛行為類似，在超車子狀態(tài)機(jī)下分別包括左換道準(zhǔn)備、左換道、并行超越等。左換道準(zhǔn)備為超車子狀態(tài)機(jī)的默認(rèn)初始狀態(tài)，在左右換向狀態(tài)下，智能網(wǎng)聯(lián)汽車將開啟相應(yīng)的轉(zhuǎn)向信號(hào)燈，產(chǎn)生一定的轉(zhuǎn)向偏移，以此來提示后方車輛。同時(shí)，智能網(wǎng)聯(lián)汽車會(huì)根據(jù)其左后或右后車輛是否避讓的狀態(tài)來決定是否進(jìn)行下一步的超車計(jì)劃。并行超越主要用于車輛進(jìn)行超車的階段，指導(dǎo)車輛在超車過程中的速度變化、方向盤角度變化等，并指導(dǎo)車輛在超車完成后及時(shí)返回原來的車道，減少在整個(gè)超車過程中的安全風(fēng)險(xiǎn)。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（2）基于強(qiáng)化學(xué)習(xí)的行為決策方法基于強(qiáng)化學(xué)習(xí)算法的行為決策方法主要是利用各種學(xué)習(xí)算法來進(jìn)行決策，利用智能網(wǎng)聯(lián)汽車配備的各種傳感器，來感知周邊的環(huán)境信息，傳遞給強(qiáng)化學(xué)習(xí)決策系統(tǒng)，此時(shí)強(qiáng)化學(xué)習(xí)決策系統(tǒng)的作用就相當(dāng)于人腦，來對(duì)各類信息進(jìn)行分析和處理，并結(jié)合經(jīng)驗(yàn)來對(duì)無人駕駛汽車做出行為決策。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃基于強(qiáng)化學(xué)習(xí)的行為決策方法近年來發(fā)展迅速，主要有馬爾可夫決策、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法等。這些行為決策方法可以通過大量的數(shù)據(jù)更容易覆蓋全部的工況以及不同的場景。如自動(dòng)駕駛汽車公司W(wǎng)aymo就通過模擬駕駛及道路測試來獲取了大量的數(shù)據(jù)對(duì)其基于學(xué)習(xí)算法的行為決策系統(tǒng)進(jìn)行訓(xùn)練，使得該系統(tǒng)對(duì)物體的檢測性能得到了極大地提高，還可以對(duì)障礙物進(jìn)行語義理解等。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃三、路徑規(guī)劃路徑規(guī)劃是智能網(wǎng)聯(lián)汽車實(shí)現(xiàn)自主駕駛的基礎(chǔ)，其作用是在當(dāng)前工作環(huán)境中按照某種性能指標(biāo)搜索出一條從起點(diǎn)到終點(diǎn)的最優(yōu)或次優(yōu)路徑。嚴(yán)格意義上講，路徑規(guī)劃是將行為決策的宏觀指令解釋成一條帶有時(shí)間信息的軌跡曲線，包括軌跡規(guī)劃和速度規(guī)劃。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃根據(jù)車輛導(dǎo)航系統(tǒng)的研究歷程，智能網(wǎng)聯(lián)汽車路徑規(guī)劃算法可分為靜態(tài)路徑規(guī)劃算法和動(dòng)態(tài)路徑算法。靜態(tài)路徑規(guī)劃是以物理地理信息和交通規(guī)則等條件為約束來尋求最短路徑，靜態(tài)路徑規(guī)劃算法已日趨成熟，相對(duì)比較簡單，但對(duì)于實(shí)際的交通狀況來說，其應(yīng)用意義不大。動(dòng)態(tài)路徑規(guī)劃是在靜態(tài)路徑規(guī)劃的基礎(chǔ)上，結(jié)合實(shí)時(shí)的交通信息對(duì)預(yù)先規(guī)劃好的最優(yōu)行車路線進(jìn)行適時(shí)的調(diào)整直至到達(dá)目的地最終得到最優(yōu)路徑。下面介紹幾種常見的車輛路徑規(guī)劃方法。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（1）A*算法A*算法是一種啟發(fā)式搜索算法，其是由Hart、Nilsson、Raphael等人率先提出，算法通過引入估價(jià)損失函數(shù)，加快算法收斂速度，提高了局部搜索算法的搜索精度，進(jìn)而得到廣泛的應(yīng)用，是當(dāng)今較為流行的最短路算法。同時(shí)，A*算法運(yùn)算所消耗的存儲(chǔ)空間少于Dijkstra算法。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃如圖3-2-3所示，其會(huì)根據(jù)柵格地圖上的障礙物信息（非白色柵格），建立從起點(diǎn)到目標(biāo)點(diǎn)的路徑評(píng)估函數(shù)表達(dá)式，并依據(jù)尋找最少的損失函數(shù)為依據(jù)，規(guī)劃最短可行路徑。圖3-2-3A*算法最短路徑尋優(yōu)柵格效果圖2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（2）Dijkstra算法Dijkstra（迪杰斯特拉）算法是經(jīng)典的最短路算法的算法之一，由E.W.Dijkstra在20世紀(jì)60年代提出。此外，其他的較常用的規(guī)劃算法還包括Floyd算法、雙向搜索算法、蟻群算法、基于分層路網(wǎng)的搜索算法、神經(jīng)網(wǎng)絡(luò)、實(shí)時(shí)啟發(fā)式搜索算法、模糊控制以及遺傳算法及等，需要根據(jù)不同的實(shí)際需求設(shè)計(jì)和優(yōu)化不同的規(guī)劃算法。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃如圖3-2-4所示，該算法適用于計(jì)算道路權(quán)值均為非負(fù)的最短路徑問題，能夠給出柵格圖中某一節(jié)點(diǎn)到其他所有節(jié)點(diǎn)的最短路徑，以搜索準(zhǔn)確，思路清晰見長。相對(duì)的，由于輸入為大型稀疏矩陣限定性，又具有占用空間大，耗時(shí)長等缺陷。圖3-2-4Dijkstra權(quán)值計(jì)算策略示意圖2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃四、路徑規(guī)劃的一般步驟在目標(biāo)狀態(tài)預(yù)測之后，需要對(duì)智能網(wǎng)聯(lián)汽車路徑進(jìn)行規(guī)劃。路徑規(guī)劃的基本思路是：把需要解決的最短時(shí)間、最短距離、最少花費(fèi)等問題轉(zhuǎn)變成求解最短路徑，因?yàn)橹挥姓业搅俗疃搪窂?，以上問題都將得到解決。其一般步驟主要包括環(huán)境建模、路徑搜索和路徑平滑三個(gè)環(huán)節(jié)。環(huán)境建模路徑搜索路徑平滑2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（1）環(huán)境建模。環(huán)境建模是路徑規(guī)劃的重要環(huán)節(jié)，目的是建立一個(gè)便于計(jì)算機(jī)進(jìn)行路徑規(guī)劃所使用的環(huán)境模型，即將實(shí)際的物理空間抽象成算法能夠處理的抽象空間，實(shí)現(xiàn)相互間的映射。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（2）路徑搜索。路徑搜索階段是在環(huán)境模型的基礎(chǔ)上應(yīng)用相應(yīng)算法尋找一條行走路徑，使預(yù)定的性能函數(shù)獲得最優(yōu)值。2、決策規(guī)劃方法認(rèn)知智能網(wǎng)聯(lián)汽車決策規(guī)劃（3）路徑平滑。通過相應(yīng)算法搜索出的路徑并不一定是一條運(yùn)動(dòng)體可以行走的可行路徑，需要作進(jìn)一步處理與平滑才能使其成為一條實(shí)際可行的路徑。對(duì)于離散域范圍內(nèi)的路徑規(guī)劃問題，或者在環(huán)境建?；蚵窂剿阉髑凹航?jīng)做好路徑可行性分析的問題，路徑平滑環(huán)節(jié)可以省去。學(xué)習(xí)小結(jié)1.目標(biāo)狀態(tài)預(yù)測，是對(duì)智能網(wǎng)聯(lián)汽車周邊的目標(biāo)（人、車、物等）進(jìn)行未來比較短時(shí)間內(nèi)的行為和軌跡預(yù)測，該預(yù)測信息可附加在目標(biāo)感知結(jié)果中，與環(huán)境感知信息一并發(fā)送給下層的決策端，為汽車安全決策規(guī)劃提供信息依據(jù)。當(dāng)前主流的目標(biāo)狀態(tài)預(yù)測方法包括運(yùn)動(dòng)模型的卡爾曼濾波法、基于馬爾可夫鏈的預(yù)測法和基于數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)法；2.智能網(wǎng)聯(lián)汽車行為決策系統(tǒng)指通過傳感器感知得到交通環(huán)境信息，考慮周邊環(huán)境、動(dòng)靜態(tài)障礙物、車輛匯入以及讓行規(guī)則等，與智能駕駛庫中的經(jīng)驗(yàn)知識(shí)等進(jìn)行匹配，進(jìn)而選擇適合當(dāng)前交通環(huán)境下的駕駛策略。智能網(wǎng)聯(lián)汽車的行為決策方法包括基于規(guī)則的行為決策方法和基于強(qiáng)化學(xué)習(xí)的行為決策方法。具體包括有限狀態(tài)機(jī)、馬爾可夫決策、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法等。3.路徑規(guī)劃是智能網(wǎng)聯(lián)汽車實(shí)現(xiàn)自主駕駛的基礎(chǔ)，其作用是在當(dāng)前工作環(huán)境中按照某種性能指標(biāo)搜索出一條從起點(diǎn)到終點(diǎn)的最優(yōu)或次優(yōu)路徑。嚴(yán)格意義上講，路徑規(guī)劃是將行為決策的宏觀指令解釋成一條帶有時(shí)間信息的軌跡曲線，包括軌跡規(guī)劃和速度規(guī)劃。常見的車輛路徑規(guī)劃方法包括A*算法、Dijkstra算法、Floyd算法、雙向搜索算法、蟻群算法等。智能網(wǎng)聯(lián)汽車決策規(guī)劃習(xí)題一、不定項(xiàng)選擇題1.智能網(wǎng)聯(lián)汽車決策規(guī)劃主要包含（）。A.目標(biāo)狀態(tài)預(yù)測B.行為決策C.路徑規(guī)劃D.控制執(zhí)行2.從上海到北京有很多條路，智能網(wǎng)聯(lián)