决策
1.行为预测
预测其他车辆的驾驶行为，做出应对决策
如何预测：概率模型，故居每一个可能到达的位置的概率
如何决策：
2.路径规划
完全确定模型：搜索所有可能的路径，利用代价函数确定最佳路径。缺点：计算量大，实时性不足
概率性模型：
3.避障机制
多级避障机制
第一层：基于交通情况预测的前瞻级，根据现场拥堵状态/车速，估计碰撞发生时间和最短预测距离。
基于上述估计，避障机制启动执行本地路径重新规划。
第二层：第一层失效后，使用雷达数据执行本地路径重新规划。
规划与控制
路由寻径 Routing，行为决策 behavioral decision ，动作规划 mmotion planning，反馈控制 feeback control
模块划分,从抽象到具体，利于开发复杂软件系统，实现并行化，模块化，提高开发效率。
各模块计算结果需要相互依赖，需要协调一致保证可执行性，
冲突解决准则，上游模块解决问题迁就下游模块。
路由寻径：
- 有向带权重图抽象
依赖高精地图
车道级路径规划
根据下游模块执行难度对不同路径赋予不同权重
最短路径求解算法：
- Dijkstra，图论，可看做A*特例
- A*，启发式基于优点（best first/merit based）
重点在于路权cost的设置,根据高精地图，交通状况，设置不同权重。
行为决策：
汇集多种信息，上游寻径，自身状态位置速度等，感知结果，交通法规。难以用单纯数学模型表示，多用规则系统。
动作规划：
在一定约束下优化某个时空范围内的时空路径问题。
时空路径：包括位置信息，时间信息，车辆姿态（到达每个位置时的时间速度，与时间相关运动变量，加速度曲率等）
代价函数，优化目标
边界条件限制上游决策结果，下游物理限制
简化为，轨迹规划，速度规划。
轨迹规划：车辆模型，道路模型，候选轨迹生成搜索
cost函数设计：道路，障碍物，控制和舒适
速度规划：带权重的cost函数最优化
反馈控制：姿态反馈控制