自動駕駛汽車規(guī)劃模塊包括動作規(guī)劃和路徑規(guī)劃兩部分。動作規(guī)劃模塊主要是對短期甚至是瞬時的動作進(jìn)行規(guī)劃，例如轉(zhuǎn)彎、避障、超車等動作；而路徑規(guī)劃模塊是對較長時間內(nèi)車輛行駛路徑的規(guī)劃，例如從出發(fā)地到目的地之間的路線設(shè)計或選擇。

自動駕駛系統(tǒng)的設(shè)計思路是建立若干個行駛狀態(tài)，通過不同的條件觸發(fā)行駛狀態(tài)切換。這種設(shè)計思路存在切換過程平順性較差問題。在實際的系統(tǒng)設(shè)計過程中主要采用將道路中的真實目標(biāo)和非真實目標(biāo)都描述成虛擬質(zhì)點的方法來強(qiáng)化車輛行駛的平順性。其中，真實目標(biāo)主要是指車輛、行人等因素；非真實目標(biāo)包括限速、紅燈、停車點、道路曲率、天氣條件等?；谔摂M質(zhì)點模型方法的優(yōu)勢在于將算法模型統(tǒng)一，有效避免了傳統(tǒng)控制算法中因目標(biāo)或控制模式切換產(chǎn)生的車輛加減速度跳變的問題。

自動駕駛汽車路徑規(guī)劃模塊是指在一定的環(huán)境模型基礎(chǔ)上，給定自動駕駛汽車起始點和目標(biāo)點后，按照性能指標(biāo)規(guī)劃出一條無碰撞、能安全到達(dá)目標(biāo)點的有效路徑。路徑規(guī)劃主要包含兩個步驟：建立包含障礙區(qū)域與自由區(qū)域的環(huán)境地圖，以及在環(huán)境地圖中選擇合適的路徑搜索算法，快速實時地搜索可行駛路徑。路徑規(guī)劃結(jié)果對車輛行駛起著導(dǎo)航作用，它引導(dǎo)車輛從當(dāng)前位置行駛到達(dá)目標(biāo)位置。環(huán)境地圖表示方法主要分為度量地圖表示法、拓?fù)涞貓D表示法等。

人工智能機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)以及聯(lián)網(wǎng)通訊等技術(shù)的發(fā)展，進(jìn)一步豐富了自動駕駛汽車發(fā)展的技術(shù)路徑，也促進(jìn)了自動駕駛技術(shù)由單一的樣機(jī)演示向具備一定落地應(yīng)用能力并可實現(xiàn)自主定位的典型交通場景的方向發(fā)展。

人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它意在探索智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器。其一大重要的應(yīng)用領(lǐng)域就是自動駕駛，主要目標(biāo)是使自動駕駛汽車具備一定的自主學(xué)習(xí)能力，并能對簡單交通環(huán)境形成記憶性認(rèn)知，現(xiàn)階段人工智能技術(shù)在自動駕駛汽車領(lǐng)域的主要應(yīng)用體現(xiàn)在以下幾個方面。

利用多目視覺、激光雷達(dá)、毫米波雷達(dá)等傳感器件及識別算法，可以實現(xiàn)對實際道路環(huán)境中多曲面物體的準(zhǔn)確識別。同時融入深度學(xué)習(xí)技術(shù)后，可對各物體三維空間尺寸及特征信息形成迭代分類，從而使自動駕駛汽車具有對多種類環(huán)境物體的識別與認(rèn)知能力。

利用基于先進(jìn)傳感器的地圖采集技術(shù)可以提取道路的詳細(xì)標(biāo)注（標(biāo)志、標(biāo)線、信號燈等）和高精度位置（經(jīng)度、緯度、高度等）等信息，從而實現(xiàn)自動駕駛汽車對道路平面特征的提取，同時基于深度學(xué)習(xí)可實現(xiàn)對道路可行駛、不可行駛區(qū)域的認(rèn)知識別。

結(jié)合通訊技術(shù)的發(fā)展，運用車與車、車與路、車與人、車與云之間的實時通訊技術(shù)，可為人工智能技術(shù)在自動駕駛技術(shù)應(yīng)用過程中的數(shù)據(jù)、計算與算法等三大要素提供進(jìn)一步支持，還可面向多車型、多場景智能駕駛需求，提供解決群體智能駕駛系統(tǒng)協(xié)同駕駛所面臨的問題?；谥悄芫W(wǎng)聯(lián)的車云協(xié)同自動駕駛系統(tǒng)的具體架構(gòu)如下圖4所示。

該架構(gòu)方案分為基于AI的自動駕駛智能終端和基于大數(shù)據(jù)分析的自動駕駛云端系統(tǒng)兩部分，共同形成了一種集復(fù)雜環(huán)境精確感知、通行智慧決策與行車控制優(yōu)化執(zhí)行的車云協(xié)同一體自動駕駛系統(tǒng)。車云協(xié)同技術(shù)在不同的行車工況與應(yīng)用場景中，可實現(xiàn)精準(zhǔn)的行車環(huán)境感知、智慧通行決策與優(yōu)化行車動作控制，并實現(xiàn)車端與云端之間的信息數(shù)據(jù)交互與協(xié)同。

基于智能網(wǎng)聯(lián)的自動駕駛系統(tǒng)車云協(xié)同技術(shù)主要解決多源異構(gòu)數(shù)據(jù)融合不足和前端設(shè)備計算力不夠的問題，即將車身傳感器節(jié)點的采樣數(shù)據(jù)（如GPS/INS數(shù)據(jù)、毫米波雷達(dá)數(shù)據(jù)）和多媒體數(shù)據(jù)（如攝像頭圖像）按一定頻率傳輸?shù)皆贫?u>數(shù)據(jù)庫，同時進(jìn)行在線處理、離線處理、溯源處理和復(fù)雜數(shù)據(jù)分析。并基于人工智能集成應(yīng)用算法的智能駕駛控制模型，為車輛決策提供可靠、高效的協(xié)同控制方案。

人工智能算法應(yīng)用技術(shù)云平臺是自動駕駛云端系統(tǒng)的核心部分，其結(jié)合機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等相關(guān)技術(shù)，對感知融合信息進(jìn)行分析，為車輛控制規(guī)劃提供決策依據(jù)。并利用虛擬化技術(shù)及網(wǎng)絡(luò)技術(shù)整合大規(guī)模可擴(kuò)展的計算、存儲、數(shù)據(jù)、應(yīng)用等分布式計算資源完成人工智能模型算法的學(xué)習(xí)訓(xùn)練，實現(xiàn)在云端訓(xùn)練人工智能模型，并通過車云協(xié)同技術(shù)將其部署到嵌入式平臺，使人工智能算法在車端自動駕駛系統(tǒng)上得到深度應(yīng)用。

目前網(wǎng)聯(lián)技術(shù)在自動駕駛領(lǐng)域的應(yīng)用主要集中在信息服務(wù)和頂層監(jiān)控，通過智能網(wǎng)聯(lián)的技術(shù)路線實現(xiàn)高度自動駕駛?cè)孕枰鉀Q信息安全、傳輸時延、網(wǎng)絡(luò)覆蓋等棘手問題才能真正落地應(yīng)用。自動駕駛汽車從交通運輸工具逐步轉(zhuǎn)變?yōu)樾滦鸵苿又悄芙K端。汽車功能和屬性的改變導(dǎo)致其電子電氣架構(gòu)隨之改變，進(jìn)而需要更強(qiáng)的計算、數(shù)據(jù)存儲和通信能力作為基礎(chǔ)，車載智能計算平臺是滿足上述要求的重要解決方案。

車載智能計算平臺主要完成的功能是以環(huán)境感知數(shù)據(jù)、導(dǎo)航定位信息、車輛實時數(shù)據(jù)、云端智能計算平臺數(shù)據(jù)和其他V2X交互數(shù)據(jù)等作為輸入，基于環(huán)境感知定位、智能規(guī)劃決策和車輛運動控制等核心控制算法，輸出驅(qū)動、傳動、轉(zhuǎn)向和制動等執(zhí)行控制指令，實現(xiàn)車輛的自動控制，并向云端智能計算平臺及V2X設(shè)備輸出數(shù)據(jù)，還能夠通過人機(jī)交互界面，實現(xiàn)車輛駕駛信息的人機(jī)交互。