3. Apollo平台架构与行为规划模块
Apollo 是面向城市开放道路的自动驾驶全栈平台，其核心思想是“高精地图 + 定位 + 感知 + 预测 + 规划 + 控制”的分层解耦。行为规划（Behavior Planning）位于规划模块的上层，它不直接计算方向盘转角或油门刹车，而是回答一个更抽象的问题：当前场景下，自车应该采取哪种驾驶意图与决策。理解 Apollo 整体架构以及行为规划模块的组成、数据流与接口，是后续场景决策工程的基础。
一、Apollo 整体架构：从传感器到车辆控制
Apollo 采用分层架构，自下而上可分为硬件层、驱动层、感知层、地图与定位层、预测层、规划层、控制层，以及贯穿全局的监控与安全模块。各层通过 Cyber RT 中间件以“节点（Component）”形式通信，消息以 Protobuf 定义的 Channel 传递。
- 感知层：输出障碍物、车道线、交通灯、可行驶区域等，形成对环境的结构化描述。
- 预测层：对障碍物未来轨迹进行多模态预测，输出概率化轨迹与意图。
- 规划层：分为行为规划、路径规划、速度规划三级，逐层细化决策。
- 控制层：将规划轨迹转换为油门、刹车、转向指令，闭环控制车辆。
- 安全与监控：包括 Guardian、Monitor、HMI，负责异常降级与人工接管。
行为规划处于规划层最上游，它接收感知、预测、地图、定位与路由信息，输出“决策指令”，再交由下游的路径与速度规划执行。因此，行为规划是连接“环境理解”与“运动执行”的决策中枢。
二、行为规划模块的组成
Apollo 行为规划模块并非单一算法，而是一套“场景驱动”的决策框架。其核心组成包括场景管理器、决策器、阶段与任务、以及决策输出接口。
- 场景管理器（Scenario Manager）：根据地图、定位、感知与路由信息，判断当前处于哪种驾驶场景，如车道跟随、变道、路口通行、停车让行、紧急制动等。
- 场景（Scenario）：每个场景定义一组阶段（Stage），阶段按顺序或条件切换，描述该场景下的决策流程。
- 阶段（Stage）：阶段内部由若干任务（Task）组成，任务是最小决策单元，如“判断是否可变道”“计算跟车距离”“生成停止点”。
- 决策器（Decider）：负责具体判断逻辑，如变道决策、让行决策、交通灯决策、行人避让决策。
- 决策输出（Decision）：以 Protobuf 消息形式输出主决策、目标车道、目标速度、停止点、让行对象等。
核心理解：场景是“宏观剧本”，阶段是“分镜”，任务是“动作”，决策器是“判断依据”。四者组合，使行为规划既能覆盖复杂场景，又能保持模块化与可扩展性。
三、数据流与接口
行为规划模块的输入输出均通过 Cyber RT 的 Channel 传递，主要接口如下表所示。
| 方向 | 接口/消息 | 内容说明 |
|---|---|---|
| 输入 | PerceptionObstacles | 障碍物位置、速度、类型、朝向 |
| 输入 | PredictionObstacles | 障碍物未来轨迹与概率 |
| 输入 | LocalizationEstimate | 自车位姿、速度、加速度 |
| 输入 | RoutingResponse | 全局路由与目标车道 |
| 输入 | HD Map | 车道、路口、停止线、交通灯 |
| 输出 | ADCTrajectory | 决策指令 + 路径 + 速度 |
| 输出 | Decision | 主决策、目标车道、停止点、让行对象 |
在代码层面，行为规划的核心入口通常位于 planning 组件中，通过 ScenarioManager 加载场景插件，并调用 Process 方法逐帧执行。以下为简化后的配置示例：
scenario:
name: "LANE_FOLLOW"
stages:
- name: "LANE_FOLLOW_DEFAULT"
tasks:
- "LANE_CHANGE_DECIDER"
- "PATH_BOUNDS_DECIDER"
- "SPEED_BOUNDS_PRIORI_DECIDER"
- "STOP_DECIDER"
- "DP_ST_SPEED_OPTIMIZER"
四、典型场景案例：路口右转遇行人
以城市路口右转为例，行为规划的数据流如下：
- 场景管理器识别当前为“路口通行场景”，进入右转阶段。
- 感知输出右侧人行横道上的行人，预测输出行人可能横穿。
- 让行决策器判断行人轨迹与自车路径存在冲突，生成停止点。
- 决策输出“让行”指令，路径规划生成停止线前的平滑路径。
- 速度规划在 ST 图上生成减速至停的速度曲线。
- 控制层执行刹车，车辆在停止线前平稳停车。
工程提示：行为规划的决策必须“可解释、可回退”。每个决策都应能追溯到具体场景、阶段与任务，便于仿真回放与问题定位。
五、常见误区与复盘
- 误区一：把行为规划当成路径规划。行为规划输出的是“意图”，不是具体轨迹；轨迹由下游路径与速度规划生成。
- 误区二：场景划分过粗。场景过粗会导致决策逻辑臃肿，难以覆盖边缘情况；应按“场景—阶段—任务”逐层细化。
- 误区三：忽略接口时序。感知、预测、定位消息存在延迟，行为规划需考虑时间戳对齐与超时降级。
- 复盘要点：每次决策异常，应检查输入消息是否完整、场景是否误判、任务优先级是否冲突、输出决策是否被下游正确执行。
注意：行为规划模块的稳定性直接影响整车安全。任何新增场景或决策器，都必须经过仿真回归、封闭场地测试与实车验证，方可上线。
综上，Apollo 行为规划模块以场景为骨架、以任务为血肉、以决策为输出，通过标准化的数据流与接口，将环境理解转化为可执行的驾驶意图。掌握其架构与接口，是后续进行场景决策工程开发与调试的前提。