1. 课程导入
在自动驾驶与智能底盘开发中，速度规划负责回答“应该以多快的速度通过前方道路”，纵向控制负责回答“如何让车辆真实地达到这个速度”。两者一个偏决策与优化，一个偏执行与闭环，看似分工明确，实际却高度耦合：规划给出的加速度、减速度、时间窗口若超出执行器能力，控制再精确也无法兑现；控制若响应滞后、标定粗糙，规划再平滑也会在车上表现为顿挫、超调或跟车距离抖动。本课程把二者放在同一工程链条中讨论，称为速度规划与纵向控制协同工程。
一、核心原理：从“期望速度”到“真实车速”的闭环
速度规划通常基于路径曲率、障碍物、限速、舒适性和能耗等约束，生成一条随时间或位置变化的速度曲线 v_plan(s) 或 v_plan(t)，并进一步给出加速度 a_plan、加加速度 jerk 等派生量。纵向控制则接收期望速度或期望加速度，通过油门/制动执行器、驱动电机或液压制动系统，输出实际车速 v_act。二者之间至少存在三层耦合：
- 约束耦合：规划必须知道车辆最大加速度、最大减速度、响应延迟和最小稳定车速，否则会生成“物理不可达”的曲线。
- 动态耦合：控制闭环存在滞后、超调和稳态误差，规划若按理想模型设计，实际跟踪会出现偏差。
- 评价耦合：安全性、舒适性、能耗、通行效率等指标同时受规划和控制的共同影响，不能各自独立优化。
因此，协同工程的基本原理可以概括为：规划层在车辆能力边界内生成可行速度曲线，控制层以可预测的动态响应跟踪该曲线，并通过统一指标反向修正规划参数与控制标定。
二、方法流程：协同设计的基本步骤
协同工程不是一次性设计，而是一个迭代流程。典型步骤包括：
- 明确场景与指标：确定是高速巡航、城市跟车、弯道通过还是坡道起步，并定义安全、舒适、效率、能耗的优先级。
- 建立车辆纵向动力学模型：至少包含质量、驱动力、制动力、阻力、延迟和传动特性，作为规划约束与控制前馈的基础。
- 设计速度规划器：在曲率、限速、障碍物和舒适性约束下生成速度曲线，并输出可执行的加速度与jerk边界。
- 设计纵向控制器：选择PID、前馈+反馈或MPC结构，处理执行器延迟、死区和饱和。
- 接口对齐与联合仿真：统一单位、坐标系、时间戳和采样周期，在仿真中验证跟踪误差与舒适性。
- 实车标定与复盘：通过实车数据修正模型参数，形成参数表与标定规范。
# 协同接口参数示例（规划层 → 控制层）
v_target: 12.5 m/s # 期望车速
a_target: 0.8 m/s^2 # 期望加速度
jerk_limit: 2.0 m/s^3 # 加加速度上限
t_response: 0.35 s # 控制响应延迟估计
a_min: -3.0 m/s^2 # 最大减速度
a_max: 1.5 m/s^2 # 最大加速度
v_min_stable: 1.0 m/s # 最小稳定车速三、工程应用场景与案例
协同工程的价值在真实场景中体现得最明显。以下表格列出典型场景及其协同要点：
| 应用场景 | 速度规划关注点 | 纵向控制关注点 | 协同关键指标 |
|---|---|---|---|
| 高速自适应巡航 | 跟车时距、限速变化、弯道降速 | 稳态误差、加减速平顺性 | 跟车距离误差、jerk峰值 |
| 城市拥堵跟停 | 频繁启停、最小稳定车速 | 低速蠕行、制动驻车切换 | 停车精度、启停次数 |
| 弯道通过 | 曲率约束、侧向加速度限制 | 入弯减速、出弯加速跟踪 | 横向加速度、速度跟踪误差 |
| 坡道行驶 | 坡度前馈、重力补偿 | 扭矩补偿、防溜车 | 坡道速度波动、溜车距离 |
| 节能驾驶 | 经济车速、能量回收窗口 | 扭矩分配、制动能量回收 | 百公里能耗、回收效率 |
以城市拥堵跟停为例：规划层若只按理想模型生成“停车—起步”曲线，控制层在低速段可能因执行器死区和延迟出现“点头”或“窜车”。协同设计时，规划层需要把最小稳定车速、制动响应时间和驻车切换条件纳入约束，控制层则通过前馈补偿和低速增益调度来减小跟踪误差。最终评价的不是单一模块的精度，而是停车精度、启停平顺性和跟车距离误差的综合表现。
四、常见误区与复盘
五、学习目标
完成本课程后，学习者应能够：
- 理解速度规划与纵向控制协同工程的定义、边界与耦合关系；
- 掌握速度曲线生成、纵向动力学建模和控制器设计的基本方法；
- 能够设计规划与控制之间的接口参数，并完成联合仿真；
- 能够针对典型场景制定协同标定与评价方案；
- 能够识别常见误区，并通过数据复盘持续优化系统表现。
本课程后续将围绕知识框架中的每一层展开：从速度规划算法、纵向控制策略，到接口设计、联合仿真、实车标定与评价体系，逐步构建完整的协同工程能力。