2. 智能驾驶系统基础
智能驾驶系统并不是单一算法，而是一套由多子系统协同构成的实时闭环系统。理解其基础组成，是后续分析故障降级策略的前提。从工程视角看，智能驾驶系统通常划分为感知、决策、规划、控制四大核心子系统，并通过传感器、计算平台、执行器与通信网络形成完整链路。任何一个环节失效，都可能触发降级或接管。
一、四大子系统组成与职责
感知子系统负责“看清世界”。它融合摄像头、毫米波雷达、激光雷达、超声波雷达、GNSS/IMU等数据，完成目标检测、车道线识别、可行驶区域分割、障碍物测距、自车定位与姿态估计。感知输出通常包括目标列表、车道线方程、占据栅格、定位位姿等。
决策子系统负责“想清楚做什么”。它基于感知结果、高精地图、交通规则和导航任务，进行行为决策，例如跟车、变道、超车、避让、停车让行、汇入汇出。决策层常采用规则状态机、行为树或学习型策略，输出宏观行为指令。
规划子系统负责“算出怎么走”。它把行为指令转化为时空轨迹，包括路径规划与速度规划。路径规划解决几何走向，速度规划解决何时加速、减速、停车。规划需满足车辆动力学约束、舒适性约束与安全距离约束。
控制子系统负责“精准执行”。它把期望轨迹转化为转向角、驱动扭矩、制动压力等控制量，常用PID、MPC、LQR等算法，并通过CAN/CAN FD、以太网等总线发送给执行器。
二、常见传感器与执行器
传感器是系统的“五官”。摄像头成本低、纹理信息丰富，但受光照和天气影响大；毫米波雷达测距测速准、穿透雾雨能力强，但角度分辨率有限；激光雷达点云精度高，但成本与恶劣天气适应性仍是挑战；超声波雷达适合近距离泊车；GNSS/IMU提供全局定位与姿态，但隧道、地下车库易失锁。工程上普遍采用多传感器融合，以互补短板。
执行器是系统的“手脚”。转向执行器通常为电动助力转向EPS，制动执行器为ESC或电子液压制动EHB，驱动执行器为电机控制器或发动机ECU。执行器普遍具备响应延迟、饱和限制和故障模式，降级设计必须考虑其能力边界。
| 类型 | 典型部件 | 主要输出 | 常见失效/限制 |
|---|---|---|---|
| 传感器 | 摄像头、毫米波雷达、激光雷达、超声波、GNSS/IMU | 图像、点云、目标距离/速度、位姿 | 遮挡、逆光、雨雾、失锁、标定漂移 |
| 计算平台 | SoC、MCU、安全岛、交换机 | 感知/决策/规划结果、控制指令 | 算力过载、温度过高、通信丢包、软件异常 |
| 执行器 | EPS、ESC/EHB、驱动电机控制器 | 转向角、制动压力、驱动扭矩 | 响应延迟、卡滞、饱和、通信中断 |
| 人机交互 | 仪表、HMI、DMS、扬声器 | 接管提示、状态显示、驾驶员监控 | 提示不清晰、驾驶员未响应 |
三、典型应用场景与降级关联
不同应用场景对子系统能力要求不同，降级策略也不同。下面列出典型场景及其关键依赖：
- 高速巡航与跟车：依赖毫米波雷达与摄像头，控制纵向速度。若前向雷达失效，可降级为摄像头限速跟车或提示接管。
- 自动变道与超车：依赖侧后向雷达与摄像头，决策与规划耦合紧密。若侧向感知失效，应禁止变道并保持车道。
- 城市路口通行：依赖激光雷达、摄像头与高精地图，决策复杂度高。若定位漂移，应降级为人工驾驶或靠边停车。
- 记忆泊车与代客泊车：依赖超声波与环视摄像头，低速控制精度要求高。若超声波失效，应中止泊车并请求接管。
- 拥堵辅助：频繁启停，对执行器响应和舒适性要求高。若制动执行器过热，应降低跟车能力并提示驾驶员。
四、常见误区与工程复盘
误区一：把感知当万能。感知输出存在不确定性，决策与规划必须保留安全冗余，不能假设感知永远正确。
误区二：忽视执行器延迟。控制算法若未补偿EPS和制动系统的响应延迟，高速场景下容易产生振荡或追尾风险。
误区三：降级策略只做“开关”。真实降级应是分级、可逆、可解释的，例如从L3降为L2，再降为L1，最后请求接管，而不是直接退出。
工程复盘时，建议用如下检查清单审视系统基础能力：
1. 感知：最小传感器集合是否明确？融合失效时是否有兜底？
2. 决策：行为状态机是否覆盖故障态？是否存在死锁？
3. 规划：轨迹是否满足动力学与舒适性约束？是否有安全停车轨迹？
4. 控制：执行器延迟与饱和是否建模？是否有降级控制参数？
5. 监控：是否有独立安全岛监控主链路？看门狗周期是否合理？
6. HMI：接管提示是否分级、明确、及时？驾驶员监控是否有效？