4. 局部规划与行为决策：行为决策层（FSM、决策树、状态机）与局部规划器的接口设计

在自动驾驶软件架构中，行为决策层与局部规划器之间的接口设计，是决定车辆在复杂交通流中能否安全、合规、高效运行的关键枢纽。行为决策层负责回答“我现在应该做什么”（如跟车、巡航、变道、超车、靠边停车），而局部规划器负责回答“我具体该怎么打方向盘、踩多少油门或刹车”。如果两者之间的接口定义模糊、数据交互不完整或时序错乱，即便上游感知和预测模块输出再精准，下游控制执行再敏捷，整个系统依然会在真实道路场景中暴露出“决策与轨迹脱节”的严重问题。本章将深入剖析行为决策层的核心机制（FSM、决策树、状态机），并重点讲解其与局部规划器之间的接口契约设计、典型场景（换道、超车、让行）的工程实现路径，以及实战中的常见误区与调优经验。

上图展示了行为决策层与局部规划器之间的核心交互关系。行为决策层接收上游感知、预测和路由信息，通过FSM、决策树或状态机等机制产生驾驶意图，并经由标准化的接口契约传递给局部规划器。局部规划器在约束条件下生成具体的轨迹，并将执行反馈回传给决策层，形成闭环。下面我们将从接口设计、场景实现和工程实践三个维度展开详细论述。

4.1 接口设计的核心原理与数据契约

行为决策层与局部规划器的接口，本质上是一份“意图-约束-反馈”的数据契约。这份契约必须足够精确，以消除歧义；同时又要保留足够的自由度，让规划器有优化空间。一个典型的接口定义通常包含以下核心字段：

字段名	类型	说明	示例值
intention_id	uint8_t	驾驶意图的唯一标识，如FOLLOW、LANE_CHANGE_LEFT、OVERTAKE、YIELD	3 (LANE_CHANGE_LEFT)
target_lane_id	int32_t	目标车道ID，-1表示当前车道，0表示左侧相邻车道，1表示右侧相邻车道	0
speed_limit_low	float (m/s)	允许的最低速度，通常由交通流或道路限速决定	5.0
speed_limit_high	float (m/s)	允许的最高速度，受限于道路限速和决策层判断	20.0
time_window	float (s)	完成该意图的期望时间窗，用于规划器生成平滑轨迹	8.0
safety_corridor	vector<Polygon2D>	由决策层根据周围障碍物生成的可行区域，规划器必须在此区域内寻迹	[(x1,y1)...]
priority	uint8_t	意图优先级，用于规划器在冲突时进行仲裁	1 (高)
trigger_source	string	触发该意图的原因，用于日志追踪和问题定位	"prediction_cut_in"

在实际工程中，接口设计需要遵循“高内聚、低耦合”的原则。行为决策层不应关心规划器内部是采用采样法、优化法还是混合A*算法，只需输出“做什么”和“在什么边界内做”。而局部规划器也不应反向推导决策层的意图，只需忠实执行接口契约。这种清晰的边界划分，使得两个模块可以独立开发、测试和迭代。

4.2 典型场景的决策与规划协同实现

下面我们以换道、超车、让行三个典型场景为例，分析行为决策层如何生成意图，以及局部规划器如何响应这些意图。

4.2.1 换道场景（Lane Change）

决策层逻辑：FSM通常包含“巡航”、“换道准备”、“换道执行”、“换道完成”四个状态。在“巡航”状态，决策层持续评估前车速度、相邻车道空隙和后方来车距离。当满足换道条件（如前方慢车、目标车道有足够间隙）时，状态迁移至“换道准备”，此时决策层会生成一个带有 target_lane_id 和 safety_corridor 的意图。

规划器响应：局部规划器收到意图后，会在 safety_corridor 内进行轨迹采样。横向规划通常采用五次多项式或贝塞尔曲线，保证起点和终点的曲率连续；纵向规划则根据 speed_limit_low/high 生成梯形或S形速度曲线。关键点在于，规划器需要将换道轨迹的横向加速度限制在舒适范围内（通常小于0.3g），并确保在 time_window 内完成。

// 伪代码示例：换道意图的接口填充
BehaviorDecision decision;
decision.set_intention_id(LANE_CHANGE_LEFT);
decision.set_target_lane_id(0);
decision.set_speed_limit_low(10.0);
decision.set_speed_limit_high(25.0);
decision.set_time_window(6.0);
decision.mutable_safety_corridor()->CopyFrom(generate_corridor());
decision.set_priority(2);
decision.set_trigger_source("slow_lead_vehicle");

4.2.2 超车场景（Overtaking）

超车可以视为换道的连续执行：先换至左侧超车道，加速超越，再换回原车道。决策树在此场景中更为适用，因为需要根据多个条件（前车速度、对向车道来车、弯道视野）进行分支判断。决策层输出的意图序列为：LANE_CHANGE_LEFT → ACCELERATE → LANE_CHANGE_RIGHT。局部规划器需要处理意图切换时的轨迹平滑问题，避免在两次换道之间出现速度骤变或方向突变。

4.2.3 让行场景（Yield）

让行通常发生在无保护左转、斑马线前或匝道汇入处。行为决策层需要判断“让谁、让多久、何时重新起步”。状态机在此场景中表现为“正常行驶” → “减速让行” → “停车等待” → “重新起步”。接口中的 speed_limit_high 会被动态调低，甚至降为0（停车）。规划器需要生成一个平滑的减速-停车-起步轨迹，且停车位置必须精确（如停止线前0.5米内）。

4.3 接口设计中的常见误区与调优复盘

在工程实践中，以下三个误区最为常见，需要特别警惕：

• 误区一：接口过于“厚”，传递了过多感知原始数据。这会导致规划器与感知模块耦合过深，一旦感知数据结构变化，规划器必须同步修改。正确做法是只传递决策层处理后的语义信息（如障碍物ID、相对速度、预测意图）。
• 误区二：意图切换过于频繁，导致规划器振荡。例如在换道过程中，由于后方车辆突然加速，决策层在“继续换道”和“放弃换道”之间反复切换。这会导致规划器不断重新规划，产生不稳定的轨迹。解决方案是引入“状态驻留时间”或“迟滞比较器”，即意图切换必须持续一定时间（如0.5秒）才生效。
• 误区三：忽略反馈通道。局部规划器在无法生成有效轨迹时（如安全走廊过窄），必须向决策层反馈失败原因。如果缺少该反馈，决策层会一直下发同一意图，形成死循环。建议在接口中增加 PlanningStatus 枚举，包含 SUCCESS、FAIL_NO_CORRIDOR、FAIL_TIME_OUT 等状态。

案例复盘：在某量产车型的L2+功能开发中，团队曾遇到一个棘手问题：车辆在高速公路上进行自动变道时，偶发性地出现“方向盘抖动”现象。通过分析日志发现，决策层在0.2秒内连续下发了“变道”和“取消变道”两个意图，导致规划器生成了两条相互冲突的轨迹，控制层在切换时产生了抖动。最终解决方案是在决策层FSM中增加了“变道取消”的确认状态，要求取消意图必须持续3个周期（0.3秒）才被接受。同时，在接口中增加了 intention_sequence_id 字段，规划器只接受最新的序列ID，丢弃过期意图。经过这一调整，问题彻底解决。

综上所述，行为决策层与局部规划器的接口设计，是自动驾驶软件工程中“软硬结合”的典型体现。它既需要严谨的逻辑思维来定义数据契约，又需要灵活的工程手段来处理边界情况。一个优秀的接口设计，应当让决策层“聪明地思考”，让规划器“高效地执行”，两者各司其职，共同保障车辆在复杂交通环境中的安全与舒适。