一、速度约束概述：为什么需要速度约束？速度约束在自动驾驶中的角色

大家好，我是你们这堂课的主讲人。咱们今天聊一个看似基础、但实际坑特别多的话题——速度约束。

你可能会想：“速度约束？不就是限速吗？地图上标多少，车就跑多少呗。” 嗯，如果真这么简单，我就不用专门开一节课来讲了。说实话，我在早期做项目时也这么以为，结果被现实狠狠教育了一回。

1.1 为什么需要速度约束？

先问大家一个问题：一辆自动驾驶汽车，它最怕什么？

我个人觉得，最怕的是“失控”。而速度，恰恰是导致失控的第一推手。

咱们从三个层面来看：

• 安全层面：速度越快，制动距离越长，碰撞能量越大。这是物理定律，谁也绕不过去。我记得有一次在高速测试，前方突然出现一个静止的障碍物，系统虽然检测到了，但因为当时车速偏高，制动介入后还是没能完全刹停。那次之后，我对速度约束的敬畏心就上来了。
• 舒适层面：你想想看，如果一辆车在弯道里以60km/h的速度过弯，乘客可能觉得还行；但如果换成80km/h，乘客就开始东倒西歪了。速度约束，说白了就是要在“快”和“稳”之间找个平衡点。
• 法规层面：这个不用多说，超速罚单可不是闹着玩的。而且不同路段、不同车道，限速值可能都不一样。系统必须能准确识别并遵守。

1.2 速度约束在自动驾驶中的角色

速度约束在自动驾驶系统里，到底扮演什么角色？我用一句话概括：它是纵向控制的“天花板”和“底线”。

什么意思呢？

• 天花板：系统在任何情况下都不能超过这个速度上限。比如地图限速80km/h，那规划出来的目标速度就不能高于80。
• 底线：在某些场景下，系统需要主动降速甚至停车。比如前方有行人横穿，速度约束会强制系统减速到安全范围。

我习惯把速度约束比作一个“动态的笼子”。这个笼子的大小不是固定的，它会根据道路条件、交通状况、天气环境等因素实时变化。纵向控制算法要做的，就是在这个笼子里，找到最优的速度轨迹。

下面这张图，是我自己总结的速度约束在自动驾驶系统中的位置和作用：

从这张图可以看出，速度约束不是孤立存在的。它接收来自感知层和预测层的信息，经过综合计算后，输出给规划层，最终由控制层执行。这是一个闭环系统。

1.3 速度约束的输入来源

那么，速度约束的“原材料”从哪里来？我总结了几个主要来源：

输入来源	说明	典型值/示例
高精地图	道路的法定限速值	城市道路60km/h，高速120km/h
视觉感知	识别到的限速标志、临时施工牌	学校区域30km/h，施工区40km/h
道路曲率	根据弯道半径计算的安全过弯速度	R=50m时，建议速度≤40km/h
障碍物距离	与前车/行人的相对距离	距离50m时，速度需≤当前车速的80%
天气/路面	雨雪天气下的附着系数降低	雨天限速降低20%~30%

1.4 速度约束的层级关系

速度约束不是单一的值，它是有层级的。我习惯把它分成三层：

1. 静态约束：地图限速、道路属性限速。这些是固定的，不会频繁变化。
2. 动态约束：交通灯、限速标志、施工区域。这些会随着场景变化而改变。
3. 实时约束：前车距离、行人横穿、弯道曲率。这些是毫秒级变化的，对控制算法要求最高。

这三层约束叠加在一起，最终取最小值作为当前时刻的速度上限。嗯，这里要注意：取最小值是最保守的做法，但也是最安全的。如果你想让车辆更“激进”一些，可以引入权重系数，但风险也会相应增加。

1.5 速度约束的数学表达

最后，咱们用数学语言来总结一下速度约束。虽然这节课不要求大家写代码，但理解这个公式对后续章节很重要：

V_max = min( V_map, V_sign, V_curve, V_obs, V_weather )

其中：

• V_map：地图限速
• V_sign：视觉识别的限速标志
• V_curve：曲率限速
• V_obs：障碍物距离限速
• V_weather：天气/路面限速

这个公式看起来简单，但实际工程中，每个子项的计算都有一堆坑。比如曲率限速，你不仅要考虑道路半径，还要考虑车辆的侧向加速度极限、轮胎附着系数等等。这些内容，我们会在后面的章节逐一展开。

好了，这一节的内容就到这里。速度约束看似基础，但它是整个纵向控制的基石。地基打不牢，后面盖再高的楼也是白搭。希望大家能重视起来。