“駕駛行為”是局部路徑中細分出來的行駛單元，當然它的劃分應該是多樣性的，主要取決于算法實現(xiàn)。

行為與行為之間會保持相對獨立性，但是行為切換時又具有平滑過渡的特征。車輛行駛中，何時采用何種行為，即為行為規(guī)劃（也有稱之為行為決策）。

單個駕駛行為，其實目前很多整車廠或科研院所做了相當多的工作，甚至有的已經推向市場。如特斯拉的車道保持、自動變道、跟車功能，這些都是駕駛行為的具體實例。但是這些行為如何切換，如何過渡，特斯拉將其交給了人。自適應巡航、車道保持、自動變道，都需要駕駛員手動操作后托管給機器，并隨時準備接管駕駛。

人在同樣的工況中駕駛車輛，產生的駕駛行為序列是不一樣的，甚至同一行為的具體執(zhí)行區(qū)別也較大，這跟人的性格、安全意識和當時的心情等有關系。比如，我們在趕時間時，變道次數(shù)會增多，超車的安全系數(shù)會降低；新手開車時，變道時機把握不好，經常急剎車等；甚至在面臨事故時，是選擇撞車還是撞旁邊的人，不同的人可能有不同的選擇。這些很多屬于人的高級思維，也涉及到法律、倫理道德，目前機器還很難達到這個層次。但是人工智能或許是解決這一問題的突破口。

車輛定位

自動駕駛汽車進行全自主行駛時，需要解決三個基本問題：1.車輛在哪；2.往哪兒去；3.怎么去。

車輛在哪其實就是對車輛的定位。定位方法有多種，比如衛(wèi)星定位、地面基站定位、視覺或激光定位以及慣導定位等。目前國內高校無人車使用衛(wèi)星定位+基站定位方式比較多，后兩種基本沒有涉及到。

（▲ 衛(wèi)星定位）

每一種定位方式都有其局限性，定位方式融合是趨勢。

比如衛(wèi)星定位系統(tǒng)雖然適用范圍廣、絕對位置精度高，但是其不適用于室內或有遮擋物區(qū)域、位置也會隨時間漂移。視覺或激光定位相對位置精度非常高，無位置漂移，但是其受環(huán)境影響非常大。

將定位技術應用到無人車上時，衛(wèi)星定位可以解決大范圍絕對位置定位、高速公路定位以及其他開闊空間定位問題，但是當車進入隧道、高建筑物路段或室內時，定位信號會不穩(wěn)定或丟失。這時需要視覺或慣導等室內定位方式去彌補。

車輛定位會直接或間接影響車輛運動控制與行為決策的實現(xiàn)，甚至也是感知環(huán)境所需的重要信息。在執(zhí)行已經規(guī)劃出來的運動軌跡時，運動控制算法需要定位信息不斷反饋實際的運動狀態(tài)做實時的調整。在進行行為切換時，切換時機需要充分了解到車輛所處交通環(huán)境的位置。感知方面，比如利用SLAM技術構建地圖，就需要車輛的相對定位信息。

結束語

自動駕駛汽車是汽車界與機器人界碰撞、融合的產物，它匯集了機電一體化、環(huán)境感知、電子與計算機、自動控制以及人工智能等一系列高科技。汽車作為人類重要的交通工具，隨著這些子技術的融合、發(fā)展與突破，必將變得越來越智能，最終實現(xiàn)全天候無人駕駛。