中国工程院院士丁荣军作序并推荐，汇集多位业内大咖实战经验，详解不同场景、不同任务、不同车辆类型条件下的决策规划方法。无论你是刚刚涉足自动驾驶决策规划领域的学生，或是业内资深学者、算法工程师，都有很好的借鉴和参考价值。

自动驾驶决策规划技术理论与实践——目录第1章自动驾驶决策规划技术概述1.1自动驾驶系统的研发意义1.2自动驾驶系统的研发现状1.3自动驾驶车端模块1.3.1感知模块1.3.2决策模块1.3.3控制模块第2章泊车轨迹规划任务建模2.1泊车轨迹规划任务2.2基于最优控制问题模型的轨迹规划任务描述2.3车辆运动学约束2.4边值约束2.5碰撞躲避约束2.6代价函数2.7完整的最优控制问题第3章最优控制问题的数值求解3.1最优控制问题的标准化改造3.2最优控制问题的常见求解方法3.3最优控制问题的数值求解方法3.3.1最优控制问题的离散化3.3.2非线性规划问题的求解3.3.3构造最优控制问题的数值最优解3.4非线性规划问题求解过程的初始化第4章泊车行为决策方法4.1A*算法4.2混合A*算法4.3初始解的构造第5章泊车决策规划方法进阶5.1行车隧道约束的构建5.2利用行车隧道约束提升泊车轨迹规划实时性5.3行车隧道约束方法的缺陷

李柏 湖南大学副教授，岳麓学者，湖南省交通工程学会智能网联专业委员会委员。2013年于北京航空航天大学获学士学位，2018年于浙江大学获得工学博士学位，攻读博士学位期间曾在2016—2017年于美国密歇根大学安娜堡分校土木工程系联合培养。2018—2020年就职于京东集团X事业部，2020年起在湖南大学机械与运载工程学院任职长聘副教授。2017年获国际自动控制联合会（IFAC）颁发的2014—2016年度最佳期刊论文奖，目前以第一作者身份发表国际期刊/国际会议论文近60篇，出版专著1部，主持国家自然科学基金（青年基金）1项、主持“国防科技173计划”项目（重点项目）1项，研究方向为自动驾驶/智能网联汽车的决策规划方法。张友民加拿大康考迪亚大学机械、工业与航空工程系及康考迪亚航空设计与创新研究所终身教授。长期从事控制理论与工程应用方面的研究工作，专长于故障检测与诊断、容错控制、感知与避障、飞行器导航制导与控制、多智能体/多运动体容错协同控制等领域的研究与应用开发。自1992年起累计发表500余篇期刊/会议论文，出版7本著作，担任多个国际期刊的主编、编辑和编委。彭晓燕湖南

本书适合自动驾驶车辆决策规划领域的技术人员及本科生、研究生阅读学习，可作为高校自动驾驶相关专业的教材，也可作为从业多年的资深算法工程师的参考书。

前言
近年来，自动驾驶的核心技术不断取得突破、基础支撑条件逐步完善、产业生态日臻活跃，人类的出行方式正发生着深刻变革。自动驾驶的决策规划模块直接决定了车辆的具体运动行为，是直接体现车辆行驶智慧水平的关键环节。
目前市面上自动驾驶的技术资料不少，但聚焦于决策规划技术的著作不多。考虑到目前国内缺乏成体系介绍自动驾驶决策规划方法的文献，我们在2019年底受铁道出版社邀请签署了此书的出版合同。对于初学者而言，一本好书能使读者迅速了解自动驾驶决策规划的总体知识脉络，掌握宏观架构与微观算法的设置动机。在这一问题上，我们认为自动驾驶决策规划技术成熟度较高，一些业界公认的解决方案背后蕴含着深刻的哲理，对这些哲理的剖析甚至比解决方案本身还要重要，而仅仅罗列技术方案会使得读者不知其所以然，自然也难以活学活用，举一反三。对于富有经验的从业工程师而言，一本好书要与读者的工程实践经验产生共鸣，使其从全新的理论高度系统性地梳理零碎的工程经验，提升理论功底。对于研究人员而言，一本好书能够指引富有前瞻性的研究方向，启迪新的研究机遇。在撰写本书的过程中，我们始终顾及这三方面因素，致力于为产业界与学术界贡献一部成体系的高质量专著。
自动驾驶决策规划模块最终输出一条轨迹。车辆作为典型的运动体，其轨迹规划任务适合采用最优控制问题的形式来描述，因此从本质上来讲，决策规划模块解决的是最优控制问题的高质量、高效率求解问题。在数值求解最优控制问题过程中，所涉及的梯度优化算法一般不具备全局寻优能力，梯度优化的初始解决定了最终轨迹的全局最优性，而寻觅高质量初始解这一前置环节即是所谓的决策。从这一意义上来讲，决策规划中的决策是手段，而规划是目的。本书以最优控制问题的求解为主线，通过逐一处理求解过程中遭遇的困难，以易于认知的顺序叙述具体方法——这一理念是本书章节安排的重要依据。
笔者自2013年起一直从事自动驾驶决策规划方法研究至今。博士学位论文以《复杂约束下自动驾驶车辆运动规划的计算最优控制方法研究》为题，在获得博士学位后曾在自动驾驶决策规划算法工程师岗位全职工作近2年，在2020年底以此书初稿为教材于湖南大学开设研究生课程“自动驾驶决策规划理论”，因此具有研究基础、实践经验与教学心得；本书的其他几名著者均长期从事自主无人系统的决策规划与控制方面研究工作，他们将自己丰富的研究经验贡献了出来：我们自认为有能力写好这本书。
自动驾驶决策规划技术最早起源于轮式机器人在室内复杂场景中的运动规划研究工作。遵循技术发展的客观历程，本书第2~5章聚焦于复杂非结构化的室内停车场场景，介绍自动驾驶车辆的泊车决策规划方法。第6~8章聚焦于乘用车在结构化道路场景中巡航行驶任务。与刚体车辆相比，以卡车为典型代表的拖挂车在矿山、港口等半封闭特殊环境中作业，因此有望更早实现自动驾驶：第9章将乘用车的决策规划技术迁移至多体拖挂车，扼要地阐述了拖挂车在复杂非结构化场景中的决策规划方法。第10章聚焦于多辆自动驾驶汽车协同行驶的情形，在几类典型场景中给出了解决方案。在第11章中，分享了自动驾驶决策规划理论在工程实践中的经验。第12章提供了百度Apollo开放平台的安装方法及在其仿真器中实现决策规划算法的操作步骤。最后，第13章提供了一些开放式的思考题，便于读者检验阅读本书的效果。
在撰写具体内容时，我们注重体现各章节之间的差异性，从而避免赘述、突出重点。在泊车板块，主要介绍决策规划基本架构、计算最优控制方法与采样搜索方法的实现步骤等基本内容。在道路巡航行驶板块，侧重于阐述其与泊车场景的差异，即引入Frenet坐标系导致的问题模型与求解方法的变化。在多体车辆板块，主要围绕着多体车辆运动学模型的复杂特性展开介绍。多车协同行驶板块，主要关注如何降低碰撞躲避约束条件的规模与复杂程度。实践板块阐述了决策规划算法在具体代码实现阶段的经验以及自动驾驶开源平台的基本使用方法。
本书适合有意愿涉足自动驾驶车辆决策规划领域的技术人员及本科/研究生，可作为学习自动驾驶决策规划知识的第一本教材。本书同样适合从业多年的资深算法工程师阅读，从而夯实理论功底。
在此感谢李力教授、Tankut Acarman教授、邵之江教授、李晓辉研究员、张亮亮博士、叶显明博士、陈文成博士、郭宇晴博士、大方博士、Oskar Ljungqvist博士、陈建兴工程师、王玉猛工程师等人，他们就本书技术细节与我们进行了富有启发性的讨论。岑杭杰、唐仕祺、王佳龙、李磊等学生为书稿的创作提供了素材。尹鹏飞、成昌巍等热心读者为本书初稿提出了修改建议。湖南智能驾驶研究院（希迪智驾）、中车株洲电力机车研究所有限公司、劢微机器人科技（深圳）有限公司、Quanser公司以及湖南省交通工程学会智能网联专委会为本书的出版提供了支持。本书的出版得到中央高校基本科研业务费（项目号531118010509）、国家自然科学基金（项目号62103139）、国家自然科学基金重点项目（项目号61833013）以及湖南大学2021年度教材建设项目资助，在此一并致谢。
限于著者的学识与研究水平，加之书稿编写经验不足，本书难免有疏漏之处，恳请各位同行读者不吝指正。

李柏
2021年10月