任何理论和技术的出现都是为了解决具体问题,决策规划也不例外。在自动驾驶技术中,决策规划就是为了像人一样去思考,做决策,然后规划未来。
当然,像人并不是为了和人一毛一样。因为人的大脑是如何做决策和规划的目前仍是为未解之谜,我们只能宏观上认识到人在开车过程中,是理性的的自然的做到了如何开车。当然人有时还会走神,忘记做决策。
那么计算机的决策规划就是要模拟人理性的部分,甚至要超越人,比人做的决定更好,规划出更优异的路线。
举个例子,假设人在马路上开车,发现路前方有一块大石头。我们决定向左绕行,这就是决策。
在向左绕的时候,我们绕多大的弯,以多的速度绕过去,这就是规划。人很自然的完成了决策规划过程,但对于计算机来说,这就相当复杂。计算机怎么知道向左好,还是向右好。怎么去计算一条合适绕行曲线,既能保证安全又能保证舒适。这都是决策规划要解决的问题。
当然目前决策规划有两种技术路线,第一种是数学建模优化方法,第二种是AI学习方法。
### 数学建模方法的优缺点
#### 优点
1. **理论性强**:数学建模方法基于严谨的数学原理和逻辑,可以提供清晰的理论框架和分析工具。
2. **可解释性强**:数学模型通常具有较高的可解释性,决策过程和结果更容易被人理解。
3. **适应性广**:对于简单的或者特定场景的问题,数学模型可以提供精确的解决方案。
4. **计算高效**:对于一些问题,数学方法可以提供快速的计算速度,尤其适用于模型较为简单的情况。
#### 缺点
1. **