在决策阶段，行为预测、路径规划以及避障机制三者结合起来实时完成无人驾驶动作规划。

　　行为预测

　　车辆驾驶中的一个主要考验是司机如何应对其他行驶车辆的可能行为，这种预判断直接影响司机本人的驾驶决策，特别是在多车道环境或者交通灯变灯的情况下，司机的预测决定了下一秒行车的安全。因此，过渡到无人驾驶系统中，决策模块如何根据周围车辆的行驶状况决策下一秒的行驶行为显得至关重要。

　　为了预测其他车辆的行驶行为，可以使用随机模型产生这些车辆的可达位置集合，并采用概率分布的方法预测每一个可达位置集的相关概率。

　　路径规划

　　为无人驾驶在动态环境中进行路径规划是一件非常复杂的事情，尤其如果车辆是在全速行驶的过程中，不当的路径规划有可能造成致命的伤害。路径规划中采取的一个方法是使用完全确定模型，它搜索所有可能的路径并利用代价函数的方式确定最佳路径。然后，完全确定模型对计算性能有着非常高的要求，因此很难在导航过程中达到实时的效果。为了避免计算复杂性并提供实时的路径规划，使用概率性模型成为了主要的优化方向。

　　避障

　　安全性是无人驾驶中最为重要的考量，我们将使用至少两层级的避障机制来保证车辆不会在行驶过程中与障碍物发生碰撞。第一层级是基于交通情况预测的前瞻层级。交通情况预测机制根据现有的交通状况如拥堵、车速等，估计出碰撞发生时间与最短预测距离等参数。基于这些估计，避障机制将被启动以执行本地路径重规划。如果前瞻层级预测失效，第二级实时反应层将使用雷达数据再次进行本地路径重规划。一旦雷达侦测到路径前方出现障碍物，则立即执行避障操作。

　　Client系统

　　Client系统整合之前提到的避障、路径规划等算法以满足可靠性及实时性等要求。Client系统需要克服三个方面的问题：其一，系统必须确保捕捉到的大量传感器数据可以及时快速地得到处理；其二，如果系统的某部分失效，系统需要有足够的健壮性能从错误中恢复；其三，系统必须在设计的能耗和资源限定下有效地完成所有的计算操作。

　　硬件平台

　　现有的领先无人车驾驶产品的计算平台由两个计算盒组成，每一个装备有Intel Xeon E5处理器以及4到8个Nvidia Tesla K80 GPU加速器。两个计算盒执行完全一样的工作，第二个计算盒作为计算备份以提高整个系统的可靠性，一旦第一个计算盒发生故障，计算盒二可以无缝接手所有的计算工作。

　　在最极端的情况下，如果两个计算盒都在峰值下运行，及时功耗将高达5000W，同时也将遭遇非常严重的发热问题。因此，计算盒必须配备有额外的散热装置，可采用多风扇或者水冷的方案。同时，每一个计算盒的造价非常昂贵，高达2万-3万美元，致使现有无人车方案对普通消费者而言无法承受。

　　现有无人车设计方案中存在的功耗问题、散热问题以及造价问题使得无人驾驶进入普罗大众显得遥不可及。为了探索无人驾驶系统在资源受限以及能耗受限时运行的可行性，我们在ARM面向移动市场的实现了一个简化的无人驾驶系统，实验显示在峰值情况下能耗仅为15W。

　　无人驾驶的产业发展

　　宏观来说，一个产业的发展应该是至上而下的，上游产业的发展让下游产业更加繁荣，反过来刺激上游产业的发展。理想来说，无人驾驶的产业发展应该分为三个阶段：第一阶段，感知系统的发展，主要包括各类传感器的融合使用及感知决策系统的准确度提升，实现辅助信息的交互及部分自动驾驶功能。第二阶段，支持算法以及决策的芯片成熟，包括算法及芯片设计的发展，实现协同决策及自动驾驶。第三阶段，车联网的发展，实现高精度地图及实时路况信息的更新及通过深度学习实现协同感知。

　　传感器的融合使用

　　毫米波雷达：车载毫米波雷达市场主要供应商为传统的汽车电子企业，如博世、大陆、 海拉等，市场占有率头三位的企业占领了50%以上的市场份额。中国市场中高端汽车装配的毫米波雷达传感器依赖进口为主，国内自主品牌的研发生产能力尚需提高。毫米波雷达的核心组成部分为前端单片微波集成电路MMIC和雷达天线高频PCB板，此两项核心技术仅掌握在国外厂商手中。国内企业总体尚处于研发阶段，24GHz的产品已经取得部分研发成果。

　　激光雷达：激光雷达是无人驾驶汽车硬件端的核心能力，受益于无人驾驶汽车市场规模的爆发，预计2030年全球激光雷达市场可达到360亿美元的规模。相比于国外的Velodyne、Quanergy等厂商已经具有相对成熟的产品，国内公司在激光雷达生产研发尚处于初步成型阶段。目前国内研发生产激光雷达的初创公司数量很多，但是大多数缺乏完整的产业链及相应的配套设备，受制于硬件成本及技术门槛较高等因素，能够做出成型产品的公司往往很少。

　　摄像头：预计2020年全球车载摄像头的市场规模约为200亿人民币，模组组装及CMOS供应商共占据超过60%的产业价值，该产业链的其他环节还包括镜头供应商及其他部件的供应商。该模块的行业技术壁垒较高，只有少数厂商具有垂直整合的能力。大部分厂商将业务集中在产业链中的少数环节，行业的集中度很高，大多数环节的前三厂商市场份额合计占总体一半以上：光学镜头主要是台湾的大立光学、大陆的舜宇光学主导，CMOS传感器及图像处理器以欧美和日本韩国的厂商为主，大陆厂商在红外滤光片和模组封装有一定的优势（如欧菲光、水晶光电等）。通常摄像头硬件设备和配套的算法及系统难以分割，硬件设备商将摄像头提供给自动驾驶算法公司或者汽车一级供应商，由这些下游的公司进行硬件、芯片及算法的合成。由于车载摄像头对安全性及稳定性的要求比普通的工业用摄像头高，产品壁垒较高，所以摄像头大厂相对有竞争优势。未来的车载摄像头厂商的竞争将主要体现在：1. 与芯片及算法的适配性，提供整体解决方案的能力；2. 产品稳定性安全性等工艺的领先。

　　总体上说，传感器与配套的算法及芯片相辅相成，未来的趋势是提供完整的一套解决方案，而不是单个零星的硬件。另外，各种类型的传感器的功能各有优势，互相补充，汽车整车厂将融合使用各类传感器，并通过量产及新技术推动传感器的成本下降。

　　2. 算法及芯片协同发展

　　ADAS算法及芯片技术门槛高，需要对传感系统采集的数据进行处理，完成对周围环境及自身车况的识别及探知，市场集中度较高。国内的ADAS算法公司有三种商业模式：1. 向汽车一级供应商直接提供算法（或者外购芯片及传感器，提供完整的ADAS模组）；2. 建立生产线，提供自产的完整ADAS模组给一级供应商或后装市场；3. 将自身研发的芯片与算法绑定出售。 由于可以通过算法升级实现更多功能，且企业内部的自身成本与建立传感器生产线相比非常低（主要是人工的成本），所以产业链中的算法环节可以带来30%以上的产品溢价

　　3. 高精度地图及车联网的发展

　　高精度地图参与者主要有图商（如HERE、四维图新）、无人驾驶科技公司（如Google、特斯拉等）、ADAS方案提供商（如Mobileye、前向启创）和传统车企（如通用、大众）等四类。其中除了图商的高精度地图是为地图的标准化准备外，其他参与者绘制的高精度地图都是为了各自环节中的特定需求定制的，标准化程度较低。地图行业的进入壁垒较高，主要由于地图绘制的牌照数量少，数据库建设周期长，投入资金大，而且需要大量依赖长期积累起来的实施技术。另一方面，该行业的规模经济效应明显，一旦建立起市场份额则利润非常可观。

　　车联网市场的参与方可大致分为四种: 车联网服务提供商、设备供应商、增值服务提供商以及电信运营商。1. 车联网服务提供商居于产业链核心，地位类似于智能手机的操作平台，是传统整车厂和高科技行业巨头竞争的主战场。传统整车厂利用捆绑销售的方式，通过在旗下产品搭载自家品牌的车联网系统，完成用户的原始积累。科技公司则通过与车企在地图、车联网方案、自动驾驶等领域的合作进入车联网生态系统。2. 设备供应商是整个车联网产业链实现的硬件基础。目前该领域尚未形成巨头竞争的格局，留给创业公司发展的空间较大。纵向一体化或者专攻高利润市场将有助于尽快确立竞争地位。3. 增值服务提供商与智能手机App应用的价值类似，市场空间十分巨大，但目前尚处于初级的服务模式当中，参与者鱼龙混杂，竞争的关键点在于精准理解用户需求，提高用户体验。4. 电信运营商主要将用户请求及处理结果在车联网中传递并收取通信费用。国内三大电信运营在通信市场处于绝对的寡头地位。