智能车辆的体系结构

智能车辆的体系结构是智能车辆信息处理和控制系统的总体结构，其涉及智能车辆系统软硬件的组织原则，集成方法及支持工具，是整个系统的基础。智能车辆的体系结构分为分层递阶结构、行为响应结构以及混合式体系结构。

1）分层递阶结构

分层递阶结构按“感知-建模-规划-执行”的模式实现智能车辆的导航控制（如图9-5所示）。智能车辆包括感知、建模、规划、执行等模块，各模块之间的关系是顺序的，并且是依次排列的。首先智能车辆感知外部环境、建立全局环境图。然后停止感知，规划模块规划出所有达到目标所需的指令。最后，智能车辆开始执行第一条指令。当智能车辆完成“感知-建模-规划-执行”序列后，再开始下一个循环：感知模块开始工作，智能车辆感知前面执行的结果，重新规划指令（尽管指令可能并未发生变化）并执行。分级式体系结构中感知模块是独立的，所有传感器数据被融合进一个全局的数据结构中，提供给规划器处理。全局数据结构通常指环境模型，它既包含外部环境也包含智能车辆所处环境中蕴含的任何信息。建模和规划模块是这种体系结构的瓶颈，在每个更新周期，智能车辆不得不更新全局环境模型，然后作某些规划，而感知和规划的速度往往不能适应智能车辆行驶速度的要求。另外，感知部分与执行部分总是分开的，这样智能车辆就不能适应需要紧急响应的情景，如紧急避障等。

图9-5　分层递阶结构

2）行为响应结构

行为响应结构是按照“感知-执行”的行为模式来实现的，如图9-6所示。该结构的基本特征是所有动作都是通过行为来完成的。从图9-6可以看出，该体系结构剔除了建模和规划部分。这样，感知部分和执行部分就可以紧密地耦合起来，共同构成行为。该体系结构最主要的特点就是其有快速执行能力。感知和动作的紧密耦合允许智能车辆实时运行。第二个特点是其没有记忆，许多行为都显示出了一种固定动作模式的响应类型。在这种情况下，行为在没有受到直接激励的情况下也要持续一段时间。为了实现反应式系统，设计者必须确定完成任务所必需的行为集合。这些行为可以是新的，也可以是已有的行为。智能车辆的运行控制产生于多个并发的行为。

图9-6　行为响应结构

行为响应结构中最具代表性的是Brooks的包容体系结构。包容体系结构解决了行为之间如何组合的问题。行为是完全反应式的，并且不使用记忆。行为被分配在不同能力的层中，较低的层级封装了更多的一般能力。层之间的协调是由较高层完成的，这些较高的层有更详细的、更有目的性的行为，包含了较低的层。一个层中的行为用有限状态自动机协调，它们可以很容易地在硬件中实现。

行为响应结构的优点在于系统可以对未知障碍和环境的变化及时作出反映，具有灵活的环境交互能力和实时特性，但是现有的传感器技术很难使实时性的优点体现出来，并且这种结构很难产生复杂的智能行为。

3）混合式体系结构

分层递阶结构在不确定和未知环境中建模困难、实时性和适应性差；行为响应结构的系统没有规划能力，没有任何关于环境全局状态的记忆和推理能力，无法规划最优路径、无法生成地图、无法监督自身性能，甚至无法选择完成任务的最适当行为（任务规划）。为实现对已有环境信息进行有效表示和利用，完成单一结构无法实现的复杂导航任务，综合分层递阶结构和行为响应结构的特点形成了混合式体系结构。该结构可以用规划（P）然后“感知-执行（SA）”来描述，如图9-7所示。规划不只是任务和路径规划，还包含所有的全局环境模型的构建。智能车辆首先规划如何完成任务（使用全局环境模型），然后初始化或者构建一个行为集来实现规划（或规划的一部分）。行为将一直执行到规划完成，然后规划器再生成一个新的行为集，如此循环往复。混合式体系结构是智能车辆体系结构研究的重要发展趋势，在智能车辆的导航控制中的应用越来越广泛。

图9-7　混合式体系结构