1.高精地图引导的自动驾驶路径规划决策方法，其特征在于，首先构建高精地图的要素及数据模型,并通过典型的地图数据模型实例解析高精地图的数据建模方法，然后，将高精地图引导的路径规划决策系统划分成三层：第一层为车道轨线级路径规划层，第二层为行为决策层，第三层为局部路径规划层，每一层方法都对高精地图数据进行自动驾驶应用方向路径规划决策解析；

1)高精地图引导的车道轨线级路径规划方法：首先改进迪杰斯特拉方法进行高精地图车道轨线级路径规划，然后利用地图中道路与车道的对应关系进行反向计算同类车道表达规划的可通行区域以满足车辆的避障、变道需求，再通过余弦函数构建虚拟车道从而对规划车道进行切向平滑以解决地图划分引起的车道轨线级规划车道跳变问题，满足路径规划平滑性的需求，最后基于短距离内地图拓扑关系计算消耗资源极少的优势,构建车道轨线级路径规划方法触发方式包含规划距离不足及变道行车两项；

2)高精地图引导的驾驶行为决策方法：首先解析结构化道路面条件下的动作决策项，通过有限状态机的状态切换机制进行表达，然后解析状态机各个状态项之间的切换条件，重要的状态机切换条件包括：利用地图进行障碍物的映射、通过地图对障碍物的行为进行预判，将左右变道划归于横向决策，其余决策项划归于纵向决策；针对横向决策，划分变道意图生成起始点判断和变道意图生成及变道条件判断三个步骤，其中通过期望车速与当前车速的绝对差大于一定临界值作为变道意图生成的起始点，通过累积行车效率损失大于一定临界值来生成变道意图，最后通过变道意图结合地图数据进行变道条件判断，最终生成决策；

3)高精地图引导的局部路径规划和选择方法：首先提出局部路径规划方法的步骤，然后抽取地图车道轨线级规划车道中心线作为规划基线，可行驶区域的边界作为轨迹簇最大边距，在规划曲线跨越宽度不一的可行驶区域的情况下，以最窄的可行驶区域边界作为轨迹簇最大边距，最后通过代价计算的方式整合影响驾驶曲线选择的决策代价、道路代价及舒适度代价三个不同指标，并通过加权求和取代价最小的方法对轨迹线进行选择，其中道路代价通过抽取车道线类型获得。

2.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，车道轨线级规划方法：在最优车道规划的基础上，得出多个次优备选车道综合方案，方案包括三个部分，第一部分是在道路级规划基础上,基于道路级规划LinkID序列以及道路LinkID与车道LaneID的一对多的包含关系进行车道轨线级拓扑计算，确保连通性；第二部分是在车道轨线级LaneID序列完全得到，确保车道连通基础上，层层反溯，利用车道之间属性的差异进行同类车道的计算；第三部分是基于高精地图数据本身，对道路段的切分针对道路的切向，针对阶跃部分制作虚拟车道连接进行平滑；

对车道轨线级路径规划进行两点细化：

(1)同类车道的提出，车道轨线级规划得出的车道ID序列之外，还提供其同类车道，保证局部路径规划及变道的需求，将真实道路的情况反映给车辆，供其参考；

(2)针对检索结果进行了切点检索并利用余弦函数进行切向平移，确保平滑衔接两条车道中心线。

3.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，高精地图车道轨线级拓扑计算：通过高精度定位，匹配出当前的s_lane以及终点的e_lane，每次长距离的规划由道路级规划计算完毕，每次车道轨线级规划仅需要负责计算前方1至2km的数据即可；

基于车道轨线级拓扑信息,变道动作必须通过打通从属于同一个LinkID下的多条LaneID的连接来实现；

变道本身与车道长度一样，换算成距离代价，参与到路径计算中，车道的代价是直接的车道距离,变换车道的代价通过估算得到，生成一条虚拟的变道路线,并计算虚拟变道路线的距离并乘以一个权值：Cost＝dst*p    式1

假设虚拟车道长度为行驶速度与变道时间的乘积,本申请采用的缺省值为120km/h下，

6s变道时间，即216m，权值可调，本申请采用的缺省值为1.5。

4.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，变车道跳变处平滑：在车道中心线切向跳变处利用余弦函数生成虚拟车道的方案,通过在现有路段的切面处的点不断平移接驳两个切向平移的车道，从而减小跳变的力度；

车道轨线级路径规划触发机制包括：

(1)车道轨线级路径规划单次长度超过2km，是其基于静态信息的规划，第一个触发条件是车辆即将到达单次车道轨线级路径规划的结果数据的临界值，自动触发车道轨线级路径规划再往前进一步规划；

(2)当车辆通过变道方式离开当前车道轨线级路径规划的推荐车道时,自动触发车道轨线级路径规划。

5.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，基于结构化道路交规的行为决策项：(1)车道直行―常规决策，保持当前车道行驶：不论当前车道是否有障碍，车辆保持车道行驶，直到新的决策导致状态切换；

(2)路口左转—常规决策,路口的情况下会遇到：在路口后车辆进入缓慢运行，适应更快的规划的频率和感知的频率所带来的更多的计算延迟，另外一些转弯过程中的属性也会逐渐添加上去应用起来；

(3)路口右转—常规决策，路口的情况下会遇到：路口车辆进入预定车道后不再判断红绿灯信息，直接进入变道状态；

(4)路口直行—常规决策，路口的情况下会遇到：车辆将进入路口内缓慢运行，适应更快的规划和感知频率带来的更多的计算延时；

(5)路口驻车—常规决策，即将到达路口的时候会遇到：车辆进入缓行，跟车的状态；

(6)左变道—常规决策，在保持车道的情况下遇到：左侧道路的权重加大；

(7)右变道―常规决策，在保持车道的情况下遇到：右侧道路的权重加大；

(8)掉头行驶—常规决策：区分掉头车道，并加重掉头车道的权重；

结合地图车道属性信息的障碍物行为预判方法：进一步利用其几何信息对障碍物侧向运动进行估计，尽可能及时发现突然变道的情况，对车辆侧向运动进行建模，针对车速做车道方向和车道切向的速度分解，并获得切向车速Vx；同时，通过车辆中心点与车道中心点进行匹配，并获得匹配距离D1，得到车辆中心点与车道边界的切向距离为半车道宽度减去D1，获得侧向穿越车道时间计算式为：V表示车辆真实速度，Vx表示车速V在道路切向上的分量，δ表示车速方向与车道方向的夹角，LanePt.Heading表示车道方向，Vehicle.Heading表示车辆行驶方向，LanePt表示车辆中心在车道中心线上的匹配点，Width表示车宽；预测穿越车道线的时间，对小型车取1.5至2秒之间，大型车为2.5秒，认定车辆发生侧向运动，在决策上做出约束。

6.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，变道车辆横向决策：变道决策包括：一是变道意图的生成，二是变道意图起算时机或放弃条件，三是变道决策的判断；

(1)生成变道意图：基于行车效率损失累计LCDT描述，首先，变道意图产生是当前车速小于期望速度；其次，这个低效需累积一段时间；利用当前速度小于期望速度的值对时间的积分与事先设定的临界值进行比较,判断是否达到变道意图的生成条件；

(2)变道意图起算时机或放弃条件：确定开始累计计算行车效率损失累计值的时间点，采用期望速度与当前速度之差大于设定的临界值之后，即开始启动行车效率损失累计计算，当期望速度与当前行车速度差小于设定的临界值时，及放弃已经计算的累计值，并将累计值归零，等待下一次启动；

(3)变道决策的判断：当行车效率损失累计值大于设定的临界值时，即启动变道可行性判断。

7.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，实时局部路径轨迹簇规划：第一步，获取规划base基线：获得轨迹所跟随道路的一条中心线base线，起到基线作用，轨迹簇中所有的轨迹线都以轨迹中心线为规划基线，继而在基线附近根据方法生成一系列的轨迹线，基线既是轨迹簇的核心线也提供轨迹线末端的运动方向；

第二步，基线平滑：每一次轨迹的生成都保证尽可能的平滑且曲率变化线性，基线是一系列散列点所组成，对于轨迹生成还需要进一步进行函数表达；

第三步，获取切向边缘限制条件：给轨迹簇的切向发散限定有效，边界合理确保规划有效性并确保计算量可控；

第四步，轨迹簇的生成：通过侧偏函数，并与基线进行叠加，同时调节最大侧偏距离，同时生成一定侧向间距的一系列轨迹数据，这些轨迹簇的每一条轨迹都满足车辆运动学约束并与当前的车辆位置与姿态相关。

8.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，基于高精地图抽取边界限制条件：引入高精地图，通过利用高精地图引导的车道轨线级路径规划后,得到一条车道轨线级路径规划结果以及每一段车道中，可供变道避障采用的同类车道，同类车道的获得即为路径侧向规划的最大偏移；

具体方法如下：每次通过车道轨线级路径规划得到的LaneID提取规划的车道中心线散列点串之后,进一步通过车道轨线级路径规划的结果获得每一段车道轨线级规划LaneID的同类车道，这些同类车道都支持车辆变道行驶的车道，最大侧偏距离由同类车道数据决定，假设每条正常车道宽度一致的情况下，最大侧偏距离q的计算：qleft/right＝NumofBrotherLanesleft/right*Width    式3NumofBrotherLaneSleft/right表示同类车道数量，Width表示车道宽度,最大侧偏距离q必须为单次规划距离内，以车道轨线级规划为中心的条件下，侧向距离的最小值。

9.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，生成轨迹簇：获得车道的中心线作为轨迹簇的base基线以及车辆的侧偏距离限制参数qleft和qright之后，即获得车辆的可行驶区域，在这片空间中生成一系列的可行驶轨迹，这些轨迹的生成保证车辆具有足够的机动能力，也使得驾驶行为更加安全舒适，轨迹簇的生成步骤包括：步骤一，定位与base线进行匹配：通过匹配过程将车辆从笛卡尔坐标系映射到基线的曲线坐标系中，利用base基线的航向信息；

步骤二，确定单次局部路径规划长度：决定车辆在多长的距离内去修正当前车辆与基线之间存在的航向及偏移误差；

步骤三，构建侧偏变化函数并生成轨迹簇

单次路径规划的长度包含两个部分，第一部分是航向偏差与侧向距离偏差的调整阶段，采用三次样条曲线来模拟调整阶段的曲线，并通过下式解决：Δs＝s‑si            式7

其中，q(s)为调整阶段的三次样条函数，si表示车辆通过匹配得到的基线上的映射点，sf表示调整阶段的弧长，qf为轨迹簇中某条轨迹线的侧向偏移值，通过同类车道计算所得；

qi表示当前点匹配计算得到的车辆与基线的侧向距离，a、b、c表示对应参数，s表示函数弧长变量。

10.根据权利要求1所述高精地图引导的自动驾驶路径规划决策方法，其特征在于，舒适性代价路径选择：采用代价计算方式，为轨迹簇中的所有备选轨迹分别计算一个代价，将影响轨迹选择的多个因素归一化，最终形成一个统一的标准，而将各个因素归一化是通过给予各个影响代价的因素一个定量的测度值并分别赋予权值,从而最终获得代价计算函数；

采用累计计算整条轨迹线上的曲率和作为轨迹线的舒适性代价，基于曲率的影响因素是指数级，将曲率值的平方作为积分条件：上式中，ki代表第i个点的曲率，s是沿着轨迹线的弧长；

最后，假设三类代价分别cost1，cost2，cost3，各类代价值对最终选择的影响因子不同，还要加入一个权值，得到最终代价计算式为：cost＝q1*cost1+q2*cost2+q3*cost3                                     式9得到最终代价示意图。