在自动驾驶技术领域，如何让车辆在复杂路况下做出安全且高效的决策，一直是行业攻关的核心难题。传统离线训练的决策模型难以应对动态开放的交通环境，而在线学习又面临安全风险失控的挑战。近日，同济大学智能汽车研究院团队在《Engineering》期刊发表最新成果，提出了一种融合深度强化学习（DRL）与模型预测控制（MPC）的在线进化决策规划框架，通过 "安全运动包络" 和 "合理探索机制"，让自动驾驶系统能够在保障安全的前提下，通过不断学习优化驾驶策略，为实现 L4 级以上自动驾驶奠定了关键技术基础。

一、技术突破：打破 "试错依赖"，构建安全进化闭环

1.1 双引擎架构设计

传统自动驾驶系统通常采用 "感知 - 决策 - 控制" 的串行架构，决策模块依赖离线训练的规则库或深度学习模型，难以适应复杂交通环境的动态变化。此次研究创新性地提出 "决策 - 规划 - 控制" 的并行架构，将深度强化学习（DRL）与模型预测控制（MPC）深度融合：

• DRL 决策模块：模仿人类驾驶员的试错学习过程，通过马尔可夫决策过程（MDP）构建驾驶策略空间。采用 PPO（近端策略优化）算法训练神经网络，学习在不同交通场景下的最优决策（如变道时机、跟车距离等）。
• MPC 规划模块：基于车辆动力学模型（如单轨模型、双轨模型），实时计算满足物理约束的最优轨迹。通过滚动时域优化（RTO）技术，每 0.1 秒更新一次规划结果，确保决策的可执行性。
• 安全运动包络：基于车辆运动学和动力学约束，预测未来 5 秒内的安全行驶区域。该包络线通过求解微分方程确定，可动态调整以适应不同车速和路面条件。

这种双引擎架构实现了 "数据驱动决策 + 模型驱动规划" 的协同进化，在保持安全底线的同时，赋予系统持续优化的能力。

1.2 数学模型与算法创新

研究团队在核心算法层面取得多项突破：

• 安全约束条件：引入横向安全裕度和纵向安全裕度概念，通过以下公式量化安全边界：\ \(\begin{cases} \Delta y \geq \alpha \cdot v + \beta \\ \Delta t \geq \gamma \cdot v + \delta \end{cases}\)其中，Δy 为横向距离，Δt 为纵向时间间隙，α、β、γ、δ 为与车辆性能相关的参数。
• 合理探索机制：采用高斯混合探索策略，在安全包络内随机采样可行动作，同时通过熵正则化保持策略多样性。实验表明，该机制使系统探索效率提升 40%，危险动作发生率降低 65%。
• 在线进化闭环：构建 "仿真训练 - 实车验证 - 策略更新" 的闭环系统，通过 CARLA 仿真平台生成百万级交通场景，结合实车数据进行持续迭代优化。

二、核心创新：从 "被动防御" 到 "主动进化"

2.1 安全运动包络的构建

安全运动包络是保障在线学习安全的核心技术，其构建过程包含三个关键步骤：

1. 动力学建模：建立包含轮胎非线性特性的车辆动力学模型，通过 Magic Formula 轮胎模型描述纵向力与滑移率的关系。
2. 状态预测：基于扩展卡尔曼滤波（EKF）预测车辆未来 5 秒的运动状态，考虑道路曲率、坡度等环境因素。
3. 包络线生成：通过求解最优控制问题（OCP）确定安全边界，目标函数包含横向加速度、纵向 jerk 等舒适性指标。

在典型城市道路场景测试中，该包络线成功过滤掉 92% 的潜在危险动作，同时允许系统在安全范围内进行有效探索。

2.2 类人决策逻辑的实现

研究团队通过眼动实验发现，人类驾驶员在决策时遵循 "纵向优先、横向次之" 的逻辑。基于此，系统设计了分层决策机制：

1. 纵向决策层：采用模糊逻辑控制器确定安全跟车距离，根据前车速度、道路曲率等参数动态调整。
2. 横向决策层：基于 DRL 学习最优变道时机，结合 MPC 规划平滑轨迹，确保变道过程满足侧向加速度约束。

这种分层架构使系统决策的可解释性提升 50%，在 CARLA 仿真中，其驾驶行为与人类驾驶员的决策相似度达到 87%。

三、应用价值：从实验室到商业化的跨越

3.1 多场景验证结果

在上海智能汽车测试示范区的实车测试中，搭载该框架的无人车在多种场景下表现优异：

• 高速公路场景：在车流量 1500 辆 / 小时的情况下，平均车速提升至 95km/h，同时保持 1.5 秒的安全跟车距离。与特斯拉 Autopilot 相比，车道保持准确率提高 12%。
• 城市交叉路口：在无信号控制的路口，系统能够自主判断优先通行权，平均决策时间缩短至 1.2 秒，冲突发生率降低 78%。
• 极端天气测试：在雨天（摩擦系数 0.3）环境下，系统仍能保持稳定控制，最大侧向加速度不超过 0.4g，优于行业平均水平。

3.2 产业合作与商业化进程

该技术已获得多家车企的关注：

• 上汽集团：计划将该框架集成至其 Robotaxi 车队，预计 2025 年实现上海全区域覆盖。
• Momenta：在量产车型中验证该技术，通过 OTA 升级持续优化驾驶策略。
• 地平线：联合开发专用 AI 芯片，将算法部署至嵌入式平台，实现 5ms 级决策延迟。

四、未来展望：迈向 "认知型" 自动驾驶

4.1 技术演进方向

研究团队正致力于解决三大技术瓶颈：

1. 多智能体协同：开发 V2X 通信模块，实现车路协同决策，提升复杂交通场景下的通行效率。
2. 小样本学习：引入元学习（Meta-Learning）技术，使系统能够快速适应新场景，减少对大规模数据的依赖。
3. 形式化验证：采用模型检验（Model Checking）技术，为系统安全性提供数学证明，满足 ISO 26262 功能安全标准。

4.2 行业影响与社会价值

该技术的广泛应用将带来显著效益：

• 安全效益：预计减少 90% 的人为驾驶错误，每年挽救全球 120 万人的生命。
• 经济价值：到 2030 年，自动驾驶将创造 3.7 万亿美元的产业规模，其中决策规划系统占比约 15%。
• 环境效益：通过优化驾驶策略，可降低 15%-20% 的能源消耗，助力碳中和目标实现。

结语：让自动驾驶更安全、更智能、更人性

同济团队的这项突破，不仅为自动驾驶系统的在线学习提供了安全保障，更标志着中国在智能交通领域的技术引领地位。随着该技术的不断迭代和商业化应用，我们有理由相信，未来的自动驾驶车辆将不仅是冰冷的机器，而是能够像人类驾驶员一样思考、学习和进化的 "智能伙伴"。正如论文通讯作者李波教授所言："我们的目标不是制造更快的车，而是让每一辆车都成为守护生命的安全卫士。"

来源: Engineering前沿