全局路徑規劃

全局路徑規劃係自動駕駛決策系統中嘅頂層模塊，負責喺已知嘅全局環境（通常係高精密地圖）下，為車輛規劃出一條由起點至終點嘅最適宏觀行駛路線。

你可以將佢理解為自動駕駛汽車嘅“導航員”。當系統設定咗目的地後，全局路徑規劃模塊會結合地圖信息同交通規則，計算出應該行邊條路、經過邊啲路口，好似我哋喺手機導航上設定路線。佢嘅核心任務係解決“從宏觀上點樣行”嘅問題，為後續嘅局部路徑規劃同具體操控提供方向性指導。

全局路徑規劃需要喺地圖數據中，透過特定演算法尋找出最優路線。這裡“最優”嘅標準唔一定係距離最短，都係時間最快、能耗最低或安全性最高。下面係幾種經典同主流嘅演算法：

演算法類型	核心思想	優點	缺點	適用場景
A 演算法*	結合咗 Dijkstra 演算法（確保搵到最短路線）同啟發式搜尋（透過估算到終點嘅距離嚟指引方向），搜尋效率更高。	喺靜態環境中能高效搵到最優解，而家係應用最廣嘅全局路徑規劃演算法之一。	喺極其複雜或動態變化嘅環境中，計算量依然可能好大。	全局路徑規劃嘅經典同首選方案，被廣泛用於量產自動駕駛系統中。
Dijkstra 演算法	透過“廣度優先”策略，無差別地探索所有可能路線，直至搵到終點。	理論上必然能搵出全局最短路線，結果可靠。	計算量大、效率較低，因為需要探索大量無關區域。	對實時性要求唔高嘅場景，或作為評價其他演算法優劣嘅基準。
RRT (快速探索隨機樹) 及其變體	透過喺空間中隨機採樣，逐步構建一棵搜尋樹嚟探索可行路線。	演算法簡單，能有效處理高維空間同複雜幾何約束。	生成嘅路線通常唔係最優嘅，且路線可能比較“曲折”。	多用於局部路徑規劃，但也有研究者透過改進使其更好地服務於全局規劃。

總嘅嚟講，全局路徑規劃係自動駕駛實現點到點自主行駛嘅首要前提。佢為車輛嘅“旅途”畫咗出一條基準線，之後嘅局部路徑規劃同運動控制都需要以此為基礎，嚟應對行駛中遇到嘅實時變化。

根據而家嘅技術發展趨勢，A*演算法及其各種改進版本仍然係全局路徑規劃領域嘅應用主流。而 RRT 等基於採樣嘅演算法，則憑佢喺高維空間中嘅適應性，更多地被用於處理局部動態障礙物避讓等更具體嘅規劃任務。