十佳大数据智能决策系统架构——决策系统与自动驾驶

作者：禅与计算机程序设计艺术

1.简介

随着互联网、物联网、大数据等技术的发展，以及人类对自动驾驶领域越来越关注，许多人希望通过自动驾驶可以解决一些现实生活中的复杂困难，提升自己的生活质量，从而实现全方位的人机协同共赢。然而，目前还没有完善的自动驾驶技术体系，如何设计一套智能驾驶系统是一个复杂的问题。国内外的研究者也逐渐尝试开发出基于深度学习、强化学习、遗传算法、蒙特卡洛树搜索等一系列机器学习、模式识别、数据挖掘方法的决策系统。这些方法已经取得了一定成果，但还有很多问题需要进一步探索。因此，如何构建一套完整的决策系统，包括车辆检测、行人跟踪、环境感知、自适应巡航、驾驶决策等多个子系统，将会成为一项长期而艰难的任务。本文将详细阐述目前最成功的自动驾驶决策系统架构，即浙江大学研究院自动驾驶团队自主研制的决策系统架构，并以此为契机进行深入分析和探讨。

2.主要术语

2.1 决策系统

决策系统（decision-making system）指的是根据输入信息做出预测或者决定性行为的系统，其功能一般包括输入、处理、加工、决策、输出、反馈等环节。在机器学习、模式识别、统计学习中，决策系统往往由输入端到输出端，通常采用分类器或者回归模型，用来做出预测或者决策。当输入的信息带有时间或空间上的上下文时，决策系统也可以称作仿真系统。

2.2 数据

数据（data），指的是收集来的有价值的信息，是对客观事物或事象的陈述，它包括结构化、半结构化、非结构化三种形式。决策系统所需要的数据往往包括静态数据和动态数据。静态数据就是客观存在的东西，比如地理位置、道路布局、交通流量、污染物排放等；动态数据则是随