Planning(계획) 파이프라인 개요: 전역 경로, 지역 경로, 행동 계획

대상: 자율주행 시스템의 “계획(Planning)” 단계가 어떤 구조로 동작하는지 이해하고 싶은 개발자
환경: ROS/ROS2 기반 자율주행 스택 (예: Autoware, Apollo, LGSVL 등)

1. 문제/주제 요약

자율주행의 Planning(계획) 단계는
Perception(인식)과 Prediction(예측) 결과를 바탕으로
“차량이 어디로, 어떤 속도로, 어떤 행동으로 갈지”를 결정하는 핵심 부분입니다.

이 단계는 크게 세 가지 하위 모듈로 나뉩니다:

1️⃣ 전역 경로 계획 (Global Path Planning)
2️⃣ 지역 경로 계획 (Local Path / Trajectory Planning)
3️⃣ 행동 계획 (Behavior Planning)

이 세 모듈이 유기적으로 결합되어
“지도 기반 목적지 이동 + 실시간 장애물 회피”를 동시에 수행합니다.

2. 전체 파이프라인 구조

자율주행의 전체 데이터 흐름을 간단히 요약하면 다음과 같습니다:

[Sensor → Perception → Prediction]
                    ↓
              [Planning]
                    ↓
               [Control]

그중 Planning 내부는 다음처럼 구성됩니다:

Global Planner
   ↓
Behavior Planner
   ↓
Local Trajectory Planner

각 단계의 역할은 “어디로 → 어떻게 → 실제로”에 대응됩니다.

단계	역할	입력	출력
Global Path	목적지까지의 대략적인 도로 경로	HD Map, GPS	도로 단위 경로
Behavior Planning	주행 행위 결정 (정지/차선 변경/회피 등)	인식/예측 결과	의사결정 (maneuver)
Local Trajectory	실제 주행 궤적 생성	Behavior 결과, 장애물 정보	시계열 궤적 (x, y, v, a)

3. 전역 경로 계획 (Global Path Planning)

목적: 시작점에서 목적지까지의 “도로 단위 경로”를 생성

입력:
- HD Map (차로 연결 관계, 도로 구조)
- 출발지·목적지 (GPS 좌표 or map frame)
출력:
- 도로/차선 ID 기반의 경로 리스트
- Waypoint 시퀀스 (/planning/global_path)

주요 알고리즘

알고리즘	설명
A*	격자 기반 최단경로 탐색
Dijkstra	비용 기반 탐색, 안정적
D-Lite / Hybrid A	차량 동역학 제약 포함
Graph-based (HD Map)	Lane graph를 따라 경로 탐색

예시:

waypoints:
  - [x: 124.5, y: 52.1]
  - [x: 126.0, y: 53.2]
  - [x: 127.3, y: 54.5]

전역 경로는 “지도 상의 고정 루트”로서,
지역 경로(Local Planner)가 이 위를 따라가며 실시간 조정합니다.

4. 행동 계획 (Behavior Planning)

목적: 현재 주행 상황에 맞는 “행동(behavior)”을 결정

예:

직진 / 정지 / 차선 변경 / 장애물 회피 / 좌회전 등

이 단계는 Planning의 두뇌 역할로,
전역 경로를 따르면서도 상황별 판단을 수행합니다.

주요 입력

인식 결과 (주변 객체, 차선, 신호등, 보행자 등)
예측 결과 (TTC, 객체 궤적)
현재 차량 상태 (속도, 조향각 등)

예시 상태 전이(State Machine)

FOLLOW_LANE  →  STOP_AT_TRAFFIC_LIGHT  →  START_MOVING
      ↘
     AVOID_OBSTACLE
      ↘
     CHANGE_LANE

Autoware 예시 토픽:

/planning/behavior_path_planner

Behavior Planner는 “다음 동작 명령”을 지역 궤적 생성기로 넘겨줍니다.
예:

“앞차 정지 예상 → 감속”
“좌측 차선 비어 있음 → 차선 변경 시도”

5. 지역 경로 계획 (Local Path / Trajectory Planning)

목적: 실제 차량이 따라갈 세밀한 주행 궤적 생성

입력:
- 전역 경로 (Global Path)
- 행동 계획 결과 (Behavior Output)
- 장애물 위치 (Perception/Prediction 결과)
출력:
- 시간축 기반 궤적 (x, y, yaw, v, a)
- /planning/trajectory

대표 알고리즘

알고리즘	설명
Polynomial Trajectory (Cubic/Quintic)	시작/끝 상태를 만족하는 매끄러운 곡선
Frenet Frame Planner	도로 중심선 기준 lateral/longitudinal 계획
Sampling-based (Lattice)	후보 궤적 여러 개를 생성 후 비용 최소 선택
MPC (Model Predictive Control)	차량 모델 + 제약조건 최적화 기반 실시간 궤적
Spline/Bezier	차선 변경 등 자연스러운 곡선 생성

예시 궤적:

trajectory:
  - [x: 125.0, y: 53.1, v: 4.5]
  - [x: 125.6, y: 53.6, v: 4.2]
  - [x: 126.2, y: 54.0, v: 3.8]

6. 계획 결과의 활용 (Control 단계 연계)

Local Planner의 출력은 제어(Control) 단계에서 다음과 같이 사용됩니다:

제어기	입력	제어 대상
Lateral Controller	궤적의 yaw, curvature	조향각(Steering)
Longitudinal Controller	속도, 가속도	페달/브레이크 제어

즉, Planning이 “가야 할 궤적”을 정하면,
Control은 “그 궤적을 실제로 따르는 제어”를 수행합니다.

7. ROS2 실제 파이프라인 예시 (Autoware Universe 기준)

/planning/global_route_planner
      ↓
/planning/behavior_path_planner
      ↓
/planning/obstacle_avoidance_planner
      ↓
/planning/trajectory_optimizer
      ↓
/control/trajectory_follower

각 노드는 다음 역할을 담당합니다:

global_route_planner : 목적지까지 차로 단위 경로 탐색
behavior_path_planner : 행동(정지, 차선 변경 등) 결정
obstacle_avoidance_planner : 주변 장애물 반영
trajectory_optimizer : 부드러운 속도·곡률 최적화

8. 추가 팁 / 자주 하는 실수

전역 경로 불연속 → Local Planner가 “path not found” 에러 발생
HD Map 좌표계 불일치 → Behavior Planner가 차로 인식 실패
ROI 객체 미제거 → 불필요한 장애물로 회피 동작 반복
속도 제한 미적용 → 도심 환경에서 비현실적인 속도 계획

⚙️ Tip: rviz2에서 /planning/global_path 와 /planning/trajectory
를 함께 표시하면 전역 경로 대비 실제 궤적의 차이를 직관적으로 확인할 수 있습니다.

9. 정리

자율주행의 Planning은 “미래를 예측하고, 그에 맞는 안전한 경로를 만드는 과정” 입니다.

핵심 단계는 다음 세 가지입니다:

1️⃣ 전역 경로(Global Path) — 목적지까지의 큰 그림
2️⃣ 행동 계획(Behavior Planning) — 지금 어떤 동작을 취할지 결정
3️⃣ 지역 궤적(Local Trajectory) — 실제 차량이 따라갈 구체적인 곡선

이 세 단계가 유기적으로 연결되어야
자율주행 차량은 “예측 가능한·자연스러운 주행” 을 할 수 있습니다.