规则-based规划（Rule-based Planning）是自动驾驶系统中一种基于预设逻辑规则进行决策的路径规划方法。该方法通过预先定义一系列明确的「如果-那么」（if-then）条件语句，将复杂的驾驶场景拆解为可枚举的状态集合，并针对每个状态指定对应的行为策略。其核心特征在于决策逻辑的透明性和确定性——系统行为完全由人工设计的规则树驱动，不依赖数据驱动的概率模型。典型的规则库可能包含交通法规（如红灯停、让行规则）、安全边界（如最小跟车距离）以及舒适性指标（如最大加速度限制）等多维度约束。
在产品落地层面，规则-based规划因其可解释性强、调试周期短的优势，常被用于L2-L3级自动驾驶的横向控制模块（如车道保持）或特定场景的纵向控制（如自适应巡航）。但面对长尾场景（如施工区域绕行）时，规则系统的扩展性局限会显著增加开发成本。当前行业普遍采用与机器学习融合的混合架构——例如用规则系统处理高频场景保障基础安全性，而通过数据驱动模型覆盖边缘案例。这种分层设计既能满足功能安全认证的追溯要求，又能持续提升系统智能水平。