决策和规划层是自动驾驶系统智能性的直接体现，对车辆的行驶安全性和整车性能起着决定性作用。
常见的决策与规划体系结构有分层递阶式、反应式以及混合式体系结构3种。
分层递阶式体系结构
分层递阶式体系结构是一个串联系统结构。该结构中，智能驾驶系统的各个模块之间次序分明，上一个模块的输出即为下一个模块的输入，因此又称为“感知-规划-行动”结构。当给定目标和约束条件后，决策与规划层就根据即时建立的局部环境模块和已有的全局环境模型决定下一步的行动，进而依次完成整个任务。
由于该结构对任务进行了自上而下的分解，从而使得每个模块的工作范围逐层缩小，对问题的求解精度也就相应的逐层提高，具备良好的规划推理能力，容易实现高层次的智能控制。
此结构存在的缺陷：
- 对全局环境模型的要求比较理想化，全局环境模型的建立是根据地图数据库先验信息和传感器模型实时构造信息，所以它对传感器提出了很高的要求，与此同时，存在的计算瓶颈问题也不容忽视，从环境感知模块到执行模块，中间存在着延迟，缺乏实时性和灵活性。
- 结构的可靠性不高，一旦其中模块出现软件或者硬件的故障，信息流和控制流的传递通道就受到了影响，整个系统很有可能发生崩溃而处于瘫痪状态。
反应式体系结构
反应式体系结构采用并联结构，每个控制层可以直接基于传感器的输入进行决策，因而它所产生的动作是传感器数据直接作用的结果，可突出“感知-动作”的特点，易于适应完全陌生的环境。
反应式体系结构的主要特点是存在着多个并行的控制回路，针对各个局部目标设计对应的基本行为，这些行为通过协调配合后作用于驱动装置，产生有目的的动作，形成各种不同层次的能力。虽然高层次会对低层次产生影响，但是低层次本身具有独立控制系统运动的功能，而不必等高层次处理完毕。
反应式体系结构中的许多行为主要设计成一个简单的特殊任务，所以感知、规划和控制三者可紧密地集成在一块，占用的存储空间不大，因而可以产生快速的响应，实时性强。同时，每层只需要负责系统的某一个行为，整个系统可以方便灵活地实现低层次到高层次的过渡，而且若其中一层的模块出现了预料之外的故障，剩下的层次仍能产生有意义的动作，系统的鲁棒性得到了很大的提高。
此结构存在的难点：
- 由于系统执行动作的灵活性，需要特定的协调机制解决各个控制回路对同一执行机构争夺控制的冲突，以便得到有意义的结果。
- 随着任务复杂程度以及各种行为之间交互作用的增加，预测一个体系整体行为的难度将会增大，缺乏较高等级的智能。
混合式体系结构
分层递阶式体系结构和反应式体系结构各有优劣，都难以单独满足行驶环境复杂多变的使用需求，所以越来越多的行业人士开始研究混合式体系结构，将两者的优点进行有效的结合。
在全局决策规划层次上，则生成面向目标定义的分层递阶式行为；在局部轨迹规划上生成面向目标搜索的反应式体系的行为分解。车辆驾驶决策技术是实现自主驾驶的核心，不良驾驶决策将影响车辆自身安全、节能和舒适性，并造成外部交通流效率降低。
