智能駕駛決策規(guī)劃與控制

目錄
“交通安全科學與技術(shù)學術(shù)著作叢書”序
前言
第1章 緒論 1
1.1 研究背景 1
1.2 發(fā)展現(xiàn)狀 2
1.2.1 汽車智能化發(fā)展現(xiàn)狀 4
1.2.2 汽車網(wǎng)聯(lián)化發(fā)展現(xiàn)狀 7
1.2.3 發(fā)展趨勢 10
1.3 技術(shù)概述 12
1.3.1 智能網(wǎng)聯(lián)汽車決策規(guī)劃方法 13
1.3.2 智能網(wǎng)聯(lián)汽車控制方法 16
1.4 本章小結(jié) 18
參考文獻 18
第2章 智能駕駛行為決策 20
2.1 概述 20
2.1.1 智能駕駛車輛行為決策定義 20
2.1.2 智能駕駛車輛行為決策設計準則 20
2.2 基于規(guī)則的行為決策方法 21
2.2.1 有限狀態(tài)機 21
2.2.2 混成狀態(tài)機 24
2.3 基于學習的行為決策方法 26
2.3.1 決策樹算法 26
2.3.2 深度學習算法 28
2.4 基于馬爾可夫過程的決策方法 32
2.4.1 馬爾可夫決策過程 32
2.4.2 強化學習算法 33
2.4.3 逆強化學習算法 36
2.5 典型案例 37
2.5.1 人類駕駛行為特性分析 38
2.5.2 基于有限狀態(tài)機的駕駛場景轉(zhuǎn)換模型設計 39
2.5.3 基于ID 3決策樹的駕駛行為決策方法 40
2.6 本章小結(jié) 41
參考文獻 41
第3章 智能駕駛軌跡規(guī)劃 43
3.1 概述 43
3.2 狀態(tài)柵格法 46
3.2.1 車輛運動學建模 46
3.2.2 道路建模 47
3.2.3 高斯牛頓法生成軌跡 48
3.2.4 仿真驗證 52
3.3 人工勢場法 54
3.3.1 人工勢場法基本原理 54
3.3.2 障礙物勢場建模 54
3.3.3 道路環(huán)境建模 55
3.3.4 車輛勢場建模 58
3.3.5 目標點勢場建模 61
3.3.6 基于模型預測的局部路徑規(guī)劃與跟蹤 62
3.3.7 仿真試驗分析 67
3.4 隨機采樣法 76
3.4.1 RRT算法簡介 76
3.4.2 基于高斯的采樣過程 77
3.4.3 RRT擴展過程 78
3.4.4 RRT后處理過程 81
3.4.5 仿真驗證 83
3.5 本章小結(jié) 86
參考文獻 86
第4章 智能駕駛跟蹤控制 88
4.1 概述 88
4.2 基于PID的車輛控制 91
4.2.1 基本原理 91
4.2.2 基于ITAE準則的PID參數(shù)優(yōu)化 91
4.2.3 基于PID的車輛縱、橫向控制 93
4.3 基于MPC的車輛控制 104
4.3.1 基于車輛動力學模型的MPC控制建模 104
4.3.2 基于車輛運動學模型的MPC控制建模 110
4.3.3 基于指數(shù)權(quán)重MPC算法的車輛控制器設計與建模仿真分析 115
4.4 本章小結(jié) 121
參考文獻 121
第5章 智能駕駛列隊控制 124
5.1 概述 124
5.2 車輛列隊建模與動力學控制 125
5.2.1 信息流拓撲結(jié)構(gòu) 125
5.2.2 車車跟隨策略 126
5.2.3 車輛列隊模型 127
5.2.4 車輛動力學控制 128
5.2.5 車輛跟蹤控制器仿真驗證 133
5.3 基于非線性PID的車輛列隊控制 137
5.3.1 非線性PID介紹 137
5.3.2 車輛列隊穩(wěn)定性 141
5.4 基于深度強化學習的車輛列隊控制 152
5.4.1 基于深度強化學習的車隊縱向控制 152
5.4.2 仿真試驗 156
5.5 本章小結(jié) 169
參考文獻 169
第6章 智能網(wǎng)聯(lián)測試技術(shù) 170
6.1 概述 170
6.2 仿真測試 171
6.2.1 軟件在環(huán)仿真測試 171
6.2.2 硬件在環(huán)仿真測試 172
6.2.3 車輛在環(huán)仿真測試 180
6.3 道路測試 182
6.3.1 基本概念 182
6.3.2 典型測試案例 184
6.4 平行測試 185
6.4.1 平行系統(tǒng)概述 185
6.4.2 平行測試理論 188
6.4.3 典型應用 189
6.5 本章小結(jié) 190
參考文獻 190