数据驱动的智能驾驶

随着大数据技术和物联网技术的不断发展，智能驾驶成为工业革命和信息化相结合的重要抓手，是近年来备受关注的热门技术领域。本书围绕智能驾驶技术展开介绍，旨在通过多维度的讲解与分析，帮助读者了解智能驾驶所涉及的知识和思维模式。 全书内容分为9章，涉及智能驾驶的基础概念、汽车架构、交互系统、处理系统、车端软件、云端数据平台、数据处理自动化、智能驾驶的研发体系，以从业者的视角，系统地讲解了与智能驾驶汽车研发相关的知识点。 本书适合智能驾驶领域的工程师、研发人员及其他相关从业者阅读，也适合对智能驾驶技术感兴趣的读者阅读。

殷玮，某主机厂智驾软件高级经理，曾负责多个量产级L2和L4自动驾驶项目，有多年智能网联、智能交通系统的研发经验，曾参与自动驾驶相关行业标准的制定，参与过相关行业的资本运作且有多年行业咨询经验。知乎科普作者，关注者数量过万，相关技术文章在报纸、杂志和公众号上均有转载。

第 1章 智能驾驶系统的基本情况 1 1.1 智能驾驶的“第 一性原理” 1 1.2 智能驾驶的历史与展望 3 1.3 智能驾驶汽车研发的关键路径 4 1.4 智能驾驶汽车研发的核心困境 7 第 2章 智能驾驶汽车的架构革命 11 2.1 对架构的基本理解 11 2.2 整车架构设计 13 2.2.1 传统整车架构及其 问题 13 2.2.2 汽车电气化的发展 16 2.2.3 整车平台架构构建 18 2.3 电子电气架构设计 20 2.3.1 电子电气架构的发展 趋势 20 2.3.2 电子电气架构的底层 硬件构建 22 2.3.3 诊断与刷写服务 24 2.3.4 FOTA更新服务 26 2.3.5 时间同步服务 28 2.4 终端架构设计 30 2.4.1 计算机终端运行的基本 原理 30 2.4.2 车端控制器终端 32 2.4.3 云端计算集群 34 2.5 通信架构设计 36 2.5.1 OSI参考模型与智能 驾驶通信应用 36 2.5.2 面向信号的CAN通信 38 2.5.3 面向服务的以太网 通信 40 2.5.4 通信与计算的匹配 关系 43 2.5.5 对通信的深层理解 46 2.6 软件架构设计 50 2.6.1 智能驾驶的理论基础 50 2.6.2 基础理论下的软件架构 展开 54 2.6.3 分层闭环架构与 上下行 56 2.7 人工智能算法体系 59 2.7.1 归纳思维与演绎思维 59 2.7.2 规则驱动算法与数据 驱动算法 60 2.7.3 智能体对可解释性的 处理 62 2.7.4 智能体对不确定性的 处理 64 2.8 AI之下再谈软件与算法架构 67 2.8.1 智能体的软件整体 结构 67 2.8.2 分层级联的可控性 设计 69 2.8.3 数据驱动的可迭代 设计 71 2.8.4 算法与各层次架构的 映射关系 73 2.9 研发体系的架构设计 76 2.9.1 流程的概念和转变 76 2.9.2 整车研发流程的升级 79 2.9.3 流程的融合与团队的 融合 81 第3章 智能驾驶的交互系统 85 3.1 传感器与智能驾驶系统的 关系 85 3.2 感知类传感器 87 3.2.1 超声波雷达 87 3.2.2 毫米波雷达 89 3.2.3 激光雷达 90 3.2.4 光学摄像头 92 3.3 网联类传感器 93 3.3.1 GPS全球定位系统 93 3.3.2 惯性导航传感器 95 3.3.3 地图（V2X）传感器 97 3.4 传感器的组合与排布 99 3.5 线控执行器 100 3.5.1 线控转向系统 100 3.5.2 线控制动系统 101 3.5.3 三电系统 103 3.6 人机交互设备 104 第4章 智能驾驶的处理系统 107 4.1 域控制器的软硬件一体设计 107 4.2 智能驾驶芯片 108 4.2.1 芯片的基本概念 108 4.2.2 智能驾驶芯片的分类 110 4.3 操作系统与中间件 113 4.3.1 操作系统的概念 113 4.3.2 中间件的概念 116 4.3.3 软件的底层运行 框架 117 4.4 业务层模型 120 4.4.1 坐标系 120 4.4.2 时空同步 123 4.4.3 环境模型接口 124 4.5 典型案例：算法稳定性设计 128 第5章 智能驾驶的车端软件算法 130 5.1 语义感知层 130 5.1.1 环境感知的基础与 延伸任务 130 5.1.2 感知特征提取的典型 策略 134 5.1.3 感知特征提取的进阶 策略 136 5.1.4 复杂环境感知模型的 核心结构 139 5.2 融合与预测层 141 5.2.1 传统融合算法的基本 概念 142 5.2.2 传统融合算法的原理及 应用 143 5.2.3 多模态融合预测与各型 嵌入表征 146 5.2.4 从循环网络、记忆网络 到注意力网络 149 5.2.5 基于生成对抗网络的 信息联想和补全 152 5.2.6 “可微分”的智能驾驶 系统 156 5.3 规划与控制层 159 5.3.1 分层规划控制算法的 构成 159 5.3.2 规划的时间一致性与 变更过程 161 5.3.3 全局规划与场景状态 切换 164 5.3.4 运动规划之决策 168 5.3.5 运动规划之优化 171 5.3.6 前馈-反馈控制与车辆 模型 173 第6章 智能驾驶数据闭环平台 178 6.1 底层云服务架构 178 6.1.1 云存储与云计算 概述 178 6.1.2 微服务架构概述 182 6.1.3 云端数据应用的交互 过程 184 6.1.4 数据应用开发的 新模式 185 6.2 数据管道构建起来的智能驾驶 大脑 186 6.3 功能研发的流程 189 6.3.1 DevOps与敏捷开发 概述 189 6.3.2 传统开发与敏捷开发的 配合 191 6.3.3 智能驾驶开发数据 管道的设计 195 6.3.4 智能驾驶测试数据 管道的设计 199 6.4 车云闭环流程 206 6.4.1 车云闭环过程概述 206 6.4.2 数据筛选与影子模式 209 6.4.3 车云数据记录和整理 210 第7章 数据处理自动化—机器的 流程 213 7.1 深度学习训练的自动化 213 7.1.1 智能驾驶业务推进学习 系统演进 213 7.1.2 传统深度学习系统的 构成 216 7.1.3 自监督学习系统的构成 218 7.1.4 可训练构件的 “工具箱” 220 7.2 众包地图 223 7.2.1 地图的基本概念 223 7.2.2 高精度地图与众包 地图的差异 225 7.2.3 地图加偏对业务的 影响 227 7.2.4 众包地图闭环数据流 229 7.3 规划仿真 230 7.3.1 规划仿真与强化学习 230 7.3.2 场景库的数据驱动 方法 232 7.3.3 规划训练的闭环 数据流 233 7.4 弱监督训练 235 7.4.1 弱监督学习的概念和 重点 235 7.4.2 弱监督在自监督框架 中的定位 238 7.4.3 规则驱动的真值系统 239 7.4.4 低维流形与对比学习 241 7.4.5 GAN与域适应 244 7.4.6 模型压缩与蒸馏学习 246 7.5 数据管道的两种典型风格 248 第8章 智能驾驶汽车的研发体系—人的流程 252 8.1 从个人视角看研发流程全貌 252 8.2 整车开发流程 255 8.2.1 整车开发流程概述 255 8.2.2 整车开发流程的关键 结构 256 8.2.3 整车项目管理 261 8.2.4 整车需求定义与分解 264 8.2.5 造型、产品工程与 制造 266 8.2.6 零部件采购流程 268 8.2.7 质量保障体系 271 8.3 智能驾驶系统的指标体系 276 8.3.1 系统功能边界的定义 276 8.3.2 层次设计的分解与 量化 278 8.3.3 可靠性与健壮性 280 8.3.4 方差与偏差 283 8.4 智能汽车文化 285 8.4.1 文化宣贯与产品力 285 8.4.2 质量文化 286 8.4.3 安全文化 287 8.4.4 敏捷文化 290 8.4.5 敏感数据的保护 291 8.5 混合思维下的研发策略 292 第9章 新时代背景下的行业与 从业者 295 9.1 时代趋势之下的从业者 295 9.2 变革对用户的影响 296 9.2.1 用户的需求层次上移 296 9.2.2 用户为软件付费 298 9.2.3 智能驾驶系统的用户 体验差异 299 9.3 变革对行业的影响 300 9.3.1 产业链与核心竞争力 300 9.3.2 时代的主旋律与发展的 “轮回” 302 9.3.3 市场与营运策略的 变化 303 9.3.4 汽车成为智慧城市的 核心节点 304 9.4 变革对从业者的影响 305 9.4.1 产品复杂性与人力 资源的关系 305 9.4.2 复合知识体系的意义 306 9.4.3 构建高效知识体系的 方法推荐 307 9.4.4 给新入行的朋友一些 建议 308 后记 311