智能驾驶决策规划与控制

“交通安全科学与技术学术著作丛书”序
前言
第1章 绪论 1
1.1 研究背景 1
1.2 发展现状 2
1.2.1 汽车智能化发展现状 4
1.2.2 汽车网联化发展现状 7
1.2.3 发展趋势 10
1.3 技术概述 12
1.3.1 智能网联汽车决策规划方法 13
1.3.2 智能网联汽车控制方法 16
1.4 本章小结 18
参考文献 18
第2章 智能驾驶行为决策 20
2.1 概述 20
2.1.1 智能驾驶车辆行为决策定义 20
2.1.2 智能驾驶车辆行为决策设计准则 20
2.2 基于规则的行为决策方法 21
2.2.1 有限状态机 21
2.2.2 混成状态机 24
2.3 基于学习的行为决策方法 26
2.3.1 决策树算法 26
2.3.2 深度学习算法 28
2.4 基于马尔可夫过程的决策方法 32
2.4.1 马尔可夫决策过程 32
2.4.2 强化学习算法 33
2.4.3 逆强化学习算法 36
2.5 典型案例 37
2.5.1 人类驾驶行为特性分析 38
2.5.2 基于有限状态机的驾驶场景转换模型设计 39
2.5.3 基于ID 3决策树的驾驶行为决策方法 40
2.6 本章小结 41
参考文献 41
第3章 智能驾驶轨迹规划 43
3.1 概述 43
3.2 状态栅格法 46
3.2.1 车辆运动学建模 46
3.2.2 道路建模 47
3.2.3 高斯牛顿法生成轨迹 48
3.2.4 仿真验证 52
3.3 人工势场法 54
3.3.1 人工势场法基本原理 54
3.3.2 障碍物势场建模 54
3.3.3 道路环境建模 55
3.3.4 车辆势场建模 58
3.3.5 目标点势场建模 61
3.3.6 基于模型预测的局部路径规划与跟踪 62
3.3.7 仿真试验分析 67
3.4 随机采样法 76
3.4.1 RRT算法简介 76
3.4.2 基于高斯的采样过程 77
3.4.3 RRT扩展过程 78
3.4.4 RRT后处理过程 81
3.4.5 仿真验证 83
3.5 本章小结 86
参考文献 86
第4章 智能驾驶跟踪控制 88
4.1 概述 88
4.2 基于PID的车辆控制 91
4.2.1 基本原理 91
4.2.2 基于ITAE准则的PID参数优化 91
4.2.3 基于PID的车辆纵、横向控制 93
4.3 基于MPC的车辆控制 104
4.3.1 基于车辆动力学模型的MPC控制建模 104
4.3.2 基于车辆运动学模型的MPC控制建模 110
4.3.3 基于指数权重MPC算法的车辆控制器设计与建模仿真分析 115
4.4 本章小结 121
参考文献 121
第5章 智能驾驶列队控制 124
5.1 概述 124
5.2 车辆列队建模与动力学控制 125
5.2.1 信息流拓扑结构 125
5.2.2 车车跟随策略 126
5.2.3 车辆列队模型 127
5.2.4 车辆动力学控制 128
5.2.5 车辆跟踪控制器仿真验证 133
5.3 基于非线性PID的车辆列队控制 137
5.3.1 非线性PID介绍 137
5.3.2 车辆列队稳定性 141
5.4 基于深度强化学习的车辆列队控制 152
5.4.1 基于深度强化学习的车队纵向控制 152
5.4.2 仿真试验 156
5.5 本章小结 169
参考文献 169
第6章 智能网联测试技术 170
6.1 概述 170
6.2 仿真测试 171
6.2.1 软件在环仿真测试 171
6.2.2 硬件在环仿真测试 172
6.2.3 车辆在环仿真测试 180
6.3 道路测试 182
6.3.1 基本概念 182
6.3.2 典型测试案例 184
6.4 平行测试 185
6.4.1 平行系统概述 185
6.4.2 平行测试理论 188
6.4.3 典型应用 189
6.5 本章小结 190
参考文献 190