智能汽车的个性化控制

个性化的汽车控制系统既能充分满足驾驶员的个性需求，也能提高驾驶员对新型汽车控制系统的接受程度，是未来汽车控制系统的发展方向。这是一本系统介绍智能汽车个性化控制研究的专著，本书由四个部分组成。第一部分为驾驶员风格和意图的研究，主要进行不同驾驶员风格和意图的识别方法研究，这是实现智能汽车个性化控制的基础；第二部分为发动机瞬态油耗模型的研究，着眼于建立高精度的发动机瞬态油耗模型，这是提高燃油车和混合动力车燃油经济性的基础；第三部分为高实时性动态规划方法的研究，各种新方法在保持计算精度基本不变的前提下，计算时间只有常规动态规划的10%左右，为动态规划的实时应用提供了可能；第四部分为不同的汽车个性化控制系统的实现，既有车辆坡道行驶的个性化驾驶系统，也有基于驾驶风格的紧急制动系统以及基于驾驶风格和意图的预测巡航控制系统。希望本书的出版，对国内这一领域的发展有所帮助。

目录
前言
第一篇 驾驶员风格和驾驶意图的研究
第1章 基于自监督对比学习的驾驶风格识别 3
1.1 数据来源 3
1.2 自监督对比学习模型 4
1.2.1 基于SimCLR算法的高维特征变量生成 4
1.2.2 基于SCAN算法的驾驶风格分类 7
1.3 风格识别结果及分析 9
1.3.1 数据预处理及模型训练 9
1.3.2 自监督对比学习算法的结果验证 11
1.4 多时间段驾驶风格数据融合 18
1.4.1 在线识别测试条件 18
1.4.2 风格数据融合模型 19
1.4.3 融合结果 22
第2章 基于逆强化学习的驾驶风格识别 24
2.1 最大熵逆强化学习 24
2.2 轨迹生成和特征选取 26
2.3 远近距离跟车模式 28
2.4 激进因子与结果分析 30
2.5 综合自监督对比学习和逆强化学习的风格识别 33
第3章 基于BILSTM-CNN的驾驶意图识别 36
3.1 换道及跟车行为分析 36
3.1.1 换道过程分析 36
3.1.2 换道行为分类 37
3.1.3 跟车行为分析 38
3.2 基于BILSTM-CNN的识别模型 38
3.2.1 长短期记忆网络 38
3.2.2 双向长短期记忆网络 40
3.2.3 卷积神经网络 41
3.2.4 模型框架 42
3.3 试验分析验证 43
3.3.1 数据准备 43
3.3.2 试验设置与模型训练 46
3.3.3 试验结果分析 49
第二篇 发动机瞬态油耗模型的研究
第4章 车辆瞬态油耗模型优化 57
4.1 建模数据来源及模型结构 57
4.1.1 建模数据来源 57
4.1.2 数据预处理 58
4.2 待优化模型结构及分析 59
4.2.1 BIT-TFCM-1瞬态油耗模型 59
4.2.2 BIT-TFCM-2瞬态油耗模型 60
4.2.3 模型的预测及不足 60
4.3 模型的优化 61
4.3.1 运算速度优化 61
4.3.2 运算精度优化 63
4.4 优化模型的验证 64
4.4.1 分块插值算法的验证 65
4.4.2 整体模型运算速度验证 67
4.4.3 整体模型运算精度验证 67
第5章 基于相关性分析的高精度瞬态油耗模型 70
5.1 建模数据与建模方法 70
5.1.1 建模数据 70
5.1.2 建模数据预处理 72
5.1.3 建模方法 75
5.1.4 建模数据分析 75
5.2 稳态模块的建立 79
5.2.1 稳态模块基础结构 79
5.2.2 稳态模块结构优化 80
5.2.3 稳态模块检验 81
5.3 瞬态修正模块的建立 81
5.3.1 瞬态修正模块数据分析 82
5.3.2 瞬态修正模块结构及简构优化 83
5.4 瞬态油耗模型的检验 85
5.4.1 模型性能表现 85
5.4.2 模型性能对比 86
第6章 基于BP神经网络的瞬态油耗模型 90
6.1 油耗模型数据及数据预处理 90
6.2 基于BP神经网络的油耗模型建模 92
6.2.1 稳态估计模块的构建 92
6.2.2 新的瞬态修正模块 92
6.3 新油耗模型的验证 95
6.3.1 瞬态修正模块作用的验证 95
6.3.2 新油耗模型精度的验证 96
第7章 基于支持向量回归的瞬态油耗模型 98
7.1 数据驱动型油耗模型介绍 98
7.2 建模数据与数据预处理 99
7.2.1 建模数据 99
7.2.2 数据预处理 99
7.3 瞬态油耗模型 99
7.3.1 SVR 模型 100
7.3.2 稳态初估模块 101
7.3.3 瞬态修正模块 102
7.4 模型性能验证及对比 107
7.4.1 模型性能验证 107
7.4.2 模型性能对比 108
第三篇 高实时性的动态规划方法研究
第8章 迭代动态规划算法与计算效率 113
8.1 经典动态规划算法 113
8.1.1 车辆起步经济性驾驶策略 114
8.1.2 车辆坡道行驶经济性驾驶策略 116
8.1.3 计算复杂度分析 122
8.2 迭代动态规划算法 124
8.3 改进迭代动态规划算法 128
8.4 计算效率验证 129
第9章 动态规划和群体智能优化算法融合的规划方法 132
9.1 坡道行驶经济性车速轨迹研究问题描述 132
9.2 基于动态规划的坡道行驶经济性车速轨迹规划 135
9.3 动态规划和人工蜂群算法融合的规划方法 137
9.3.1 人工蜂群算法原理 137
9.3.2 动态规划和人工蜂群算法融合 138
9.4 动态规划和粒子群算法融合的规划方法 139
9.4.1 粒子群算法原理 139
9.4.2 动态规划和粒子群算法融合 141
9.5 融合方法规划效果验证 141
9.5.1 平直道路行驶时的最优经济车速 141
9.5.2 规划效果验证 143
第10章 基于自适应动态规划的坡道行驶经济性车速轨迹规划 151
10.1 自适应动态规划 151
10.2 基于ADP的坡道行驶经济性车速轨迹规划 154
10.2.1 ADHDP评价网及权值更新 154
10.2.2 ADHDP动作网及权值更新 156
10.2.3 坡道行驶经济性车速轨迹规划 157
10.3 基于改进ADP的坡道行驶经济性车速轨迹规划 159
10.4 规划效果验证 160
10.4.1 基于ADP的坡道行驶经济性车速轨迹规划效果验证 160
10.4.2 基于改进ADP的坡道行驶经济性车速轨迹规划效果验 161
10.4.3 多种规划方法综合比较 163
10.4.4 多坡道规划方法效果验证 165
第四篇 智能车辆的个性化控制
第11章 车辆坡道个性化驾驶策略研究 171
11.1 个性化特征研究 171
11.1.1 驾驶数据采集 171
11.1.2 个性化特征提取 172
11.1.3 主成分的数学原理 173
11.1.4 基于第一主成分的驾驶员划分 176
11.2 行驶性能指标函数 180
11.3 权重因子设计 181
11.3.1 主客观权重设计 182
11.3.2 主客观权重融合 184
11.4 基于动态规划的个性化驾驶策略 187
11.5 个性化驾驶策略验证 191
11.5.1 1km虚拟道路仿真验证 191
11.5.2 真实道路仿真验证 195
第12章 基于驾驶风格的AEB策略优化 198
12.1 紧急制动开始时刻数据的提取 198
12.2 个性化的AEB策略 199
12.2.1 基准策略线 200
12.2.2 长短期记忆模型 201
12.2.3 纵向相对速度预测模型 201
12.2.4 三种驾驶员的AEB策略 206
12.3 个性化的AEB实验 207
12.3.1 仿真测试模型 208
12.3.2 个性化AEB策略在自然驾驶数据试验中的验证 209
12.3.3 个性化AEB策略在Euro-NCAP试验中的验证 214
第13章 基于个性化的纵向预测巡航控制研究 219
13.1 基于驾驶风格的安全车距策略 219
13.2 基于BILSTM的车辆速度预测 220
13.3 基于模型预测的巡航控制器设计 222
13.4 瞬态油耗模型设计 224
13.5 仿真研究 225
13.5.1 联合仿真模型 225
13.5.2 仿真结果分析 226
参考文献 231
彩图