自動駕駛汽車智能測試理論與場景庫生成方法

定　價：￥99.00

作　者：	封碩
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥49.50)

ISBN：	9787302664123	出版時間：	2024-08-01	包裝：	精裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本書提出了自動駕駛汽車智能測試理論。研究和總結了智能測試的基礎概念、科學問題、研究方法和規(guī)律定理，提出了智能測試的方法框架，并論證了智能測試的準確性定理和高效性定理，為系統(tǒng)解決自動駕駛汽車的測試問題提供了理論基礎。本書提出了自動駕駛汽車測試場景庫生成方法體系。針對低復雜度、中復雜度、高復雜度和自適應場景庫生成問題，分別構建凸優(yōu)化、強化學習、深度強化學習和貝葉斯優(yōu)化等系列模型，形成了測試場景庫生成方法體系，為多種復雜度場景、多項評價指標和多類型自動駕駛汽車的智能測試提供了方法支撐。3.針對自動駕駛汽車在換道、跟馳和出入匝道等場景下的典型測試問題，通過仿真實驗驗證了論文所提出理論與方法的有效性，為規(guī)?；瘧锰峁┝酥笇?。

作者簡介

　　封碩，清華大學博士，致力于研究自動駕駛汽車的智能測試問題，提出了全新的智能測試理論與場景庫生成方法，為自動駕駛汽車智能測試的規(guī)模化應用提供了理論基礎和方法指導；以第一作者/通訊作者發(fā)表SCI收錄期刊論文10篇，刊登在包括Nature Communications，IEEE Transactions on Intelligent Transportation Systems，IEEE Transactions on Control System Technology以及IEEE Transactions on Vehicular Technology等期刊；擔任美國機動車工程師學會On-Road Automated Driving Verification and Validation Committee委員會委員；曾獲得IEEE國際智能交通學會“最佳博士學位論文獎”、國家獎學金、清華大學優(yōu)秀博士畢業(yè)論文、清華大學優(yōu)秀博士畢業(yè)生、北京市優(yōu)秀畢業(yè)生、北京市三好學生等榮譽。

圖書目錄

第 1 章引言 1
1.1 研究背景與意義 1
1.1.1 研究背景 1
1.1.2 研究意義 4
1.2 國內外研究現(xiàn)狀分析 6
1.2.1 自動駕駛汽車技術 6
1.2.2 自動駕駛汽車測試方法 10
1.2.3 自動駕駛汽車場景庫生成方法 15
1.3 研究內容與技術路線 18
1.3.1 自動駕駛汽車智能測試理論 18
1.3.2 多種復雜度測試場景庫生成方法與應用 20
1.4 本書結構與內容安排 21
第 2 章自動駕駛汽車智能測試理論研究 23
2.1 智能測試“四要素” 23
2.1.1 測試場景 24
2.1.2 測試評價指標 27
2.1.3 測試場景庫 28
2.1.4 測試方法 29
2.2 智能測試“四要素”研究 30
2.2.1 測試場景建模 30
2.2.2 測試評價指標設計 31
2.2.3 測試場景庫生成 32
2.2.4 測試方法研究 33
2.3 智能測試方法研究 34
2.3.1 測試場景建模方法 34
2.3.2 測試評價指標設計方法 37
2.3.3 測試場景庫生成方法 38
2.3.4 智能測試方法研究 41
2.4 智能測試理論研究 44
2.4.1 重要性采樣理論與分析 44
2.4.2 自動駕駛汽車智能測試理論 49
第 3 章低復雜度測試場景庫生成方法研究與應用 56
3.1 低復雜度測試場景庫生成需求分析 56
3.1.1 測試場景特征分析 56
3.1.2 場景庫生成需求分析 58
3.2 最優(yōu)化理論 58
3.2.1 凸優(yōu)化理論 58
3.2.2 梯度下降方法 59
3.2.3 有限差分方法 60
3.3 低復雜度測試場景庫生成方法 61
3.4 低復雜度測試場景庫生成典型應用 64
3.4.1 典型場景分析與建模 64
3.4.2 切車場景安全性測試 66
3.4.3 下道場景功能性測試 72
第 4 章中復雜度測試場景庫生成方法研究與應用 79
4.1 中復雜度測試場景庫生成需求分析 79
4.1.1 測試場景特征分析 79
4.1.2 場景庫生成需求分析 80
4.2 強化學習理論 81
4.2.1 馬爾可夫決策過程 81
4.2.2 動態(tài)規(guī)劃與蒙特卡羅理論 84
4.2.3 基于時間差分的強化學習理論 85
4.3 中復雜度測試場景庫生成方法 87
4.3.1 基于馬爾可夫決策的場景建模 88
4.3.2 基于強化學習理論的場景庫生成 90
4.4 中復雜度測試場景庫生成典型應用 94
4.4.1 典型場景分析與建模 94
4.4.2 跟馳場景安全性測試 95
第 5 章高復雜度測試場景庫生成方法研究與應用 101
5.1 高復雜度測試場景庫生成需求分析 101
5.1.1 測試場景特征分析 101
5.1.2 場景庫生成需求分析. 103
5.2 深度強化學習理論 103
5.2.1 深度 Q 網絡基本原理. 104
5.2.2 深度強化學習方法 105
5.2.3 深度強化學習算法 108
5.3 高復雜度測試場景庫生成方法. 109
5.3.1 高復雜度場景庫生成原理 109
5.3.2 基于深度強化學習理論的場景庫生成 111
5.4 高復雜度測試場景庫生成典型應用 114
5.4.1 典型場景分析與建模 114
5.4.2 跟馳場景安全性測試 114
第 6 章自適應測試場景庫生成方法研究與應用 120
6.1 自適應測試場景庫生成需求分析 121
6.1.1 測試場景特征分析 121
6.1.2 場景庫生成需求分析 122
6.2 貝葉斯優(yōu)化理論 122
6.2.1 貝葉斯優(yōu)化問題 123
6.2.2 貝葉斯優(yōu)化方法 123
6.2.3 高斯過程回歸 126
6.3 自適應測試場景庫生成方法 128
6.3.1 基于貝葉斯優(yōu)化理論的問題建模 129
6.3.2 基于貝葉斯優(yōu)化方法的算法框架 130
6.3.3 自適應測試場景庫生成方法 132
6.4 自適應測試場景庫生成典型應用 136
6.4.1 典型場景分析與建模 137
6.4.2 切車場景條件下自適應場景庫生成 137
6.4.3 下道場景條件下自適應場景庫生成 143
第 7 章總結與展望 146
7.1 工作總結 146
7.2 主要創(chuàng)新點 148
7.3 研究工作展望 149
參考文獻 151