本書由四個部分組成。第一個部分駕駛員風(fēng)格和意圖的研究，主要進行不同駕駛員風(fēng)格和意圖的識別方法研究，這是實現(xiàn)智能汽車個性化控制的基礎(chǔ)；第二個部分發(fā)動機瞬態(tài)油耗模型的研究，著眼于建立高精度的發(fā)動機瞬態(tài)油耗模型，這是提高燃油車和混合動力車燃油經(jīng)濟性的基礎(chǔ)；第三個部分是高實時性動態(tài)規(guī)劃方法的研究，各種新方法在保持計算精度基本不變的前提下，計算時間只有常規(guī)動態(tài)規(guī)劃的10%左右，為動態(tài)規(guī)劃的實時應(yīng)用提供了可能；第四個部分是不同的汽車個性化控制系統(tǒng)的實現(xiàn)，既有車輛坡道行駛的個性化駕駛策略，也有基于駕駛風(fēng)格的緊急制動策略以及基于駕駛風(fēng)格和意圖的預(yù)測巡航控制策略。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
前言
第一篇 駕駛員風(fēng)格和駕駛意圖的研究
第1章 基于自監(jiān)督對比學(xué)習(xí)的駕駛風(fēng)格識別 3
1.1 數(shù)據(jù)來源 3
1.2 自監(jiān)督對比學(xué)習(xí)模型 4
1.2.1 基于SimCLR算法的高維特征變量生成 4
1.2.2 基于SCAN算法的駕駛風(fēng)格分類 7
1.3 風(fēng)格識別結(jié)果及分析 9
1.3.1 數(shù)據(jù)預(yù)處理及模型訓(xùn)練 9
1.3.2 自監(jiān)督對比學(xué)習(xí)算法的結(jié)果驗證 11
1.4 多時間段駕駛風(fēng)格數(shù)據(jù)融合 18
1.4.1 在線識別測試條件 18
1.4.2 風(fēng)格數(shù)據(jù)融合模型 19
1.4.3 融合結(jié)果 22
第2章 基于逆強化學(xué)習(xí)的駕駛風(fēng)格識別 24
2.1 最大熵逆強化學(xué)習(xí) 24
2.2 軌跡生成和特征選取 26
2.3 遠(yuǎn)近距離跟車模式 28
2.4 激進因子與結(jié)果分析 30
2.5 綜合自監(jiān)督對比學(xué)習(xí)和逆強化學(xué)習(xí)的風(fēng)格識別 33
第3章 基于BILSTM-CNN的駕駛意圖識別 36
3.1 換道及跟車行為分析 36
3.1.1 換道過程分析 36
3.1.2 換道行為分類 37
3.1.3 跟車行為分析 38
3.2 基于BILSTM-CNN的識別模型 38
3.2.1 長短期記憶網(wǎng)絡(luò) 38
3.2.2 雙向長短期記憶網(wǎng)絡(luò) 40
3.2.3 卷積神經(jīng)網(wǎng)絡(luò) 41
3.2.4 模型框架 42
3.3 試驗分析驗證 43
3.3.1 數(shù)據(jù)準(zhǔn)備 43
3.3.2 試驗設(shè)置與模型訓(xùn)練 46
3.3.3 試驗結(jié)果分析 49
第二篇 發(fā)動機瞬態(tài)油耗模型的研究
第4章 車輛瞬態(tài)油耗模型優(yōu)化 57
4.1 建模數(shù)據(jù)來源及模型結(jié)構(gòu) 57
4.1.1 建模數(shù)據(jù)來源 57
4.1.2 數(shù)據(jù)預(yù)處理 58
4.2 待優(yōu)化模型結(jié)構(gòu)及分析 59
4.2.1 BIT-TFCM-1瞬態(tài)油耗模型 59
4.2.2 BIT-TFCM-2瞬態(tài)油耗模型 60
4.2.3 模型的預(yù)測及不足 60
4.3 模型的優(yōu)化 61
4.3.1 運算速度優(yōu)化 61
4.3.2 運算精度優(yōu)化 63
4.4 優(yōu)化模型的驗證 64
4.4.1 分塊插值算法的驗證 65
4.4.2 整體模型運算速度驗證 67
4.4.3 整體模型運算精度驗證 67
第5章 基于相關(guān)性分析的高精度瞬態(tài)油耗模型 70
5.1 建模數(shù)據(jù)與建模方法 70
5.1.1 建模數(shù)據(jù) 70
5.1.2 建模數(shù)據(jù)預(yù)處理 72
5.1.3 建模方法 75
5.1.4 建模數(shù)據(jù)分析 75
5.2 穩(wěn)態(tài)模塊的建立 79
5.2.1 穩(wěn)態(tài)模塊基礎(chǔ)結(jié)構(gòu) 79
5.2.2 穩(wěn)態(tài)模塊結(jié)構(gòu)優(yōu)化 80
5.2.3 穩(wěn)態(tài)模塊檢驗 81
5.3 瞬態(tài)修正模塊的建立 81
5.3.1 瞬態(tài)修正模塊數(shù)據(jù)分析 82
5.3.2 瞬態(tài)修正模塊結(jié)構(gòu)及簡構(gòu)優(yōu)化 83
5.4 瞬態(tài)油耗模型的檢驗 85
5.4.1 模型性能表現(xiàn) 85
5.4.2 模型性能對比 86
第6章 基于BP神經(jīng)網(wǎng)絡(luò)的瞬態(tài)油耗模型 90
6.1 油耗模型數(shù)據(jù)及數(shù)據(jù)預(yù)處理 90
6.2 基于BP神經(jīng)網(wǎng)絡(luò)的油耗模型建模 92
6.2.1 穩(wěn)態(tài)估計模塊的構(gòu)建 92
6.2.2 新的瞬態(tài)修正模塊 92
6.3 新油耗模型的驗證 95
6.3.1 瞬態(tài)修正模塊作用的驗證 95
6.3.2 新油耗模型精度的驗證 96
第7章 基于支持向量回歸的瞬態(tài)油耗模型 98
7.1 數(shù)據(jù)驅(qū)動型油耗模型介紹 98
7.2 建模數(shù)據(jù)與數(shù)據(jù)預(yù)處理 99
7.2.1 建模數(shù)據(jù) 99
7.2.2 數(shù)據(jù)預(yù)處理 99
7.3 瞬態(tài)油耗模型 99
7.3.1 SVR 模型 100
7.3.2 穩(wěn)態(tài)初估模塊 101
7.3.3 瞬態(tài)修正模塊 102
7.4 模型性能驗證及對比 107
7.4.1 模型性能驗證 107
7.4.2 模型性能對比 108
第三篇 高實時性的動態(tài)規(guī)劃方法研究
第8章 迭代動態(tài)規(guī)劃算法與計算效率 113
8.1 經(jīng)典動態(tài)規(guī)劃算法 113
8.1.1 車輛起步經(jīng)濟性駕駛策略 114
8.1.2 車輛坡道行駛經(jīng)濟性駕駛策略 116
8.1.3 計算復(fù)雜度分析 122
8.2 迭代動態(tài)規(guī)劃算法 124
8.3 改進迭代動態(tài)規(guī)劃算法 128
8.4 計算效率驗證 129
第9章 動態(tài)規(guī)劃和群體智能優(yōu)化算法融合的規(guī)劃方法 132
9.1 坡道行駛經(jīng)濟性車速軌跡研究問題描述 132
9.2 基于動態(tài)規(guī)劃的坡道行駛經(jīng)濟性車速軌跡規(guī)劃 135
9.3 動態(tài)規(guī)劃和人工蜂群算法融合的規(guī)劃方法 137
9.3.1 人工蜂群算法原理 137
9.3.2 動態(tài)規(guī)劃和人工蜂群算法融合 138
9.4 動態(tài)規(guī)劃和粒子群算法融合的規(guī)劃方法 139
9.4.1 粒子群算法原理 139
9.4.2 動態(tài)規(guī)劃和粒子群算法融合 141
9.5 融合方法規(guī)劃效果驗證 141
9.5.1 平直道路行駛時的最優(yōu)經(jīng)濟車速 141
9.5.2 規(guī)劃效果驗證 143
第10章 基于自適應(yīng)動態(tài)規(guī)劃的坡道行駛經(jīng)濟性車速軌跡規(guī)劃 151
10.1 自適應(yīng)動態(tài)規(guī)劃 151
10.2 基于ADP的坡道行駛經(jīng)濟性車速軌跡規(guī)劃 154
10.2.1 ADHDP評價網(wǎng)及權(quán)值更新 154
10.2.2 ADHDP動作網(wǎng)及權(quán)值更新 156
10.2.3 坡道行駛經(jīng)濟性車速軌跡規(guī)劃 157
10.3 基于改進ADP的坡道行駛經(jīng)濟性車速軌跡規(guī)劃 159
10.4 規(guī)劃效果驗證 160
10.4.1 基于ADP的坡道行駛經(jīng)濟性車速軌跡規(guī)劃效果驗證 160
10.4.2 基于改進ADP的坡道行駛經(jīng)濟性車速軌跡規(guī)劃效果驗 161
10.4.3 多種規(guī)劃方法綜合比較 163
10.4.4 多坡道規(guī)劃方法效果驗證 165
第四篇 智能車輛的個性化控制
第11章 車輛坡道個性化駕駛策略研究 171
11.1 個性化特征研究 171
11.1.1 駕駛數(shù)據(jù)采集 171
11.1.2 個性化特征提取 172
11.1.3 主成分的數(shù)學(xué)原理 173
11.1.4 基于第一主成分的駕駛員劃分 176
11.2 行駛性能指標(biāo)函數(shù) 180
11.3 權(quán)重因子設(shè)計 181
11.3.1 主客觀權(quán)重設(shè)計 182
11.3.2 主客觀權(quán)重融合 184
11.4 基于動態(tài)規(guī)劃的個性化駕駛策略 187
11.5 個性化駕駛策略驗證 191
11.5.1 1km虛擬道路仿真驗證 191
11.5.2 真實道路仿真驗證 195
第12章 基于駕駛風(fēng)格的AEB策略優(yōu)化 198
12.1 緊急制動開始時刻數(shù)據(jù)的提取 198
12.2 個性化的AEB策略 199
12.2.1 基準(zhǔn)策略線 200
12.2.2 長短期記憶模型 201
12.2.3 縱向相對速度預(yù)測模型 201
12.2.4 三種駕駛員的AEB策略 206
12.3 個性化的AEB實驗 207
12.3.1 仿真測試模型 208
12.3.2 個性化AEB策略在自然駕駛數(shù)據(jù)試驗中的驗證 209
12.3.3 個性化AEB策略在Euro-NCAP試驗中的驗證 214
第13章 基于個性化的縱向預(yù)測巡航控制研究 219
13.1 基于駕駛風(fēng)格的安全車距策略 219
13.2 基于BILSTM的車輛速度預(yù)測 220
13.3 基于模型預(yù)測的巡航控制器設(shè)計 222
13.4 瞬態(tài)油耗模型設(shè)計 224
13.5 仿真研究 225
13.5.1 聯(lián)合仿真模型 225
13.5.2 仿真結(jié)果分析 226
參考文獻 231
彩圖
書單推薦
