目錄
第1章 概述 1
1.1 引言 1
1.2 決策、駕駛自動化等級與設計運行范圍 3
1.3 本書范圍 4
1.4 本書結構概述 6
參考文獻 9
第2章 具身決策架構 12
2.1 引言 12
2.2 具體化與認知能力 12
2.3 認知架構及生物學上合理的人類行為模型 14
2.4 自動駕駛決策架構 17
2.4.1 包容式架構實例 17
2.4.2 面向ADAS的行為架構 19
2.4.3 啟發(fā)認知架構實例 20
2.4.4 面向安全的架構 21
2.4.5 共享控制架構 23
2.5 常見的功能模塊 25
參考文獻 26
第3章 行為規(guī)劃 29
3.1 引言 29
3.2 問題描述 30
3.3 自動機與馬爾可夫過程 32
3.4 基本的決策理論 33
3.5 序貫決策 35
3.6 自動駕駛車輛中的應用 37
3.6.1 基于規(guī)則的規(guī)劃 37
3.6.2 反應式規(guī)劃 38
3.6.3 交互感知規(guī)劃 39
3.6.4 行為規(guī)劃的博弈論 40
3.6.5 人工智能行為規(guī)劃 40
參考文獻 41
第4章 運動預測與風險評估 45
4.1 引言 45
4.2 駕駛員特征估計 47
4.2.1 范圍 47
4.2.2 表示 48
4.2.3 推理方法 48
4.3 意圖估計 48
4.3.1 范圍 49
4.3.2 表示 49
4.3.3 推理方法 50
4.4 運動預測 55
4.4.1 范圍 55
4.4.2 表示 55
4.4.3 建模方法 58
4.4.4 態(tài)勢感知考慮因素 63
4.4.5 衡量指標 65
4.5 風險評估 66
4.5.1 范圍 66
4.5.2 表示 67
4.5.3 推理策略 67
參考文獻 70
第5章 運動搜索空間 77
5.1 引言 77
5.2 圖形法 78
5.3 幾何法 79
5.3.1 非基于障礙物的方法 80
5.3.2 基于障礙物的方法 80
5.4 采樣法 82
5.5 行車走廊 84
參考文獻 85
第6章 運動規(guī)劃 88
6.1 問題定義 88
6.2 幾何法 91
6.2.1 基于無點模板的幾何策略 91
6.2.2 基于點模板的曲線 92
6.3 變分與最優(yōu)法 93
6.3.1 MPC架構 95
6.3.2 優(yōu)化技術 96
6.3.3 局部非凸優(yōu)化 97
6.3.4 全局非凸優(yōu)化 97
6.3.5 相關用例 100
6.4 基于采樣的方法 102
6.4.1 確定性問題的一般表述 102
6.4.2 多查詢方法與單一查詢方法 104
6.4.3 概率問題的一般表述 106
6.4.4 帶約束的采樣方法 107
6.5 圖搜索方法 107
6.6 認知啟發(fā)方法 109
6.6.1 進化計算 109
6.6.2 模糊邏輯與神經(jīng)網(wǎng)絡 110
6.7 仿生方法 110
6.7.1 人工勢場 111
6.7.2 彈性帶方法 113
6.8 從跟車/CACC到獨立速度規(guī)劃 114
6.9 分離速度規(guī)劃 115
6.10 基于聯(lián)合路徑與速度優(yōu)化的規(guī)劃 117
參考文獻 119
第7章 端到端架構 125
7.1 端到端方法 125
7.2 基于深度學習的端到端方法 127
7.2.1 自動駕駛端到端架構的分類 128
7.2.2 遷移學習與Ad-Hoc解決方案 131
7.2.3 用于端到端解決方案建模的數(shù)據(jù)集 132
7.2.4 強化學習技術 135
7.3 專家系統(tǒng) 137
7.4 展望 138
參考文獻 139
第8章 決策與控制的相互作用 143
8.1 引言 143
8.2 鎮(zhèn)定理論 144
8.2.1 問題定義 144
8.2.2 自動駕駛的鎮(zhèn)定需求 145
8.2.3 縱向控制 146
8.2.4 橫向控制 147
8.3 上游與下游控制架構 149
8.4 規(guī)劃與控制間的交互模型 151
8.4.1 倫理考量 152
8.4.2 規(guī)劃與控制的集成與解耦 153
8.5 失效可操作考慮因素 154
參考文獻 155
第9章 交通數(shù)據(jù)分析與路線規(guī)劃 160
9.1 引言 160
9.2 非車載決策：從旅行商問題到車輛路徑問題 161
9.3 交通數(shù)據(jù)與外生信息在預測性路線規(guī)劃中的相關性 166
9.3.1 考慮交通預測 166
9.3.2 短期交通預測 167
9.3.3 長期交通預測 170
9.4 路線規(guī)劃與交通數(shù)據(jù)分析融合的挑戰(zhàn)與研究方向 171
9.4.1 從路線優(yōu)化到學習路線 172
9.4.2 基于因果智能體的交通模型與路線規(guī)劃 173
9.4.3 路徑優(yōu)化的知識遷移 174
9.4.4 實現(xiàn)可解釋與可信賴的路線規(guī)劃 174
參考文獻 175
第10章 協(xié)同駕駛 181
10.1 協(xié)同網(wǎng)聯(lián)自動駕駛簡介 181
10.2 通信技術 183
10.2.1 車用無線通信技術（V2X） 184
10.2.2 專用短程通信技術（IEEE 802.11p, ETSI ITS-G5）—V2X標準概述 184
10.2.3 蜂窩V2X 185
10.2.4 安全 186
10.3 網(wǎng)聯(lián)服務 187
10.4 決策機制對支持V2X的適應性 189
10.4.1 網(wǎng)絡攻擊的網(wǎng)聯(lián)與自動化場景（SerIoT項目） 189
10.4.2 編隊操作 191
10.4.3 環(huán)島匯入場景操作 192
10.4.4 結論 193
參考文獻 193
第11章 基礎設施影響 195
11.1 物理基礎設施的作用：從證據(jù)到指南 195
11.2 實現(xiàn)不同自動駕駛等級所需的基礎設施信息 200
11.2.1 不同自動駕駛等級的道路基礎設施規(guī)范 200
11.2.2 最小風險狀態(tài) 205
參考文獻 206
第12章 駕駛員行為 210
12.1 自動駕駛中以人為中心的觀點 210
12.2 自動駕駛HAI模型視角下的人類駕駛員評估 216
12.2.1 心理負荷的定義與評估 217
12.2.2 態(tài)勢感知能力下降 219
12.2.3 自滿或過度信任 220
12.2.4 技能退化與權威感喪失 221
12.2.5 自動駕駛與人工駕駛員之間的控制權轉移 222
12.3 自動駕駛車輛中的乘客 225
12.3.1 自動駕駛車輛中乘客角色的變化 225
12.3.2 自動駕駛車輛的接受度 226
12.3.3 自動駕駛車輛中乘客的情緒狀態(tài) 227
12.3.4 影響乘客狀態(tài)的駕駛員屬性及外因 233
12.3.5 自動駕駛車輛中的乘客人機接口 234
12.3.6 乘坐、環(huán)境舒適、幸福感和其他服務 235
參考文獻 238
第13章 人機交互 247
13.1 引言 247
13.2 人機協(xié)同與共享控制中的隱喻 248
13.3 共享控制方法 249
13.3.1 定義 249
13.3.2 框架 251
13.3.3 算法 252
13.4 一種新的人機交互框架 253
13.5 交換控制機制 255
13.5.1 交換控制的適用性 255
13.5.2 交換控制（停用）激活原則 257
參考文獻 259
第14章 算法確認 264
14.1 引言 264
14.2 確認方法論 265
14.2.1 測試過程 265
14.2.2 自動駕駛功能確認的主要技術 266
14.2.3 數(shù)據(jù)集 268
14.3 仿真系統(tǒng) 268
14.3.1 人在環(huán)仿真 270
14.3.2 車輛在環(huán)仿真 272
14.4 安全保證標準 275
參考文獻 275
第15章 法律及社會因素 279
15.1 引言 279
15.2 法規(guī) 279
15.2.1 簡介 280
15.2.2 國際治理 281
15.2.3 《維也納道路交通公約》 282
15.2.4 歐洲自動駕駛車輛法規(guī)現(xiàn)狀 282
15.3 倫理 284
15.3.1 自動駕駛的倫理問題 284
15.3.2 面對倫理問題的方法 286
15.3.3 結論 289
15.4 用戶接受度 289
15.4.1 簡介 289
15.4.2 感知安全性 291
15.4.3 信任 292
15.4.4 人口因素 292
15.4.5 心理因素 293
參考文獻 294