书籍详情
自动驾驶汽车智能测试理论与场景库生成方法
作者：封硕
出版社：清华大学出版社
出版时间：2024-08-01
ISBN：9787302664123
定价：¥99.00
购买这本书可以去
内容简介
本书提出了自动驾驶汽车智能测试理论。研究和总结了智能测试的基础概念、科学问题、研究方法和规律定理，提出了智能测试的方法框架，并论证了智能测试的准确性定理和高效性定理，为系统解决自动驾驶汽车的测试问题提供了理论基础。本书提出了自动驾驶汽车测试场景库生成方法体系。针对低复杂度、中复杂度、高复杂度和自适应场景库生成问题，分别构建凸优化、强化学习、深度强化学习和贝叶斯优化等系列模型，形成了测试场景库生成方法体系，为多种复杂度场景、多项评价指标和多类型自动驾驶汽车的智能测试提供了方法支撑。3.针对自动驾驶汽车在换道、跟驰和出入匝道等场景下的典型测试问题，通过仿真实验验证了论文所提出理论与方法的有效性，为规模化应用提供了指导。
作者简介
封硕，清华大学博士，致力于研究自动驾驶汽车的智能测试问题，提出了全新的智能测试理论与场景库生成方法，为自动驾驶汽车智能测试的规模化应用提供了理论基础和方法指导；以第一作者/通讯作者发表SCI收录期刊论文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；担任美国机动车工程师学会On-Road Automated Driving Verification and Validation Committee委员会委员；曾获得IEEE国际智能交通学会“最佳博士学位论文奖”、国家奖学金、清华大学优秀博士毕业论文、清华大学优秀博士毕业生、北京市优秀毕业生、北京市三好学生等荣誉。
目录
第 1 章 引言 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 国内外研究现状分析 6
1.2.1 自动驾驶汽车技术 6
1.2.2 自动驾驶汽车测试方法 10
1.2.3 自动驾驶汽车场景库生成方法 15
1.3 研究内容与技术路线 18
1.3.1 自动驾驶汽车智能测试理论 18
1.3.2 多种复杂度测试场景库生成方法与应用 20
1.4 本书结构与内容安排 21
第 2 章 自动驾驶汽车智能测试理论研究 23
2.1 智能测试“四要素” 23
2.1.1 测试场景 24
2.1.2 测试评价指标 27
2.1.3 测试场景库 28
2.1.4 测试方法 29
2.2 智能测试“四要素”研究 30
2.2.1 测试场景建模 30
2.2.2 测试评价指标设计 31
2.2.3 测试场景库生成 32
2.2.4 测试方法研究 33
2.3 智能测试方法研究 34
2.3.1 测试场景建模方法 34
2.3.2 测试评价指标设计方法 37
2.3.3 测试场景库生成方法 38
2.3.4 智能测试方法研究 41
2.4 智能测试理论研究 44
2.4.1 重要性采样理论与分析 44
2.4.2 自动驾驶汽车智能测试理论 49
第 3 章 低复杂度测试场景库生成方法研究与应用 56
3.1 低复杂度测试场景库生成需求分析 56
3.1.1 测试场景特征分析 56
3.1.2 场景库生成需求分析 58
3.2 最优化理论 58
3.2.1 凸优化理论 58
3.2.2 梯度下降方法 59
3.2.3 有限差分方法 60
3.3 低复杂度测试场景库生成方法 61
3.4 低复杂度测试场景库生成典型应用 64
3.4.1 典型场景分析与建模 64
3.4.2 切车场景安全性测试 66
3.4.3 下道场景功能性测试 72
第 4 章 中复杂度测试场景库生成方法研究与应用 79
4.1 中复杂度测试场景库生成需求分析 79
4.1.1 测试场景特征分析 79
4.1.2 场景库生成需求分析 80
4.2 强化学习理论 81
4.2.1 马尔可夫决策过程 81
4.2.2 动态规划与蒙特卡罗理论 84
4.2.3 基于时间差分的强化学习理论 85
4.3 中复杂度测试场景库生成方法 87
4.3.1 基于马尔可夫决策的场景建模 88
4.3.2 基于强化学习理论的场景库生成 90
4.4 中复杂度测试场景库生成典型应用 94
4.4.1 典型场景分析与建模 94
4.4.2 跟驰场景安全性测试 95
第 5 章 高复杂度测试场景库生成方法研究与应用 101
5.1 高复杂度测试场景库生成需求分析 101
5.1.1 测试场景特征分析 101
5.1.2 场景库生成需求分析. 103
5.2 深度强化学习理论 103
5.2.1 深度 Q 网络基本原理. 104
5.2.2 深度强化学习方法 105
5.2.3 深度强化学习算法 108
5.3 高复杂度测试场景库生成方法. 109
5.3.1 高复杂度场景库生成原理 109
5.3.2 基于深度强化学习理论的场景库生成 111
5.4 高复杂度测试场景库生成典型应用 114
5.4.1 典型场景分析与建模 114
5.4.2 跟驰场景安全性测试 114
第 6 章 自适应测试场景库生成方法研究与应用 120
6.1 自适应测试场景库生成需求分析 121
6.1.1 测试场景特征分析 121
6.1.2 场景库生成需求分析 122
6.2 贝叶斯优化理论 122
6.2.1 贝叶斯优化问题 123
6.2.2 贝叶斯优化方法 123
6.2.3 高斯过程回归 126
6.3 自适应测试场景库生成方法 128
6.3.1 基于贝叶斯优化理论的问题建模 129
6.3.2 基于贝叶斯优化方法的算法框架 130
6.3.3 自适应测试场景库生成方法 132
6.4 自适应测试场景库生成典型应用 136
6.4.1 典型场景分析与建模 137
6.4.2 切车场景条件下自适应场景库生成 137
6.4.3 下道场景条件下自适应场景库生成 143
第 7 章 总结与展望 146
7.1 工作总结 146
7.2 主要创新点 148
7.3 研究工作展望 149
参考文献 151
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 国内外研究现状分析 6
1.2.1 自动驾驶汽车技术 6
1.2.2 自动驾驶汽车测试方法 10
1.2.3 自动驾驶汽车场景库生成方法 15
1.3 研究内容与技术路线 18
1.3.1 自动驾驶汽车智能测试理论 18
1.3.2 多种复杂度测试场景库生成方法与应用 20
1.4 本书结构与内容安排 21
第 2 章 自动驾驶汽车智能测试理论研究 23
2.1 智能测试“四要素” 23
2.1.1 测试场景 24
2.1.2 测试评价指标 27
2.1.3 测试场景库 28
2.1.4 测试方法 29
2.2 智能测试“四要素”研究 30
2.2.1 测试场景建模 30
2.2.2 测试评价指标设计 31
2.2.3 测试场景库生成 32
2.2.4 测试方法研究 33
2.3 智能测试方法研究 34
2.3.1 测试场景建模方法 34
2.3.2 测试评价指标设计方法 37
2.3.3 测试场景库生成方法 38
2.3.4 智能测试方法研究 41
2.4 智能测试理论研究 44
2.4.1 重要性采样理论与分析 44
2.4.2 自动驾驶汽车智能测试理论 49
第 3 章 低复杂度测试场景库生成方法研究与应用 56
3.1 低复杂度测试场景库生成需求分析 56
3.1.1 测试场景特征分析 56
3.1.2 场景库生成需求分析 58
3.2 最优化理论 58
3.2.1 凸优化理论 58
3.2.2 梯度下降方法 59
3.2.3 有限差分方法 60
3.3 低复杂度测试场景库生成方法 61
3.4 低复杂度测试场景库生成典型应用 64
3.4.1 典型场景分析与建模 64
3.4.2 切车场景安全性测试 66
3.4.3 下道场景功能性测试 72
第 4 章 中复杂度测试场景库生成方法研究与应用 79
4.1 中复杂度测试场景库生成需求分析 79
4.1.1 测试场景特征分析 79
4.1.2 场景库生成需求分析 80
4.2 强化学习理论 81
4.2.1 马尔可夫决策过程 81
4.2.2 动态规划与蒙特卡罗理论 84
4.2.3 基于时间差分的强化学习理论 85
4.3 中复杂度测试场景库生成方法 87
4.3.1 基于马尔可夫决策的场景建模 88
4.3.2 基于强化学习理论的场景库生成 90
4.4 中复杂度测试场景库生成典型应用 94
4.4.1 典型场景分析与建模 94
4.4.2 跟驰场景安全性测试 95
第 5 章 高复杂度测试场景库生成方法研究与应用 101
5.1 高复杂度测试场景库生成需求分析 101
5.1.1 测试场景特征分析 101
5.1.2 场景库生成需求分析. 103
5.2 深度强化学习理论 103
5.2.1 深度 Q 网络基本原理. 104
5.2.2 深度强化学习方法 105
5.2.3 深度强化学习算法 108
5.3 高复杂度测试场景库生成方法. 109
5.3.1 高复杂度场景库生成原理 109
5.3.2 基于深度强化学习理论的场景库生成 111
5.4 高复杂度测试场景库生成典型应用 114
5.4.1 典型场景分析与建模 114
5.4.2 跟驰场景安全性测试 114
第 6 章 自适应测试场景库生成方法研究与应用 120
6.1 自适应测试场景库生成需求分析 121
6.1.1 测试场景特征分析 121
6.1.2 场景库生成需求分析 122
6.2 贝叶斯优化理论 122
6.2.1 贝叶斯优化问题 123
6.2.2 贝叶斯优化方法 123
6.2.3 高斯过程回归 126
6.3 自适应测试场景库生成方法 128
6.3.1 基于贝叶斯优化理论的问题建模 129
6.3.2 基于贝叶斯优化方法的算法框架 130
6.3.3 自适应测试场景库生成方法 132
6.4 自适应测试场景库生成典型应用 136
6.4.1 典型场景分析与建模 137
6.4.2 切车场景条件下自适应场景库生成 137
6.4.3 下道场景条件下自适应场景库生成 143
第 7 章 总结与展望 146
7.1 工作总结 146
7.2 主要创新点 148
7.3 研究工作展望 149
参考文献 151
猜您喜欢
