智能汽車的個性化控制
金輝
相關主題
商品描述
個性化的汽車控制系統既能充分滿足駕駛員的個性需求，也能提高駕駛員對新型汽車控制系統的接受程度，是未來汽車控制系統的發展方向。這是一本系統介紹智能汽車個性化控制研究的專著，本書由四個部分組成。第一部分為駕駛員風格和意圖的研究，主要進行不同駕駛員風格和意圖的識別方法研究，這是實現智能汽車個性化控制的基礎；第二部分為發動機瞬態油耗模型的研究，著眼於建立高精度的發動機瞬態油耗模型，這是提高燃油車和混合動力車燃油經濟性的基礎；第三部分為高實時性動態規劃方法的研究，各種新方法在保持計算精度基本不變的前提下，計算時間只有常規動態規劃的10%左右，為動態規劃的實時應用提供了可能；第四部分為不同的汽車個性化控制系統的實現，既有車輛坡道行駛的個性化駕駛系統，也有基於駕駛風格的緊急制動系統以及基於駕駛風格和意圖的預測巡航控制系統。希望本書的出版，對國內這一領域的發展有所幫助。
目錄大綱
目錄
前言
第一篇 駕駛員風格和駕駛意圖的研究
第1章 基於自監督對比學習的駕駛風格識別 3
1.1 數據來源 3
1.2 自監督對比學習模型 4
1.2.1 基於SimCLR算法的高維特徵變量生成 4
1.2.2 基於SCAN算法的駕駛風格分類 7
1.3 風格識別結果及分析 9
1.3.1 數據預處理及模型訓練 9
1.3.2 自監督對比學習算法的結果驗證 11
1.4 多時間段駕駛風格數據融合 18
1.4.1 在線識別測試條件 18
1.4.2 風格數據融合模型 19
1.4.3 融合結果 22
第2章 基於逆強化學習的駕駛風格識別 24
2.1 最大熵逆強化學習 24
2.2 軌跡生成和特徵選取 26
2.3 遠近距離跟車模式 28
2.4 激進因子與結果分析 30
2.5 綜合自監督對比學習和逆強化學習的風格識別 33
第3章 基於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 基於BILSTM-CNN的識別模型 38
3.2.1 長短期記憶網絡 38
3.2.2 雙向長短期記憶網絡 40
3.2.3 捲積神經網絡 41
3.2.4 模型框架 42
3.3 試驗分析驗證 43
3.3.1 數據準備 43
3.3.2 試驗設置與模型訓練 46
3.3.3 試驗結果分析 49
第二篇 發動機瞬態油耗模型的研究
第4章 車輛瞬態油耗模型優化 57
4.1 建模數據來源及模型結構 57
4.1.1 建模數據來源 57
4.1.2 數據預處理 58
4.2 待優化模型結構及分析 59
4.2.1 BIT-TFCM-1瞬態油耗模型 59
4.2.2 BIT-TFCM-2瞬態油耗模型 60
4.2.3 模型的預測及不足 60
4.3 模型的優化 61
4.3.1 運算速度優化 61
4.3.2 運算精度優化 63
4.4 優化模型的驗證 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 基於相關性分析的高精度瞬態油耗模型 70
5.1 建模數據與建模方法 70
5.1.1 建模數據 70
5.1.2 建模數據預處理 72
5.1.3 建模方法 75
5.1.4 建模數據分析 75
5.2 穩態模塊的建立 79
5.2.1 穩態模塊基礎結構 79
5.2.2 穩態模塊結構優化 80
5.2.3 穩態模塊檢驗 81
5.3 瞬態修正模塊的建立 81
5.3.1 瞬態修正模塊數據分析 82
5.3.2 瞬態修正模塊結構及簡構優化 83
5.4 瞬態油耗模型的檢驗 85
5.4.1 模型性能表現 85
5.4.2 模型性能對比 86
第6章 基於BP神經網絡的瞬態油耗模型 90
6.1 油耗模型數據及數據預處理 90
6.2 基於BP神經網絡的油耗模型建模 92
6.2.1 穩態估計模塊的構建 92
6.2.2 新的瞬態修正模塊 92
6.3 新油耗模型的驗證 95
6.3.1 瞬態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 基於支持向量回歸的瞬態油耗模型 98
7.1 數據驅動型油耗模型介紹 98
7.2 建模數據與數據預處理 99
7.2.1 建模數據 99
7.2.2 數據預處理 99
7.3 瞬態油耗模型 99
7.3.1 SVR 模型 100
7.3.2 穩態初估模塊 101
7.3.3 瞬態修正模塊 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 高實時性的動態規劃方法研究
第8章 迭代動態規劃算法與計算效率 113
8.1 經典動態規劃算法 113
8.1.1 車輛起步經濟性駕駛策略 114
8.1.2 車輛坡道行駛經濟性駕駛策略 116
8.1.3 計算復雜度分析 122
8.2 迭代動態規劃算法 124
8.3 改進迭代動態規劃算法 128
8.4 計算效率驗證 129
第9章 動態規劃和群體智能優化算法融合的規劃方法 132
9.1 坡道行駛經濟性車速軌跡研究問題描述 132
9.2 基於動態規劃的坡道行駛經濟性車速軌跡規劃 135
9.3 動態規劃和人工蜂群算法融合的規劃方法 137
9.3.1 人工蜂群算法原理 137
9.3.2 動態規劃和人工蜂群算法融合 138
9.4 動態規劃和粒子群算法融合的規劃方法 139
9.4.1 粒子群算法原理 139
9.4.2 動態規劃和粒子群算法融合 141
9.5 融合方法規劃效果驗證 141
9.5.1 平直道路行駛時的最優經濟車速 141
9.5.2 規劃效果驗證 143
第10章 基於自適應動態規劃的坡道行駛經濟性車速軌跡規劃 151
10.1 自適應動態規劃 151
10.2 基於ADP的坡道行駛經濟性車速軌跡規劃 154
10.2.1 ADHDP評價網及權值更新 154
10.2.2 ADHDP動作網及權值更新 156
10.2.3 坡道行駛經濟性車速軌跡規劃 157
10.3 基於改進ADP的坡道行駛經濟性車速軌跡規劃 159
10.4 規劃效果驗證 160
10.4.1 基於ADP的坡道行駛經濟性車速軌跡規劃效果驗證 160
10.4.2 基於改進ADP的坡道行駛經濟性車速軌跡規劃效果驗 161
10.4.3 多種規劃方法綜合比較 163
10.4.4 多坡道規劃方法效果驗證 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 個性化特徵研究 171
11.1.1 駕駛數據採集 171
11.1.2 個性化特徵提取 172
11.1.3 主成分的數學原理 173
11.1.4 基於第一主成分的駕駛員劃分 176
11.2 行駛性能指標函數 180
11.3 權重因子設計 181
11.3.1 主客觀權重設計 182
11.3.2 主客觀權重融合 184
11.4 基於動態規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虛擬道路模擬驗證 191
11.5.2 真實道路模擬驗證 195
第12章 基於駕駛風格的AEB策略優化 198
12.1 緊急制動開始時刻數據的提取 198
12.2 個性化的AEB策略 199
12.2.1 基準策略線 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 模擬測試模型 208
12.3.2 個性化AEB策略在自然駕駛數據試驗中的驗證 209
12.3.3 個性化AEB策略在Euro-NCAP試驗中的驗證 214
第13章 基於個性化的縱向預測巡航控制研究 219
13.1 基於駕駛風格的安全車距策略 219
13.2 基於BILSTM的車輛速度預測 220
13.3 基於模型預測的巡航控制器設計 222
13.4 瞬態油耗模型設計 224
13.5 模擬研究 225
13.5.1 聯合模擬模型 225
13.5.2 模擬結果分析 226
參考文獻 231
彩圖
前言
第一篇 駕駛員風格和駕駛意圖的研究
第1章 基於自監督對比學習的駕駛風格識別 3
1.1 數據來源 3
1.2 自監督對比學習模型 4
1.2.1 基於SimCLR算法的高維特徵變量生成 4
1.2.2 基於SCAN算法的駕駛風格分類 7
1.3 風格識別結果及分析 9
1.3.1 數據預處理及模型訓練 9
1.3.2 自監督對比學習算法的結果驗證 11
1.4 多時間段駕駛風格數據融合 18
1.4.1 在線識別測試條件 18
1.4.2 風格數據融合模型 19
1.4.3 融合結果 22
第2章 基於逆強化學習的駕駛風格識別 24
2.1 最大熵逆強化學習 24
2.2 軌跡生成和特徵選取 26
2.3 遠近距離跟車模式 28
2.4 激進因子與結果分析 30
2.5 綜合自監督對比學習和逆強化學習的風格識別 33
第3章 基於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 基於BILSTM-CNN的識別模型 38
3.2.1 長短期記憶網絡 38
3.2.2 雙向長短期記憶網絡 40
3.2.3 捲積神經網絡 41
3.2.4 模型框架 42
3.3 試驗分析驗證 43
3.3.1 數據準備 43
3.3.2 試驗設置與模型訓練 46
3.3.3 試驗結果分析 49
第二篇 發動機瞬態油耗模型的研究
第4章 車輛瞬態油耗模型優化 57
4.1 建模數據來源及模型結構 57
4.1.1 建模數據來源 57
4.1.2 數據預處理 58
4.2 待優化模型結構及分析 59
4.2.1 BIT-TFCM-1瞬態油耗模型 59
4.2.2 BIT-TFCM-2瞬態油耗模型 60
4.2.3 模型的預測及不足 60
4.3 模型的優化 61
4.3.1 運算速度優化 61
4.3.2 運算精度優化 63
4.4 優化模型的驗證 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 基於相關性分析的高精度瞬態油耗模型 70
5.1 建模數據與建模方法 70
5.1.1 建模數據 70
5.1.2 建模數據預處理 72
5.1.3 建模方法 75
5.1.4 建模數據分析 75
5.2 穩態模塊的建立 79
5.2.1 穩態模塊基礎結構 79
5.2.2 穩態模塊結構優化 80
5.2.3 穩態模塊檢驗 81
5.3 瞬態修正模塊的建立 81
5.3.1 瞬態修正模塊數據分析 82
5.3.2 瞬態修正模塊結構及簡構優化 83
5.4 瞬態油耗模型的檢驗 85
5.4.1 模型性能表現 85
5.4.2 模型性能對比 86
第6章 基於BP神經網絡的瞬態油耗模型 90
6.1 油耗模型數據及數據預處理 90
6.2 基於BP神經網絡的油耗模型建模 92
6.2.1 穩態估計模塊的構建 92
6.2.2 新的瞬態修正模塊 92
6.3 新油耗模型的驗證 95
6.3.1 瞬態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 基於支持向量回歸的瞬態油耗模型 98
7.1 數據驅動型油耗模型介紹 98
7.2 建模數據與數據預處理 99
7.2.1 建模數據 99
7.2.2 數據預處理 99
7.3 瞬態油耗模型 99
7.3.1 SVR 模型 100
7.3.2 穩態初估模塊 101
7.3.3 瞬態修正模塊 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 高實時性的動態規劃方法研究
第8章 迭代動態規劃算法與計算效率 113
8.1 經典動態規劃算法 113
8.1.1 車輛起步經濟性駕駛策略 114
8.1.2 車輛坡道行駛經濟性駕駛策略 116
8.1.3 計算復雜度分析 122
8.2 迭代動態規劃算法 124
8.3 改進迭代動態規劃算法 128
8.4 計算效率驗證 129
第9章 動態規劃和群體智能優化算法融合的規劃方法 132
9.1 坡道行駛經濟性車速軌跡研究問題描述 132
9.2 基於動態規劃的坡道行駛經濟性車速軌跡規劃 135
9.3 動態規劃和人工蜂群算法融合的規劃方法 137
9.3.1 人工蜂群算法原理 137
9.3.2 動態規劃和人工蜂群算法融合 138
9.4 動態規劃和粒子群算法融合的規劃方法 139
9.4.1 粒子群算法原理 139
9.4.2 動態規劃和粒子群算法融合 141
9.5 融合方法規劃效果驗證 141
9.5.1 平直道路行駛時的最優經濟車速 141
9.5.2 規劃效果驗證 143
第10章 基於自適應動態規劃的坡道行駛經濟性車速軌跡規劃 151
10.1 自適應動態規劃 151
10.2 基於ADP的坡道行駛經濟性車速軌跡規劃 154
10.2.1 ADHDP評價網及權值更新 154
10.2.2 ADHDP動作網及權值更新 156
10.2.3 坡道行駛經濟性車速軌跡規劃 157
10.3 基於改進ADP的坡道行駛經濟性車速軌跡規劃 159
10.4 規劃效果驗證 160
10.4.1 基於ADP的坡道行駛經濟性車速軌跡規劃效果驗證 160
10.4.2 基於改進ADP的坡道行駛經濟性車速軌跡規劃效果驗 161
10.4.3 多種規劃方法綜合比較 163
10.4.4 多坡道規劃方法效果驗證 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 個性化特徵研究 171
11.1.1 駕駛數據採集 171
11.1.2 個性化特徵提取 172
11.1.3 主成分的數學原理 173
11.1.4 基於第一主成分的駕駛員劃分 176
11.2 行駛性能指標函數 180
11.3 權重因子設計 181
11.3.1 主客觀權重設計 182
11.3.2 主客觀權重融合 184
11.4 基於動態規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虛擬道路模擬驗證 191
11.5.2 真實道路模擬驗證 195
第12章 基於駕駛風格的AEB策略優化 198
12.1 緊急制動開始時刻數據的提取 198
12.2 個性化的AEB策略 199
12.2.1 基準策略線 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 模擬測試模型 208
12.3.2 個性化AEB策略在自然駕駛數據試驗中的驗證 209
12.3.3 個性化AEB策略在Euro-NCAP試驗中的驗證 214
第13章 基於個性化的縱向預測巡航控制研究 219
13.1 基於駕駛風格的安全車距策略 219
13.2 基於BILSTM的車輛速度預測 220
13.3 基於模型預測的巡航控制器設計 222
13.4 瞬態油耗模型設計 224
13.5 模擬研究 225
13.5.1 聯合模擬模型 225
13.5.2 模擬結果分析 226
參考文獻 231
彩圖
