中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
自動駕駛汽車智能測試理論與場景庫生成方法 版權信息
- ISBN：9787302664123
- 條形碼：9787302664123 ; 978-7-302-66412-3
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自動駕駛汽車智能測試理論與場景庫生成方法 本書特色
本書入選“清華大學優秀博士學位論文叢書”。
自動駕駛汽車智能測試理論與場景庫生成方法 內容簡介
本書針對自動駕駛汽車測試評價的挑戰，提出了智能測試理論和場景庫生成方法，解決了測試過程中的瓶頸問題。首先，本書系統研究了智能測試的基礎概念、科學問題和研究方法，提出了智能測試的“四要素”，為系統解決自動駕駛汽車的測試問題奠定了理論基礎。其次，針對場景庫生成問題，引入了*優化理論、強化學習理論、深度強化學習理論和貝葉斯優化理論，提出了低復雜度、中復雜度、高復雜度和自適應的測試場景庫生成方法體系，有效提高了測試效率。*后，通過典型應用研究，驗證了理論與方法的普適性、準確性和高效性。本書的研究成果對自動駕駛汽車測試理論的發展具有重要意義，為智能測試的規模化應用提供了理論基礎和方法指導。
自動駕駛汽車智能測試理論與場景庫生成方法 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 *優化理論 58
3.2.1 凸優化理論 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 動態規劃與蒙特卡羅理論 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 貝葉斯優化理論 122
6.2.1 貝葉斯優化問題 123
6.2.2 貝葉斯優化方法 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 基于貝葉斯優化理論的問題建模 129
6.3.2 基于貝葉斯優化方法的算法框架 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 主要創新點 148
7.3 研究工作展望 149
參考文獻 151
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 *優化理論 58
3.2.1 凸優化理論 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 動態規劃與蒙特卡羅理論 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 貝葉斯優化理論 122
6.2.1 貝葉斯優化問題 123
6.2.2 貝葉斯優化方法 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 基于貝葉斯優化理論的問題建模 129
6.3.2 基于貝葉斯優化方法的算法框架 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 主要創新點 148
7.3 研究工作展望 149
參考文獻 151
展開全部
自動駕駛汽車智能測試理論與場景庫生成方法 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、清華大學優秀博士畢業論文、清華大學優秀博士畢業生、北京市優秀畢業生、北京市三好學生等榮譽。
書友推薦
- >
有舍有得是人生
- >
隨園食單
- >
李白與唐代文化
- >
煙與鏡
- >
詩經-先民的歌唱
- >
山海經
- >
自卑與超越
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
