无人驾驶车辆智能行为决策建模

如今，智能网联汽车已成为一门热门的新兴技术。该技术是车联网与智能车的有机结合，通过搭载先进的车载传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车与人、车、路、后台等智能信息的交换共享，可显著提升交通安全等级，提高通行效率，促进节能减排。智能网联汽车主要由感知、决策、控制三部分组成。本书重点关注决策模块，该模块利用感知模块提供的信息，决定智能车将要执行的动作以及执行这个动作时无人车需要行驶的轨迹。
智能车行为决策是一个较新颖的领域，对多数人来说比较陌生，并且目前市面上关于智能车行为决策的书不多，大部分初学者需要借助检索到的论文和期刊进行学习，因此本书作者萌生了编写一本通俗易懂的关于无人驾驶车辆智能行为决策专著的想法。
本书作者结合团队研究成果，系统化地阐述了智能车行为决策研究背景与现状、仿真建模、数据采集与处理以及具体场景下多种决策实例展示和分析，期望给读者搭建一个完整的无人驾驶车辆智能行为决策知识框架，帮助读者理解和掌握一些决策分析实例，在自己的学习研究中加以运用和拓展，为智能车的发展助力。本书共分6章，第1章无人驾驶汽车智能行为决策的发展背景及现状，重点分析了国内外研究智能车的科研单位和企业的相关进展。第2章联合仿真平台构建，介绍了用于智能车建模的仿真软件以及对典型城市环境的模型和仿真平台搭建。第3章数据采集与预处理，介绍了数据采集的三种方法及数据采集实例，并简要介绍了数据预处理方法和实例。第4章基于规则及强化学习的换道决策建模，详细介绍了换道场景下利用基于规则和强化学习的方法分析换道行为并建立换道决策模型。第5章基于LSPI的环境自适应汇入策略建模，详细介绍了基于LSPI方法搭建汇入场景下决策模型的全过程。第6章城市道路交叉口穿越行为决策建模，以城市道路交叉口场景为例介绍了智能车左转行为决策模型的搭建，主要包含周围车辆轨迹预测和基于冲突消解的左转决策过程。
编者在本书的编写过程中引用了一些资料和图片以及参考文献的部分内容，特向提供以上资料的作者表示深切谢意。由于智能网联汽车是一个新兴内容，加之编者学识有限，书中不足之处在所难免，恳盼读者指正。

智能网联汽车成为一热门的新兴技术，可改善交通安全，提高通行效率。智能网联汽车由感知、决策、控制三个大的部分组成。本书重点关注决策模块，决策模块根据感知模块提供的信息，确定智能车将要执行的动作以及执行这个动作时无人车需要形式的轨迹。
本书作者结合团队的研究成果，系统化地阐述了智能车行为决策研究背景与现状、仿真建模、数据采集与处理，以及具体场景下的种种决策实例展示于分析。作者期望给读者搭建一个完整的智能车行为决策知识框架，并理解和掌握一些决策的分析实例，在自己的学习研究中加以运用和拓展，为智能车的发展助力。本书共分为6章。第1章介绍了智能车行为决策的发展背景及现状，重点分析了国内外研究智能车的科研单位和企业的相关进展。第2章介绍了用于智能车建模的仿真软件以及对典型城市环境的模型和仿真平台搭建。第3章介绍了数据采集的三种方法及数据采集实例，并简要介绍数据预处理方法和实例。第4章详细介绍了换道场景下利用基于规则和强化学习的方法分析换道行为，并建立换道决策模型。第5章详细介绍了基于LSPI方法搭建汇入场景下决策模型的全过程。第6章以城市交叉口场景为例介绍了智能车左转行为决策模型的搭建，主要包含周围车辆轨迹预测和基于冲突消解的左转决策过程。

智能网联汽车成为一热门的新兴技术，可改善交通安全，提高通行效率。智能网联汽车由感知、决策、控制三个大的部分组成。本书重点关注决策模块，决策模块根据感知模块提供的信息，确定智能车将要执行的动作以及执行这个动作时无人车需要形式的轨迹。
本书作者结合团队的研究成果，系统化地阐述了智能车行为决策研究背景与现状、仿真建模、数据采集与处理，以及具体场景下的种种决策实例展示于分析。作者期望给读者搭建一个完整的智能车行为决策知识框架，并理解和掌握一些决策的分析实例，在自己的学习研究中加以运用和拓展，为智能车的发展助力。本书共分为6章。第1章介绍了智能车行为决策的发展背景及现状，重点分析了国内外研究智能车的科研单位和企业的相关进展。第2章介绍了用于智能车建模的仿真软件以及对典型城市环境的模型和仿真平台搭建。第3章介绍了数据采集的三种方法及数据采集实例，并简要介绍数据预处理方法和实例。第4章详细介绍了换道场景下利用基于规则和强化学习的方法分析换道行为，并建立换道决策模型。第5章详细介绍了基于LSPI方法搭建汇入场景下决策模型的全过程。第6章以城市交叉口场景为例介绍了智能车左转行为决策模型的搭建，主要包含周围车辆轨迹预测和基于冲突消解的左转决策过程。

陈雪梅，北京理工大学前沿技术研究院常务副院长，博士，北京理工大学副教授/特聘研究员，加州大学伯克利分校访问学者，扬州智能产业协会高级专家顾问，中国安全产业协会交通运输安全装备分会秘书长，北京市优秀人才项目资助获得者，苏州高新区创新创业领军人才。
先后主持或参与国家自然科学基金重点项目、国家自然科学基金汽车产业联合基金、国家自然科学基金青年基金、山东省重点研发计划（重大科技创新工程）、国家863计划、国家科技支撑计划、北京市科委项目等近20余项。以作者公开发表论文30多篇，参与制定标准3项，申请授权专利10项。获中国公路学会科学技术奖一等奖。

第1章无人驾驶汽车智能行为决策的发展背景及现状 / 1
1.1无人驾驶系统概述 / 2
1.2国外无人驾驶技术研究现状 / 4
1.2.1科研单位 / 4
1.2.2企业 / 6
1.3国内无人驾驶技术研究现状 / 9
1.3.1科研单位 / 9
1.3.2企业 / 11
1.4无人驾驶汽车行为决策研究现状 / 13
1.4.1基于方法的行为决策研究  / 13
1.4.2基于驾驶行为的决策研究 / 16
参考文献 / 20

第2章联合仿真平台构建 / 23
2.1仿真软件简介及建模流程 / 23
2.1.1PreScan简介及建模流程 / 23
2.1.2Vissim简介 / 26
2.1.3其他仿真软件简介 / 29
2.2联合仿真平台 / 32
2.2.1Matlab/Simulink PreScan联合仿真平台 / 32
2.2.2Vissim PreScan联合仿真平台 / 37
2.3仿真场景搭建实例 / 39
2.3.1换道场景搭建实例 / 39
2.3.2汇入场景搭建实例 / 41
2.3.3交叉口场景搭建实例 / 43
参考文献 / 45

第3章数据采集与预处理 / 47
3.1基于路基的数据采集方法 / 47
3.1.1采集原理 / 47
3.1.2采集步骤 / 49
3.2基于实车采集平台的数据采集方法 / 54
3.2.1实车采集平台搭建 / 54
3.2.2动态要素检测、跟踪与定位 / 55
3.3基于虚拟仿真环境的试验数据采集方法 / 58

3.3.1虚拟驾驶试验前准备 / 58
3.3.2仿真试验数据采集 / 59
3.4实际场景数据采集实例 / 60
3.4.1北京市西三环花园桥地铁站附近的汇入路口

数据采集 / 60
3.4.2北京市北三环西路辅路汇入北三环主路

数据采集 / 60
3.4.3北京市魏公村路交叉口数据采集 / 61
3.4.4上海市长宁区剑河路和仙霞西路交叉路口

数据采集 / 62
3.5数据预处理方法简介 / 64
3.5.1指数加权移动平均法 / 64
3.5.2对称指数移动平均法 / 65
3.5.3卡尔曼滤波 / 65
3.5.4粗糙集 / 65
3.6数据预处理实例 / 67
3.6.1北京市西三环花园桥地铁站附近汇入路口

数据预处理 / 67
3.6.2北京市北三环西路辅路汇入北三环主路

数据预处理 / 68
3.6.3NGSIM US101数据集预处理 / 68
3.6.4北京市三环内汇入口仿真试验数据预处理 / 71
3.6.5北京市魏公村路交叉口数据预处理 / 73
3.6.6上海市长宁区剑河路和仙霞西路交叉路口

数据预处理 / 77
参考文献 / 82

第4章基于规则及强化学习的换道决策建模 / 83
4.1基于粗糙集的换道决策规则提取 / 83
4.1.1驾驶员仿真换道行为数据获取及预处理 / 83
4.1.2换道行为特性分析 / 85
4.1.3换道行为决策规则提取 / 86
4.2基于安全阈值的驾驶员速度选择策略 / 92
4.2.1驾驶员纵向控制行为特性及影响因素分析 / 92

4.2.2基于安全阈值的驾驶员速度选择策略构建 / 94
4.2.3基于安全阈值的驾驶员速度选择策略验证 / 95
4.3基于间隙可接受理论的自由换道决策模型 / 96
4.3.1换道决策基本条件 / 96
4.3.2自由换道决策模型 / 96
4.3.3仿生换道决策模型验证 / 99
4.4基于QLearning的换道决策模型 / 101
4.4.1强化学习 / 101
4.4.2换道行为决策下的QLearning相关

参数设定 / 102
4.4.3基于QLearning的换道行为决策结果 / 105
参考文献 / 107

第5章基于LSPI的环境自适应汇入策略建模 / 109
5.1城市快速路汇入问题分析 / 109
5.1.1汇入类别分析 / 109
5.1.2城市环境汇入策略二阶段求解 / 110
5.1.3基于粗糙集与间隙可接受理论的汇入

时机判定 / 113
5.1.4规划决策算法 / 114
5.2强化学习概述 / 114
5.2.1马尔科夫决策过程 / 114
5.2.2免模型强化学习 / 115
5.2.3值函数近似 / 117
5.3基于LSPI算法的汇入策略建模 / 119
5.4无人驾驶车辆换道轨迹规划与路径跟踪 / 124
5.4.1基于五次多项式曲线的换道轨迹规划 / 125
5.4.2基于运动学模型的轨迹跟踪控制 / 127
5.4.3轨迹跟踪算法验证 / 131
参考文献 / 133

第6章城市道路交叉口穿越行为决策建模 / 135
6.1城市道路交叉口左转驾驶行为分析 / 135
6.1.1城市道路交叉口车辆通行特点和冲突分析 / 135
6.1.2基于轨迹预测的决策框架 / 137

6.2基于运动模式识别的城市道路交叉口周边车辆

轨迹预测方法 / 138
6.2.1城市道路交叉口场景建模数据处理 / 138
6.2.2基于高斯混合模型的目标运动模式

识别模型 / 141
6.2.3基于高斯过程回归的轨迹预测模型 / 145
6.2.4预测模型评价指标 / 151
6.2.5轨迹预测模型的试验验证及结果分析 / 152
6.3基于冲突消解的城市道路交叉口无人驾驶车辆

左转决策 / 162
6.3.1城市道路交叉口通行流程及冲突消解方法 / 163
6.3.2状态转移模型和决策流程 / 164
6.3.3动作选择标准 / 167
6.3.4决策模型仿真试验及结果分析 / 173
6.4基于NQL(Neural QLearning)的城市道路

交叉口通行决策 / 186
6.4.1QLearning算法与Neural QLearning

算法分析 / 186
6.4.2基于NQL的城市道路交叉口穿越行为分析 / 189
6.4.3基于强化学习算法的试验结果分析与验证 / 196
参考文献 / 205

智能网联汽车成为一热门的新兴技术，可改善交通安全，提高通行效率。智能网联汽车由感知、决策、控制三个大的部分组成。本书重点关注决策模块，决策模块根据感知模块提供的信息，确定智能车将要执行的动作以及执行这个动作时无人车需要形式的轨迹。
本书作者结合团队的研究成果，系统化地阐述了智能车行为决策研究背景与现状、仿真建模、数据采集与处理，以及具体场景下的种种决策实例展示于分析。作者期望给读者搭建一个完整的智能车行为决策知识框架，并理解和掌握一些决策的分析实例，在自己的学习研究中加以运用和拓展，为智能车的发展助力。本书共分为6章。第1章介绍了智能车行为决策的发展背景及现状，重点分析了国内外研究智能车的科研单位和企业的相关进展。第2章介绍了用于智能车建模的仿真软件以及对典型城市环境的模型和仿真平台搭建。第3章介绍了数据采集的三种方法及数据采集实例，并简要介绍数据预处理方法和实例。第4章详细介绍了换道场景下利用基于规则和强化学习的方法分析换道行为，并建立换道决策模型。第5章详细介绍了基于LSPI方法搭建汇入场景下决策模型的全过程。第6章以城市交叉口场景为例介绍了智能车左转行为决策模型的搭建，主要包含周围车辆轨迹预测和基于冲突消解的左转决策过程。

陈雪梅，北京理工大学前沿技术研究院常务副院长，博士，北京理工大学副教授/特聘研究员，加州大学伯克利分校访问学者，扬州智能产业协会高级专家顾问，中国安全产业协会交通运输安全装备分会秘书长，北京市优秀人才项目资助获得者，苏州高新区创新创业领军人才。
先后主持或参与国家自然科学基金重点项目、国家自然科学基金汽车产业联合基金、国家自然科学基金青年基金、山东省重点研发计划（重大科技创新工程）、国家863计划、国家科技支撑计划、北京市科委项目等近20余项。以作者公开发表论文30多篇，参与制定标准3项，申请授权专利10项。获中国公路学会科学技术奖一等奖。