内容简介
人工智能（ＡＩ） 技术的革新正在为自主系统如自动驾驶系统带来无限机遇。人工智能技术赋能自动驾驶， 使其能够获得比人类驾驶员更好的驾驶能力， 例如自主感知、推理和决策， 有望改变传统的交通方式以服务人类。本书为自动驾驶领域工程技术人员提供人工智能相关基础理论和应用技术等相关知识， 并培养将人工智能算法应用于自动驾驶或其他自主系统的能力。本书涵盖的主题有： 概述模块， 包括人工智能、自动驾驶及两者关系的介绍； 感知模块， 包括感知技术、人工智能算法应用； 决策模块， 包括自动驾驶决策问题和基于人工智能的决策算法； 控制模块， 包括数据和机理驱动的控制方法及自动驾驶应用； 优化模块，包括人工智能算法的优化求解； 案例分析模块， 包括人机交互和高级驾驶辅助系统。读者通过本书将熟悉人工智能概念、算法和自动驾驶系统最新技术。本书适合自动驾驶研究与开发技术人员阅读使用， 也适合车辆工程及相关专业师生阅读参考。
目录
前 言
第1 章
人工智能与
自动驾驶概述
1.1 自动驾驶概述／ ００１
１.１.１ 自动驾驶相关术语／ ００１
１.１.２ 自动驾驶分级／ ００２
１.１.３ 自动驾驶主要任务／ ００５
1.2 人工智能概述／ ００６
１.２.１ 人工智能的起源与发展／ ００７
１.２.２ 人工智能的分类／ ０１０
１.２.３ 神经网络与深度学习／ ０１１
１.２.４ 人工智能的爆发与机遇／ ０１６
1.3 自动驾驶——人工智能竞技场／ ０２０
１.３.１ 自动驾驶的发展历程／ ０２０
１.３.２ 自动驾驶中的ＡＩ 技术／ ０２１
１.３.３ 自动驾驶对人工智能的挑战／ ０２３
参考文献／ ０２７
第2 章
人工智能与
优化控制
2.1 基于学习的优化控制／ ０３１
２.１.１ 概述／ ０３２
２.１.２ 机器学习在优化控制中的应用／ ０３３
2.2 基于学习的模型预测控制／ ０４９
２.２.１ 模型预测控制／ ０４９
２.２.２ 机器学习在模型预测控制中的角色／ ０５４
2.3 内嵌物理知识神经网络／ ０７７
２.３.１ 概述／ ０７７
２.３.２ 原理／ ０８２
２.３.３ 斯托克斯流体拓扑优化／ ０８４
2.4 人工智能中的优化算法／ ０８７
２.４.１ 梯度下降与共轭梯度法／ ０８９
２.４.２ 动量优化与Ｎｅｓｔｅｒｏｖ 动量优化算法／ ０９４
２.４.３ 自适应梯度优化算法／ ０９８
２.４.４ ＲＭＳＰｒｏｐ 优化算法／ ０９９
２.４.５ Ａｄａｍ 优化算法／ １０１
2.5 人工智能中的反馈机制／ １０２
２.５.１ 反馈的基本思想／ １０２
２.５.２ 人类反馈强化学习／ １０８
参考文献／ １２３
第3 章
自动驾驶感
知中的人工
智能
3.1 基于图像的目标识别与追踪／ １２９
３.１.１ 基于图像的目标识别／ １２９
３.１.２ 基于图像的目标追踪／ １３４
3.2 基于传感器融合的目标识别与追踪／ １３７
３.２.１ 基于传感器融合的目标识别／ １３８
３.２.２ 基于传感器融合的目标追踪／ １４１
3.3 案例研究／ １４３
参考文献／ １４６
第4 章
自动驾驶决
策中的人工
智能
4.1 人工智能决策的可解释性／ １４９
４.１.１ 人工智能决策可解释性方法概述／ １４９
４.１.２ 语义Ｓｈａｐｌｅｙ 值引导的视觉反事实解释及自动
驾驶应用／ １５５
4.2 基于可解释奖励机强化学习的自动驾驶决策／ １６３
４.２.１ 可解释奖励机／ １６３
４.２.２ 高速公路场景下的奖励机强化学习决策设计／ １６４
４.２.３ 仿真分析／ １７０
参考文献／ １７２
第5 章
自动驾驶控
制中的人工
智能
5.1 智能驾驶中的动力系统控制／ １７７
５.１.１ 研究场景与方案综述／ １７７
５.１.２ 车－ 路协同下智能预测巡航控制／ １８１
５.１.３ 交通信号灯速度规划／ １８８
5.2 基于深度学习的电池健康预测／ １９７
５.２.１ 电池健康管理概述／ １９７
５.２.２ 基于ＬＳＴＭ 神经网络的电池健康状态预测／ ２０２
５.２.３ 基于迁移学习的电池健康状态预测／ ２１９
5.3 基于强化学习的混动汽车能量管理／ ２４２
５.３.１ 混合动力汽车能量管理策略概述／ ２４２
５.３.２ 强化学习算法在能量管理策略中的应用／ ２４９
５.３.３ 案例研究／ ２５２
5.4 基于学习的车辆运动控制／ ２７７
５.４.１ 基于学习的车辆运动控制策略概述／ ２７７
５.４.２ 基于数据驱动的车辆运动控制／ ２７８
５.４.３ 基于强化学习的车辆运动控制／ ２８２
５.４.４ 案例研究／ ２８６
参考文献／ ２８８
前言/序言
近年来， 自动驾驶技术的飞速发展正在逐渐重塑人类的出行方式， 从最初的辅助驾驶到现在的完全自动驾驶问世， 背后离不开人工智能技术的支撑与推动。人工智能（ＡＩ） 技术的革新正在为包括自动驾驶系统的自主系统带来无限机遇。自动驾驶系统需要利用感知的环境信息实现场景理解并进行复杂的决策规划， 对复杂驾驶场景以及驾驶动态行为做出实时响应， 这也就需要人工智能技术的进一步支撑与推动， 让自动驾驶可以模拟甚至超越人类驾驶的能力， 有望改变传统的交通方式以服务人类。
本书系统地介绍了自动驾驶及人工智能技术的基本概念、发展现状、前沿应用与关键技术。全书内容涉及自动驾驶与人工智能的多个关键领域， 为读者提供一个全面了解与深度研究的基础。
第１ 章介绍自动驾驶与人工智能的基本内涵、发展历程与技术进展， 通过介绍自动驾驶和人工智能技术的国内外发展历程， 让读者清晰了解到自动驾驶技术的发展趋势与未来方向。
第２ 章详细介绍了人工智能与优化控制的相关理论， 包括基于学习的优化控制与模型预测控制， 内嵌物理知识神经网络以及人类反馈强化学习等相关理论与研究案例， 使读者可以清晰地了解人工智能中的反馈机理。
第３ 章聚焦于自动驾驶感知中的人工智能， 主要介绍了目标识别与追踪与传感器融合的相关前沿研究， 以及目标检测与追踪的一些典型网络架构， 使读者可以清楚地了解人工智能在自动驾驶感知模块中的应用。
第４ 章介绍了自动驾驶决策中的人工智能， 主要讨论了自动驾驶人工智能决策的可解释性， 包括语义和决策的可解释性， 使读者可以根据本章的案例了解自动驾驶决策可解释性的基本原理与应用。
第５ 章介绍了自动驾驶控制中的人工智能应用， 包括动力系统控制与运动控制等， 使读者通过本章内容可以了解数据－ 机理驱动控制方法和其在自动驾驶中的应用， 相关拓展案例可以帮助读者进一步开拓视野。
本书能为自动驾驶领域的学生、研究学者、工程师及相关从业人员提供有价值的参考资料， 促进自动驾驶技术的发展与应用。
本书能够顺利成稿， 特别感谢单策、吴文煌、麻宝林、孙萌鸽、石文通、罗熙、高源、曾伟真等硕士、博士研究生所做的大量工作。本书编写过程中参考了大量国内外相关资料， 在此向相关作者表示感谢； 同时也感谢机械工业出版社的大力支持。
由于时间仓促， 编者水平和经验有限， 书中错漏之处在所难免， 敬请读者批评指正。
编 者
