智能车辆——使能技术与未来发展

前言
撰写人
第1章绪论1
1.1智能交通系统1
1.2早期举措3
1.2.1欧洲3
1.2.2美国4
1.2.3日本4
1.3服务5
1.3.1向用户提供信息5
1.3.2交通管理6
1.3.3货运业务7
1.3.4公共交通运营8
1.3.5电子支付9
1.3.6紧急情况10
1.4智能车辆10
1.5本书结构11
参考文献13
延伸阅读13
**部分使能技术
第2章智能车辆的环境感知16
2.1基于视觉的道路信息16
2.1.1环境多样性17
2.1.2车道检测18
2.1.3交通标志识别21
2.1.4商用系统23
2.2基于视觉的感知25
2.2.1基于视觉的目标检测和语义分割26
2.2.2基于车载视觉的目标检测27
2.2.3基于车载视觉的语义分割32
2.2.4基于深度学习的车载视觉34
2.3基于激光雷达的感知37
2.4基础设施感知42
2.4.1独立交通传感器43
2.4.2非独立交通传感器57
2.4.3结论与建议58
2.5数据融合58
2.5.1数据融合的分级59
2.5.2架构60
2.5.3智能交通系统中的数据融合63
参考文献65
延伸阅读72
第3章车辆通信73
3.1车辆通信标准74
3.1.1引言74
3.1.2ISO CALM架构75
3.1.3移动通信场景中的车辆通信83
3.1.4总结84
3.2通信技术85
3.2.1引言85
3.2.2参考架构85
3.2.3实施技术86
3.2.4混合通信92
3.2.5服务92
3.2.6安全与隐私93
3.2.7互操作性94
参考文献94
相关标准94
第4章定位和数字地图97
4.1智能车辆定位系统97
4.1.1术语的定义98
4.1.2基于位置的服务和基于定位的应用99
4.2基于GNSS的定位99
4.2.1全球定位系统的由来、使用要求和工作原理99
4.2.2性能指标102
4.2.3ITS领域卫星定位及其应用103
4.2.4GNSS在ITS的前景103
4.3GNSS辅助和混合定位系统104
4.3.1GNSS辅助定位和导航技术104
4.3.2GNSS/DR定位105
4.4数字地图107
4.4.1重要性和实用性107
4.4.2技术规范109
4.4.3数字地图的制作109
4.4.4地图质量评估111
4.4.5地图匹配112
4.4.6地图辅助的GNSS定位113
4.5GNSS定位的替代方案114
4.5.1用于估计车辆运动的视觉里程计114
4.5.2无线网络117
4.5.3RFID118
参考文献118
第5章道路运输和移动出行研究中的大数据121
5.1数据和信息来源121
5.2数据预处理123
5.2.1特征工程123
5.2.2数据降维125
5.3数据规范化126
5.3.1数据清洗127
5.3.2格式和标准127
5.3.3本体128
5.4监督学习129
5.4.1预测性与描述性129
5.4.2分类与回归130
5.4.3机器学习方法130
5.4.4实时应用131
5.4.5概念漂移的处理131
5.5无监督学习132
5.6数据处理结构134
5.7应用135
5.7.1运输需求建模135
5.7.2短期交通状态预测136
5.7.3路径规划/路径选择136
参考文献137
延伸阅读142
第二部分应用
第6章驾驶员辅助系统和安全系统144
6.1综合安全模型144
6.2改善驾驶行为的系统146
6.2.1辅助系统的目标146
6.2.2分类148
6.3减少事故的电子辅助设备151
6.3.1二级安全系统151
6.3.2一级安全系统与二级安全系统之间的交互152
6.3.3三级安全系统153
6.4辅助与安全系统的未来发展154
参考文献155
第7章协同交通系统157
7.1引言157
7.2C-ITS框架158
7.2.1整体架构158
7.2.2主要技术159
7.2.3公用移动网络（蜂窝网络）160
7.2.4ITS－G5（车载WiFi）161
7.2.5标准化分级162
7.3服务164
7.3.1引言164
7.3.2旨在提供信息的系统165
7.3.3旨在提高安全性的系统167
7.3.4旨在提高效率的系统169
7.4实际部署面临的挑战171
7.4.1技术问题171
7.4.2实施问题172
7.5欧洲的相关举措173
7.5.1城际交通试点175
7.5.2城市交通试点178
7.5.3协作平台和支持举措180
7.6下一步的计划187
参考文献188
延伸阅读189
第8章自动驾驶190
8.1基础知识190
8.2关键技术193
8.2.1控制架构193
8.2.2态势感知与风险评估195
8.2.3决策198
8.2.4人车交互200
8.2.5运动规划202
8.2.6车辆控制210
8.3协同自动驾驶214
8.3.1汽车编队214
8.3.2城市道路运输217
8.4验证与确认217
8.5主要举措与应用219
8.5.1原型车219
8.5.2项目222
8.5.3特殊应用226
8.6社会监管方面229
8.6.1法律途径229
8.6.2伦理方面233
参考文献234
第三部分其他方面
第9章人因240
9.1人类驾驶员行为240
9.1.1引言240
9.1.2驾驶风格：定义241
9.1.3驾驶风格建模的度量243
9.1.4驾驶风格分类247
9.1.5驾驶风格建模算法248
9.1.6用于驾驶风格建模的数据库254
9.1.7在智能车辆上的应用256
参考文献261
9.2用户交互267
9.2.1引言：交互通道267
9.2.2认知负荷与工作负荷270
9.2.3信息分类和优先级排序271
9.2.4系统的实现272
9.2.5准则和标准272
参考文献273
第10章仿真工具275
10.1驾驶模拟器275
10.1.1引言275
10.1.2驾驶模拟器的体系结构276
10.1.3应用278
参考文献280
10.2交通模拟281
10.2.1交通模拟的定义与需要的原因281
10.2.2经典的交通模拟范例283
10.2.3传统的模拟框架286
10.2.4开源交通模拟软件：
SUMO290
10.2.5展望未来292
参考文献293
10.3相应领域的模型、数据295
10.3.1训练数据和正确标注295
10.3.2虚拟世界和领域自适应298
参考文献302
第11章智能车辆的社会经济影响：实施策略304
11.1引言304
11.2从网联汽车到自动驾驶304
11.3社会问题305
11.3.1对自动驾驶的接受度305
11.3.2安全性305
11.3.3对就业的影响306
11.4法律问题307
11.4.1责任/保险307
11.4.2测试与验证308
11.5隐私309
11.6黑客攻击309
11.7经济方面309
11.7.1交通拥堵310
11.7.2燃料消耗310
11.7.3基础设施成本311
11.7.4车辆费用311
11.7.5保险费用311
11.8宜居性312
11.9总结312
参考文献314
延伸阅读315
第12章未来展望和研究领域316
12.1引言316
12.2当前趋势316
12.3当前研究领域318
12.4主要预期的技术飞跃319
12.5其他预期/必要的改变321
12.6总结322
参考文献323