| 致谢 | 第9-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 1 绪论 | 第18-40页 |
| 1.1 研究背景与意义 | 第18-20页 |
| 1.2 智能车辆行为认知方法研究现状 | 第20-26页 |
| 1.2.1 基于空间域的驾驶行为认知方法 | 第21-24页 |
| 1.2.2 基于时间域的驾驶行为认知方法 | 第24-26页 |
| 1.3 智能车辆轨迹预测方法研究现状 | 第26-32页 |
| 1.3.1 基于物理学模型的轨迹预测方法 | 第26-29页 |
| 1.3.2 基于行为认知的轨迹预测方法 | 第29-30页 |
| 1.3.3 基于大数据驱动的轨迹预测方法 | 第30-32页 |
| 1.4 智能车辆态势评估方法研究现状 | 第32-35页 |
| 1.4.1 基于当前环境变量的智能车辆态势评估方法 | 第32-34页 |
| 1.4.2 基于环境预测的智能车辆态势评估方法 | 第34-35页 |
| 1.5 多车交互以及博弈分析研究现状 | 第35-38页 |
| 1.5.1 势能场法 | 第36-37页 |
| 1.5.2 机器学习方法 | 第37-38页 |
| 1.5.3 博弈论 | 第38页 |
| 1.6 本文研究内容 | 第38-40页 |
| 2 智能车辆环境认知体系结构设计 | 第40-46页 |
| 2.1 引言 | 第40页 |
| 2.2 研究方案与结构设计 | 第40-43页 |
| 2.2.1 总体研究方案 | 第40-41页 |
| 2.2.2 体系结构设计 | 第41-43页 |
| 2.3 关键技术研究 | 第43-44页 |
| 2.4 本章小结 | 第44-46页 |
| 3 基于数据学习的智能车辆行为认知方法研究 | 第46-73页 |
| 3.1 引言 | 第46页 |
| 3.2 机器学习理论方法介绍 | 第46-48页 |
| 3.2.1 机器学习方法概述 | 第46-47页 |
| 3.2.2 监督学习方法 | 第47-48页 |
| 3.3 基于动态贝叶斯网络的驾驶行为认知 | 第48-64页 |
| 3.3.1 驾驶行为研究对象 | 第49页 |
| 3.3.2 动态贝叶斯网络基本概念及核心问题 | 第49-52页 |
| 3.3.3 基于动态贝叶斯网络的驾驶行为认知模型 | 第52-56页 |
| 3.3.4 基于分布式遗传算法的网络结构优化方法 | 第56-61页 |
| 3.3.5 驾驶行为认知模型评价指标 | 第61-64页 |
| 3.4 实车实验平台及数据介绍 | 第64-67页 |
| 3.4.1 实车实验平台介绍及数据采集 | 第64-65页 |
| 3.4.2 换道场景下行为认知数据库的建立 | 第65-67页 |
| 3.5 驾驶行为认知实验结果分析 | 第67-71页 |
| 3.5.1 基于分布式遗传算法的驾驶行为认知结果 | 第67-69页 |
| 3.5.2 结果对比和分析 | 第69-71页 |
| 3.6 本章小结 | 第71-73页 |
| 4 基于长短预测时域多模型融合的轨迹预测研究 | 第73-91页 |
| 4.1 引言 | 第73-74页 |
| 4.2 基于运动学模型的轨迹预测分析 | 第74-78页 |
| 4.2.1 车辆运动学模型 | 第74-76页 |
| 4.2.2 基于运动学模型轨迹预测方法的不确定性分析 | 第76-78页 |
| 4.3 基于行为认知的轨迹预测分析 | 第78-81页 |
| 4.3.1 车道保持行为轨迹预测 | 第79-80页 |
| 4.3.2 换道行为轨迹预测 | 第80-81页 |
| 4.4 基于交互式多模型融合的轨迹预测方法 | 第81-84页 |
| 4.4.1 基于运动学和行为认知学多模型交互融合的轨迹预测方法 | 第82-84页 |
| 4.5 行车轨迹预测实车实验结果对比与分析 | 第84-89页 |
| 4.5.1 轨迹预测结果对比分析 | 第84-89页 |
| 4.6 本章小结 | 第89-91页 |
| 5 不确定条件下智能车辆动态环境态势评估分析 | 第91-106页 |
| 5.1 引言 | 第91页 |
| 5.2 智能车辆环境模型介绍 | 第91-93页 |
| 5.2.1 智能车辆环境模型分析 | 第91-92页 |
| 5.2.2 环境坐标转换 | 第92-93页 |
| 5.3 基于不确定性分析的碰撞评估 | 第93-94页 |
| 5.3.1 基于轨迹预测的碰撞概率分析 | 第93-94页 |
| 5.3.2 行为及轨迹规划的碰撞概率分析 | 第94页 |
| 5.4 基于不确定性分析的碰撞风险评估 | 第94-97页 |
| 5.4.1 轨迹预测范围内的碰撞风险评估 | 第94-95页 |
| 5.4.2 轨迹预测范围外的碰撞风险评估 | 第95-96页 |
| 5.4.3 基于高斯分布的综合碰撞风险评估 | 第96-97页 |
| 5.5 不确定态势评估场景分析 | 第97-104页 |
| 5.5.1 Unexpected Obstacles的不确定性分析 | 第97-99页 |
| 5.5.2 考虑通信丢失或者传感失效的不确定环境认知 | 第99-102页 |
| 5.5.3 不同感知系统下不确定性认知分析 | 第102-104页 |
| 5.5.4 不同态势评估模型的对比分析 | 第104页 |
| 5.6 本章小结 | 第104-106页 |
| 6 基于多车交互及博弈的行为预测与规划 | 第106-120页 |
| 6.1 引言 | 第106页 |
| 6.2 博弈论简介 | 第106-107页 |
| 6.2.1 Basic Game Theory简介 | 第106-107页 |
| 6.2.2 Extensive Form Game Theory简介 | 第107页 |
| 6.2.3 博弈均衡简介 | 第107页 |
| 6.3 基于Extensive Form Game Theory的行为预测及规划 | 第107-113页 |
| 6.3.1 基于多车碰撞分析的代价函数 | 第108-109页 |
| 6.3.2 基于相互影响与博弈的的行为单步预测及规划 | 第109-111页 |
| 6.3.3 基于相互影响和博弈的多步行为预测及规划 | 第111-113页 |
| 6.4 基于多车交互与博弈的行为预测以及规划应用 | 第113-118页 |
| 6.4.1 应用场景分析以及行为定义 | 第114页 |
| 6.4.2 应用结果分析 | 第114-118页 |
| 6.5 本章小结 | 第118-120页 |
| 7 全文总结与展望 | 第120-124页 |
| 7.1 本文的主要研究工作 | 第120-121页 |
| 7.2 本文的创新点 | 第121-122页 |
| 7.3 研究工作展望 | 第122-124页 |
| 参考文献 | 第124-138页 |
| 攻读博士学位期间的学术活动及成果情况 | 第138-139页 |
