| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-29页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 无人驾驶车辆发展现状 | 第12-19页 |
| 1.2.1 国外无人驾驶车辆的发展现状 | 第12-16页 |
| 1.2.2 我国无人驾驶车辆的研究现状及分析 | 第16-19页 |
| 1.3 机器人决策方法的相关概念及研究现状 | 第19-21页 |
| 1.4 无人驾驶车辆智能决策系统的国内外研究现状 | 第21-27页 |
| 1.4.1 美国西南研究所 | 第21-22页 |
| 1.4.2. BOSS | 第22-24页 |
| 1.4.3 Junior | 第24-25页 |
| 1.4.4 Odin | 第25-26页 |
| 1.4.5 Talos | 第26-27页 |
| 1.5 本文主要研究内容及研究意义 | 第27-29页 |
| 第二章 城市环境下无人驾驶车辆决策系统的设计分析 | 第29-43页 |
| 2.1 城市环境下无人车决策系统设计所面临的问题 | 第29-32页 |
| 2.1.1 城市道路交通环境特点 | 第29页 |
| 2.1.2 城市道路中驾驶员所要执行的任务 | 第29-30页 |
| 2.1.3 决策系统设计准则 | 第30-31页 |
| 2.1.4 无人驾驶车辆决策系统所面临的问题 | 第31-32页 |
| 2.2 “智能先锋Ⅱ”无人车体系结构及功能 | 第32-35页 |
| 2.3 无人驾驶车辆决策系统体系结构 | 第35-38页 |
| 2.3.1 运动规划层 | 第36-37页 |
| 2.3.2 行为决策层 | 第37-38页 |
| 2.3.3 全局规划层 | 第38页 |
| 2.3.4 异常处理模块 | 第38页 |
| 2.4 全局路径规划模块算法研究及实现 | 第38-40页 |
| 2.4.1 路网文件及任务定义文件介绍 | 第38-39页 |
| 2.4.2 全局规划算法研究 | 第39页 |
| 2.4.3 实验结果及分析 | 第39-40页 |
| 2.5 本章小结 | 第40-43页 |
| 第三章 无人驾驶车辆决策系统行为决策方法 | 第43-73页 |
| 3.1 驾驶员驾驶行为特性分析 | 第43-44页 |
| 3.2 无人驾驶车辆行为决策模块设计 | 第44-71页 |
| 3.2.1 有限状态机模型 | 第44-46页 |
| 3.2.2 基于层次有限状态机的驾驶行为决策模型 | 第46-48页 |
| 3.2.3 基于多属性决策方法的驾驶行为决策模型 | 第48-65页 |
| 3.2.3.1 驾驶行为决策矩阵属性选取 | 第50-53页 |
| 3.2.3.2 驾驶行为筛选 | 第53页 |
| 3.2.3.3 驾驶行为决策矩阵指标权重的确定：AHP-熵权法 | 第53-60页 |
| 3.2.3.4 基于灰色关联分析的TOPSIS驾驶行为多属性决策方法 | 第60-65页 |
| 3.2.4 基于多属性决策方法的驾驶行为决策算例及分析 | 第65-71页 |
| 3.3 本章小结 | 第71-73页 |
| 第四章 城市环境下无人驾驶车辆运动规划方法 | 第73-85页 |
| 4.1 运动规划算法设计分析 | 第73-74页 |
| 4.2 动态环境的描述 | 第74-75页 |
| 4.3 基于RBF神经网络的无人驾驶车辆运动规划方法 | 第75-79页 |
| 4.3.1 RBF网络结构和工作原理 | 第75-76页 |
| 4.3.2 正则化网络的原理 | 第76-77页 |
| 4.3.3 RBF网络常用学习算法 | 第77-79页 |
| 4.4 仿真及实验分析 | 第79-84页 |
| 4.5 本章小结 | 第84-85页 |
| 第五章 “智能先锋Ⅱ”决策系统实验分析 | 第85-99页 |
| 5.1 实验场景 | 第85-86页 |
| 5.2 实验设计 | 第86-88页 |
| 5.3 实验结果 | 第88-97页 |
| 5.4 本章小结 | 第97-99页 |
| 第六章 结论 | 第99-101页 |
| 参考文献 | 第101-109页 |
| 致谢 | 第109-111页 |
| 在读期间发表的学术论文与取得的研究成果 | 第111页 |
