| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-24页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外发展与研究现状 | 第11-22页 |
| 1.2.1 深度学习发展与研究现状 | 第11-13页 |
| 1.2.2 无人驾驶车辆及其自主规划方法国内外研究现状 | 第13-22页 |
| 1.3 本文内容结构 | 第22-24页 |
| 2 无人车行为规划研究 | 第24-28页 |
| 2.1 引言 | 第24页 |
| 2.2 基于神经网络的Q-学习算法 | 第24页 |
| 2.3 DAVE-2系统 | 第24-26页 |
| 2.4 数据驱动的端到端行为规划方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于异构深度学习的无人车行为规划 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 系统设计 | 第28-31页 |
| 3.2.1 自编码模型 | 第28-29页 |
| 3.2.2 评估模型 | 第29-30页 |
| 3.2.3 道路跟踪模型 | 第30-31页 |
| 3.2.4 控制模型 | 第31页 |
| 3.3 训练和应用 | 第31-32页 |
| 3.3.1 模型训练 | 第31-32页 |
| 3.3.2 模型应用 | 第32页 |
| 3.4 基于异构深度学习的无人车行为规划实验 | 第32-38页 |
| 3.4.1 实验平台与数据 | 第32页 |
| 3.4.2 AEM编码效果实验 | 第32-33页 |
| 3.4.3 EM评估效果实验 | 第33-34页 |
| 3.4.4 仿真实验 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于有限状态机深度学习的无人车行为规划 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 系统设计 | 第39-41页 |
| 4.2.1 控制模型 | 第39-40页 |
| 4.2.2 有限状态机 | 第40-41页 |
| 4.3 训练和应用 | 第41-42页 |
| 4.3.1 模型训练 | 第41页 |
| 4.3.2 模型应用 | 第41-42页 |
| 4.4 基于FSM-DL的无人车行为规划实验 | 第42-46页 |
| 4.4.1 实验平台与数据 | 第42-43页 |
| 4.4.2 EM评估效果实验 | 第43-45页 |
| 4.4.3 仿真实验 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 基于协同深度学习的无人车行为规划 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 系统设计 | 第48-53页 |
| 5.2.1 基于生成对抗网络与协同训练的半监督回归方法 | 第48-51页 |
| 5.2.2 基于协同深度学习的无人车行为规划 | 第51-53页 |
| 5.3 训练和应用 | 第53-57页 |
| 5.3.1 模型训练 | 第53-56页 |
| 5.3.2 模型应用 | 第56-57页 |
| 5.4 基于CO-DL的无人车行为规划实验 | 第57-59页 |
| 5.4.1 实验平台与数据 | 第57页 |
| 5.4.2 评估模型评估效果实验 | 第57-58页 |
| 5.4.3 仿真实验 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |