清华大学很好博士学位论文丛书基于多源数据挖掘的汽车智能驾驶系统有效性评价 本书特色

自动驾驶测试评价技术已成为自动驾驶实现大规模应用的关键问题，是零部件供应商、整车厂、汽车行业、国家部委等多个层面的研究热点。本书是一部阐述汽车自动驾驶技术测试评价体系的研究型论文。本书应用车辆动力学、统计学原理、人工智能等基础原理，从自动驾驶技术黑箱建模、行驶安全性计算方法、评价流程体系架构等角度深入浅出地介绍了该领域的核心问题，并给出了解决方案。 本书可作为自动驾驶测试领域研究人员的参考读物。

清华大学很好博士学位论文丛书基于多源数据挖掘的汽车智能驾驶系统有效性评价 内容简介

自动驾驶测试评价技术已成为自动驾驶实现大规模应用的关键问题，是零部件供应商、整车厂、汽车行业、国家部委等多个层面的研究热点。本书是一部阐述汽车自动驾驶技术测试评价体系的研究型论文。本书应用车辆动力学、统计学原理、人工智能等基础原理，从自动驾驶技术黑箱建模、行驶安全性计算方法、评价流程体系架构等角度深入浅出地介绍了该领域的核心问题，并给出了解决方案。 本书可作为自动驾驶测试领域研究人员的参考读物。

清华大学很好博士学位论文丛书基于多源数据挖掘的汽车智能驾驶系统有效性评价 目录

目录
第1章引言
1.1概述
1.2汽车智能驾驶系统有效性评价方法研究现状
1.2.1评价方法详细介绍
1.2.2各方法归类对比分析
1.3汽车智能驾驶系统辨识研究现状
1.3.1车辆关键参数估计
1.3.2控制逻辑辨识
1.4汽车智能驾驶系统测试评价指标研究现状
1.4.1智能化评级指标
1.4.2有效性评价指标
1.5本书研究内容

第2章汽车智能驾驶系统有效性评价体系研究架构
2.1智能驾驶系统有效性评价体系方案设计
2.1.1智能驾驶有效性评价的数据来源
2.1.2蒙特卡罗仿真的理论模型基础
2.1.3基于蒙特卡罗仿真的有效性计算流程
2.2汽车智能驾驶系统有效性评价体系关键技术规划

第3章基于汽车运行数据挖掘的智能驾驶系统辨识方法
3.1智能驾驶系统辨识目标制定
3.2基于频响特性的车辆关键参数估计方法
3.2.1基于转向系统频响特性的轮胎刚度估计
3.2.2基于驱动系统频响特性的时间延迟系数估计
3.2.3基于整车纵向频响特性的整车质量估计
3.2.4本节小结
3.3基于机器学习的智能驾驶控制逻辑辨识方法
3.3.1控制逻辑辨识问题的内在本质探讨
3.3.2基于神经网络的控制逻辑辨识方法
3.4本章小结

第4章基于事故数据的乘员损伤风险估算方法
4.1乘员损伤风险估算方法研究方案
4.2车辆变形深度作为乘员损伤评价指标的可行性论证
4.2.1基于GIDAS数据的乘员损伤评价指标选取
4.2.2基于NASS?CDS数据的乘员损伤评价指标验证
4.3基于车辆变形深度的乘员损伤风险估算方法
4.3.1基于车辆碰撞变形深度的损伤模型
4.3.2基于变形能量的车辆变形深度估算方法
4.3.3基于事故仿真软件的乘员损伤风险计算流程
4.4本章小结

第5章基于多源数据挖掘的智能驾驶系统有效性评价方法
5.1有效性评价方法总体要求
5.2基于多源数据挖掘的有效性评价方法架构
5.3基于多源数据的模型挖掘层关键方法
5.3.1随机前车模型
5.3.2随机后车模型
5.3.3自车跟车模型
5.4事故筛选与再现仿真层关键技术
5.4.1CarSim?Simulink联合动力学仿真模块
5.4.2PC Crash?rateEFFECT联合事故再现仿真模块
5.5单位行驶里程平均乘员风险层关键方法
5.5.1基于随机场景的单位行驶里程平均乘员
风险计算方法
5.5.2基于车辆碰撞位置坐标的变形长度计算方法
5.6本章小结第6章有效性评价相关方法的验证与应用
6.1基于汽车运行数据挖掘的智能驾驶系统辨识方法验证
6.1.1基于频响特性的车辆关键参数估计方法验证
6.1.2基于神经网络的智能驾驶系统控制逻辑辨识
方法验证
6.2基于事故数据的乘员损伤风险估算方法验证
6.2.1损伤风险与ΔV的回归关系
6.2.2基于变形深度与基于ΔV的两方法对比分析
6.3汽车智能驾驶系统有效性评价方法应用
6.3.1基于事故再现数据库的有效性评价分析
6.3.2基于随机场景的有效性评价分析
6.4本章小结

第7章结论

 1/2    1 2 下一页 尾页

工业技术 汽车与交通运输 汽车

在线阅读