《數據驅動的智慧型駕駛》是2022年人民郵電出版社出版的圖書，作者是殷瑋。
基本介紹
- 中文名：數據驅動的智慧型駕駛
- 作者：殷瑋
- 出版時間：2022年12月
- 出版社：人民郵電出版社
- ISBN：9787115593863
- 類別：圖書>計算機/網路>人工智慧>深度學習與神經網路
- 開本：128 開
- 裝幀：平裝-膠訂
內容簡介,圖書目錄,作者簡介,
內容簡介
隨著大數據技術和物聯網技術的不斷發展和成熟，智慧型駕駛成為工業革命和信息化相結合的重要抓手。本書由李克強院士領銜推薦，楊曉光教授作序推薦，圍繞備受矚目的“智慧型駕駛技術”展開介紹，帶領讀者近距離探秘智慧型駕駛的核心要義。
圖書目錄
第 1章 智慧型駕駛系統的基本情況 1
1.1 智慧型駕駛的“第 一性原理” 1
1.2 智慧型駕駛的歷史與展望 3
1.3 智慧型駕駛汽車研發的關鍵路徑 4
1.4 智慧型駕駛汽車研發的核心困境 7
第 2章 智慧型駕駛汽車的架構革命 11
2.1 對架構的基本理解 11
2.2 整車架構設計 13
2.2.1 傳統整車架構及其
問題 13
2.2.2 汽車電氣化的發展 16
2.2.3 整車平台架構構建 18
2.3 電子電氣架構設計 20
2.3.1 電子電氣架構的發展
趨勢 20
2.3.2 電子電氣架構的底層
硬體構建 22
2.3.3 診斷與刷寫服務 24
2.3.4 FOTA更新服務 26
2.3.5 時間同步服務 28
2.4 終端架構設計 30
2.4.1 計算機終端運行的基本
原理 30
2.4.2 車端控制器終端 32
2.4.3 雲端計算集群 34
2.5 通信架構設計 36
2.5.1 OSI參考模型與智慧型
駕駛通信套用 36
2.5.2 面向信號的CAN通信 38
2.5.3 面向服務的乙太網
通信 40
2.5.4 通信與計算的匹配
關係 43
2.5.5 對通信的深層理解 46
2.6 軟體架構設計 50
2.6.1 智慧型駕駛的理論基礎 50
2.6.2 基礎理論下的軟體架構
展開 54
2.6.3 分層閉環架構與
上下行 56
2.7 人工智慧算法體系 59
2.7.1 歸納思維與演繹思維 59
2.7.2 規則驅動算法與數據
驅動算法 60
2.7.3 智慧型體對可解釋性的
處理 62
2.7.4 智慧型體對不確定性的
處理 64
2.8 AI之下再談軟體與算法架構 67
2.8.1 智慧型體的軟體整體
結構 67
2.8.2 分層級聯的可控性
設計 69
2.8.3 數據驅動的可疊代
設計 71
2.8.4 算法與各層次架構的
映射關係 73
2.9 研發體系的架構設計 76
2.9.1 流程的概念和轉變 76
2.9.2 整車研發流程的升級 79
2.9.3 流程的融合與團隊的
融合 81
第3章 智慧型駕駛的互動系統 85
3.1 感測器與智慧型駕駛系統的
關係 85
3.2 感知類感測器 87
3.2.1 超音波雷達 87
3.2.2 毫米波雷達 89
3.2.3 雷射雷達 90
3.2.4 光學攝像頭 92
3.3 網聯類感測器 93
3.3.1 GPS全球定位系統 93
3.3.2 慣性導航感測器 95
3.3.3 地圖（V2X）感測器 97
3.4 感測器的組合與排布 99
3.5 線控執行器 100
3.5.1 線控轉向系統 100
3.5.2 線控制動系統 101
3.5.3 三電系統 103
3.6 人機互動設備 104
第4章 智慧型駕駛的處理系統 107
4.1 域控制器的軟硬體一體設計 107
4.2 智慧型駕駛晶片 108
4.2.1 晶片的基本概念 108
4.2.2 智慧型駕駛晶片的分類 110
4.3 作業系統與中間件 113
4.3.1 作業系統的概念 113
4.3.2 中間件的概念 116
4.3.3 軟體的底層運行
框架 117
4.4 業務層模型 120
4.4.1 坐標系 120
4.4.2 時空同步 123
4.4.3 環境模型接口 124
4.5 典型案例：算法穩定性設計 128
第5章 智慧型駕駛的車端軟體算法 130
5.1 語義感知層 130
5.1.1 環境感知的基礎與
延伸任務 130
5.1.2 感知特徵提取的典型
策略 134
5.1.3 感知特徵提取的進階
策略 136
5.1.4 複雜環境感知模型的
核心結構 139
5.2 融合與預測層 141
5.2.1 傳統融合算法的基本
概念 142
5.2.2 傳統融合算法的原理及
套用 143
5.2.3 多模態融合預測與各型
嵌入表征 146
5.2.4 從循環網路、記憶網路
到注意力網路 149
5.2.5 基於生成對抗網路的
信息聯想和補全 152
5.2.6 “可微分”的智慧型駕駛
系統 156
5.3 規劃與控制層 159
5.3.1 分層規劃控制算法的
構成 159
5.3.2 規劃的時間一致性與
變更過程 161
5.3.3 全局規劃與場景狀態
切換 164
5.3.4 運動規劃之決策 168
5.3.5 運動規劃之最佳化 171
5.3.6 前饋-反饋控制與車輛
模型 173
第6章 智慧型駕駛數據閉環平台 178
6.1 底層雲服務架構 178
6.1.1 雲存儲與雲計算
概述 178
6.1.2 微服務架構概述 182
6.1.3 雲端數據套用的互動
過程 184
6.1.4 數據套用開發的
新模式 185
6.2 數據管道構建起來的智慧型駕駛
大腦 186
6.3 功能研發的流程 189
6.3.1 DevOps與敏捷開發
概述 189
6.3.2 傳統開發與敏捷開發的
配合 191
6.3.3 智慧型駕駛開發數據
管道的設計 195
6.3.4 智慧型駕駛測試數據
管道的設計 199
6.4 車雲閉環流程 206
6.4.1 車雲閉環過程概述 206
6.4.2 數據篩選與影子模式 209
6.4.3 車雲數據記錄和整理 210
第7章 數據處理自動化—機器的
流程 213
7.1 深度學習訓練的自動化 213
7.1.1 智慧型駕駛業務推進學習
系統演進 213
7.1.2 傳統深度學習系統的
構成 216
7.1.3 自監督學習系統的構成 218
7.1.4 可訓練構件的
“工具箱” 220
7.2 眾包地圖 223
7.2.1 地圖的基本概念 223
7.2.2 高精度地圖與眾包
地圖的差異 225
7.2.3 地圖加偏對業務的
影響 227
7.2.4 眾包地圖閉環數據流 229
7.3 規劃仿真 230
7.3.1 規劃仿真與強化學習 230
7.3.2 場景庫的數據驅動
方法 232
7.3.3 規劃訓練的閉環
數據流 233
7.4 弱監督訓練 235
7.4.1 弱監督學習的概念和
重點 235
7.4.2 弱監督在自監督框架
中的定位 238
7.4.3 規則驅動的真值系統 239
7.4.4 低維流形與對比學習 241
7.4.5 GAN與域適應 244
7.4.6 模型壓縮與蒸餾學習 246
7.5 數據管道的兩種典型風格 248
第8章 智慧型駕駛汽車的研發體系—人的流程 252
8.1 從個人視角看研發流程全貌 252
8.2 整車開發流程 255
8.2.1 整車開發流程概述 255
8.2.2 整車開發流程的關鍵
結構 256
8.2.3 整車項目管理 261
8.2.4 整車需求定義與分解 264
8.2.5 造型、產品工程與
製造 266
8.2.6 零部件採購流程 268
8.2.7 質量保障體系 271
8.3 智慧型駕駛系統的指標體系 276
8.3.1 系統功能邊界的定義 276
8.3.2 層次設計的分解與
量化 278
8.3.3 可靠性與健壯性 280
8.3.4 方差與偏差 283
8.4 智慧型汽車文化 285
8.4.1 文化宣貫與產品力 285
8.4.2 質量文化 286
8.4.3 安全文化 287
8.4.4 敏捷文化 290
8.4.5 敏感數據的保護 291
8.5 混合思維下的研發策略 292
第9章 新時代背景下的行業與
從業者 295
9.1 時代趨勢之下的從業者 295
9.2 變革對用戶的影響 296
9.2.1 用戶的需求層次上移 296
9.2.2 用戶為軟體付費 298
9.2.3 智慧型駕駛系統的用戶
體驗差異 299
9.3 變革對行業的影響 300
9.3.1 產業鏈與核心競爭力 300
9.3.2 時代的主旋律與發展的
“輪迴” 302
9.3.3 市場與營運策略的
變化 303
9.3.4 汽車成為智慧城市的
核心節點 304
9.4 變革對從業者的影響 305
9.4.1 產品複雜性與人力
資源的關係 305
9.4.2 複合知識體系的意義 306
9.4.3 構建高效知識體系的
方法推薦 307
9.4.4 給新入行的朋友一些
建議 308
後記 311
作者簡介
殷瑋，某主機廠智駕軟體高級經理，曾負責多個量產級L2和L4自動駕駛項目，有多年智慧型網聯、智慧型交通系統的研發經驗，曾參與自動駕駛相關行業標準的制定，參與過相關行業的資本運作且有多年行業諮詢經驗。知乎科普作者，關注者數量過萬，相關技術文章在報紙、雜誌和公眾號上均有轉載。
