智能车辆决策规划与控制 教学大纲

1、大学本科专业培养方案课程教学大纲编 码： Code: 课程名称：智能车辆决策规划与控制 Course Title: Decision making, planning and control for intelligent vehicle课程类别：专业选修 Course category: Elective Courses in Specialty学 分：3 Credit(s): 3开课单位：机械与运载工程学院 Offering College/School: College of Mechanical & Vehicle Engineering课程描述： 本课程是车辆工程专业的选修课

2、程，以汽车理论和控制理论基础为前导课程，为课程设计与毕业设计等提供基础。本课程主要包括的内容有机器学习基础，智能车辆路径规划及跟随控制理论，驾驶员行为分析及驾驶员建模理论，人机协同控制理论及多车协同规划和控制技术。学生需了解智能车辆的基础概念，运用机器学习方法，路径规划算法（如人工势场法、A*算法等），预瞄跟随控制等理论方法实现基本的智能车辆决策规划及控制。通过学习本课程，学生学会智能车辆决策规划与控制基本概念与原理，获得智能车辆规划及控制层的设计方法，锻炼和提升智能车辆的设计能力，能够从事智能车辆开发方面的工作。Course description: It is an optional co

3、urse for vehicle engineering students. The leading courses include automobile theory and control theory. The course provides basis for course project and graduation thesis. The course mainly covers the basis of machine learning, the theory of path planning and following control for intelligent vehic

4、le, the theory of the driver behavior analysis and driver modeling, the shared control theory, and multiple-vehicle collaborative planning and control technology. Students need acknowledge the basic conception of the intelligent vehicle, and utilize the machine learning methods, path planning method

5、s (e.g. artificial potential field method, A* algorithm etc.), preview-following control theory to realize the classical planning and control of the intelligent vehicle.By learning this course, students shall acquire the basic concepts and principles of decision-making, planning and control for the

6、intelligent vehicle, obtain intelligent vehicle decision-making and control layer design methods, exercise and enhance the design capabilities of intelligent vehicles, and engage in the work of intelligent vehicle design.课程内容（一）课程教学目标通过本课程的教学，使学生具备以下能力：1 掌握智能车辆决策规划与控制技术的基本概念、工作原理、设计流程与方法(毕业设计要求1-3);

7、2 能够针对智能车辆决策规划与控制系统提出多种可行方案，并通过文献研究比较、分析方案的优缺点 (毕业要求2-2);3 在考虑安全与健康、法律法规与相关标准以及经济、环境、文化、社会等制约因素的前提下，能够针对智能车辆的决策规划与控制问题进行分析，创新性的提出并确定相应解决方案(毕业要求3-1);4 能够使用Matlab、C+或Python语言，实现智能车辆的决策规划与控制，完成仿真模拟，并能够理解其局限性(毕业要求5-3)。（二）基本教学内容第一章 绪论教学目的：通过本章的学习，了解智能车辆规划决策与控制技术的研究现状、基本思路和发展趋势，使得学生对智能车辆规划决策与控制技术的基本概念。教学重

8、点：智能车辆规划决策与控制技术的研究现状、基本思路和发展趋势。教学难点：智能车辆规划决策与控制技术的基本思路。相应毕业要求： 1-3教学内容：主要介绍智能车辆规划决策与控制技术的研究现状、基本思路和发展趋势。学时分配：课堂教学2学时学时分配：课堂教学2学时第二章 机器学习基础教学目的：了解机器学习的概念、分类、模型、评价等基本概念；了解机器学习常见算法的基本理论及其应用场景；了解编程机器学习代码；了解主流的机器学习工具箱；掌握机器学习基本理论与智能车辆决策与控制之间的连接方法。教学重点：机器学习的基本概念、模型、评价方法与常用算法。教学难点：机器学习的基本实现途径以及其在智能车辆决策与控制中的

9、应用。相应毕业要求：1-3，3-1，5-3教学内容：1）机器学习概述（基本概念、流程和发展现状）；2）常见模型评估与选择；3）常用机器学习算法；4）常见机器学习工具介绍；5）案例仿真与实践。学时分配：课堂教学8学时，上机2学时第三章 智能车辆自主决策与路径规划教学目的：通过本章的学习，了解智能车辆局部路径规划基本概念，了解并掌握典型的路径规划算法（如人工势场法，快速随机树，A*算法，最优化规划等）和速度规划算法；并将其运用于主动避障局部路径规划策略制定中。教学重点：典型的路径规划算法、速度规划算法。教学难点：典型的路径规划算法、速度规划算法。相应毕业要求：1-3，2-2，3-1，5-3教学内容

10、：介绍智能车辆在多障碍环境下自主规划轨迹的相关算法（包含路径规划与速度规划）。1）路径规划基本概念；2）局部路径规划算法；3）主动避障局部路径规划策略；4）案例仿真与实践。学时分配：课堂教学6学时，上机2学时第四章 驾驶员行为分析及驾驶员模型的建立教学目的：通过本章的学习，了解驾驶员技能等级评价、驾驶风格识别、驾驶员状态监测（比如分心、瞌睡等）的流程；了解驾驶员模型的发展过程；掌握驾驶员预瞄模型。教学重点：驾驶员行为分析与驾驶员预瞄模型。教学难点：模式识别理论。相应毕业要求：2-2，3-1，5-3教学内容：1）驾驶员行为分析简介；2）驾驶员行为分析的基本内容与流程；3）驾驶员模型的建立；4）案

11、例仿真与实践。学时分配：课堂教学4学时，上机2学时，讨论2学时第五章 智能车辆路径跟随控制策略教学目的：通过本章的学习，了解智能车辆路径跟随的基本概念，掌握耦合车辆动力学基本原理，了解并掌握典型的路径跟随算法（如单点预瞄，LQR跟随，模型预测控制跟随，滑膜控制跟随等）。教学重点：耦合车辆动力学原理、路径跟随算法。教学难点：耦合车辆动力学原理、路径跟随算法。相应毕业要求：1-3，2-2，3-1，5-3教学内容：掌握车辆耦合动力学模型的建立，了解常见的智能车辆路径跟随控制方法，以及常见交通场景下完成车辆行车行为的控制策略。1）耦合动力学机理；2）车辆耦合动力学模型的建立；3）车辆路径跟随控制方法；

12、4）案例仿真与实践。学时分配：课堂教学6学时，上机2学时第六章 人机共驾基础教学目的：通过本章的学习，了解人机驾驶机理，掌握人机共驾中驾驶权分配基本原则和理论。教学重点：人机共驾驾驶权分配原则。教学难点：模型预测控制理论与博弈理论。相应毕业要求：1-3，2-2，3-1，5-3教学内容：1）驾驶机理；2）驾驶权分配基本原则；3）驾驶权分配常见理论介绍；4）案例仿真演示。学时分配：课堂教学4学时，上机2学时第七章 多车协同规划与控制教学目的：通过本章的学习，了解车辆队列的运行要求；了解车辆在行驶过程中队列的稳定性；掌握分布式协同预测的基本理论、方法；掌握以交叉口通行效率为目标的多车协同方式；掌握多

13、车系统规划过程中通行效率和车辆能耗之间的相互关系。教学重点：多车协同规划与能量优化。教学难点：分布式协同预测、交叉口协同驾驶。相应毕业要求：1-3，2-2，3-1，5-3教学内容：1）队列动力学机理；2）异质队列稳定性分析；3）分布式协同预测、交叉口协同驾驶；4）案例仿真与实践学时分配：课堂教学8学时，上机2学时，讨论2学时考核方式本课程考核采用考查的形式成绩占比：1. 考勤20%2. 上机30%3. 项目50%（要求：23人一组，以小组完成一个小课题（按发表小论文格式提交，并附上原始的可运行的程序代码）持续改进方法1、加强各部分同学相互沟通，保证各部分设计统一、正确。2、对重点、难点内容安排讨论。3、加强对设计说明书的规范性，特别是图纸规范性要求。教材及参考书1 周志华，机器学习，清华大学出版社，2016.2 李锐，李鹏，曲亚东 等译，机器学习实践，人民邮电出版社，2013.3 张亮 译，Python机器学习基础教程，人民邮电出版社，2018.4 姚鹏鹏 译，TensorFlow机器学习项目实战，人民邮电出版社，2017.5 Azim Eskandarian，智能车辆手册（卷I/II），机械工业出版社，2017或Hand book of I