數(shù)據(jù)驅動的智能駕駛（異步圖書出品）

第 1章 智能駕駛系統(tǒng)的基本情況1
1．1 智能駕駛的“第 一性原理”1
1．2 智能駕駛的歷史與展望3
1．3 智能駕駛汽車研發(fā)的關鍵路徑4
1．4 智能駕駛汽車研發(fā)的核心困境7
第 2章 智能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(tǒng)整車架構及其
問題13
2．2．2 汽車電氣化的發(fā)展16
2．2．3 整車平臺架構構建18
2．3 電子電氣架構設計20
2．3．1 電子電氣架構的發(fā)展
趨勢20
2．3．2 電子電氣架構的底層
硬件構建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 云端計算集群34
2．5 通信架構設計36
2．5．1 OSI參考模型與智能
駕駛通信應用36
2．5．2 面向信號的CAN通信38
2．5．3 面向服務的以太網(wǎng)
通信40
2．5．4 通信與計算的匹配
關系43
2．5．5 對通信的深層理解46
2．6 軟件架構設計50
2．6．1 智能駕駛的理論基礎50
2．6．2 基礎理論下的軟件架構
展開54
2．6．3 分層閉環(huán)架構與
上下行56
2．7 人工智能算法體系59
2．7．1 歸納思維與演繹思維59
2．7．2 規(guī)則驅動算法與數(shù)據(jù)
驅動算法60
2．7．3 智能體對可解釋性的
處理62
2．7．4 智能體對不確定性的
處理64
2．8 AI之下再談軟件與算法架構67
2．8．1 智能體的軟件整體
結構67
2．8．2 分層級聯(lián)的可控性
設計69
2．8．3 數(shù)據(jù)驅動的可迭代
設計71
2．8．4 算法與各層次架構的
映射關系73
2．9 研發(fā)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(fā)流程的升級79
2．9．3 流程的融合與團隊的
融合81
第3章 智能駕駛的交互系統(tǒng)85
3．1 傳感器與智能駕駛系統(tǒng)的
關系85
3．2 感知類傳感器87
3．2．1 超聲波雷達87
3．2．2 毫米波雷達89
3．2．3 激光雷達90
3．2．4 光學攝像頭92
3．3 網(wǎng)聯(lián)類傳感器93
3．3．1 GPS全球定位系統(tǒng)93
3．3．2 慣性導航傳感器95
3．3．3 地圖（V2X）傳感器97
3．4 傳感器的組合與排布99
3．5 線控執(zhí)行器100
3．5．1 線控轉向系統(tǒng)100
3．5．2 線控制動系統(tǒng)101
3．5．3 三電系統(tǒng)103
3．6 人機交互設備104
第4章 智能駕駛的處理系統(tǒng)107
4．1 域控制器的軟硬件一體設計107
4．2 智能駕駛芯片108
4．2．1 芯片的基本概念108
4．2．2 智能駕駛芯片的分類110
4．3 操作系統(tǒng)與中間件113
4．3．1 操作系統(tǒng)的概念113
4．3．2 中間件的概念116
4．3．3 軟件的底層運行
框架117
4．4 業(yè)務層模型120
4．4．1 坐標系120
4．4．2 時空同步123
4．4．3 環(huán)境模型接口124
4．5 典型案例：算法穩(wěn)定性設計128
第5章 智能駕駛的車端軟件算法130
5．1 語義感知層130
5．1．1 環(huán)境感知的基礎與
延伸任務130
5．1．2 感知特征提取的典型
策略134
5．1．3 感知特征提取的進階
策略136
5．1．4 復雜環(huán)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(tǒng)融合算法的基本
概念142
5．2．2 傳統(tǒng)融合算法的原理及
應用143
5．2．3 多模態(tài)融合預測與各型
嵌入表征146
5．2．4 從循環(huán)網(wǎng)絡、記憶網(wǎng)絡
到注意力網(wǎng)絡149
5．2．5 基于生成對抗網(wǎng)絡的
信息聯(lián)想和補全152
5．2．6 “可微分”的智能駕駛
系統(tǒng)156
5．3 規(guī)劃與控制層159
5．3．1 分層規(guī)劃控制算法的
構成159
5．3．2 規(guī)劃的時間一致性與
變更過程161
5．3．3 全局規(guī)劃與場景狀態(tài)
切換164
5．3．4 運動規(guī)劃之決策168
5．3．5 運動規(guī)劃之優(yōu)化171
5．3．6 前饋-反饋控制與車輛
模型173
第6章 智能駕駛數(shù)據(jù)閉環(huán)平臺178
6．1 底層云服務架構178
6．1．1 云存儲與云計算
概述178
6．1．2 微服務架構概述182
6．1．3 云端數(shù)據(jù)應用的交互
過程184
6．1．4 數(shù)據(jù)應用開發(fā)的
新模式185
6．2 數(shù)據(jù)管道構建起來的智能駕駛
大腦186
6．3 功能研發(fā)的流程189
6．3．1 DevOps與敏捷開發(fā)
概述189
6．3．2 傳統(tǒng)開發(fā)與敏捷開發(fā)的
配合191
6．3．3 智能駕駛開發(fā)數(shù)據(jù)
管道的設計195
6．3．4 智能駕駛測試數(shù)據(jù)
管道的設計199
6．4 車云閉環(huán)流程206
6．4．1 車云閉環(huán)過程概述206
6．4．2 數(shù)據(jù)篩選與影子模式209
6．4．3 車云數(shù)據(jù)記錄和整理210
第7章 數(shù)據(jù)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 智能駕駛業(yè)務推進學習
系統(tǒng)演進213
7．1．2 傳統(tǒng)深度學習系統(tǒng)的
構成216
7．1．3 自監(jiān)督學習系統(tǒng)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(yè)務的
影響227
7．2．4 眾包地圖閉環(huán)數(shù)據(jù)流229
7．3 規(guī)劃仿真230
7．3．1 規(guī)劃仿真與強化學習230
7．3．2 場景庫的數(shù)據(jù)驅動
方法232
7．3．3 規(guī)劃訓練的閉環(huán)
數(shù)據(jù)流233
7．4 弱監(jiān)督訓練235
7．4．1 弱監(jiān)督學習的概念和
重點235
7．4．2 弱監(jiān)督在自監(jiān)督框架
中的定位238
7．4．3 規(guī)則驅動的真值系統(tǒng)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(shù)據(jù)管道的兩種典型風格248
第8章 智能駕駛汽車的研發(fā)體系—人的流程252
8．1 從個人視角看研發(fā)流程全貌252
8．2 整車開發(fā)流程255
8．2．1 整車開發(fā)流程概述255
8．2．2 整車開發(fā)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(chǎn)品工程與
制造266
8．2．6 零部件采購流程268
8．2．7 質(zhì)量保障體系271
8．3 智能駕駛系統(tǒng)的指標體系276
8．3．1 系統(tǒng)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 智能汽車文化285
8．4．1 文化宣貫與產(chǎn)品力285
8．4．2 質(zhì)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(shù)據(jù)的保護291
8．5 混合思維下的研發(fā)策略292
第9章 新時代背景下的行業(yè)與
從業(yè)者295
9．1 時代趨勢之下的從業(yè)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 用戶為軟件付費298
9．2．3 智能駕駛系統(tǒng)的用戶
體驗差異299
9．3 變革對行業(yè)的影響300
9．3．1 產(chǎn)業(yè)鏈與核心競爭力300
9．3．2 時代的主旋律與發(fā)展的
“輪回”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(jié)點304
9．4 變革對從業(yè)者的影響305
9．4．1 產(chǎn)品復雜性與人力
資源的關系305
9．4．2 復合知識體系的意義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
后記311