本书以实际工程应用为背景，具有很强的实用性；书中内容既包括已在智能汽车上广泛应用的成熟技术，又包括近年来出现的一些高新技术。对于难理解内容，本书安排了25个案例阅读；对于重要概念，安排了12个概念解读；对于重要内容，安排了21个案例练习，以帮助学生更好地理解书中的概念和内容。仿真实例配套仿真程序，读者利用电子设备扫描书中二维码即可获得。附录中列举了课程设计题目和AI伴学内容及提示词供参考。

本书全面、系统地论述了智能汽车决策规划与控制技术，阐述了智能汽车的基本概念、技术架构、应用场景、关键技术、发展趋势、智能汽车决策规划与控制的几个问题；重点介绍了智能汽车的路径规划技术、行为决策技术和运动控制技术的定义、要求、约束条件、步骤、理论与方法等。书中内容既包括已在智能汽车上广泛应用的成熟技术，又包括近年来出现的一些高新技术。
本书以实际工程应用为背景，内容丰富、条理清晰，图文并茂，通俗易懂，实用性强，可作为高等院校本科车辆工程专业、智能车辆工程专业及相关专业的教材，也可作为车辆工程专业研究生的选修教材，还可作为智能汽车行业的工程技术人员、科研人员和管理人员的参考用书。

第1章　绪论 ………………………………… 1
　1.1　智能汽车的基本概念…………………… 2
　1.2　智能汽车的技术架构…………………… 4
　1.3　智能汽车的应用场景…………………… 5
　1.4　智能汽车的关键技术…………………… 8
　1.5　智能汽车的发展趋势 ………………… 11
　1.6　智能汽车决策规划与控制的
几个问题 ……………………………… 12
　习题…………………………………………… 17
第2章　智能汽车的路径规划技术 …… 19
　2.1　概述 …………………………………… 20
　　2.1.1　智能汽车路径规划的定义 ……… 20
　　2.1.2　智能汽车路径规划的要求 ……… 21
　　2.1.3　智能汽车路径规划的约束条件 … 22
　　2.1.4　智能汽车路径规划的分类 ……… 23
　　2.1.5　智能汽车路径规划的步骤 ……… 27
　　2.1.6　智能汽车路径规划的算法 ……… 27
　2.2　环境建模方法 ………………………… 30
　　2.2.1　可视图法 ………………………… 30
　　2.2.2　栅格法 …………………………… 33
　　2.2.3　拓扑法 …………………………… 36
　　2.2.4　语义地图法 ……………………… 38
　2.3　路径规划的常用算法 ………………… 41
　　2.3.1　Dijkstra算法……………………… 42
　　2.3.2　A?算法 …………………………… 50
　　2.3.3　蚁群算法 ………………………… 59
　　2.3.4　遗传算法 ………………………… 65
　　2.3.5　人工势场法 ……………………… 71
　　2.3.6　RRT算法 ………………………… 78
　　2.3.7　PRM 算法 ………………………… 83
　　2.3.8　贝塞尔曲线 ……………………… 88
　　2.3.9　B样条曲线 ……………………… 93
　　2.3.10　三次样条曲线 …………………… 98
　2.4　路径规划的仿真……………………… 104
　习题 ………………………………………… 112
第3章　智能汽车的行为决策技术 …… 114
　3.1　概述 …………………………………… 115
　　3.1.1　智能汽车行为决策的定义 ……… 115
　　3.1.2　智能汽车行为决策的要求 ……… 116
　　3.1.3　智能汽车行为决策的约束
条件 ……………………………… 118
　　3.1.4　智能汽车行为决策的内容 ……… 119
　　3.1.5　智能汽车行为决策的步骤 ……… 120
　　3.1.6　智能汽车行为决策的方法 ……… 121
　3.2　基于有限状态机的智能汽车决策
方法 …………………………………… 124
　　3.2.1　有限状态机的基本概念与
基本原理 ………………………… 124
　　3.2.2　有限状态机的特点 ……………… 125
　　3.2.3　基于有限状态机的智能
汽车决策的步骤 ……………… 126
　　3.2.4　有限状态机的应用 ……………… 127
　3.3　基于博弈论的智能汽车决策方法 …… 129
　　3.3.1　博弈论的基本概念与基本
原理 ……………………………… 129
　　3.3.2　博弈论的特点 …………………… 131
　　3.3.3　基于博弈论的智能汽车
决策的步骤 …………………… 132
　　3.3.4　博弈论的应用 …………………… 133
　3.4　基于支持向量机的智能汽车
决策方法 ……………………………… 135
　　3.4.1　支持向量机的基本概念与
基本原理 ………………………… 135
　　3.4.2　支持向量机的特点 ……………… 137
　　3.4.3　基于支持向量机的智能
汽车决策的步骤 ……………… 138
　　3.4.4　支持向量机的应用 ……………… 139
　3.5　基于马尔可夫决策过程的智能
汽车决策方法 ………………………… 141
　　3.5.1　马尔可夫决策过程的基本概念与
基本原理 ………………………… 141
　　3.5.2　马尔可夫决策过程的特点 ……… 143
　　3.5.3　基于马尔可夫决策过程的
智能汽车决策的步骤 ……… 143
　　3.5.4　马尔可夫决策过程的应用 ……… 144
　3.6　基于强化学习的智能汽车决策
方法…………………………………… 146
　　3.6.1　强化学习的基本概念与基本
原理 ……………………………… 146
　　3.6.2　强化学习的特点 ………………… 148
　　3.6.3　强化学习的步骤 ………………… 149
　　3.6.4　强化学习的应用 ………………… 150
　习题 ………………………………………… 152
第4章　智能汽车的运动控制技术 …… 154
　4.1　概述…………………………………… 155
　　4.1.1　智能汽车运动控制的定义 ……… 155
　　4.1.2　智能汽车运动控制的分类 ……… 156
　　4.1.3　智能汽车运动控制的
要求 ……………………………… 157
　　4.1.4　智能汽车运动控制的约束
条件 ……………………………… 158
　　4.1.5　智能汽车运动控制的步骤 ……… 160
　4.2　智能汽车运动控制理论……………… 161
　　4.2.1　PID控制 ………………………… 161
　　4.2.2　很优控制 ………………………… 165
　　4.2.3　模糊控制 ………………………… 169
　　4.2.4　模型预测控制 …………………… 174
　　4.2.5　机器学习 ………………………… 179
　　4.2.6　深度学习 ………………………… 183
　4.3　汽车模型……………………………… 188
　　4.3.1　汽车转向几何学模型 …………… 188
　　4.3.2　汽车运动学模型 ………………… 190
　　4.3.3　汽车动力学模型 ………………… 191
　　4.3.4　汽车换道决策模型 ……………… 194
　　4.3.5　汽车换道轨迹模型 ……………… 197
　4.4　智能汽车运动控制…………………… 199
　　4.4.1　智能汽车纵向控制 ……………… 199
　　4.4.2　智能汽车横向控制 ……………… 201
　4.5　智能汽车运动控制仿真……………… 203
　习题 ………………………………………… 211
附录 …………………………………………… 212
参考文献 …………………………………… 216